Weniger Handarbeit. Mehr Zeit für Kunden, Produkt und Forschung.
KI-Infrastruktur, auf Datenschutz ausgelegt: Unternehmenswissen erschlossen, Geschäftsprozesse automatisiert, Verarbeitung im eigenen Haus.
Eine Unternehmensarchitektur, die Daten aus allen Quellen erschließt und daraus automatisierte Geschäftsprozesse macht. Autonom, wo die Regel eindeutig ist. Mit dem Menschen in der Entscheidung, wo interpretiert wird oder etwas nach außen geht. Dahinter steht eine eigene Server- und GPU-Infrastruktur für das Hosting von KI: große Sprachmodelle, Embedding-Modelle, multimodale Modelle für Bild und Ton, Texterkennung und Transkription laufen als eigene Dienste hinter einem Inferenz-Gateway, verbunden über ein Service Mesh, bei Bedarf auf Rechenknoten bereitgestellt und danach wieder abgebaut. Das Rückgrat gehört uns. Obendrauf nutzen wir, wo es passt, das jeweils klügste Modell am Markt, weil die Basis das erlaubt. Alles im Tagesgeschäft eines Medizintechnikherstellers mit kleinem Team und eigener IT, damit sich das Team auf Kerngeschäft und Forschung konzentrieren kann. Ohne die Kosten, die KI sonst verursacht, und ohne Abhängigkeit von einem einzelnen Anbieter.
Stand September 2026Was wir sind Medizintechnik-Hersteller, Forschung und Entwicklung, eigene KI-Infrastruktur, Lieferung weltweitWie wir arbeiten kleines Team, effiziente eigene IT auf eigenem Rückgrat. Informationstechnologie heißt: Es kommt auf die Informationen an. Das macht uns konkurrenzfähig.
Die Kontrolle liegt bei uns
Das Rückgrat ist unser eigenes. Die Modelle laufen als unsere eigenen Container auf Rechenknoten, die wir selbst starten, konfigurieren und wieder abbauen. Ein Teil dieser Kapazität ist heute minutenweise angemietet, nach Standort und Vertrag ausgewählt, ein Teil steht bei uns. Kundendaten, Belege und Mails verarbeiten ausschließlich Modelle auf dieser Infrastruktur; sie gehen an keinen Modellanbieter und werden nirgends zum Training verwendet. Kein Anbieter kann uns den Dienst kündigen, weil kein Anbieter den Dienst stellt, sondern nur Rechenzeit. Externe Modelle, auch die jeweils klügsten am Markt, setzen wir obendrauf ein, wo keine personenbezogenen Daten übergeben werden, etwa beim Bau neuer Werkzeuge aus einer Anforderungsbeschreibung. Zugangsdaten liegen ausschließlich verschlüsselt vor und lassen sich nur mit dem Schlüssel des jeweils berechtigten Geräts öffnen. Der gesamte Verkehr zwischen Standorten, Servern und Diensten ist verschlüsselt, jeder Dienst läuft isoliert in seinem eigenen Container, verbunden über ein Service Mesh.
Vereinfachte Darstellung. Die Wirklichkeit dahinter ist komplexer, als ein Schaubild zeigen kann; wer es genau wissen will, spricht uns an.
Welche Probleme das löst
Acht Dinge, die in fast jedem Mittelstandsbetrieb Zeit und Geld kosten
Das Problem
Was die Plattform daraus macht
Das Wissen steckt in Köpfen und Ordnern. Wer weiß, wo der Prüfbericht von 2019 liegt oder was dem Kunden damals zugesagt wurde? Geht die Person, geht das Wissen. Suchen kostet Stunden pro Woche.
Alle Ablagen, Mails und Systeme werden semantisch durchsuchbar. Eine Frage in normaler Sprache liefert die Fundstellen, auch wenn niemand den Dateinamen kennt. Das gilt auch für die eigene Technik: Welche Schnittstelle gibt es, welcher Ablauf läuft nachts, wo wird angeschlossen. Neue Mitarbeiter finden Antworten selbst, statt sie zu erfragen. Wer ein Werkzeug erweitern will, sieht sofort, was schon da ist.
Kundenanfragen hängen an zwei Leuten. Dieselben Fragen kommen immer wieder, die Antwortqualität schwankt, Fachwissen und rechtliche Grenzen kennen nur wenige. Im Urlaub bleibt es liegen.
Jede Anfrage wird gegen die gesamte Antworthistorie und das Fachwissen geprüft und vorformuliert, inklusive der rechtlichen Leitplanken. Die Fachkraft gibt frei statt zu tippen, weil hier Menschen und Gesundheit betroffen sind. Die Antwortzeit sinkt, die Qualität bleibt gleich.
