Wo Sie täglich Zeit verlieren.

Wir setzen auf Open-Source-Modelle wie Llama, Qwen oder Mistral, betrieben über Ollama auf Ihrer eigenen Hardware oder einem EU-Server (Hetzner, Contabo, OVH). Kein Modell-Anbieter sieht Ihre Daten, und es entstehen keine API-Kosten pro Anfrage. Sie behalten die volle Kontrolle über Versionierung und Aktualisierungen.

Drei Unterschiede: (1) Datenhoheit: Ihre Prompts und Antworten bleiben auf Ihrer Infrastruktur, was für DSGVO Art. 32 und NIS2 relevant ist. (2) Kosten: keine Pay-per-Token-Abrechnung, sondern ein vorhersehbarer Hosting-Preis. (3) Verfügbarkeit: kein Rate-Limit, keine Provider-Ausfälle. Trade-off: laufende Wartung der Modelle und der Hardware liegt bei Ihrem Team oder bei uns im Betrieb (490 €/Monat mit privatem Modell).

Wir docken über die Standard-APIs an: Freshdesk, Zendesk, HubSpot, Zammad, OTRS oder ein selbstgehostetes Helpdesk. Eingehende Tickets werden klassifiziert, vorqualifiziert und mit Vorschlagsantworten angereichert, bevor sie Ihrem Team zugewiesen werden. Die KI ersetzt keinen Support-Mitarbeiter — sie nimmt den ersten Lese- und Sortieraufwand ab.

Alle Modell-Antworten laufen durch einen Sprachfilter, der explizit auf Sie-Form und DACH-typische Geschäftssprache prüft. Das System lehnt Antworten ab, die "du" enthalten oder zu locker formuliert sind, und fordert eine neue Generierung an. Im Produktionsbetrieb erreichen wir damit über 99% Sie-Form-Treue.

Der Workflow läuft in drei Schritten: (1) Die Rechnung kommt per E-Mail oder Upload herein, ein OCR-Schritt (Tesseract oder PaddleOCR auf Ihrer Infrastruktur) liest IBAN, Betrag, UID und Rechnungsnummer aus. (2) Die Felder werden gegen Ihren Kontenplan und offene Bestellungen validiert. (3) Über die BMD-Schnittstelle bzw. einen n8n-Workflow wird ein Buchungsvorschlag in BMD angelegt — Ihr Team gibt ihn frei, bevor er verbucht wird. Kein manuelles Abtippen, vollständiger GoBD-konformer Audit-Trail. Derselbe Ablauf funktioniert mit DATEV, sevDesk oder lexoffice.

PDF, DOCX, XLSX, Bilder mit OCR (über Tesseract oder PaddleOCR auf Ihrer Infrastruktur), gescannte Verträge, Rechnungen, Lieferscheine und strukturierte Formulare. Die Extraktion läuft über RAG-Pipelines mit Vektordatenbank (pgvector oder Qdrant), sodass auch große Archive (>100k Dokumente) durchsuchbar bleiben.

Ja. Im Sovereign-Setup bleiben die Dokumente und ihre Embeddings auf Ihren Servern. Die KI-Modelle laufen on-prem oder im EU-Hosting, und die Vektordatenbank liegt entweder in Ihrem PostgreSQL oder einem dedizierten Qdrant-Container. Wo wir personenbezogene Daten verarbeiten, schließen wir einen Auftragsverarbeitungsvertrag ab (Art. 28 DSGVO).

Öffentliche Quellen wie Firmenwebsites, LinkedIn (über offizielle APIs oder DSGVO-konforme Scraper wie Apify), Northdata, Handelsregister, Crunchbase und branchenspezifische Verzeichnisse. Jede Quelle wird mit Lawful-Basis-Begründung (Art. 6 Abs. 1 lit. f DSGVO) dokumentiert. Wir kaufen keine Adresslisten und arbeiten nicht mit DSGVO-grauen Lead-Providern.

Anfangs auf 30–50 historischen Deals: Sie markieren gewonnene und verlorene Abschlüsse, das System extrahiert Muster (Firmengröße, Branche, Tech-Stack, Region). Nach 2–3 Monaten produktivem Betrieb läuft kontinuierliches Re-Training auf Ihren CRM-Daten. Alle Scoring-Entscheidungen sind erklärbar — keine Black-Box, sondern eine nachvollziehbare Feature-Gewichtung.

Metabase, Apache Superset und Grafana als Open-Source-Optionen; Power BI, Tableau, Looker als kommerzielle Optionen. Die KI-Schicht sitzt zwischen Datenquellen (PostgreSQL, SAP, BMD, Salesforce, etc.) und dem Reporting-Tool: sie konsolidiert, dedupliziert und reichert Daten an, bevor sie im Dashboard landen.

Ja, in voller DACH-Geschäftssprache. Die Modelle werden mit deutschen Reports trainiert und können Wochen- oder Monats-Summaries in der Tonalität Ihres Hauses generieren, vom Vorstands-Briefing bis zum Team-Newsletter. Die generierten Texte gehen vor Versand durch einen Review-Schritt (Slack-Approval oder E-Mail-Freigabe).