Showcase · Agentic AI · RAG

DemoDMS: Das intelligente Dokumentenmanagementsystem

Ein virtuelles Team aus 4 KI-Agenten baut den digitalen Aktenschrank der Zukunft. Ein Showcase für automatisierte Dokumentenverarbeitung und "Zero Hallucination" Retrieval-Augmented Generation (RAG).

Projekt-Fazit & Entwicklungszeit

Das Demoprojekt ist mittlerweile abgeschlossen. Es zeigt sich deutlich: KI kann die Entwicklung extrem beschleunigen, doch die anfängliche Schätzung von nur 2 Stunden für die erste Version war ambitioniert. Bis zum aktuellen, funktionsfähigen Stand flossen etwa 10 Stunden in die Entwicklung und Architektur – für ein komplexes DMS-System ein beeindruckender Wert!

Der Weg zur Produktionsreife: Das System läuft stabil, ist aber noch nicht zu 100% fehlerfrei. Erfahrungsgemäß wären noch ca. 8 Stunden für gezieltes Bugfixing und eine weitere Woche (40 Stunden) für intensives Testing nötig. Macht insgesamt knapp 50 Stunden für ein marktreifes DMS.

Zum Vergleich: Ein erfahrener Senior-Entwickler würde ohne den Einsatz von KI für ein Projekt dieser Architektur-Komplexität erfahrungsgemäß etwa 6 Monate benötigen. Ein enormer Produktivitätsgewinn. Der Source Code sowie ein Demo-Video sind verfügbar.

Executive Summary: Was macht dieses Projekt?

Das DemoDMS ist ein hochmodernes Dokumentenmanagementsystem (DMS). Aber was ist das eigentlich genau? Einfach gesagt: Ein DMS funktioniert wie ein digitaler, hochintelligenter Aktenschrank für Unternehmen.

Anstatt Rechnungen, Verträge und E-Mails mühsam von Hand in unübersichtlichen Windows-Ordnern zu sortieren, übernimmt dieses System die komplette Arbeit völlig autonom:

Dokumenten-Sicherheit

Dateien werden fälschungssicher und nach strengen Zugriffsrechten abgespeichert. Nicht jeder Mitarbeiter darf schließlich die Gehaltsabrechnungen oder vertrauliche Verträge sehen.

Künstliche Intelligenz

Legt man ein Dokument ab, liest die eingebaute KI es automatisch durch. Sie versteht den Kontext (z. B. "Rechnung von Firma X über 500€") und sortiert es selbstständig ein.

Intelligente Suche

Nutzer können dem System echte Fragen stellen: "Was steht im Vertrag mit Meier?" Die KI antwortet streng auf Basis echter Dokumente (Zero Hallucination Risk).

Futuristische Dokumenten-Pipeline
Vollautomatisierte Verarbeitung: Von der unstrukturierten Datei zum semantisch indexierten Wissensträger.

Einzigartige Entstehungsgeschichte: Das virtuelle KI-Team

Das Besondere an diesem Projekt ist nicht nur der Code selbst, sondern wie es gebaut wurde. Es wurde von einem virtuellen Entwicklerteam aus vier spezialisierten KI-Agenten unter meiner orchestrierenden Leitung erschaffen. Dieses Vorgehen demonstriert höchste Kompetenz im modernen AI-Assisted Software Engineering.

🏛️

@Architect-Agent (Der Architekt)

War verantwortlich für das Baugerüst. Er entwarf die sichere Datenbankstruktur und das wasserdichte Rechtesystem (Access Control Lists) der Enterprise-Architektur.

⚙️

@Backend-Agent (Der Mechaniker)

Baute den Motor. Er programmierte die Schnittstellen (APIs), die Datenspeicherung in Java Spring Boot und stellte sicher, dass alles extrem schnell und fehlerfrei läuft.

🎨

@Frontend-Agent (Der Designer)

Entwickelte die UI. Er erschuf ein Design, das modern aussieht und ressourcenschonend arbeitet, indem Berechnungen auf dem Server (SSR mit Thymeleaf) stattfinden.

🧠

@AI-Orchestrator (Der KI-Spezialist)

Integrierte das "Gehirn". Er verband das System mit Sprachmodellen und baute die Logik, mit der Dokumente vollautomatisch gelesen und semantisch verstanden werden.

KI Agenten Zusammenarbeit
Agentic AI Workflow: Orchestrierung von KI-Assistenten zur Lösung komplexer Architektur-Aufgaben.