Belege und Zahlungen passen nicht zusammen. Marktplatz, Shop, Zahlungsdienstleister und Bank liefern jeder ihr eigenes Format. Zuordnen ist Handarbeit, Fehler fallen erst beim Steuerberater auf, der nach Aufwand abrechnet.
Alle Kanäle laufen in ein System, das Zahlungen und Belege selbstlernend zuordnet, Auffälligkeiten meldet und fertige Buchungsstapel liefert. Postfächer werden lokal überwacht, Belege daraus automatisch erkannt und abgelegt. Der Steuerberater bekommt abgestimmte, belegte Stapel und stellt weniger Rückfragen.
Jedes Jahr eine neue Meldepflicht. Verpackungsregister, Länderregistrierungen, Mengenmeldungen, Konformitätsnachweise. Tabellen werden per Hand gefüllt, Fristen verpasst, Strafen drohen, der Vertrieb ins Ausland wird zur Last.
Die lokale KI hat die Verordnung gelesen, die eigenen Verkaufsdaten und ERP-Schnittstellen geprüft und daraus das Anforderungspapier geschrieben. Daraus entstand innerhalb eines Tages ein fertiges Werkzeug: Mengen je Land aus den Verkaufsdaten, verrechnet mit den Verpackungsgewichten, hochgerechnet, meldefertig, für jedes Lieferland, für das wir melden, mit den dort geltenden Regeln. Nach Test und Freigabe ging es in Betrieb und läuft seitdem deterministisch, ohne Modell, jeden Monat gleich. Eine neue Pflicht ist ein neuer Bauauftrag, kein Softwareprojekt mit Berater.
IT-Ausfall, und die Ursache ist irgendwo. Der Shop ist down, das Etikett druckt nicht, die Mail kommt nicht an. Wer findet die Ursache, und wie lange dauert das? Jede Stunde kostet Umsatz.
Die Störungsbearbeitung läuft als feste Kette, im Fachjargon Incident Response: Zustandsprüfungen rund um die Uhr, eine Alarmbündelung, die nur Zustandswechsel meldet, Duplikate zusammenfasst und Wiederholungen abfängt, dann Push an die Bereitschaft. Ein Agent mit abgestuften Serverrechten, zuerst nur lesend, prüft Dienste, Zertifikate, Logs und Netz, liefert die Erstdiagnose und schlägt den Eingriff aus dem hinterlegten Ablaufplan vor. Ein Mensch gibt frei, die Ausführung wird protokolliert. Aus Stunden Fehlersuche werden Minuten.
Werbung verstreut über Plattformen. Hunderte Motive, mehrere Werbekonten, wechselnde Richtlinien. Niemand hat den Überblick, Budget verbrennt in Kampagnen, die nicht ausliefern oder gegen Regeln verstoßen.
Ein Bestand, alle Kanäle: Motive katalogisiert und auf Richtlinien geprüft, Kampagnen über alle Plattformen überwacht, gemeldet wird nur, was zählt. Der Mensch entscheidet, das System zeigt, wo.
KI-Wildwuchs. Jede Abteilung probiert ein anderes Werkzeug, Kundendaten landen in fremden Chatfenstern, Abos und Tokens laufen unkontrolliert, und nichts davon kennt die eigenen Systeme.
Eine zentrale Plattform mit eigenen Modellen und Anschluss an die vorhandenen Systeme. Abgerechnet wird nicht pro Anfrage; die Grenze ist die Rechenkapazität, die wir selbst zuteilen. Die Daten verlassen unsere Infrastruktur nicht. Die Trennung der Daten ist in der Architektur festgelegt und wird technisch erzwungen, sie hängt nicht davon ab, dass sich alle an eine Richtlinie halten.
Die Software passt nie ganz. Das ERP kann das eine nicht, der Shop das andere, dazwischen liegen Exporte, Makros und ein Mitarbeiter, der es „im Kopf“ verbindet. Jede Änderung im Geschäft wird zum Softwareprojekt oder bleibt liegen.
KI wird zur Zwischenschicht, auf zwei Arten. Als Bauer: Sie liest die Schnittstellen beider Systeme und konstruiert die fehlende Verbindung als fertiges, wiederholbares Werkzeug. Als Übersetzer: Wo Inhalte interpretiert werden müssen, liest sie, was ein System liefert, und übersetzt es in das, was das nächste braucht. Die Verbindung wird beschreibbar statt programmierbar. Jedes System mit Schnittstelle oder Ablage ist anschließbar.
