KI, die im Betrieb läuft — nicht nur in der Demo.

Das hängt vom Use-Case ab — ein einzelner n8n-Workflow ist schnell umgesetzt, ein RAG-Chatbot auf großen Dokumentbeständen aufwändiger. Wir arbeiten audit-first: Im Use-Case-Audit prüfen wir, was sich wirklich lohnt, und du bekommst ein Festpreis-Angebot, bevor gebaut wird.

Retrieval-Augmented Generation kombiniert ein Sprachmodell wie Claude mit deinen eigenen Dokumenten. Der Chatbot durchsucht deine Handbücher, Tickets und Wissensdatenbanken und antwortet auf deren Basis — mit Quellenangabe und deutlich weniger Halluzinationen als ein frei antwortender Bot.

Ja, das ist der Kern unseres Ansatzes. Wir hosten n8n self-hosted in der EU, ziehen klare Datengrenzen und schließen die nötigen AV-Verträge. Auf Wunsch nutzen wir lokale oder europäische Modelle statt einer Anbindung an US-Anbieter.

Nein. Über die geschäftlichen API-Zugänge werden deine Inhalte nicht zum Training der Modelle verwendet. Wir konfigurieren die Anbindung so, dass deine Daten nur für die jeweilige Anfrage verarbeitet werden.

Die Automatisierungsschicht (n8n) betreiben wir self-hosted in der EU. Für die Modell-Anbindung wählen wir je nach Anforderung EU-Datenresidenz oder europäische bzw. lokale Modelle. So behältst du die Kontrolle, wohin Daten fließen.

Typisch sind Wissens-Chats auf der eigenen Doku, Mail-Triage und Ticket-Routing, Lead-Scoring direkt im Formular sowie die Extraktion strukturierter Daten aus Rechnungen, PDFs und E-Mails. Im Audit priorisieren wir die Use-Cases mit dem besten Aufwand-Nutzen-Verhältnis.

Ein klassischer Chatbot beantwortet einzelne Fragen. Ein KI-Agent kann mehrschrittige Aufgaben erledigen, Tools und APIs aufrufen und Entscheidungen entlang klarer Leitplanken treffen — etwa eine Anfrage prüfen, Daten nachschlagen und eine Aktion auslösen.

Weil sie als beeindruckendes Demo starten, aber Datengrenzen, Qualitätsmessung und Integration in bestehende Systeme fehlen. Genau dort setzt unser Audit an: Wir priorisieren betreibbare Use-Cases statt Hype und bauen von Tag eins auf Produktion.

Ein klar umrissener Workflow ist oft in wenigen Tagen produktiv; ein RAG-Setup oder ein Agent mit mehreren Integrationen braucht entsprechend länger. Wir starten mit einem kleinen, messbaren Proof of Concept auf echten Daten.

Sobald personenbezogene Daten verarbeitet werden, ja. Wir unterstützen bei den nötigen AV-Verträgen mit den eingesetzten Anbietern und richten die Verarbeitung DSGVO-konform ein.

Genau dafür baue ich jedes Projekt übergabefähig: Standard-Stack statt Exoten, sauberer und getesteter Code, dokumentierte Architektur und Deployment — und das Repository gehört dir. Jeder kompetente Entwickler kann ohne mich weitermachen. Du bist nie an eine einzelne Person gekettet.

Nein. Das Projekt wird in Meilensteine mit festem Umfang und festem Preis geschnitten. Du zahlst pro Meilenstein, bekommst nach jedem ein lauffähiges Ergebnis und entscheidest, ob es weitergeht. Kein offenes Stundenfass, keine Überraschung auf der Rechnung.

Oft schneller. Kein Abstimmungs-Overhead, kein Ticket-Pingpong, keine Reibungsverluste zwischen Junior und Senior — du sprichst direkt mit der Person, die baut. Wird der Umfang größer, ziehe ich punktuell geprüfte Partner hinzu, immer transparent abgestimmt.

Dann nimmst du Code, Doku und alle Zugänge mit — es gehört ohnehin dir. Ich baue bewusst keine Abhängigkeit ein, die dich bindet. Wer gute Arbeit liefert, braucht keinen Knebelvertrag.

Das klären wir vor dem Bau, nicht danach. Wir starten mit einem konkreten Use-Case, an dem sich der Nutzen messen lässt — etwa ein Wissens-Chat auf euren Dokumenten. Lohnt es sich nicht, sage ich das offen, statt ein Projekt zu verkaufen, das versandet.