Hendrik Braun

Eine selbstgebaute Web-Anwendung, die ein gesamtes Investment-Portfolio abbildet, automatisch mit Marktdaten versorgt und tiefgehend analysiert.

• Automatische Abfrage von Kursen, Dividenden und Wechselkursen über Finanz-APIs.
• Performance- und Risiko-Metriken wie annualisierte Rendite (IRR), Sharpe Ratio, Volatilität und Maximum Drawdown.
• Diversifikations-Analysen nach Asset-Typ, Depot und Region — inklusive ETF-Ländergewichtungen.
• Teilverkäufe nach FIFO, LIFO oder Average-Cost und vollständiges Dividenden-Tracking mit Yield-on-Cost.
• Interaktive Charts für Wertentwicklung, jährliche Investitionen und Top-/Worst-Performer.

Ein RAG-System, das eigene Dokumente in einen Wissensgraphen überführt und Fragen darauf beantwortet. Das macht die Antworten präziser und nachvollziehbarer als ein klassisches RAG-System.

• Hybrides Retrieval: Vektorsuche plus Traversierung über die Beziehungen im Graphen.
• Aus jedem Textabschnitt extrahiert ein LLM Entitäten und ihre Relationen.
• Jede Antwort belegt ihre Quellen und bleibt so überprüfbar.
• Das Sprachmodell ist frei austauschbar angebunden.

Eine selbstgebaute native iOS-App, die verstreute Gesundheitsdaten in einen einzigen, verständlichen Longevity-Score überführt. Das macht den eigenen Gesundheitszustand auf einen Blick greifbar, statt ihn über viele Apps und Wearables verteilt zu lassen.

• Longevity-Score (0–100) aus Schlaf, Aktivität, Stress und Ernährung, berechnet über sieben eigene Analyse-Engines.
• Smarte Kalender-Orchestrierung erkennt Lücken im Alltag und blockt sie automatisch für Regeneration und gesunde Routinen.
• Dynamisches „Pay-for-Performance"-Pricing belohnt nachweislich gesunde Gewohnheiten finanziell.
• Gebaut in SwiftUI: rund 13.200 Zeilen Swift-Code über 16 SwiftData-Modelle, 4 Services und 68 Views.
• Score- und Pricing-Logik laufen bereits vollständig, basieren aktuell aber noch auf Dummy-Daten, ohne angebundene Wearable-APIs.