Für wen
Betriebe mit einem ERP, einem Shop oder Vertrieb, gewachsenen Ablagen und einer kleinen Mannschaft ohne eigene IT-Abteilung. Ebenso Steuerberater, Kanzleien, Praxen und Planungsbüros, bei denen der Tag aus Mails mit Anhängen besteht: Eine Mail kommt rein, und die Akte, die Belege, der Vorgang dazu liegen fertig daneben, statt aus fünf Ordnern zusammengesucht zu werden. Besonders dort, wo Regulatorik, Mandanten- oder Patientendaten den Einsatz von Cloud-KI verbieten oder riskant machen. Die vorhandene Software bleibt. Sie wird angeschlossen, nicht ersetzt.
So hängt es zusammen
Jedes System isoliert, ein Modellpark, ein Mensch am Ende
Die Wissensbasis arbeitet nach dem Prinzip Retrieval Augmented Generation. Dokumente werden per Chunking in Abschnitte zerlegt, ein Embedding-Modell bildet die Bedeutung jedes Abschnitts, Bildes oder Transkripts als Vektor ab, und diese Vektoren liegen mandantengetrennt in einer Vektordatenbank. Eine Anfrage wird auf dieselbe Weise eingebettet. Eine Hybrid-Suche aus semantischer Ähnlichkeit und Stichworttreffern liefert Kandidaten, ein Cross-Encoder als Reranking-Modell ordnet sie nach Relevanz, und die besten Fundstellen gehen als Kontext an das große Sprachmodell, das auf eigenen Inferenz-Knoten rechnet. Jede Aussage im Entwurf ist mit ihrer Fundstelle hinterlegt; findet die Suche nichts Belastbares, sagt das System das, statt zu raten. Der Index wächst laufend und enthält auch den eigenen Code, die Zeitpläne und die Schnittstellenbeschreibungen. Wird ein Dokument in der Quelle gelöscht, verschwinden seine Abschnitte auch aus dem Index. Der entscheidende Schnitt liegt beim Adapter: Jedes Quellsystem hängt hinter einem eigenen, isolierten Anschluss über REST, Webhooks, IMAP oder Dateisystem. Der Adapter hält die Zugangsdaten nach dem Least-Privilege-Prinzip, das Modell bekommt nie ein Zugangsrecht in die Hand, nur Text. Genau dieser Text wäre der Weg für einen Angriff per Prompt Injection, etwa über eine präparierte Rechnung. Deshalb liegt die zweite Schranke bei der Aktion: Autonom geschrieben wird nur über geprüfte Regeln mit festem Feld und festem Wertebereich, etwa eine Adresskorrektur, ein falscher Steuersatz oder eine fehlende Sendungsnummer. Jede Schreibaktion wird mit Quelle, Modellstand und Auslöser protokolliert und ist rücknehmbar. Wo interpretiert werden muss oder etwas den Kunden erreicht, steht ein Freigabeschritt dazwischen.
Scale-to-zero: Kein Dienst läuft, weil er könnte. Er läuft, weil gerade jemand ihn braucht. Eine Service-Registry führt die Health-Checks, verwaltet Schlafen und Wecken, ersetzt ausgefallene Knoten selbstheilend mit Backoff und Circuit Breaker und räumt verwaiste Instanzen ab. Das ist der Unterschied zwischen einer Grafikkarte, die das ganze Jahr Strom zieht, und einer, die für die Minuten bezahlt wird, in denen sie rechnet.
Ein Prompt, ein Ergebnis
„Welche Verpackungsmengen ergeben sich aus den Österreich-Aufträgen des letzten Jahres für die Meldung?“ Aufträge aus dem ERP, Rechnung mit hinterlegten Gewichten, Meldedatei zur Prüfung.
„Wie haben wir auf diese Support-Frage bisher geantwortet, und was sagt die Produktdokumentation?“ Suche über Historie und Fachwissen, Antwortvorschlag im Rahmen von HWG und MDR, Freigabe durch die Fachkraft.
„Welche Eingangsrechnungen haben noch keine Zahlung, welche Zahlungen keinen Beleg?“ Abgleich über alle Kanäle und Postfächer, Liste der Auffälligkeiten mit wahrscheinlicher Ursache.
„Der Webshop antwortet nicht. Was ist los?“ Der Alarm kam bereits gebündelt, als eine Meldung statt zwanzig. Der Agent prüft Dienste, Zertifikate, Logs und Netz mit abgestuften Rechten, benennt die Ursache, etwa ein abgelaufenes Zertifikat, eine volle Platte oder einen hängenden Prozess, schlägt den Eingriff aus dem hinterlegten Ablaufplan vor. Ein Mensch gibt frei, das Protokoll landet im Störungslog.
