
DutyDingo – KI-gestützte Workflow-Automatisierung für Tech-Teams

DutyDingo trat mit der Vision an uns heran, das Projektmanagement in der Tech-Branche zu revolutionieren.
Die Herausforderung
DutyDingos Ziel war es, den oft mühsamen Prozess der Ticketerstellung aus Chat-Verläufen zu straffen und Projektinformationen effizienter zu verwalten. Die Gründer von DutyDingo hatten einen persistenten „Pain Point“ in Softwareagenturen identifiziert: Das Erstellen von Tickets aus Slack-Diskussionen war eine zeitaufwendige, repetitive Aufgabe, die oft zu Informationsverlust und fragmentiertem Kontext führte. Projektmanager hatten Schwierigkeiten, alle relevanten Details aus den Chats zu erfassen, und Teams verloren häufig den Faden bei früheren Diskussionen. Das Ergebnis waren redundante Gespräche und sinkende Produktivität.
Die Lösung von Kickstage
Um diese Herausforderungen zu meistern, entwickelten wir einen hochentwickelten KI-gestützten Slack-Chatbot. Dieses innovative Tool erstellt automatisch Aufgaben aus Slack-Konversationen, integriert sich nahtlos in gängige Projektmanagement-Plattformen wie Trello, Jira, Asana und ClickUp und bewahrt dabei den Kontext vergangener Diskussionen. Es verarbeitet zudem Multimedia-Anhänge effizient, sodass keine entscheidenden Informationen verloren gehen.
Der Technologie-Stack hinter dieser Lösung ist ebenso beeindruckend wie ihre Funktionalität. Das Entwicklungsteam nutzte DSPy für die algorithmische Prompt-Optimierung, Llama 3 für die lokale Modellausführung zur Gewährleistung des Datenschutzes und Kubernetes für skalierbare, mandantenfähige Deployments. Das Team experimentierte zudem mit pgVector und Qdrant für effiziente Vektor-Datenbank-Lösungen. Das Backend, geschrieben in TypeScript und betrieben auf Node.js, nutzt Supabase als verlässliches, herstellerunabhängiges Datenbanksystem, was die Architektur zukunftssicher für Skalierung und Weiterentwicklung macht.
Technische Herausforderungen und Lösungen
Eine der größten Hürden war die Optimierung der Prompts, um konsistente Ergebnisse im vom Kunden erwarteten Format zu generieren. Der anfängliche „Trial-and-Error“-Ansatz stieß an seine Grenzen, was zur Einführung von DSPy führte – einem Framework zur algorithmischen Optimierung von Language-Model-Prompts und Gewichtungen. Dieses Tool ermöglichte es uns, komplexe Probleme modular zu lösen, Prompts für maximale Performance zu tunen und uns schnell an Änderungen in der Pipeline, den Modellen oder Daten anzupassen, ohne umfangreiche manuelle Justierungen vornehmen zu müssen.
Datenschutz kristallisierte sich während der Entwicklung als weiterer kritischer Faktor heraus. Während wir initial öffentliche Modelle wie OpenAIs GPT-4 und Anthropics Claude nutzten, erkannten wir schnell den Bedarf für eine sicherere Lösung. In Partnerschaft mit Hostzero implementierten wir einen skalierbaren, Self-Hosted-Ansatz unter Verwendung des Open-Source-Modells Llama 3 auf Kubernetes. Dieser strategische Schwenk stellte sicher, dass Kundendaten die eigenen Server niemals verlassen, während die hohe Ergebnisqualität öffentlicher Modelle beibehalten wurde.
Open ai
DSPY
Liama
Postgresql
Qdrant
Supabase
NodeJS
Typescript
Ergebnisse und Wirkung
Der Einfluss unserer Lösung für DutyDingo war substanziell. Nach einem Jahr im operativen Einsatz berichteten Kunden von signifikanten Verbesserungen in ihren Softwareentwicklungsprozessen. Entwicklungsteams erlebten weniger Kontextwechsel und eine verbesserte Genauigkeit bei der Ticketerstellung, was zu bis zu 5 % schnelleren Produkt-Release-Zeiten führte. Im Durchschnitt sparten Kunden 8 Mannstunden pro Projekt und Monat. Vielleicht am wichtigsten: Die Zufriedenheit der Entwickler stieg spürbar durch den verbesserten Workflow und den reduzierten administrativen Aufwand.
“Die Arbeit mit dem DutyDingo-Team an dieser Spitzentechnologie war eine unglaubliche Gelegenheit, echten Mehrwert zu schaffen. Das Produkt hat uns technisch so überzeugt, dass wir es umgehend in unseren eigenen internen Tech-Stack integriert haben.”
Fazit
Dieses Projekt demonstriert unsere Expertise in den Bereichen Generative AI, Cloud-Native Architecture und Systemintegration. Indem wir signifikante technische Herausforderungen bei der Prompt-Optimierung und beim Datenschutz (Local LLMs) gelöst haben, lieferten wir ein robustes, skalierbares Produkt. Wir haben einen alltäglichen Reibungspunkt der Branche in eine innovative Zeitersparnis verwandelt, die messbare wirtschaftliche Vorteile liefert.
