LogiSense Demo Lite - AI-native TMS Order Handling Assistant

Ein kleiner, aber professioneller Interview-Prototyp fuer ein AI-native Transport Management System in der Fahrzeuglogistik.

Copyright (c) 2026 Martin Khadjavian. All rights reserved.
Website: martinkhadjavian.com

Der Prototyp verbindet:

• Django + Django REST Framework Backend
• PostgreSQL per Docker Compose, SQLite fuer schnelle lokale Entwicklung
• Svelte + TypeScript Frontend
• deterministischen Mock-AI-Workflow fuer Freitext-Extraktion
• Tool-Calling-Demo fuer operative Datenbankfragen
• ausfuehrliche Dokumentation mit Mermaid- und PlantUML-Diagrammen

Schnellstart ohne Docker

cd backend
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python manage.py migrate
python manage.py seed_demo
python manage.py runserver 8000

In einem zweiten Terminal:

cd frontend
npm install
npm run dev

Danach:

• Frontend: http://localhost:5173
• Backend API: http://localhost:8000/api/
• Django Admin: http://localhost:8000/admin/

Schnellstart mit Docker

docker compose up --build

Docker startet PostgreSQL, Backend und Frontend. Der Backend-Container fuehrt Migrationen aus und legt Demo-Daten an.

Demo Flow

1. Dashboard oeffnen
2. AI Order Assistant nutzen
3. Beispiel-Freitext extrahieren
4. Draft pruefen und bestaetigen
5. Order Queue aktualisieren
6. Tool-Calling-Frage stellen: Welche Fahrzeuge sind noch nicht disponiert?

Dokumentation

Die zentrale technische Anleitung liegt hier:

• docs/manual.md
• docs/generated/LogiSense_Demo_Lite_Manual.pdf
• docs/implementation_learning_manual.md
• docs/generated/LogiSense_Demo_Lite_Implementation_Learning_Manual.pdf
• docs/generated/diagrams/
• docs/architecture.md
• docs/interview_pitch.md
• docs/plantuml/

Copyright

See NOTICE.md.

Tests

cd backend
pytest

cd frontend
npm run build