„Transkribiere die Besprechung von heute, fass zusammen, was zum neuen Projekt besprochen wurde, und leg die Notiz im Projektwiki an.“ Die Aufnahme wird lokal transkribiert, mit Sprecherzuordnung, ohne dass die Tonspur das Haus verlässt. Die KI fasst Entscheidungen, offene Punkte und Aufgaben mit Verantwortlichen zusammen und legt die Seite im Wissensmanagement an. Ab dann ist die Besprechung durchsuchbar wie jedes Dokument.
„Lies die zwanzig Ordner Altakten ein und finde alle Lieferantenverträge mit Laufzeit über 2027.“ Texterkennung der Scans, Klassifikation, Liste mit Fundstellen und Laufzeiten.
„Welche unserer Werbemotive zeigen ein Motiv, das gegen die Richtlinien der Plattform verstößt?“ Bildanalyse über den gesamten Bestand, Liste mit Begründung, Vorschläge für Ersatztexte.
„Vergleiche die Produktfotos im Shop mit den Fotos im Katalog und zeige, wo Varianten fehlen.“ Bildeinbettung beider Bestände, Abgleich, Lücken als Liste.
„Kunde meldet einen Defekt an Seriennummer 2211. Welche Charge, welcher Fertiger, welche Prüfprotokolle, wer hat sonst aus der Charge bekommen?“ Chargenlaufzettel, Wareneingang, Prüfprotokoll und Auslieferungen aus ERP und Ablagen in einer Antwort. Die Unterlagen zu einer Seriennummer sind in Sekunden zusammengestellt statt an einem Nachmittag aus mehreren Systemen gesucht. Die Rückverfolgung selbst läuft unverändert nach dem dokumentierten Verfahren.
„Der zweite Standort braucht dieselbe Versandüberwachung wie das Lagerterminal. Was haben wir schon, und wo schließe ich an?“ Die KI liest den vorhandenen Code, die laufenden Zeitpläne und die Schnittstellen, sagt, welche Bausteine wiederverwendbar sind, welche Anschlusspunkte es gibt und was fehlt. Der Entwurf steht in Stunden statt in Wochen, weil nichts zum zweiten Mal gebaut wird.
„Ab nächstem Quartal müssen wir für Dänemark Haushalt und Gewerbe getrennt melden. Schreib die Anforderung.“ Die lokale KI liest Verordnung, Kundenstamm und ERP-Felder und schreibt das Anforderungspapier ohne Kundendaten. Ein Entwickler oder ein externes Modell baut daraus die Regel. Am nächsten Tag steht sie zur Abnahme, nach Test und Freigabe geht sie in Betrieb.
„Wie lange reicht der Bestand je Komponente, und was muss bei den Lieferzeiten diese Woche bestellt werden?“ Verbrauchsprognose aus den Verkaufs- und Stücklistendaten, hochgerechnet je Komponente, gegen Lieferzeiten und Mindestmengen gerechnet, als Bestellvorschlag mit Alarm an das Lager. Der Mitarbeiter prüft den Vorschlag, bestätigt oder korrigiert die Menge und löst die Bestellung aus. Das Werkzeug dafür war in Stunden entworfen und angeschlossen.
Eine Mail vom Steuerberater: „Zu den Buchungen 4711 bis 4720 fehlen mir die Belege und die Zahlungsnachweise.“ Der Agent zieht Rechnungen, Kontoauszugszeilen und Zahlungsbestätigungen aus Buchhaltung, Bank und Postfach zusammen, legt sie als sortiertes Paket ab und entwirft die Antwort. Der Mitarbeiter prüft und schickt. Dasselbe Muster gilt umgekehrt in der Kanzlei: Mandantenmail rein, Akte und Fristen liegen daneben.
Eine Kundenmail kommt an: „Mir fehlt die Rechnung, das Zubehör war nicht dabei, und wann kommt die Ersatzlieferung?“ Der Agent zieht Auftrag, Rechnung, Lieferschein, Packliste und Sendungsverfolgung zusammen, entwirft die Antwort mit Rechnung im Anhang und den nächsten Schritten. Der Mitarbeiter liest, gibt frei, fertig. Kein Suchen in fünf Systemen.
Jeder dieser Vorgänge weckt nur die Dienste, die er braucht, und arbeitet mit isolierten Zugängen. Was eindeutig ist, läuft durch. Was Auslegung braucht oder nach außen geht, endet bei einem Menschen, der freigibt. Das Muster ist immer dasselbe, die Aufgabe beliebig.