Das 4-Stufen-Konzept (Von der Basis zur Autonomie)

Das Projekt wurde systematisch in vier architektonischen Stufen hochgezogen. Jede Stufe stellt einen eigenen technologischen Meilenstein dar:

1

Das sichere Fundament (Core)

Für Anwender: Hier wurde der "Tresor" gebaut. Ein System, das sicherstellt, dass Dokumente niemals verloren gehen, fälschungssicher gespeichert werden und nur von befugten Personen geöffnet werden können.

Technik: Java, Spring Boot, PostgreSQL. Striktes Access Control List (ACL) System, bei dem jede Datei-Abfrage über einen Sicherheitsfilter läuft. Speicherung von Dateien über kryptografische SHA-256 Hashes.

2

Das KI-Gehirn (AI & RAG Hub)

Für Anwender: Der Tresor lernte lesen. Die KI wurde integriert, sodass man ihr Fragen stellen kann. Ein Schutzmechanismus verhindert, dass die KI lügt ("Halluzinationen"). Sie darf nur das lesen und wissen, was der Nutzer auch sehen darf.

Technik: Spring AI, OpenRouter, Vektordatenbank (pgvector). Implementierung einer Retrieval-Augmented Generation (RAG) Pipeline, die strikt an das ACL-Rechtesystem der Datenbank gekoppelt ist.

3

Die blitzschnelle Oberfläche (UI-Engine)

Für Anwender: Das System bekam sein Gesicht. Eine moderne, übersichtliche Bedienoberfläche, die sich extrem schnell anfühlt. Anstatt große Datenmengen über das Internet in den Browser zu laden, passiert die Magie versteckt auf dem Server.

Technik: Eine Eigenentwicklung basierend auf dem "aguila"-Konzept. Nutzung von WebSockets für Echtzeit-Kommunikation. Minimaler JavaScript-Footprint (< 5KB), serverseitiges Rendering (SSR) mit Thymeleaf.

4

Autonome Automatisierung (Hot-Folders)

Für Anwender: Der digitale Posteingang. Man legt eine Datei in einen Ordner. Das System bemerkt das in Millisekunden, liest die Datei per KI aus, extrahiert Metadaten (Betrag, Datum) und heftet sie perfekt im digitalen Aktenschrank ab.

Technik: Java NIO Watchdog-Service zur asynchronen Dateiüberwachung. Entkoppelte Event-Pipeline mit @Retryable. Audit-Logging für jeden Verarbeitungsschritt in eigenen Datenbank-Transaktionen.

System-Architektur

Das folgende Diagramm veranschaulicht den Datenfluss und die Architektur des DemoDMS, insbesondere das Zusammenspiel zwischen UI, Security-Layer (ACL) und den KI-Agenten.

graph TD User(["Benutzer"]) -->|"Browser / WebSocket"| UIEngine["UI Engine (Aguila)"] UIEngine <-->|"Event-Loop"| Controller["REST / WebSocket Controller"] Controller <--> ACL["ACL Service (Rechteprüfung)"] ACL <--> DB[("PostgreSQL 16")] HotFolder["Hot-Folder Watchdog"] -->|"Neues Dokument"| AgentPipeline["KI-Agenten Pipeline"] AgentPipeline <-->|"1. Extraktion"| Tika["Apache Tika"] AgentPipeline <-->|"2. LLM / Metadaten"| OpenRouter["Spring AI / OpenRouter"] AgentPipeline <-->|"3. Indexierung"| VectorStore[("pgvector")] AgentPipeline -->|"4. Speicherung"| Storage["Dateisystem (SHA-256)"] AgentPipeline -->|"5. Audit"| DB OpenRouter -.->|"Zero Hallucination"| ACL

Warum ist dieses Projekt relevant?

Dieses Portfolio-Projekt zeigt weit mehr als nur Programmierkenntnisse. Es demonstriert als Application Pitch meine Fähigkeiten, komplexe, unternehmensrelevante Probleme end-to-end zu lösen:

Business-Impact

Unternehmen ersticken in unstrukturierten Daten. Dieses Projekt automatisiert den Papierkram und löst ein echtes Wirtschaftsproblem.

Security by Design

Keine KI-Spielerei, bei der Datenschutz vergessen wird. Das strikte Zugriffs-System beweist tiefes Enterprise-Compliance-Verständnis.

Modernste Architektur

RAG-Pipelines, WebSockets und asynchrone Watchdog-Services zeigen den sicheren Umgang mit absoluten State-of-the-Art Technologien.

Agentic AI Workflow

Die Fähigkeit, KI-Agenten per System Design zu orchestrieren und zu leiten, ist die Schlüsselqualifikation der nahen Zukunft.

Live Demo Video

Ein kurzer Einblick in die Funktionsweise des DemoDMS in der Praxis. Klicke auf das Bild, um das Video zu starten.

DemoDMS Video Thumbnail