angebliches Wissen über Kubernetes entfernt

projects.md

@@ -2,6 +2,31 @@
 Enthält alle Projekte/Kontexte in denen ich schon tätig war.
 Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den Herausforderungen des Projektes und den verwendeten Lösungen.
 
+## Anwesenheit PDF Generator – KI-gesteuerte Verwaltungsautomatisierung
+
+- Zeitraum: März bis Mai 2026; eigener Arbeitsaufwand insgesamt weniger als eine Woche, verteilt über den Projektzeitraum.
+- Quelle: lokales Repository `/Users/rob/code/SUFW/Anweisenheiten`, insbesondere `.github/copilot-instructions.md`, `.github/instructions/main.instructions.md`, `.github/instructions/application-masterplan.instructions.md`, `.github/copilot-plan.md`, `.github/copilot-plan-gui.md` und die versionierten Aufgaben in `.github/copilot-tasks.md`.
+- Kontext: Windows-Anwendung zur Übertragung monatlicher Anwesenheitsdaten aus Excel in personalisierte SAB-PDF-Formulare, mit CLI und grafischer Oberfläche.
+- Eigener Schwerpunkt: Fachliche Spezifikation, Gestaltung der Agent-Anweisungen und Steuerung der vollständig KI-generierten Implementierung. Der Kompetenzbeleg liegt in Anforderungsmodellierung, Context Engineering und Prozessgestaltung; der generierte Code beschreibt den erreichten Funktionsumfang.
+- Arbeitsmittel und Kosten: DeepSeek 4 pro in Visual Studio Code mit dem Copilot-Chat-Modul; KI-Nutzungskosten unter 3 US-Dollar. Ergänzende Caveman-Anweisungen für knappe, tokensparende Agent-Kommunikation.
+- Herausforderungen: Eindeutige Übersetzung von Anwesenheits- und Abwesenheitsstatus, Stundenwerten, Pauschalen und deutschen Datumsformaten in PDF-Felder; korrekte Darstellung eines JavaScript-gestützten Formulars; bedienbare Bereitstellung für Windows.
+- Spezifikation und Vorgehen: Persistenter Anwendungsmasterplan mit Datenmodell, Feldtabellen, Statusregeln und Validierungskriterien; Vorgabe „Plan vor Implementierung“, Aufgabenzerlegung und schrittweiser Bearbeitung; modularer Datenfluss aus Excel-Import, Datenmodell, Validierung und PDF-Ausgabe; gesonderter GUI-Plan mit Wiederverwendung der Fachlogik, Hintergrundverarbeitung und UI-Aktualisierung über den Hauptthread.
+- Qualitätssicherung: Vorgaben für Tests der Fachlogik ohne Abhängigkeit von echten Teilnehmerdateien, Validierung mit Fehlersammlung sowie Vorschau und Bestätigung vor der Generierung; vorhandene Unit-Tests für Import, Feldzuordnung, Stunden- und Pauschalenregeln sowie Validierung; ergänzender visueller PDF-Referenzvergleich mit Differenzbildern.
+- Ergebnis: Python-Anwendung mit openpyxl, pypdf, Click und CustomTkinter; PDF-Feldbefüllung einschließlich Summen und Darstellungskorrekturen; Build- und Installer-Konfiguration mit PyInstaller und Inno Setup, Versionierung, Update-Hinweisen und Übernahme aktualisierter Excel-Dateien vom Netzlaufwerk.
+- Grenzen des dokumentierten Stands: Teile der Agent-Pläne sind gegenüber der Umsetzung veraltet, etwa Pauschalen- und Praktikumsregeln sowie Packaging-Pfade. Der visuelle Regressionstest ist standardmäßig deaktiviert; Referenzdateien fehlen im vorliegenden Projektstand. Daraus lässt sich keine lückenlose Qualitätssicherung ableiten.
+
+## Tätigkeitsnachweis-Generator – Anforderungsklärung und iterative KI-Umsetzung
+
+- Zeitraum: April bis August 2026 einschließlich Vorgängeriteration; dritte Iteration von Juni bis August 2026.