Kosten
Warum das nicht kostet, was KI sonst kostet
KI-Projekte scheitern an zwei Dingen. An der Technik, weil alles isoliert läuft: Jedes Werkzeug kennt nur seinen Ausschnitt, die Systeme sind zu starr, niemand kümmert sich um die Anpassung an den eigenen Betrieb, und am Ende hakt es an der einfachsten Stelle, nämlich Wissen und Informationen von A nach B zu bringen. Und an der Rechnung: Lizenzen pro Nutzer, Tokens pro Anfrage, Berater pro Tag, Grafikkarten rund um die Uhr, und am Ende ein Werkzeug, das die eigenen Daten nicht kennt.
Was sonst teuer wird
Wie wir es halten
Tokens für alles. Jede Suche, jeder Abgleich, jede Zuordnung läuft durch ein bezahltes Sprachmodell. Bei tausend Belegen im Monat summiert sich das, und das Ergebnis ist nicht einmal wiederholbar.
Die KI baut das Werkzeug, das Werkzeug macht die Arbeit. Und zwar in zwei Schritten: Die lokale KI, die alles lesen darf, auch Kundendaten, Belege und Schnittstellen, formuliert das Anforderungspapier. Das Papier enthält die Regel, aber keine Daten mehr. Dass das stimmt, ist kein Vertrauen, sondern ein Arbeitsschritt: Das Papier wird vor der Weitergabe gegen die eigenen Daten geprüft und freigegeben. Damit baut ein Entwickler oder ein starkes externes Modell das Feature, oft innerhalb eines Tages, und bekommt dabei nur die Regel. Das fertige Werkzeug läuft zuerst gegen bekannte Fälle mit bekanntem Ergebnis, dann parallel mit, dann allein; jede Version ist zurücknehmbar. Danach läuft es deterministisch, wiederholbar und ohne Kosten pro Vorgang. Das Sprachmodell wird im Betrieb nur noch gerufen, wo interpretiert werden muss.
Grafikkarten rund um die Uhr. Eigene Modelle brauchen GPUs, und GPUs kosten auch nachts, am Wochenende und im Urlaub.
Rechenleistung nach Bedarf, Scale-to-zero. Die Inferenzdienste laufen als Container mit eigenem GPU-Inferenz-Server, legen sich bei Leerlauf schlafen, wachen bei der ersten Anfrage in Minuten auf und ersetzen sich bei Ausfall über die Registry selbst. Auf 4 bis 8 Bit quantisierte Modelle halten den Speicherbedarf klein. Und nicht jede Aufgabe braucht eine Rechenzentrumskarte: Für kleine, ständig laufende Dienste wie Einbettung, Texterkennung oder Klassifikation setzen wir günstige Beschleunigerhardware ein, auch aus China, wo ein großer Teil der offenen Modelle und bald auch Beschleuniger und Speicher herkommen, mit eigens angepassten Kerneln und Treibern. Diese Kernel und Treiber pflegen wir selbst, versioniert und mit Prüfsummen, wie jeden anderen Baustein. Die teure Karte rechnet nur, wenn ein großes Modell gefragt ist. Bezahlt wird die Nutzung, nicht die Bereitschaft.
Lizenzen pro Nutzer und Werkzeug. Ein KI-Abo für den Vertrieb, eines für den Support, eines für die Buchhaltung, dazu ein Suchtool und ein Dokumentenmanagement. Jedes kennt nur seinen Ausschnitt.
Eine Plattform für alle Anwendungen. Suche, Texterkennung, Wissensbasis und Gateway werden einmal betrieben und von jeder Abteilung genutzt. Ein neuer Anwendungsfall kostet Konfiguration, kein neues Abo.
Unkontrollierter Verbrauch. Bei gemieteter KI kostet jede Anfrage. Ein Fehler in einer Schleife, ein zu großer Kontext, ein Agent, der sich verrennt, und die Monatsrechnung ist das Zehnfache.
Bei eigenen Modellen wird nicht pro Anfrage abgerechnet, sondern Rechenzeit verbraucht, die wir selbst zuteilen. Ein Agent, der sich verrennt, verbraucht die Kapazität, die er bekommen hat, und nicht mehr. Eine Rechnung, die niemand beschlossen hat, kann so nicht entstehen. Ein zentrales Inferenz-Gateway verteilt die Kapazität per Rate-Limit auf die Anwendungen, kondensiert lange Eingaben, damit das Kontextfenster nicht überläuft, und cacht wiederkehrende Kontexte. Token-Budgets braucht nur die bewusste externe Ausnahme.
Migration und Beratung. Erst müssen alle Daten in das neue System, dann kommt der Berater, dann die Schulung. Bis dahin ist das Geschäft weitergezogen.
Anschluss statt Migration. Die vorhandenen Systeme und Ablagen bleiben, sie werden indiziert und angebunden. Der erste Anwendungsfall läuft, bevor der letzte geplant ist.
