AuraMind
English
Voice testen ↗
Kartik BK Mishra

Gründerportfolio

Kartik BK Mishra

Gründer von AuraMind. KI-Automatisierung, Agenten-Workflows und Software.

Hamburg, Deutschland

öffentliche Repositories auf GitHub
70gezählt am 11. Oktober 2026
AuraMind gegründet
2026Februar 2026, Hamburg
Abschluss in Hamburg, Deutschland
Master
Sprachen
3Englisch, Hindi, Deutsch

Ausgewählte Projekte

Was ich gebaut habe. Wie es funktioniert.

Kundenarbeit, funktionierende Automatisierungen und eigene Entwicklung. Jede Karte zeigt das Problem, was ich gebaut habe, das Ergebnis und seine Grenze.

Ein Server-Terminal startet ein lokales Sprachmodell, Szene aus dem Firmenfilm
Standbild aus dem AuraMind-Firmenfilm. Illustration.

Kundenprojekt · Lokale KI

Lokale Agenten auf einem Mac mini

Problem
Der Kunde wollte Agenten auf dem eigenen Mac mini betreiben und wissen, was 16 GB Arbeitsspeicher leisten.
Was ich gebaut habe
OpenClaw und Ollama installiert und Fehler behoben, die Grenzen eines Mac mini mit 16 GB geprüft sowie ein Einrichtungsskript und eine Kundenanleitung geliefert.
Ergebnis
Ein geprüftes Setup, ein Installationsskript und eine praktische Betriebsanleitung.
Grenze
Der Arbeitsspeicher setzte die Grenze. Für manche Aufgaben war ein Cloud-Modell sinnvoller.
  1. Aufgabe
  2. Hardware prüfen
  3. Agent einrichten
  4. Übergabe
  • OpenClaw
  • Ollama
  • Claude Code
  • macOS
Einen lokalen Modellablauf ansehen (Beispieldaten) Ein ähnliches Projekt besprechen
Nachweise und Umfang
Die Eingabe
Ein Mac mini mit 16 GB Speicher und eine Aufgabe zur Geschäftsautomatisierung.
Das Ergebnis
Ein geprüftes Setup, ein Installationsskript und eine praktische Betriebsanleitung.

Was die Nachweise zeigen

Die Auswertung dokumentiert funktionierende Aufgaben, Speichergrenzen und Fälle, in denen ein Cloud-Modell sinnvoller war. Diese Installation ist getrennt vom jetzt angebotenen lokalen Modelltraining durch AuraMind.

Ein laufender Anruf neben einem Kalender, Szene aus dem Firmenfilm
Standbild aus dem AuraMind-Firmenfilm. Illustration.

Kundenprojekt · Voice

Sprachassistenz für Werkstätten

Problem
Eine Werkstatt wollte Anrufe auf Französisch annehmen und Fahrzeug, Kontaktdaten und Terminwunsch erfassen.
Was ich gebaut habe
Französische Gesprächsanweisungen für die Beantwortung von Fragen und die Aufnahme von Fahrzeugdaten, Kontaktdaten sowie Terminwünschen konfiguriert.
Ergebnis
Ein konfigurierter Empfangsassistent mit Anweisungen zur Aufnahme von Terminanfragen.
Grenze
Der Nachweis ist eine Entwurfskonfiguration. Anrufprotokolle, abgeschlossene Buchungen oder eine Kalenderanbindung sind nicht belegt.
  1. Anruferfrage
  2. Anweisungen zur Aufnahme
  3. Angaben zur Bestätigung
  4. Anfrage zusammenfassen
  • Vapi
  • Gesprächsdesign
  • Eingabevalidierung
Ein Werkstattgespräch ansehen (Beispieldaten) Ein ähnliches Projekt besprechen
Nachweise und Umfang
Die Eingabe
Anforderungen der Werkstatt zur Aufnahme von Anruferdaten und Terminwünschen.
Das Ergebnis
Ein konfigurierter Empfangsassistent mit Anweisungen zur Aufnahme von Terminanfragen.

Was die Nachweise zeigen

Der vorliegende Screenshot zeigt eine als Entwurf markierte Assistentenkonfiguration und französische Gesprächsanweisungen. Anrufprotokolle, abgeschlossene Buchungen sowie Kalender- oder CRM-Anbindungen sind darin nicht enthalten.

