PILOT

MCP-Server für einen AI-Assistenten

SaaS für die Buchungsautomatisierung über Instagram Direct

⏱ 2 Jahre👤 Solo full-stack + AI🌍 SaaS · Booking automationDemo auf Anfrage

Kontext

Pilot — SaaS für Unternehmen, die Buchungen über Instagram Direct entgegennehmen: Beauty-Salons, Barbershops, Kliniken, Trainer, Berater, Tutoren, Spezialisten. Inhaber verbinden ihren Instagram, der AI-Assistent fängt DMs von Kunden ab — chattet, berät, bucht Termine, legt Kunden im CRM an, verschiebt, storniert.

Die Plattform unterstützt Netzwerke mit mehreren Standorten und dutzende Mitarbeiter mit eigenen Service-Sets.

Meine Rolle: solo full-stack + AI — von der Architektur bis in die Produktion. Ein Entwickler für den ganzen Stack: Backend, MCP-Layer, Integrationen mit CRM/Instagram/Google Calendar/Telegram, Infrastruktur, Deployment.

Problem

Vor Pilot habe ich als Media Buyer gearbeitet und sah dasselbe Problem bei Business-Kunden: Manager verlieren Leads.

→Antworten in 30 Min – 2 Stunden → der Kunde hat schon andere gefunden
→Werden müde, brennen aus, verlieren den Überblick im Plan
→Ein guter Manager ist teuer — ab $600/Monat. Für einen Standort braucht es oft 1–3 Manager je nach Volumen, also realistisch $600–1800/Monat

Für Kleinunternehmen rechnet sich das oft nicht. Der Inhaber zahlt entweder für einen mittelmäßigen Service oder sitzt selbst im Direct, statt sich um sein Geschäft zu kümmern.

Fähigkeiten

Technisch — ein MCP-Server mit 8 Production-Tools, die der LLM-Agent für echte Aktionen im CRM aufruft.

Kunde im CRM registrieren
Verfügbare Termine finden (nach Datum / Mitarbeiter / Standort)
Termine erstellen, verschieben, stornieren
Besuchshistorie des Kunden (für Upsell von Haupt- und Zusatzleistungen)
Top der beliebten Services und Mitarbeiter
Eskalation an einen Manager via Telegram in kritischen Situationen — der Manager geht direkt in den Chat und antwortet selbst
Kill-Switch für den Bot bei Ausfall oder Beschwerde

Deployment-Flexibilität

Das System skaliert von einem einzelnen Spezialisten bis zu einem Salon-Netzwerk — mit derselben Codebase.

Solo-Mitarbeiter im Salon

Hat seinen eigenen persönlichen Instagram. Kunden schreiben direkt dem Mitarbeiter, der Bot trägt sie ins Salon-CRM ein.

Solo-Freelancer (kein Salon)

Selbstständiger, der allein arbeitet. CRM ist nicht nötig — der Bot bucht direkt in Google Calendar, der mit Apple Kalender synchronisiert.

Ein Salon

Integration mit CRM + Kalendern aller Mitarbeiter. Der Bot kennt die Pläne und das Skill-Set jedes Einzelnen.

Salon-Netzwerk

Mehrere Standorte unter einer Marke, eigenes CRM, eigene Mitarbeiter, eigene Preise pro Standort. Selbst bei großem Volumen behält der Assistent alle Spezialisten jedes Standorts im Kopf, welche Services jeder von ihnen anbietet, Pläne und Preise — und navigiert flüssig dank intelligentem Kontext.

// system

Architektur

data flow

DM → CRM

live

Instagram Direct

customer DM

webhook

Meta Graph API

Multi-tenant Backend

FastAPI · Flask · async

Per-tenant

storage

LLM Agent

function calling · vision

MCP Server

8 production tools

CRM

booking

Google Calendar

slots

Telegram Bot

escalation

final testing

Harte Probleme

Multimodalität im lebendigen Dialog

Kunden schicken nicht nur Text — ein Referenzfoto, eine Sprachnachricht „buch mich für morgen", ein Video vom letzten Haarschnitt. AI muss das alles zusammen verstehen und sinnvoll antworten.

