VoicePro ist eine unternehmenseigene Lösung zur automatischen Transkription und
intelligenten Aufbereitung von Gesprächen, Meetings und Interviews. Die Anwendung wurde
entwickelt, um die zeitaufwendige manuelle Dokumentation von Besprechungen zueliminieren und gleichzeitig durch KI-gestützte Zusammenfassungen den Informationsgehalt
zu maximieren.
Im Kern ermöglicht VoicePro Mitarbeitern, Gespräche in Echtzeit aufzuzeichnen und
automatisch in Text umzuwandeln. Das Besondere: Durch die Integration von Large
Language Models werden die oft unstrukturierten Transkripte automatisch in prägnante,
strukturierte Zusammenfassungen transformiert. Benutzer können vor oder nach der
Aufnahme einen Kontext angeben (z.B. "Kundengespräch mit Firma X über Projekt Y"), den
das LLM nutzt, um thematisch fokussierte und handlungsorientierte Zusammenfassungen zu
generieren.
Die LLM-Integration berücksichtigt dabei nicht nur das reine Transkript, sondern kombiniert
es intelligent mit vom Nutzer erfassten Notizen und Kontextinformationen. Dadurch entstehen
Zusammenfassungen, die direkt weiterverwendbar sind ? sei es für Protokolle, Follow-up-E-
Mails oder Projektdokumentation. Dies reduziert die Nachbearbeitungszeit erheblich und stellt
sicher, dass wichtige Gesprächsinhalte nicht verloren gehen
? Backend: NestJS, TypeScript, Node.js, Express
? Frontend: JavaScript (ES6+), jQuery, HTML5, CSS3
? KI/LLM-Integration: Large Language Models für intelligente Zusammenfassungen
? APIs: Browser Speech Recognition API, RESTful APIs
? Audio Processing: Web Audio API, MediaStream API
Für einen E-Commerce-Kunden wurde eine skalierbare Plattform zur automatisierten
Gewinnung, Strukturierung und Aktualisierung großer Produktdatensätze entwickelt. Ziel war
die zuverlässige Bereitstellung von Daten für Preisvergleiche, Marktanalysen und
Wettbewerbsmonitoring ? ohne manuelle Datenerfassung und ohne Abhängigkeit von
Drittseiten-APIs.
Im Kern besteht das System aus einer Sammlung von Web-Scrapern, die regelmäßig
Produktinformationen wie Titel, Preise, Varianten, Verfügbarkeiten und Bilder aus Online-
Shops extrahieren. Die Quelle variierte von semantisch strukturiertem HTML über dynamische
Seiten bis hin zu API-basierten Endpunkten. Dafür kamen zwei Techniken zum Einsatz:
Puppeteer für DOM-gesteuerte Websites und Axios für performante Direct-Fetches.
Damit die gewonnenen Daten direkt weiterverarbeitbar sind, wurde ein gemeinsames,
einheitliches Datenmodell definiert. Jeder Scraper speichert Informationen in genau diesem
Schema, unabhängig von Shop-Struktur oder Datenquelle. Dadurch lassen sich Datensätze
konsistent vergleichen, aggregieren und analysieren ? ein zentraler Erfolgsfaktor des
Projekts.
Die extrahierten Daten werden normalisiert, dedupliziert und über ein robustes Backend
abgelegt, das Reprocessing, Retry-Logiken, Health-Checks und Statusmonitoring unterstützt.
Das System ist stabil gegenüber Layout-Änderungen, Timeouts und Anti-Bot-Mechanismen
und lässt sich flexibel um neue Datenquellen erweitern.
? Node.js, TypeScript
? NestJS (Backend-Services, modulare Architektur)
? Scraper-Varianten: Teils Puppeteer und teilweise Axios mit JSDom/Jquery
Für externe Kunden wurde ein webbasiertes Dashboard entwickelt, das als zentrale Schnitt-
stelle für Stammdatenverwaltung, Rechnungsabruf, Supportkontakt sowie Zahlungsinforma-
tionen dient. Ziel des Systems war die Bündelung bisher verstreuter Geschäftsprozesse in
einer einheitlichen, nutzerzentrierten Oberfläche mit klaren Rollenrechten und hoher Daten-
sicherheit.
Die Architektur basiert auf einer modularen NestJS-Backend-Struktur und einer sauberen
Service-Trennung. Benutzer können ihre Kontodaten verwalten, Rechnungen abrufen, Zah-
lungen einsehen und Supportanfragen direkt aus dem Dashboard initiieren. Die Umsetzung
eines rollenbasierten Berechtigungskonzepts sorgt dafür, dass sensible Datensätze wie Zah-
lungsinformationen nur für autorisierte Nutzer zugänglich sind.
Hochwertige Authentifizierung mit tokenbasierter Kommunikation (JWT) und Session-Hand-
ling stellt sicher, dass Zugriffe eindeutig nachvollziehbar bleiben. Das System wurde be-
wusst so konzipiert, dass es mit wachsender Kundenzahl skaliert und um weitere Funktiona-
litäten erweitert werden kann (z. B. Subscription-Management oder Self-Service-Updates).