+- Quellen: `/Users/rob/code/SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`, insbesondere `.copilot/PLAN.md`, die versionierte `.copilot/TASKS.md`, `0_application/config/` und `0_application/CHANGELOG.md`; ursprünglicher Arbeitsauftrag `0_Auftrag/Auftrag von Johannes.md`; Vorgänger `1_Erstes-Tool-Komplizert` und Konzept `2_Neuentwurf-der-ganz-große-Wurf` im selben übergeordneten Ordner.
+- Ausgangslage: Offener Arbeitsauftrag zur Automatisierung monatlicher SAB-Tätigkeitsnachweise bei wechselnden Personal-, Projekt- und Stundenanteilen. Ziel waren vollständigere und konsistentere Nachweise sowie weniger manuelle Übertragung; zentrale Datenhaltung und Unterschriftennachverfolgung waren als weitergehende Perspektive genannt.
+- Eigener Schwerpunkt: Konkretisierung des diffusen Auftrags durch Daten- und Vorlagenanalyse, Formulierung fachlicher Anforderungen und Steuerung mehrerer vollständig durch KI erzeugter Programm-Iterationen. Der eigene Beitrag liegt in Konzeption, Kontextgestaltung, Eingrenzung des Umfangs und fachlicher Nachsteuerung der Umsetzung.
+- Iterationen und Umfangsentscheidung: Erster Ansatz mit zwei Excel-Datenquellen, Namensabgleich, Tätigkeitsschlüssel zur Auflösung mehrdeutiger Zuordnungen und berechneter Förderquote; anschließender Konzeptentwurf eines Personalkalenders mit Förderstellen, Datenlücken und Nachweisstatus. Dritte Iteration als gezielter Generator mit einer zentralen Excel-Datei und monatlichen Mitarbeiterdatensätzen; vorhandene Stellenanteile werden übernommen, statt sie erneut aus getrennten Quellen abzuleiten.
+- Spezifikation und Arbeitssteuerung: Schriftliche Klärungsfragen zu festen oder berechneten Stellenanteilen, Plausibilitätsprüfung und möglicher Förderquotenüberwachung; modularer Phasenplan für Konfiguration, Parser, Writer, Validierung, Oberfläche und Auslieferung; externe JSON-Felddefinitionen und INI-Einstellungen; gesonderte Aufgabenliste für die Umstellung von Excel- auf PDF-Vorlagen einschließlich Mapping, Tests, Oberfläche und Headless-Durchlauf.
+- Technischer Neuansatz: Wechsel von der problematischen Excel-Vorlagenbearbeitung zu einem PDF mit benannten `_Field`-Platzhaltern. KI-generierte Umsetzung mit PyMuPDF zur Positionssuche, Entfernung der Marker und Einfügung formatierter Daten; Unterstützung mehrseitiger Vorlagen, mehrfach vorkommender Datumsfelder und mehrzeiliger Tätigkeitsbeschreibungen.
+- Ergebnis: Python-/Streamlit-Anwendung mit openpyxl-Import, Prüfung von Eingabestruktur und PDF-Markern, Hinweisen auf fehlende Pflichtwerte, Mitarbeiterauswahl und individuell wählbaren Monaten. Pro Person wird eine PDF-Datei mit allen Vorlagenseiten je ausgewähltem Monatsdatensatz erzeugt. Ergänzend Headless-Modus, PyInstaller-Build-Pipeline für Windows, Changelog, Versionsanzeige und Prüfung auf neuere Programmversionen im zentralen SMB-Verzeichnis.
+- Qualitätssicherung und Grenzen: Vorhandene E2E-Tests prüfen reale Eingabedaten, Marker, PDF-Seitenzahl und ausgewählte Textinhalte; sie sind an einen konkreten Datensatz gebunden. Der aktuelle Teststand enthält eine nicht zur Vorlage passende Erwartung an Tätigkeitsangaben auf Seite 2; die README beschreibt teilweise noch Excel-Ausgaben. Personalkalender, Unterschriftennachverfolgung und Access-Anbindung gehören nicht zum umgesetzten Umfang der dritten Iteration. Eine allgemeine Fehlerfreiheit oder vollständige Erfüllung des ursprünglichen Gesamtauftrags ist damit nicht belegt.
+
 ## Private Infrastruktur- und Backup-Automatisierung
 