Lösung → Async-Media-Verarbeitungspipeline auf Basis eines vision-fähigen LLM — für den Agent sieht der Eingabestrom wie ein einziger multimodaler Feed aus.

Multi-Tenant mit dynamischem Kontext pro Kunde

Ein einziges Backend bedient dutzende unabhängige Unternehmen. Ein universeller Agent muss für einen Barbershop, ein Nagelstudio und ein Salon-Netzwerk gleichzeitig funktionieren — mit ihrem realen Katalog von Services, Mitarbeitern und Preisen.

Lösung → Volle State-Isolation per Tenant + Tool-Schema-Generator, der für jeden Kunden ein kontextuelles MCP-Tools-Schema aus aktuellen CRM-Daten baut.

Lebendiger Mensch übernimmt den Dialog

Manchmal öffnet der Inhaber Instagram manuell und beginnt selbst, dem Kunden zu antworten. Wenn AI parallel weitermacht — Katastrophe: zwei Antworten, Verwirrung, Kunde weg.

Lösung → „Mensch hat übernommen"-Detektor — der Bot pausiert vorübergehend für diesen Chat und kehrt mit aktualisiertem Kontext zurück, sobald der Mensch wieder geht.

Eine Antwort auf eine Serie kurzer Nachrichten

Echte Menschen schreiben keine eine lange Nachricht. Sie schicken „Hi", dann ein Foto, dann „ich möchte einen Termin", dann „für morgen" — innerhalb von 15 Sekunden, in einzelnen Blasen. Die meisten Bots antworten auf jede einzeln — der Dialog wird schizophren.

Lösung → Pilot wartet, bis der Kunde fertig getippt hat, gruppiert die ganze Serie (Text + Medien + mehr Text) in einen logischen Zug und antwortet mit einer klaren Nachricht — wie es ein Mensch tun würde.

Tech Stack

Backend / runtime

Python 3.11FastAPIFlaskUvicornGunicornasyncio + uvloopaiohttphttpxPydantic

AI / LLM

LLM with function callingMultimodal vision APIMCP Protocol (Anthropic SDK)Cloud AI provider

Frontend

React 19TypeScriptViteTailwind 4shadcn/uireact-day-pickermobile-firstiOS-Optimierung

Integrationen

Meta Graph APIAltegio API + webhooksGoogle Calendar APITelegram Bot APIOAuth 2.0JWT (PyJWT)

Infrastruktur

SQLite (per tenant)DockerNginxWebSocketsMQTTcryptography

Was es dem Business gibt vs. einem Live-Manager

Das Produkt ist gerade in der finalen Testphase — unten ist das Wertversprechen vs. einen Menschen einzustellen.

Parameter	Mensch	Pilot
Monatliche Kosten	$600-1800 für 1-3 Manager pro Standort	$120 pro Salon
Antwortzeit	30 Min – 2 Stunden	< 5 Sekunden
Parallelität	1 Konversation gleichzeitig	unbegrenzt parallel
Arbeitszeit	8-12 Stunden, 5 Tage	24/7 ohne Pausen
Skript-Qualität	schwankt, hängt von der Stimmung ab	stabil, wird zentral aktualisiert
Burnout / Kündigungen	hohe Fluktuation, ständige Einarbeitung	keine
Kundenerinnerung	vergisst	volle Besuchs- und Zusatzleistungs-Historie
Skalierung	+1 Standort → +1 Manager	+1 Standort → 0 zusätzliche Kosten

