Jev Studio Logo

Jev Studio

Hamburg / Remote

Jev Studio, Entscheidungsregeln für eingehende Texte

Initiator, Product Owner und Entwickler

September 2026
1 Monat
Selbstständig
Produktarbeit
Hamburg / Remote

Relevanz

Warum dieser Case relevant ist

Der Case macht sichtbar, wie Problemverständnis, Verantwortung, Entscheidungen und Umsetzung in diesem Kontext zusammenkamen.

Wirkung

Von der ersten Zeile bis zum laufenden Produkt mit Warteliste, Fragenassistent, Fallprüfung und Übergabe an die Entwicklung in der ersten Woche, gebaut und betrieben von Agenten unter klaren Verantwortungsgrenzen.

Was davon heute weiterwirkt

Jev Studio zeigt beide Seiten meiner AI-Arbeit in einem Produkt: Im Produkt entscheidet ein typisiertes Entscheidungsmodell schnell, günstig und nachvollziehbar über eingehende Texte. Gebaut und betrieben wird es von Agenten in einem Harness, das Tests, Reviews, Deployments und Wiederherstellung bis in den Betrieb durchzieht.

Eigenes ProduktProduktentdeckung mit PersonasTypisierte AI-EntscheidungenAgentic EngineeringDDD + TDDYou build it, you run it

Belastbare Belege

0,23 s

Antwort auf drei Fragen

Median aus 20 Aufrufen, gemessen in Jev Studio.

rund 2 ct

pro 1.000 Texte

Kurze Texte mit drei Fragen, zum Listenpreis.

1 Woche

vom ersten Commit bis live

Jede Änderung über CI-Tests und ein geprüftes Deployment ausgeliefert.

Wo diese Erfahrung Wert schafft

  • Für Produktverantwortliche, die Regeln wie „dringend heißt …“ heute mündlich weitergeben und sie belegen wollen, bevor sie gebaut werden.
  • Für Teams, die Entscheidungen über Tickets, Anfragen oder Bewertungen mit einem schnellen, günstigen Entscheidungsmodell automatisieren wollen.

Case-Kontext

Überblick

Viele Teams treffen jeden Tag dieselben Entscheidungen über eingehende Texte:
Ist diese Anfrage dringend? Welches Team übernimmt das Ticket? Braucht diese
Bewertung eine persönliche Antwort? Die Regeln dafür stehen selten irgendwo.
Sie leben in den Köpfen der Menschen, die sie anwenden.

Jev ist das Entscheidungsmodell von TypeSafe AI: Es beantwortet typisierte
Fragen zu einem Text, als Ja oder Nein, als Auswahl oder als Stufe, und sagt
jeweils, wie sicher es ist.

Jev Studio macht aus solchen Regeln ein gemeinsames, prüfbares Artefakt. Die
Produktverantwortliche schreibt die Entscheidung in ihren eigenen Worten als
Frage auf und sieht sofort, was Jev antwortet und wie sicher es ist. Sie
markiert eigene Fälle, sieht, wie oft die Regel stimmt und wo die Grenze
zwischen Ja und Nein liegen sollte. Hält die Regel, bekommt die Entwicklung den
fertigen Aufruf, typisierten TypeScript-Code und die markierten Fälle als Tests.

Produkt und Entwicklung arbeiten am selben Artefakt. Die Regel wird belegt,
bevor jemand sie baut, und dieselben Fälle sichern sie danach im Code ab.
So beginnt Qualität schon im ersten Produktgespräch.

Jev beantwortet typisierte Fragen in Sekundenbruchteilen und kostet dabei
Bruchteile eines Cents. Ein Sprachmodell bleibt dort, wo wirklich Text
entstehen soll. Der Fragenassistent im Studio sagt das auch so: Er schlägt
passende Fragen vor oder begründet, warum ein anderes Werkzeug besser passt.

Verantwortung

Aktivitäten

  • Produktentdeckung mit Personas und den Fragen, die sie jeden Tag stellen, bevor die erste Oberfläche entstand
  • Studio zum Formulieren, Fragen und Prüfen von Regeln an markierten Fällen, mit vorgeschlagener Grenze zwischen Ja und Nein
  • Fragenassistent, der aus einer Beschreibung prüfbare Fragen mit Beispieltext und Fällen entwirft oder ein besseres Werkzeug empfiehlt
  • Übergabe an die Entwicklung als fertiger Aufruf, typisierter TypeScript-Code und Tests aus den markierten Fällen
  • Zweisprachige Landingpage mit aufgezeichneten Jev-Antworten, Warteliste und Anmeldung auf Einladung
  • Betrieb im eigenen Homelab mit Branch-Schutz, automatischen Updates, Backups an zwei Orten und geübter Wiederherstellung

Arbeitsweise

Methodik

Jev Studio ist zugleich ein Beleg für mein Agentic Operating Model. Am Anfang
standen Personas und die Fragen, die sie jeden Tag stellen. Danach liefen
kleine, durchgängige Schritte statt eines großen Plans. Agenten arbeiten im
Harness selbstständig bis zu Tests, unabhängiger Prüfung, Merge, Deployment und
der Prüfung im laufenden Betrieb. Menschen entscheiden über Richtung, Budgets
und alles, was nach außen wirkt.

Betrieb gehört von Anfang an dazu: Branch-Schutz mit Pflicht-Checks,
automatische Abhängigkeits-Updates mit Wartefrist, verschlüsselte Backups an
zwei Orten mit geübter Wiederherstellung, Anmeldung nur auf Einladung mit
selbst gehosteter Mensch-Prüfung.

Jev Studio ansehen und auf die Warteliste setzen. Spannend wird das Gespräch,
wenn in deinem Team wiederkehrende Entscheidungen über eingehende Texte
anfallen, die heute in Köpfen oder in langen Prompts stecken.

Technischer Kontext

Technologie-Stack

Die Tools sind hier kein Selbstzweck. Relevant ist, welche Systemebenen im Projekt zusammengebracht wurden.

5Bereiche
18Technologien

Methoden & Qualität

7
Product EngineeringAgentic EngineeringAgentic Operating ModelDomain-Driven DesignTest-Driven DevelopmentAgile TestingEnd-to-End Delivery

DevOps

4
DevSecOpsDockerTraefikObservability

Frontend

4
TypeScriptNuxtVueTailwind CSS

Tools

1
Playwright

CI/CD & Delivery Pipelines

2
CI/CD PipelinesRenovate

Nächster Schritt

Wenn du ähnliche Verantwortung brauchst, können wir den nächsten sinnvollen Hebel direkt einordnen.

Schreib kurz, welche Lage, welches Ziel und welche Entscheidung gerade zusammenkommen. Ich antworte persönlich mit einer klaren Einschätzung zum möglichen Wertbeitrag.