 - Zeitraum: November 2018 bis Mai 2026, belegt durch eigene Commits im Repository.
@@ -84,7 +109,7 @@ Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den
 - Herausforderungen: Strukturierung von Projekt und Apps; Verknüpfung verschachtelter URL-Konfigurationen; Modellierung und Abfrage relationaler Daten; Verarbeitung von Formular-POSTs sowie Trennung von Darstellung und Anwendungslogik.
 - Lösungen: Django-ORM-Modelle `Question` und `Choice` mit Fremdschlüssel und Migration; SQLite als Entwicklungsdatenbank; Registrierung der Modelle im Django-Admin; funktionsbasierte und generische `ListView`-/`DetailView`-Ansichten; Templates und Kontextvariablen; Namespaces, `get_object_or_404`, `reverse` und Redirect-after-POST für den Abstimmungsablauf.
 
-## info.ngo – Django-CMS-Prototyp
+## info.ngo – Django-CMS-Prototyp (nur Beratung, keine technische Beteiligung)
 
 - Zeitraum: Juli 2019, belegt durch die Projektdateien vom 30. Juli 2019.
 - Quelle: lokales Projektverzeichnis `/Volumes/rob/code/django-cms/info.ngo`.
@@ -92,7 +117,7 @@ Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den
 - Herausforderungen: Aufbau frei editierbarer Seitenlayouts; Integration eines umfangreichen CMS-Plugin-Ökosystems; Navigation, Sitemap sowie konsistente Verwaltung von statischen Dateien und Medien.
 - Lösungen: Django-CMS-Templates mit Toolbar, Menüs, Sekizai-Blöcken und Platzhaltern für Vollbreiten- und Sidebar-Layouts; CMS-Sitemap und Django-Admin; SQLite-Datenbank; Plugins für CKEditor-Text, Links, Bilder, Dateien, Spalten, Styles, Snippets, Google Maps und Videos sowie `django-filer`, `easy-thumbnails`, Treebeard und MPTT.
 
-## info.ngo – Event-, Karten- und Datenplattform
+## info.ngo – Event-, Karten- und Datenplattform (nur Beratung, keine technische Beteiligung)
 