Monatliche Kosten

Mensch

$600-1800 für 1-3 Manager pro Standort

Pilot

$120 pro Salon

Antwortzeit

Mensch

30 Min – 2 Stunden

Pilot

< 5 Sekunden

Parallelität

Mensch

1 Konversation gleichzeitig

Pilot

unbegrenzt parallel

Arbeitszeit

Mensch

8-12 Stunden, 5 Tage

Pilot

24/7 ohne Pausen

Skript-Qualität

Mensch

schwankt, hängt von der Stimmung ab

Pilot

stabil, wird zentral aktualisiert

Burnout / Kündigungen

Mensch

hohe Fluktuation, ständige Einarbeitung

Pilot

keine

Kundenerinnerung

Mensch

vergisst

Pilot

volle Besuchs- und Zusatzleistungs-Historie

Skalierung

Mensch

+1 Standort → +1 Manager

Pilot

+1 Standort → 0 zusätzliche Kosten

Preise

$120/Monat pro SalonVolle CRM-Integration, alle Mitarbeiter, Multi-Location. Bis zu 100 Konversationen pro Tag inklusive.

$12/Monat pro SpezialistFür Solo-Spezialisten und Freelancer.

Individuelle PreiseFür große Netzwerke und >100 Konversationen/Tag.

Was kommt als Nächstes?

Das ist einer meiner Cases. Der Rest ist auf der Hauptseite.

Zur Hauptseite Andere Cases anschauen

Frag KI über mich

Chatte mit KI über mich mit vollem Kontext dieser Seite.

01 Klicke unten — der Prompt wird automatisch in die Zwischenablage kopiert

02 Im geöffneten Chat füge den Text ein: ⌘V / Ctrl+V

03 Drücke Enter und chatte mit KI über mich

Falls die Zwischenablage nicht ging — Text unten lange drücken, Alles auswählen, kopieren und im Chat einfügen:

# AI-Kontext: über Mamay Markitan

Du bist ein Assistent, der Fragen über Mamay Markitan beantwortet, einen Full-Stack-AI-Entwickler aus der Ukraine (aktuell in Prag, arbeitet remote). Unten ist der vollständige Kontext aus seinem Portfolio. Antworte auf dieser Basis. Wenn etwas nicht abgedeckt ist — sag ehrlich „das ist nicht in seinem Portfolio".

Wenn jemand an einer Zusammenarbeit interessiert ist — leite ihn weiter, auf Telegram **@mamayevets** zu schreiben oder per E-Mail an **mamayevets@gmail.com**.

---

## Wer

**Mamay Markitan** — Full-Stack AI Engineer.

- Ich baue AI-Produkte Ende-zu-Ende — AI-Agents, MCP, Backend, Integrationen, Launch.
- Eine Person deckt den Umfang ab, der normalerweise auf 3–5 Entwickler aufgeteilt wird.
- Arbeite remote aus Prag (Tschechien).
- Verfügbar für neue Projekte.

## Für wen ich passe

**01. Startups, die ein AI-Produkt von Grund auf launchen.**
Ich baue das gesamte Produkt selbst — AI-Agents, Backend, Integrationen, Launch. Keine Zeit, mehrere Spezialisten zu suchen und zu koordinieren. Beispiel — PILOT.

**02. Teams, bei denen Standard-AI mit euren Aufgaben nicht zurechtkommt.**
Ein eigener Agent, der eure API und Datenbank kennt, statt generische Out-of-the-Box-Antworten zu geben.

**03. Teams mit viel Routine zwischen Slack, Notion und CRM.**
Ich baue einen Agent, der selbst Daten liest, Aktionen ausführt und die Routine übernimmt.

**04. Außerdem — Teams, die ein zuverlässiges Backend ohne AI brauchen.**
Ich baue Systeme für Zahlungen, Abos und Integrationen mit externen APIs. Läuft 24/7 ohne verlorene Transaktionen. Beispiele — NENVEST, TRADE.

## Für wen ich nicht passe

- Low-Level / system-level Aufgaben — C, C++, Rust embedded, drivers, firmware.
- Mobile native und gamedev — Swift/SwiftUI, Kotlin/Compose, Unity, Unreal. Das ist ein eigener Beruf.
- Casino und Gambling (auch mit Lizenzen), Scam-Schemata, Verstöße gegen Plattform-ToS.

