Rollout von AI-Guardrails für Devs, POs und Business-Rollen

Umfang

Aufbau der sicheren Grundlage für AI-gestützte Arbeit im BaFin-regulierten Banking-Umfeld.

• Aufbau eines zentralen LiteLLM-Model-Gateways als einziger, governed Zugangspunkt zu LLMs — Model-Routing, Budgets und auditierbare Nutzung statt verstreuter API-Keys.
• Entwicklung von MCP-Servern und einer Firmen-Skills-Library, damit Agent-Workflows an die echten Systeme der Bank andocken und jeder gelöste Prozess wiederverwendbar bleibt.
• Engineering einer sicheren Umgebung für Entwickler: Devcontainer-Sandboxes mit Firewall — kontrollierter Network Egress und begrenzte Credentials statt Zugriff auf den ganzen Laptop.
• Guardrails als Code: Permission-Allowlists, Hooks und Approval-Gates — versioniert, reviewed und getestet wie Infrastruktur, deterministisch statt Vertrauen ins Modell.
• Rollout AI-gestützter Arbeit über das Engineering hinaus: Entwickler, Product Owner und Business-Rollen arbeiten in einem governed Setup statt mit unkontrollierten Einzel-Tools.

Technologien: Claude Code, LiteLLM, MCP, Devcontainer, GitLab

Nachgewiesene Kompetenzen

• AI Governance & Guardrails: Deterministische Kontrollen für AI-gestützte Arbeit — Policies, Approval-Gates und Audit-Trails, die ein Enterprise-Security-Review bestehen.
• Platform Engineering für AI: Aufbau der Gateway-, Sandbox- und Egress-Schicht, die aus AI-Piloten freigegebenes Produktions-Tooling macht.
• Compliance Engineering: AI-Tooling, das im BaFin-regulierten Umfeld standhält — Audit-first von Anfang an.
• Cross-Role Enablement: Engineering, Produkt und Business auf einem governed Setup — Adoption gemessen statt angenommen.
• FinOps für AI: Kubernetes-Kostendisziplin (kubecost) auf Tokens übertragen — Budgets, Model-Routing und Kosten pro Team über das Gateway.
• Change Management: Eine versionierte Skills-Library, die das Setup nach dem Rollout weiter verbessert.