Unabhängigkeit
Nicht abhängig von den großen Anbietern
Wer seine KI von einem einzigen Konzern bezieht, übernimmt dessen Preise, dessen Datenschutzregeln, dessen Abkündigungen und dessen Vorstellung davon, was das Modell darf. Und schickt jede Anfrage samt Inhalt auf dessen Server. Hier ist keine dieser Entscheidungen fremdbestimmt: Das Rückgrat gehört uns, die Daten bleiben bei uns. Und weil die Basis stimmt, können wir obendrauf jederzeit das klügste Modell nutzen, das es gerade gibt, ohne die Plattform anzufassen.
Offene Modelle, eigene Gewichte
Die Modelle für Suche, Einbettung, Reranking, Texterkennung und Transkription liegen als offene Gewichte auf eigener Hardware, vom Rechenknoten bis zum kleinen Beschleuniger mit selbst angepasstem Kernel. Für jeden Einsatz prüfen wir die Lizenz auf gewerbliche Nutzung, jedes Gewicht ist mit Prüfsumme festgenagelt. So kann kein Modell abgeschaltet, umgepreist oder unbemerkt verändert werden. Offene Modelle gibt es heute in jeder Größe: kleine Spezialmodelle für Einbettung, Klassifikation oder Texterkennung, die auf einem Beschleuniger für wenige hundert Euro laufen, mittelgroße Sprachmodelle, die auf einer einzelnen Workstation-Karte für Suche, Zusammenfassung, Klassifikation und Entwürfe die Qualität liefern, die diese Aufgaben brauchen, und große Modelle mit Hunderten Milliarden Parametern für Mehr-GPU-Knoten. Welche Größe rechnet, entscheidet die Aufgabe, nicht der Anbieter. Quantisierung, angepasste Kernel und die Wahl der Hardware machen daraus für jede Aufgabe die günstigste Konfiguration.
Modellwechsel ist Konfiguration
Welches Modell antwortet, sucht oder transkribiert, ist eine Einstellung pro Anwendung. Erscheint ein besseres oder günstigeres Modell, wird es eingetragen und getestet. Externe Modelle sind eine bewusste Ausnahme pro Anwendungsfall, nie der Standard, und bekommen nur, was dafür freigegeben ist.
Anpassung an den eigenen Zweck
Offene Modelle können wir auf die eigenen Daten nachtrainieren, Sprachmodelle per LoRA-Fine-Tuning, Embedding-Modelle per kontrastivem Training auf eigenen Frage-Antwort-Paaren, jeweils gegen einen festen Prüfsatz gemessen, damit ein Wechsel nie unbemerkt schlechter wird: Fachbegriffe, Produktnamen, der Antwortstil des Hauses, die Sprache der Kunden. Ein Modell, das die eigene Welt kennt, statt eines, das für alle das Gleiche kann.
Alles, was Text, Bild oder Ton ist
Dokumente, Scans, Handschrift, Fotos, Werbemittel, Besprechungen, Schulungen, Telefonate, Videos: alles wird zu durchsuchbarem, verarbeitbarem Material. Dahinter stehen Text-Embeddings und multimodale Embedding-Modelle, die Text, Bild und Ton in einem gemeinsamen Vektorraum abbilden, Layout-OCR für Tabellen und Formulare, Sprachtranskription mit Sprecher-Diarisierung, Vision-Language-Modelle für Bildanalyse und ein Inferenz-Gateway, das alle Modelle über eine Schnittstelle erreichbar macht. Jedes neue Werkzeug wird nach demselben Muster angeschlossen: als Dienst mit Registry-Eintrag, Health-Check und Rechten.
Im Betrieb
Im Tagesgeschäft, seit Jahren
Das Folgende läuft seit Monaten, teils seit Jahren, im Alltag eines Medizintechnikherstellers, der weltweit liefert: ein Datenbestand von über hundert Terabyte aus Ablagen, Scans, Audio und Video erschlossen, alle Dienste rund um die Uhr überwacht, Melde- und Registrierungspflichten für die Lieferländer aus dem ERP bedient.