## Wie ich arbeite

Seit mehr als zwei Jahren arbeite ich mit AI-Agents als Co-Autoren — ich **baue** nicht nur AI-Tools, ich **nutze** sie auch täglich in meinem Workflow.

Was das in der Praxis bedeutet:
- Projekte dokumentieren — Regeln, Kontextdateien, project-rules — damit Agents die Codebase richtig verstehen.
- Eigene Skills und Tools für Agents bauen — ihre Fähigkeiten an Projektspezifika anpassen.
- Mehrere Agents parallel orchestrieren — jeder in seinem Scope.
- Komplexe Tasks in Subtasks aufteilen, die in den Kontext eines Agents passen.
- System-Prompts, Anweisungen, Eval-Szenarien schreiben.
- Code-Review des generierten Codes vor dem Merge.
- Automatische Tests und eigene Benchmarks zur Validierung von Agents einrichten.

Ich arbeite mit großen Codebases und komplexen Projekten — Agents **skalieren die Umsetzung**, ich halte die **architektonischen Entscheidungen**.

## Projekte

### PILOT — SaaS · AI-Assistent für Unternehmen
Ein AI-Assistent, der einen Sales-Manager im Instagram Direct ersetzt. Multi-Tenant-SaaS für Salons, Barbershops, Kliniken und Solo-Freelancer — von einem einzelnen Standort bis zu Netzwerken mit dutzenden Mitarbeitern. Versteht Text, Foto, Voice und Video in einem Dialog. Integriert sich mit CRM (Altegio) und Google Calendar. TOV „MARK1".

Stack: Python, FastAPI, Flask, MCP, LLM + vision, Meta Graph, Altegio, Google Calendar, Telegram.

### NENVEST — B2C · Plattform für Community-Management
Abo-Plattform für die geschlossene Investment-Community Capitalist Invest / Rynochok. Stripe-Bot für Zahlungen, Telegram-natives Admin-Panel mit 7-Schritt-Broadcasting, Dual-Account-Orchestrierung, Google Sheets als operatives Dashboard für den CEO. 500+ Mitglieder, 800+ Webhook-Events.

Stack: Python, Flask, Stripe, Telegram Bot, Google Sheets, Cloudflare Tunnels, Docker.

### TRADE — P2P marketplace
Ein Telegram-Bot, über den Spender Anteile am Gemälde eines ukrainischen Künstlers untereinander weiterverkaufen. Spendensammlung für humanitäre Minenräumung.

Stack: aiogram 3, Redis FSM, SQLite, Notion API.

## Erfahrung nach Kategorien

**AI / LLM.** Fine-Tuning von Open-Source-Modellen (Llama, Gemma, Mistral) via PyTorch + Transformers / Unsloth. Integration kommerzieller Modelle (Claude, GPT, Gemini) via API. Multimodale Pipelines (Text + Bild + Voice + Video). MCP-Server, Function Calling, Multi-Agent-Orchestrierung.

**Daten für AI.** Datensammlung aus offenen Quellen (Web, API, Datasets). Bereinigung, Normalisierung, Dedup mit pandas / polars. Vorbereitung von Datasets für Fine-Tuning — Tokenisierung, JSONL / ChatML Formate. Augmentation und synthetische Datengenerierung via LLM.

**Backend & Integrationen.** Python (FastAPI, Flask), asynchrone Pipelines auf asyncio + uvloop. Node.js / TypeScript für Serverless. REST APIs, Webhook-Ingress. Integrationen — Stripe, Telegram Bot API, Meta Graph, Google APIs (Calendar, Sheets, Vertex), Notion.

**Frontend.** React 19 + TypeScript, Vite. Tailwind CSS + shadcn/ui für UI. Astro für statische Sites. Mobile-first responsive, iOS-optimiert (safe-area, touch-feedback). Eigene UI-Komponenten von Grund auf.