 - Zeitraum: Juli bis August 2019; Teamprojekt mit eigenen, durch Git belegten Beiträgen vom 30. Juli bis 27. August 2019.
 - Quellen: Git-Repository `/Volumes/rob/code/info.ngo/info.ngo`, Django-Anwendung `/Volumes/rob/code/info.ngo/info.ngo/InfoNgo_django` und Wiederaufbaukopie `/Volumes/rob/code/info.ngo/rebuild-rob/InfoNgo_django`.
@@ -175,10 +200,10 @@ Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den
 - Zeitraum: mindestens Februar 2025 (Stand des vorliegenden Repository-Snapshots).
 - Quelle: lokales Git-Repository `#_TelekomMMS/ai-assist_ai-assist-service`.
 - Kontext: KI-Assistenz mit Unreal-basiertem Avatar und einem Python-basierten Voice-Agent-Service. Der Service stellt eine WebSocket-Schnittstelle bereit und verbindet konfigurierbar Speech-to-Text, Large-Language-Model und Text-to-Speech, einschließlich OpenAI-, Azure- und lokaler Dienste.
-- Eigener Beitrag: Erstellung der Docker- und Kubernetes-Anweisungen zur Einbindung des Dienstes in die Telekom Open Digital Cloud (ODC); Ausrichtung der lokalen Compose-Umgebung und der Delivery-Konfiguration auf Container-Registry, versionierte Images und den Betrieb im Cluster.
+- Eigener Beitrag: Erstellung der Dockeranweisungen zur Einbindung des Dienstes in die Telekom Open Digital Cloud (ODC); Ausrichtung der lokalen Compose-Umgebung und der Delivery-Konfiguration auf Container-Registry, versionierte Images und den Betrieb im Cluster.
 - Abgrenzung: Die Unreal-Avatar-Umsetzung und die KI-Anbindung wurden von Kolleg:innen verantwortet.
 - Herausforderungen: Einen Echtzeit-Sprachdienst mit mehreren konfigurierbaren KI-Diensten reproduzierbar lokal und in der ODC betreiben; externe Secrets sicher behandeln; die WebSocket-Kommunikation zwischen Container- und Clusterumgebungen nachvollziehbar testen.
-- Lösungen: Python-3.11-Slim-Container mit Audio-Abhängigkeiten und Entrypoint; Docker-Compose-Setup mit getrenntem Testcontainer, externem gemeinsamen Netzwerk, Umgebungsdateien und optionaler Aufzeichnungsablage; GitLab-CI-Job zum Build und Push versionierter Images in die Telekom-Registry; dokumentierte lokale, Container- und Kubernetes-Cluster-Endpunkte sowie WebSocket- und Bot-zu-Bot-Tests.
+- Lösungen: Python-3.11-Slim-Container mit Audio-Abhängigkeiten und Entrypoint; Docker-Compose-Setup mit getrenntem Testcontainer, externem gemeinsamen Netzwerk, Umgebungsdateien und optionaler Aufzeichnungsablage; GitLab-CI-Job zum Build und Push versionierter Images in die Telekom-Registry; dokumentierte lokale, Container sowie WebSocket- und Bot-zu-Bot-Tests.
 
 ## Roche Prozessrallye
 

roles.md

@@ -35,7 +35,7 @@ Enthält alle Rollen in denen ich schon Tätig war
     - Schnittstellen,
     - Datenformaten und Services;
     - Aufbau und Pflege von CI-Pipelines;
-    - Erstellung von Docker- und Kubernetes-Anweisungen zur Einbindung eines Unreal-basierten KI-Assistenzavatars in die Telekom Open Digital Cloud (ODC); Container- und Delivery-Konfiguration für den zugehörigen Voice-Agent-Service;
+    - Erstellung von Docker zur Einbindung eines Unreal-basierten KI-Assistenzavatars in die Telekom Open Digital Cloud (ODC); Container- und Delivery-Konfiguration für den zugehörigen Voice-Agent-Service;
     - Performance-Optimierung;
     - Entwicklung von ChipAcademy AR-Viewer mit konfigurierbaren Lerninteraktionen, plattformspezifischen Unity-AssetBundles und Drupal-XML-Schnittstelle für Szenenmetadaten;
     - Integration und Lokalisierung der Museumsstation „Livia Frege“ in einem Unity-AR-Rundgang des Stadtgeschichtlichen Museums Leipzig: Marker-, Karten- und Medienpflege, deutsch-/englischsprachige Texte und Videos sowie Audiocues;
@@ -52,8 +52,9 @@ Enthält alle Rollen in denen ich schon Tätig war
     - CSV-basierter Lokalisierung, SCORM-/AICC-HACP-Anbindung an Cornerstone und GameCI-Delivery-Pipeline;
     - Entwicklung von SaxoCellTraining als mehrsprachiges WebGL-Training mit Addressables, Workplan-Navigation und responsiver WebGL-UI;
     - Ausgliederung und Weiterentwicklung des TrainingGenerators zu einem Unity-UPM-Paket mit UI-Toolkit-Wizard, Szenentemplates, CLI-/Batchmode-Erzeugung, WebGL-Build und Regressionstests;
+    - Webintegration sämtlicher Projekte in die Websites der Kunden sowie Mitverantwortung für den korrekten Betrieb der Anwendungen in deren Infrastruktur.
     - Refactoring von Interactables und Software-Design-Patterns, Lokalisierungsdokumentation für Kund:innen und interne Teams sowie UI-Fehleranalyse im Roche-RMD-Training;
-    - Dokumentation und Wartung des zentralen Dockerhosts, Mitarbeit an Build-Automatisierung, VR-Builder-Glossar und Coding-Guidelines;
+    - Mitarbeit an Build-Automatisierung, VR-Builder-Glossar und Coding-Guidelines;
     - Recherche zu NeRF, KI-Modellgenerierung, Needle Engine, Unity DOTS und xAPI sowie Pflege von Markt-, Event- und Wissensübersichten, einschließlich Wettbewerbsauswertung (unter anderem 3Spin), Branchenverzeichnissen, Firmenevent-Planung und Messen-/Konferenzenübersicht.
 