Buchhaltung
Ausgangsrechnungen laufen praktisch vollständig automatisch: Auftrag, Rechnung, Zahlung, Markierung im ERP, Buchungsstapel. Eingangsrechnungen werden zum weit überwiegenden Teil automatisch erkannt und zugeordnet; Lücken gibt es nur in Altjahren, die nachgezogen werden. Die Postfächer der Buchhaltung werden lokal von KI überwacht: Rechnungen, Gutschriften und Auftragsbestätigungen werden erkannt, ausgelesen und abgelegt, ohne dass ein Modell Zugriff auf das Postfach hat. Erstattungen werden automatisch als Gutschrift gebucht und verrechnet, bezahlte Rechnungen nachts autonom markiert. Nur echte Auffälligkeiten werden gemeldet, alles andere läuft durch. Jede automatische Buchung ist mit Zeitstempel, Auslöser und Quelle protokolliert, nachvollziehbar und rücknehmbar; der Steuerberater sieht jeden Vorgang so, als hätte ihn ein Mitarbeiter gebucht. Technisch: idempotente Sync-Jobs mit Versionstoken, doppelte Buchführung als Invariante mit Soll gleich Haben auf den Cent, DATEV-EXTF-Export, Lieferantenerkennung über einen Klassifikator, der aus bestätigten Buchungen nachtrainiert wird.
Prüfung vor BuchungDATEV-Exportnachtrainiert aus BuchungenPostfach lokal überwacht
Medizinischer Kundensupport
Anfragen werden gegen die gesamte dokumentierte Support-Historie und das kuratierte medizinische Fachwissen gesucht und vorformuliert, lange Mailverläufe vorher inhaltlich kondensiert. Die Fachkraft prüft und gibt frei, im Rahmen von Heilmittelwerbegesetz und MDR. Produktiv seit 2025, per Webhook an die Kunden-App angebunden, Antwortvorschläge werden gestreamt, Retrieval mit Reranking über die gesamte Support-Historie, Query-Kondensierung bei langen Verläufen. Die Antwortzeit ist deutlich gesunken, die Auskünfte sind über alle Anfragen hinweg einheitlich, weil sie auf derselben geprüften Wissensbasis beruhen. Das System beantwortet Fragen zu Produkt, Anwendung und Abwicklung. Es stellt keine Diagnose und gibt keine Therapieempfehlung. Anfragen mit Gesundheitsbezug werden mit engem Berechtigungskreis und festen Löschfristen verarbeitet.
Human in the loopHWG / MDR
Fulfillment
Vom Shop über das ERP bis zum Lagerterminal: Versandlabels entstehen am Lager per Scan, Sendungsnummern werden zwischen ERP und Shop abgeglichen, Retourenlabels per Mail versendet, Bestände stücklistenbewusst synchronisiert, Marktplatz-Anlieferungen mit Etiketten und Tracking abgewickelt. Verbrauchs- und Einkaufsprognosen laufen aus denselben Daten: Reichweite je Komponente, Hochrechnung gegen Lieferzeiten, Bestellvorschlag mit Alarm, Freigabe per Ja oder Korrektur. Vieles andere läuft ohne jeden Klick: Adressen werden normalisiert und korrigiert, Bestellungen mit falschem Steuersatz oder fehlender Position automatisch berichtigt, übersprungene Aufträge nachimportiert, Sendungsnummern nachgetragen. Selbst der Drucker meldet über IPP, wenn das Papier ausgeht. Ereignisse laufen über Webhooks und Cron-Jobs, Sendungsnummern werden normalisiert und gegen das Carrier-Format geprüft, Konflikte deterministisch aufgelöst.
ShopERPVersandMarktplatz
Regulatorik und QM
Die Verpackungsverordnung kam im August 2026. Das Meldewerkzeug dafür hat die KI aus dem Verordnungstext und den vorhandenen ERP-Schnittstellen gebaut: Mengen je Lieferland aus den Verkaufsdaten, hochgerechnet und meldefertig, Lieferantennachweise zentral. Seitdem läuft es deterministisch. Verfahrensanweisungen, Chargenlaufzettel, Prüfprotokolle und Konformitätserklärungen sind über dieselbe Suche auffindbar wie im Support. Die Suche unterstützt beim Auffinden, der freigegebene Nachweis bleibt das gelenkte Dokument im Qualitätsmanagementsystem. Die Vorbereitung der Audits hat sich dadurch deutlich verkürzt.
PPWRISO 9001MDR Klasse I
Marketing
Suchmaschinen-, Social- und Videowerbung, Shop und Website aus einem Werkzeugkasten. Kampagnenüberwachung über alle Kanäle, Hunderte Motive katalogisiert und auf Richtlinien geprüft, Bot-Verkehr aus der Messung entfernt, pro Video mehrere Vorschaubild-Konzepte für Vergleichstests, Transkripte und Kapitel automatisiert.