Eine Bäckerin fotografiert eine Tarte, daneben ein Social-Beitrag zur Freigabe, Szene aus dem Firmenfilm
Standbild aus dem AuraMind-Firmenfilm. Illustration.

Kundenprojekt · Content

Recherche und Content-Abläufe

Problem
Eine bestehende OpenClaw-Installation brauchte Wettbewerbsrecherche, deutsche Berichte und Social Content, und einige Läufe schlugen fehl.
Was ich gebaut habe
Die Installation um Recherche, Berichte, Social Content und Newsletter erweitert. Fehlgeschlagene Läufe untersucht und die Zustellung vor Wiederholungen geprüft.
Ergebnis
Deutsche Berichte und Inhalte mit Zustellungsprüfungen und sichtbarem Laufverlauf.
Grenze
Die ursprüngliche Installation bestand bereits vorher. Veröffentlichte Beiträge werden getrennt erfasst.
  1. Quellenliste
  2. Recherche
  3. Prüfung
  4. Zustellung prüfen
  • OpenClaw
  • Google Workspace
  • SocialBu
  • MCP
Einen Content-Ablauf ansehen (Beispieldaten) Ein ähnliches Projekt besprechen
Nachweise und Umfang
Die Eingabe
Recherchequellen, geplante Aufgaben und bestehende Geschäftsanbindungen.
Das Ergebnis
Deutsche Berichte und Inhalte mit Zustellungsprüfungen und sichtbarem Laufverlauf.

Was die Nachweise zeigen

Die Projektunterlagen enthalten abgeschlossene Recherchen und Zustellungsprüfungen. Veröffentlichte und geplante Beiträge werden getrennt erfasst. Die ursprüngliche Installation bestand bereits vor diesem Auftrag.

Ein n8n-Workflow mit verbundenen Schritten, Szene aus dem Firmenfilm
Standbild aus dem AuraMind-Firmenfilm. Illustration.

Eigene Entwicklung · Recherche

Recherche mit nachvollziehbaren Quellen

Problem
Rechercheentwürfe brauchten Quellen, die eine Person vor dem Speichern prüfen kann.
Was ich gebaut habe
n8n und Hermes verbunden, um öffentliche Quellen zu sammeln, deutsche Entwürfe zu erstellen und Ergebnisfelder sowie Belege vor dem Speichern zur Prüfung zu kontrollieren.
Ergebnis
Recherche mit Quellenbelegen und deutsche Entwürfe zur Prüfung.
Grenze
Nur manuelle Rechercheläufe. Keine automatisierte Kontaktaufnahme oder Veröffentlichung.
  1. Öffentliche Quellen
  2. Hermes-Auftrag
  3. Validierung
  4. Entwurf speichern
  • n8n
  • Hermes
  • Grok
  • REST APIs
Einen Rechercheablauf ansehen (Beispieldaten) Ein ähnliches Projekt besprechen
Nachweise und Umfang
Die Eingabe
Öffentliche Unternehmensquellen und ein strukturierter Rechercheauftrag.
Das Ergebnis
Recherche mit Quellenbelegen und deutsche Entwürfe zur Prüfung.

Was die Nachweise zeigen

Die Unterlagen zeigen erfolgreiche manuelle Recherchen und eine korrigierte Wiederholung der Validierung. Dieser Workflow belegt keine automatisierte Kontaktaufnahme oder Veröffentlichung in sozialen Medien.

Eine Rechnung im Abgleich mit einem Auftrag, Szene aus dem Firmenfilm
Standbild aus dem AuraMind-Firmenfilm. Illustration.

Eigenes Projekt · KI-Evaluation

Die Antwort prüfen. Die Bewertung auch.

Problem
Eine KI-Antwort kann richtig aussehen und trotzdem falsch sein, und eine schwache Bewertung belohnt sie.
Was ich gebaut habe
Eine Aufgabe zum Dokumentenabgleich mit fiktiven Geschäftsdaten, Referenzlösung, zwölf Bewertungskriterien und einer getrennten Prüfung im Container erstellt.
Ergebnis
Eine begründete Referenzantwort und eine gegen falsche und leere Abgaben getestete Prüfung.
Grenze
Ein selbst erstelltes Evaluationspaket, kein Kunden-Benchmark und keine Modellrangliste.
  1. Widersprüchliche Daten
  2. Referenzantwort
  3. Bewertung prüfen
  4. Ergebnis verifizieren
  • Python
  • SQL
  • Docker
  • PDF · XLSX · JSON
Einen Evaluationsablauf ansehen (Beispieldaten) Ein ähnliches Projekt besprechen
Nachweise und Umfang
Die Eingabe
Widersprüchliche fiktive PDFs, Tabellen, JSON und ein Bankbuch.
Das Ergebnis
Eine begründete Referenzantwort und eine gegen falsche Abgaben getestete Prüfung.