 ### Freelance Full-Stack Developer
@@ -84,6 +85,16 @@ Enthält alle Rollen in denen ich schon Tätig war
 - Ort: München
 - Tätigkeiten: 1st-Level-Support und technischer Support für Serverprodukte.
 
+## Projektbezogene Verantwortlichkeiten
+
+### Fachliche Konzeption und Steuerung KI-gestützter Softwareentwicklung
+
+- Kontext: Anwesenheit PDF Generator (`SUFW/Anweisenheiten`) und Tätigkeitsnachweis-Generator (`SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`) einschließlich dessen Vorgängerentwürfen.
+- Zeiträume: Anwesenheit PDF Generator März bis Mai 2026; Tätigkeitsnachweis-Generator einschließlich Vorgängeriteration April bis August 2026.
+- Verantwortung: Fachliche Anforderungen in persistente Agent-Anweisungen, Daten- und Feldzuordnungen, Umsetzungspläne und Prüfkriterien überführen; vollständig KI-generierte Umsetzung schrittweise bis zu GUI und Windows-Auslieferung steuern und anhand konkreter Geschäftsregeln nachjustieren.
+- Tätigkeiten: Anwesenheits-, Stunden- und Pauschalenlogik spezifizieren; Aufgaben und Modulgrenzen strukturieren; Validierungs-, Vorschau- und Testanforderungen festlegen; fachliche Korrekturen und Erweiterungen im Entwicklungsprozess einarbeiten.
+- Zusätzlicher Schwerpunkt beim Tätigkeitsnachweis-Generator: Diffusen Verwaltungsauftrag in konkrete Datenanforderungen und Bedienabläufe übersetzen; offene Fragen und Annahmen festhalten; über mehrere Neuentwürfe den Umfang auf einen gezielten Generator eingrenzen; Umstellung von Excel- auf PDF-Vorlagen und Auswahl einzelner Mitarbeitermonate steuern.
+
 ## Engagement und Wissensvermittlung
 
 ### Ehrenamtliche Website-Entwicklung
@@ -121,6 +132,7 @@ Enthält alle Rollen in denen ich schon Tätig war
 - Zeitraum: 2003 bis 2006
 - Ort: Dresden
 - Schwerpunkte: Softwaretest und Systemintegration.
+- Facharbeit: Aufbau eines virtuellen Netzwerkes mit DMZ und eines Servers mit LAMP-Umgebung.
 
 ### Technischer Assistent für Automatisierungs- und Computertechnik
 

technologies.md

@@ -34,20 +34,20 @@ Jede Technologie wird einzeln genannt und enthält das Level der verwendeten Kom
 - Projekte: Netzbooster Kupferzell für TransnetBW (2021) und Umspannwerk Conneforde für TenneT (2022).
 - Zusatzwissen: Für Pico 4 können Projekte über die 3D-Vista-VR-App veröffentlicht und im Verzeichnis `/3dvista/pico` bereitgestellt werden; im VR-Modus sind nur 3D-Marker sichtbar. Die JavaScript-API ermöglicht unter anderem die Steuerung von Komponenten, Hotspots und Untertiteln.
 