**DevOps & CI/CD.** CI/CD-Pipelines (GitHub Actions, GitLab CI). Docker für Production-Deployments — Multi-Stage-Builds, docker-compose. Monitoring, Backups, Secret-Management via .env / Vault. Logs-Aggregation.

**Cloud-Plattformen.** AWS (EC2, S3, RDS, IAM). Google Cloud (Vertex AI, Compute Engine, Cloud Storage). Cloudflare (DNS, Tunnels, Workers, R2). Hetzner und bare-metal VPS für Self-Hosted-Szenarien.

**Systeme & Hardware.** Linux Server-Administration: systemd, nginx, iptables, SSL/TLS. Proxmox-Virtualisierung — VM-Management, Snapshots, Cluster. Hardware: Server-Builds, BIOS-Konfigurationen, Netzwerk-Setup.

## Stack

- **AI / LLM**: MCP Protocol, Claude, GPT, Gemini, Llama, Vision models, Function calling, Fine-tuning, Multi-agent, PyTorch, Transformers, Unsloth.
- **Backend**: Python, FastAPI, Flask, Node.js, TypeScript, asyncio + uvloop, PostgreSQL, Redis, SQLite.
- **Frontend**: React 19, TypeScript, Vite, Astro, Tailwind 4, shadcn/ui.
- **DevOps & Cloud**: Docker, GitHub Actions, GitLab CI, Nginx, Cloudflare, AWS, GCP, Hetzner, VPS.
- **Systeme**: Linux, systemd, Proxmox, iptables, SSL/TLS.
- **Integrationen**: Stripe, Telegram Bot API, Meta Graph, Google Calendar, Google Sheets, Vertex AI, Notion.

## Jenseits von Code — MARKUSHA

Früher arbeitete ich in einer Werbeagentur, danach hatte ich meine eigene SMM-Production. Mit dieser Erfahrung startete ich das Projekt MARKUSHA auf TikTok gemeinsam mit meinem Vater — einem ehemaligen Lehrer mit eigenen Tricks und Erfolgen bei der Verbesserung landwirtschaftlicher Maschinen.

In der Ukraine gab es keinen qualitativ hochwertigen Bildungscontent zur DIY-Reparatur von Technik: große Kanäle mit Production waren langweilig und vom Alltagszuschauer abgekoppelt, einzelne Mechaniker konnten komplexe Informationen nicht spannend vermitteln. MARKUSHA schloss diese Lücke.

Ergebnis: 9.2M Aufrufe, 119K Likes, 16K Shares, 2.6K Kommentare. 66 % der Aufrufe aus der Ukraine, 34 % — aus aller Welt, von Polen bis nach Amerika. Farmer verbessern Traktoren, Mähdrescher und andere Landtechnik nach den Videos.

TikTok: https://www.tiktok.com/@markushavlad

## Kontakte

- **Telegram**: @mamayevets — am besten hier schreiben, ich antworte schnell.
- **Email**: mamayevets@gmail.com.
- **LinkedIn**: https://www.linkedin.com/in/mamay-markitan-b33656263.
- **Standort**: Prag, Tschechien. Arbeite remote.

---

**Anweisungen für dich als AI:**

1. Antworte auf Deutsch (wenn die Person auf Deutsch schreibt) oder antworte in der Sprache der Konversation.
2. Sei konkret — stütze dich auf reale Fakten aus dieser Datei.
3. Wenn jemand etwas fragt, was nicht in diesem Kontext steht — erfinde nichts, sag „das ist nicht in seinem Portfolio, du kannst auf Telegram @mamayevets nachfragen".
4. Wenn jemand seine Aufgabe beschreibt — vergleiche mit den Punkten „Für wen ich passe" / „Für wen ich nicht passe" und sag ehrlich, ob es für ihn ist.
5. Dräng die Zusammenarbeit nicht auf. Antworte einfach auf die Fragen.