Technologiestack:
? Node.js, TypeScript
? NestJS (Backend-Services, modulare Architektur)
? RESTful API-Kommunikation
VoicePro ist eine unternehmenseigene Lösung zur automatischen Transkription und
intelligenten Aufbereitung von Gesprächen, Meetings und Interviews. Die Anwendung wurde
entwickelt, um die zeitaufwendige manuelle Dokumentation von Besprechungen zueliminieren und gleichzeitig durch KI-gestützte Zusammenfassungen den Informationsgehalt
zu maximieren.
Im Kern ermöglicht VoicePro Mitarbeitern, Gespräche in Echtzeit aufzuzeichnen und
automatisch in Text umzuwandeln. Das Besondere: Durch die Integration von Large
Language Models werden die oft unstrukturierten Transkripte automatisch in prägnante,
strukturierte Zusammenfassungen transformiert. Benutzer können vor oder nach der
Aufnahme einen Kontext angeben (z.B. "Kundengespräch mit Firma X über Projekt Y"), den
das LLM nutzt, um thematisch fokussierte und handlungsorientierte Zusammenfassungen zu
generieren.
Die LLM-Integration berücksichtigt dabei nicht nur das reine Transkript, sondern kombiniert
es intelligent mit vom Nutzer erfassten Notizen und Kontextinformationen. Dadurch entstehen
Zusammenfassungen, die direkt weiterverwendbar sind ? sei es für Protokolle, Follow-up-E-
Mails oder Projektdokumentation. Dies reduziert die Nachbearbeitungszeit erheblich und stellt
sicher, dass wichtige Gesprächsinhalte nicht verloren gehen
? Backend: NestJS, TypeScript, Node.js, Express
? Frontend: JavaScript (ES6+), jQuery, HTML5, CSS3
? KI/LLM-Integration: Large Language Models für intelligente Zusammenfassungen
? APIs: Browser Speech Recognition API, RESTful APIs
? Audio Processing: Web Audio API, MediaStream API
Für einen E-Commerce-Kunden wurde eine skalierbare Plattform zur automatisierten
Gewinnung, Strukturierung und Aktualisierung großer Produktdatensätze entwickelt. Ziel war
die zuverlässige Bereitstellung von Daten für Preisvergleiche, Marktanalysen und
Wettbewerbsmonitoring ? ohne manuelle Datenerfassung und ohne Abhängigkeit von
Drittseiten-APIs.
Im Kern besteht das System aus einer Sammlung von Web-Scrapern, die regelmäßig
Produktinformationen wie Titel, Preise, Varianten, Verfügbarkeiten und Bilder aus Online-
Shops extrahieren. Die Quelle variierte von semantisch strukturiertem HTML über dynamische
Seiten bis hin zu API-basierten Endpunkten. Dafür kamen zwei Techniken zum Einsatz:
Puppeteer für DOM-gesteuerte Websites und Axios für performante Direct-Fetches.
Damit die gewonnenen Daten direkt weiterverarbeitbar sind, wurde ein gemeinsames,
einheitliches Datenmodell definiert. Jeder Scraper speichert Informationen in genau diesem
Schema, unabhängig von Shop-Struktur oder Datenquelle. Dadurch lassen sich Datensätze
konsistent vergleichen, aggregieren und analysieren ? ein zentraler Erfolgsfaktor des
Projekts.
Die extrahierten Daten werden normalisiert, dedupliziert und über ein robustes Backend
abgelegt, das Reprocessing, Retry-Logiken, Health-Checks und Statusmonitoring unterstützt.
Das System ist stabil gegenüber Layout-Änderungen, Timeouts und Anti-Bot-Mechanismen
und lässt sich flexibel um neue Datenquellen erweitern.
? Node.js, TypeScript
? NestJS (Backend-Services, modulare Architektur)
? Scraper-Varianten: Teils Puppeteer und teilweise Axios mit JSDom/Jquery
Für externe Kunden wurde ein webbasiertes Dashboard entwickelt, das als zentrale Schnitt-
stelle für Stammdatenverwaltung, Rechnungsabruf, Supportkontakt sowie Zahlungsinforma-
tionen dient. Ziel des Systems war die Bündelung bisher verstreuter Geschäftsprozesse in
einer einheitlichen, nutzerzentrierten Oberfläche mit klaren Rollenrechten und hoher Daten-
sicherheit.
Die Architektur basiert auf einer modularen NestJS-Backend-Struktur und einer sauberen
Service-Trennung. Benutzer können ihre Kontodaten verwalten, Rechnungen abrufen, Zah-
lungen einsehen und Supportanfragen direkt aus dem Dashboard initiieren. Die Umsetzung
eines rollenbasierten Berechtigungskonzepts sorgt dafür, dass sensible Datensätze wie Zah-
lungsinformationen nur für autorisierte Nutzer zugänglich sind.
Hochwertige Authentifizierung mit tokenbasierter Kommunikation (JWT) und Session-Hand-
ling stellt sicher, dass Zugriffe eindeutig nachvollziehbar bleiben. Das System wurde be-
wusst so konzipiert, dass es mit wachsender Kundenzahl skaliert und um weitere Funktiona-
litäten erweitert werden kann (z. B. Subscription-Management oder Self-Service-Updates).
Technologiestack:
? Node.js, TypeScript
? NestJS (Backend-Services, modulare Architektur)
? RESTful API-Kommunikation