-#### **3DVista Projekt auf VR-Brille Pico4**
+#### 3DVista Projekt auf VR-Brille Pico4
-*   **Anleitung:**
+Anleitung:
 1. VR-Button in 3DVista hinzufügen.
 2. Im Publish-Dialog "Pico" selektieren.
 3. 3DVista VR App APK auf Pico4 installieren.
 4. Projektordner auf der Brille unter `/3dvista/pico` ablegen.
-*   **Hinweis:** 2D-UI wird in VR nicht angezeigt, nur 3D-Marker.
+Hinweis: 2D-UI wird in VR nicht angezeigt, nur 3D-Marker.
 
-#### **3DVista - Virtual Tour Pro (VTP) Javascript Reference**
+#### 3DVista - Virtual Tour Pro (VTP) Javascript Reference
-*   **Optimierung:** Videos für die UI sollten speziell optimiert sein.
+-    Optimierung: Videos für die UI sollten speziell optimiert sein.
-*   **Code-Beispiele:**
+-    Code-Beispiele:
-    *   Komponenten steuern: `this.getComponentByName('name').set('visible', true);`
+    -    Komponenten steuern: `this.getComponentByName('name').set('visible', true);`
-    *   Hotspots aktivieren/deaktivieren: `this.getPanoramaOverlayByName(...).set('enabled', true);`
+    -    Hotspots aktivieren/deaktivieren: `this.getPanoramaOverlayByName(...).set('enabled', true);`
-    *   Untertitel dynamisch setzen: `this.getComponentByName('wf_subtitle').set('url', '/subtitle/index.html');`
+    -    Untertitel dynamisch setzen: `this.getComponentByName('wf_subtitle').set('url', '/subtitle/index.html');`
 
 
 ### TypeScript, Three.js, Vite und WebXR
@@ -192,11 +192,23 @@ Jede Technologie wird einzeln genannt und enthält das Level der verwendeten Kom
     - eigene Beiträge zum Teamprojekt `info.ngo`, belegt durch Commits von Juli bis August 2019;
     - CARLA-VR, belegt durch eigene Commits von Dezember 2021 bis Februar 2022.
 
-### Django, Django ORM und Django CMS
+### Streamlit (AI only)
 
-- Komplexität: Vom schrittweisen Framework-Lernprojekt über einen CMS-Prototyp bis zu einer mehrschichtigen, datengetriebenen Webanwendung.
+- Komplexität: Lokale Verwaltungsoberfläche mit zustandsabhängiger Validierung und individueller Auswahl von Personen und Berichtsmonaten.
-- Einsatz: Projekt- und App-Struktur, URL-Routing, ORM-Modelle und Migrationen, Admin, Authentifizierung, funktionsbasierte und generische Views, Formulare, Templates, statische Dateien und Medien; Django-CMS-Seiten mit Toolbar, Navigation, Sekizai-Blöcken, editierbaren Platzhaltern und Plugin-Konfiguration.
+- Einsatz in der KI-generierten Anwendung: Excel- und Vorlagenauswahl, Validierung bei Dateiauswahl, Mitarbeiterlisten, separate Monatsauswahl pro Person, Sitzungszustand und Anzeige erzeugter Dateien.
-- Projekte: Eigenes Django-Lernprojekt `django-first-app` im Juni 2018; Django-CMS-Prototyp `/Volumes/rob/code/django-cms/info.ngo` im Juli 2019; Teamprojekt `info.ngo` im Juli und August 2019.
+- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Spezifikation und Steuerung der Umsetzung.
+
+### openpyxl (AI only)
+
+- Komplexität: Konfigurationsgesteuerter Import monatlicher Mitarbeiterdaten aus Excel für die Dokumentengenerierung.
+- Einsatz in der KI-generierten Anwendung: Monatsblätter anhand eines Namensmusters auswählen, Übersichtstabellen überspringen, Spalten über ein JSON-Schema zuordnen, Mitarbeiterdatensätze gruppieren und Pflichtfeldlücken melden.
+- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Datenmodell, Feldzuordnung und Validierungsanforderungen.
+
+### PyMuPDF (AI only)
+
+- Komplexität: Befüllung mehrseitiger PDF-Vorlagen durch textbasierte Platzhalter statt Excel-Zelladressen.
+- Einsatz in der KI-generierten Anwendung: `_Field`-Marker auf allen Vorlagenseiten finden, Positionen vorab erfassen, Marker entfernen und Daten einfügen; wiederholte Felder, Textumbrüche und einheitliche Schriftgröße; Zusammenführung der Monatsnachweise in eine PDF pro Person und Auslesen von PDF-Texten für E2E-Prüfungen.
+- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Vorgaben für Vorlagenwechsel, Ausgabeformat und Ergebniskorrekturen.
 