Was die Nachweise zeigen

Die dokumentierte Validierung vom 7. Oktober 2026 umfasst 68 bestandene lokale Tests und Docker-Prüfungen mit korrekten sowie leeren Abgaben. Es handelt sich um eine selbst erstellte Evaluationsaufgabe, nicht um einen vom Kunden abgenommenen Benchmark oder eine gemessene Modellrangliste.

Open-Harness-Prototyp, in dem sich zwei Modelle auf eine geprüfte Gleichung einigen
Echter Bildschirm des Prototyps

Eigenes Projekt · In Entwicklung

Open Harness

Ein Desktop-Arbeitsbereich zur Koordination von Claude Code und Codex, mit Kontextübergabe, Freigaben und unabhängiger Prüfung der Agentenarbeit.

  • TypeScript
  • Agentenadapter
  • Kontextverwaltung
  • Verifikation
Open Harness ansehen

Fähigkeiten, belegt durch die Arbeit

Jede Fähigkeit verweist auf das Projekt, das sie zeigt.

Erfahrung und Qualifikationen

Stationen seit 2020, neueste zuerst. Ausbildung, Zertifikat und Sprachen folgen.

  1. März 2026 bis heuteAktuell

    Freiberuflicher Trainer für KI-Tool-Nutzung und Modellevaluator als unabhängiger Auftragnehmer

    Prompts, Aufgabenszenarien und Bewertungsraster für multimodales KI-Training und den KI-Werkzeugeinsatz. Prüft Ausgaben auf Genauigkeit, korrekte Abläufe und erfundenes Werkzeugverhalten. Dokumentiert Fehlermuster für Kunden im KI-Training.

  2. Februar 2026 bis heuteAktuell

    Gründer bei AuraMind

    Analysiert manuelle Abläufe und entwickelt praktische KI-Automatisierungen für E-Mail, Rechnungen, Lead-Erfassung, CRM-Updates und Berichte mit n8n, Make, Zapier, Vapi und Claude. Durchführung von KI-Tool-Schulungen für Schulen und Kommunen in Deutschland.

  3. Oktober 2025 bis Januar 2026

    KI-Red-Teamer und LLM-Evaluator bei Mercor

    Adversariale Tests von LLMs auf Englisch und Hindi. Entwicklung mehrstufiger Qualitätssicherung mit Bewertungsrastern und Prompt-Vorlagen über sieben Evaluierungszyklen.

  4. März 2025 bis Juli 2025

    Automatisierungsleitung auf Projektbasis bei BackwardsLA

    KI-gestützte LinkedIn-Kontaktaufnahme und Dashboards zur Nachverfolgung.

  5. Oktober 2024 bis Januar 2025

    Praktikant in der Prozessoptimierung bei Adlevate

    Datenanalyse, Automatisierungsbots und Machbarkeitsanalysen zur Prozessoptimierung.

  6. Oktober 2022 bis Dezember 2022

    Mitarbeiter in der Auftragsabwicklung bei Amazon Logistik und Operations

    Werkstudententätigkeit im Logistikzentrum Winsen.

  7. Februar 2021 bis August 2021

    Praktikant in der Frontend-Entwicklung bei Full Stack Learning

    Praktikum in der Frontend-Entwicklung, Jaipur.

  8. Januar 2020 bis Dezember 2020

    QA-Ingenieur bei Shriwari Enterprises

    Tätigkeit in der Qualitätssicherung, Indien.

Ausbildung und Zertifikate

  • Bachelor in Ingenieurwesen, Masterabschluss in Hamburg, Deutschland
  • Data Analytics with GenAI, upGrad und Adda247, Februar 2026

Sprachen

  • Englisch, muttersprachlich
  • Hindi, muttersprachlich
  • Deutsch, konversationssicher

Mit mir arbeiten

Beschreiben Sie die Aufgabe, das gewünschte Ergebnis und die Handlung, bei der kein Fehler passieren darf.

Projekt startenZurück zu AuraMind