Meldung statt EingriffCross-Platform
Forschung auf derselben Basis
Neben dem Tagesgeschäft laufen eigene Forschungs- und Entwicklungsprojekte auf neurowissenschaftlicher Grundlage, von der Signalerfassung über die Elektronik bis zum Gerät. Dieselbe Infrastruktur trägt sie: Literaturrecherche über eigene und externe Quellen, Auswertung von Messdaten, Schaltungs- und Platinenentwurf mit KI-Unterstützung, Fertigungsunterlagen und Entscheidungen in derselben Wissensbasis wie Buchhaltung und Support. Dieselbe Wissensbasis, die die Buchhaltung trägt, steht der Entwicklung zur Verfügung. Das ist der eigentliche Hebel für ein kleines Team: Forschung wird möglich, weil das Tagesgeschäft nicht mehr alle Kapazität frisst.
Ausblick
Dieselbe Plattform für andere Unternehmen
Was hier für einen Medizinproduktehersteller gebaut wurde, ist nicht produktspezifisch: ein Unternehmensgedächtnis im eigenen Haus, ein Support-System auf eigenem Fachwissen, eine Buchhaltung, die Auffälligkeiten meldet, eine Regulatorik-Pipeline aus dem ERP heraus. Die Architektur wächst auf zwei Achsen: mehr Anwendungen auf derselben Plattform, mehr Mandanten auf derselben Infrastruktur. Die Fragen sind in jedem Betrieb dieselben: Wo liegen die Daten, was kostet der Betrieb, wie kommt das eigene Wissen hinein. Wir haben sie für uns beantwortet und stellen die Antwort anderen zur Verfügung.
In Planung
Lokale Rechenkapazität in Unna. Eigene Hardware am Standort, deren freie Kapazität anderen Unternehmen als datenschutzgerechte Inferenz zur Verfügung steht: ohne Cloud-Anbieter außerhalb der EU, mit Auftragsverarbeitungsvertrag, mit derselben Registry, die die Plattform heute steuert. Der Gedanke dahinter: Eine Grafikkarte, die ein Betrieb allein kauft, steht die meiste Zeit still. Teilen sich mehrere Unternehmen die Anschaffung, verteilt die Registry die Rechenkapazität dorthin, wo sie gerade gebraucht wird, und jeder zahlt nur seinen Anteil an Hardware, die tatsächlich ausgelastet ist. Mandanten bleiben getrennt, jeder Datenbereich ist mit eigenem Schlüssel verschlüsselt, der Verkehr dorthin ebenso, und die Daten verlassen den Standort nicht. Verarbeitung am Standort in Deutschland, ohne Transfer in Drittländer.
Plattform als Angebot. Einbettung, Reranking, Texterkennung, Transkription, Wissensbasis und Inferenz-Gateway als gemeinsam genutzte Infrastruktur, Wissensbasis und Freigabeprozesse pro Mandant getrennt.
KI-integriertes ERP. Weil gewachsene Standardsysteme für vieles zu starr sind, entsteht ein eigenes ERP, in dem Erkennung, Zuordnung und Vorschläge direkt in den Vorgängen sitzen und die Freigabe im selben Bildschirm passiert. Deterministische Abläufe bleiben deterministisch, KI sitzt als Adapter dort, wo interpretiert werden muss. Praxiseinsatz ab 2027.
Unser Angebot
Aufbau und Integration. Wir erschließen Ihr Unternehmenswissen und verbinden KI-Agenten mit Ihren Datenquellen und Geschäftsprozessen. Ihre Systeme bleiben, sie werden angeschlossen.
Hosting und gemeinsamer Betrieb. Ihre Modelle und Wissensdatenbanken laufen auf eigener, kundeneigener oder gemeinsam genutzter Infrastruktur, mit getrennten Datenbereichen, eigenen Zugriffsrechten und Auftragsverarbeitungsvertrag.
Betreuung und Weiterentwicklung. Überwachung, Modellpflege, Aktualisierung der Wissensbasis, Unterstützung bei Störungen, neue Werkzeuge nach Bedarf.
Der Einstieg ist ein abgegrenzter Pilot: ein Prozess, eine Wissensbasis, vier Wochen. Danach sehen Sie Qualität, Zeitgewinn und Betriebskosten an Ihren eigenen Daten und entscheiden auf dieser Grundlage über den Ausbau.
Was zum Betrieb dazugehört
Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit benannten Unterauftragsverarbeitern und technischen und organisatorischen Maßnahmen als Anlage. Verarbeitung in Deutschland. Verschlüsselung der Datenbereiche und der Verbindungen, getrennte Schlüssel je Mandant. Rollen- und Rechtekonzept, protokollierte Zugriffe. Vereinbarte Löschfristen, Löschung auch aus Index und Sicherungen, Rückgabe und Löschung bei Vertragsende. Unterstützung bei Auskunfts- und Löschersuchen. Meldewege bei Sicherheitsvorfällen. Einordnung des Anwendungsfalls nach der KI-Verordnung und Kennzeichnung KI-gestützter Ausgaben.