 ### Requests, Beautiful Soup, lxml und E-Mail-Parsing
 
@@ -284,6 +296,12 @@ Jede Technologie wird einzeln genannt und enthält das Level der verwendeten Kom
 - Einsatz: Webshop-Entwicklung, eigene Lösungen, Migration komplexer Systeme und Datenbanken.
 - Kontext: selbstständige Full-Stack-Projekte, 2017 bis 2019.
 
+### LAMP-Umgebung und virtuelles Netzwerk
+
+- Komplexität: Aufbau eines virtuellen Netzwerkes mit DMZ und eines Servers mit LAMP-Umgebung (Linux, Apache, MySQL, PHP).
+- Einsatz: Facharbeit der Ausbildung zum Fachinformatiker für Systemintegration.
+- Kontext: BSZET Dresden / MAGIX, 2003 bis 2006.
+
 ### HTML5, CSS3 und jQuery
 
 - Komplexität: Webentwicklung mit responsiven Benutzeroberflächen.
@@ -361,12 +379,12 @@ Jede Technologie wird einzeln genannt und enthält das Level der verwendeten Kom
 - Zusätzlicher Einsatz: Eigene Shell-Automatisierung für Backups, Serverwartung und PhotoPrism-Indexierung in Docker.
 - Projekt: `lokale-scripte`, November 2018 bis Mai 2026.
 - Zusätzlicher Einsatz: Dokumentation Pflege eines VR-Builder-Glossars.
-- Zusätzlicher Einsatz: Containerisierung und ODC-/Kubernetes-Integrationsanweisungen für den Telekom-MMS-AI-Assist-Voice-Agent; Docker-Compose mit gemeinsamem Netzwerk und Testcontainer sowie GitLab-CI-gestützter Build und Push versionierter Images in die Telekom-Registry.
+- Zusätzlicher Einsatz: Containerisierung und ODC-Integrationsanweisungen für den Telekom-MMS-AI-Assist-Voice-Agent; Docker-Compose mit gemeinsamem Netzwerk und Testcontainer sowie GitLab-CI-gestützter Build und Push versionierter Images in die Telekom-Registry.
 
-### Kubernetes, GitLab CI und Telekom ODC
+### Telekom ODC
 
 - Komplexität: Reproduzierbare Bereitstellung eines Echtzeit-WebSocket-Dienstes in einer Unternehmens-Cloud mit Container-Registry und mehreren Laufzeitumgebungen.
-- Einsatz: Erstellung der Docker- und Kubernetes-Anweisungen zur Einbindung des AI-Assist-Voice-Agent-Service in die Telekom Open Digital Cloud (ODC).
+- Einsatz: Erstellung der Docker-Anweisungen zur Einbindung des AI-Assist-Voice-Agent-Service in die Telekom Open Digital Cloud (ODC).
 - Projekt: Telekom MMS AI Assist, Repository `#_TelekomMMS/ai-assist_ai-assist-service`, mindestens Februar 2025.
 - Abgrenzung: Unreal-basierter Avatar und KI-Anbindung lagen bei Kolleg:innen; der eigene Schwerpunkt lag auf Betriebs- und Integrationsaspekten.
 
@@ -477,12 +495,33 @@ Jede Technologie wird einzeln genannt und enthält das Level der verwendeten Kom
 - Kontext: berufliche und private Softwareentwicklung.
 - Zusätzlicher Einsatz: Recherche und Dokumentation zu Neural Radiance Fields (NeRF), KI-Modellgenerierung mit Stable-3D und ComfyUI sowie Evaluation von Unity DOTS.
 
-### RAG, OpenWebUI, LM Studio, GPUStack, MCP, BMAD, SpecKit, SDD, Context Engineering und Caveman
+### RAG, OpenWebUI, LM Studio, GPUStack, MCP, BMAD und SpecKit
 
 - Komplexität: Werkzeuge und Methoden für KI-gestützte Softwareentwicklung und LLM-Anwendungen.
 - Einsatz: Im Lebenslauf als Kenntnisse aufgeführt.
 - Kontext: berufliche und private Softwareentwicklung.
 
+### Context Engineering und spezifikationsgetriebene Entwicklung (SDD)
+
+- Komplexität: Steuerung vollständig KI-generierter Anwendungen durch persistente, fachlich konkrete Spezifikationen und Arbeitsregeln.
+- Einsatz: Projektkontext, Modulgrenzen und Datenfluss in Copilot-Instructions dokumentieren; Anwendungsmasterplan mit Excel-Struktur, PDF-Feldzuordnungen, Status- und Berechnungsregeln sowie Validierungskriterien formulieren; dateibezogene Anweisungen über `applyTo` zuordnen; Planung vor Implementierung, Aufgabenzerlegung und sequenzielle Bearbeitung vorgeben.
+- Qualitätssteuerung: Tests der Fachlogik, Eingabevalidierung und prüfbare Vorschauen als Anforderungen verankern; GUI-Erweiterung und Windows-Auslieferung separat planen. Abgleich von Spezifikation und tatsächlichem Ergebnis bleibt erforderlich.
+- Zusätzlicher Einsatz: Diffusen Verwaltungsauftrag durch Analyse realer Datenquellen und Vorlagen konkretisieren; offene Geschäftsregeln als Klärungsfragen festhalten; mehrere Neuentwürfe zur Eingrenzung des Funktionsumfangs nutzen; Datenbasis vereinfachen und eine Excel-zu-PDF-Migration in überprüfbare Teilaufgaben zerlegen.
+- Projekte: Anwesenheit PDF Generator (`SUFW/Anweisenheiten`), März bis Mai 2026; Tätigkeitsnachweis-Generator (`SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`) einschließlich Vorgängeriteration, April bis August 2026.
+
+### DeepSeek 4 pro und Copilot Chat in Visual Studio Code
+
+- Komplexität: KI-gestützte Umsetzung einer fachlich spezifizierten Verwaltungsanwendung mit CLI, GUI und Windows-Bereitstellung.
+- Einsatz: LLM im Copilot-Chat-Modul von VS Code mit projektbezogenen Agent-Dateien anleiten; Implementierung anhand von Plänen und fachlichen Korrekturen iterativ entwickeln lassen.
+- Projekt: Anwesenheit PDF Generator; KI-Nutzungskosten unter 3 US-Dollar bei insgesamt weniger als einer Woche eigenem Arbeitsaufwand.
+- Eigener Kompetenzschwerpunkt: Anforderungsformulierung, Kontextgestaltung und Steuerung des Entwicklungsprozesses.
+
+### Caveman-Anweisungen für tokenbewusste Agent-Kommunikation
+
+- Komplexität: Konfiguration knapper Agent-Antworten zur Begrenzung des Tokenverbrauchs bei Erhalt technischer Inhalte.
+- Einsatz: Persistente Kommunikationsregeln mit Kürzungsstufen und Ausnahmen für erforderliche Klarheit in einer Copilot-Instructions-Datei hinterlegen; im Entwicklungsablauf zur Tokenersparnis einsetzen.
+- Projekt: Anwesenheit PDF Generator. Eine isolierte prozentuale Einsparung durch diese Anweisungen wurde nicht ermittelt.
+
 ## Werkzeuge
 
 ### Jira und Visual Studio Code