KI-Implementierungen
Ein Chatbot, der auf der Grundlage Ihres Wissens (RAG) reagiert und sich nichts ausdenkt. Klassifizierung von E-Mails und Leads. Lesen von Rechnungen und Dokumenten. Wir bauen auf Ihren Daten auf, hosten sie, wo immer Sie wollen, und zeigen einen funktionierenden Prototypen, bevor Sie die zweite Rate bezahlen.
Wenn Sie mindestens zwei davon kennen, ist es sinnvoll, über die Implementierung von KI zu sprechen.
01
Der Verkäufer weiß nicht, ob dieses Produkt zu dieser Maschine passt, also ruft er den Techniker an. Das Onboarding einer neuen Person dauert Monate, da das Wissen nicht an einem Ort ist. Der RAG-Assistent antwortet in Sekundenschnelle mit Ihren Dokumenten, mit einem Link zur Quelle, nicht mit Erfindungen.
02
Das contact@-Postfach ist eine Tasche: Anfrage, Beschwerde, Rechnung, Spam. Jemand liest es und schickt es herum. Die KI-Klassifizierung identifiziert und leitet den Bericht sofort an die richtige Person oder an eine Maschine weiter, ohne auf die morgendliche Posteingangsprüfung warten zu müssen.
03
Rechnungen, Bestellungen, Spezifikationen, Verträge. Jemand öffnet das PDF und kopiert die Daten in das System. KI liest das Dokument, extrahiert Felder (Steueridentifikationsnummer, Beträge, Artikel) und gibt es nur dann zur Validierung an einen Menschen weiter, wenn es nicht sicher ist. Weniger Umschreiben, weniger Tippfehler.
04
Ein fertiger Chatbot kennt Ihre Preisliste, Abläufe oder Kundenhistorie nicht und gibt daher Unwahrheiten in einem selbstbewussten Ton wieder. RAG verbindet das Modelll mit Ihrer Wissensdatenbank: Es reagiert nur auf das, was Sie haben, und wenn es nichts weiß, sagt es, dass es nichts weiß.
Ein funktionierender Prototyp Ihrer Daten, bevor wir eine Zeile Produktionscode schreiben. Zahlung aufgeteilt in vier Raten.
Woche 1
Was soll KI tun, mit welchen Daten, wo sind diese Daten (PDF, Datenbank, CRM, E-Mails). Wir definieren einen spezifischen Anwendungsfall für das MVP und lassen den Rest beiseite. Wir prüfen die DSGVO-Anforderungen und ob Daten über Ihren Server hinausgehen dürfen. Anzahlung: 30 %.
Woche 2-3
Auswahl des Modellls (Cloud oder eigener Server), RAG-Architektur, Methode zur Messung der Antwortqualität. Anklickbarer Prototyp auf einem Muster Ihrer echten Dokumente. Sie sehen, wie er antwortet, bevor Sie sich für den vollständigen Bauen entscheiden.
Ende der 3. Woche
Sie beurteilen die Qualität der Antworten anhand realer Fragen. Ohne Genehmigung beginnen wir nicht mit dem Aufbau des MVP. Nach Genehmigung: weitere 30 %.
Woche 4-7
Der komplette Prozess: Datenaufbereitung, Indizierung, Halluzinationskontrolle, Panel oder Integration in Ihr System. Tests Ihrer Daten mit Genauigkeitsmessung. Jede Woche wird eine funktionierende Version gezeigt. Nach MVP-Veröffentlichung: weitere 30 %.
Woche 8
Migration zur Produktion, Qualitäts- und Kostenüberwachung (wie viele Abfragen, wie viel kosten sie, wo ist das Modelll falsch). Dokumentation auf Polnisch und Übergabe an das Team. Nach der Implementierung: letzte 10 %.
Der neue Verkäufer fragt den Assistenten, anstatt den Techniker zu unterbrechen. Der Kunde erhält eine Antwort im Chat, anstatt auf eine E-Mail zu warten. Das Wissen des Unternehmens ist nicht mehr in den Köpfen dreier Urlauber gefangen.
RAG erfindet nichts. Jede Antwort identifiziert das Dokument, aus dem sie stammt, sodass Sie es überprüfen können. Wenn ein Modelll keine Grundlage in Ihren Daten hat, sagt es, dass es es nicht weiß, anstatt wahrscheinlich eine Unwahrheit zu liefern.
Rechnungen, Bestellungen und E-Mails werden Automatisch gelesen, Daten werden in das System extrahiert, ein Mensch greift nur in unsicheren Fällen ein. Mit dem gleichen Personal bearbeiten Sie ein größeres Volumen.
Sie sehen, wie viele Anfragen es gibt und wie viel diese kosten. Modelllieren Sie auf Ihrem Server, wenn Daten nicht außerhalb des Unternehmens gelangen können. Ohne Abhängigkeit von einem Lieferanten wechseln wir bei Preis- oder Richtlinienänderungen zu einem anderen Modelll.
Cursor und Claude in der Entwicklung, KI in der Content-Pipeline, Lead-Klassifizierung und Qualitätskontrolle. Wir verkaufen nichts, was wir nicht jeden Tag nutzen.
JSON Crew · eigene Prozesse
KI-zuerst
Wir schreiben Code in Cursor und Claude, generieren und kontrollieren die Qualität von Inhalten, klassifizieren und bewerten Leads und führen Recherchen durch. Wir wissen, wo KI die Arbeit wirklich verkürzt und wo sie nur auf der Folie beeindruckend aussieht. Dieses Wissen übertragen wir auf Ihren Fall.
KG Elektronik · Kesselhersteller
12 000
Telemetrie-Backend: 12.000 Geräte senden Daten, das System aggregiert und alarmiert. Es ist kein RAG, aber es ist ein Beweis dafür, dass wir Daten in großem Maßstab nutzen und sie 18 Monate lang in der Produktion halten können. KI sitzt auf einer solchen Datenschicht.
Sehen Sie sich den vollständigen Fall anAutomatisierungen · verbundener Service
n8n + KI
Oft ist KI ein Element eines größeren Prozesses: der E-Mail-Klassifizierung, und dann sendet die Maschine sie weiter. Wenn das Hauptziel darin besteht, sich wiederholende Aufgaben zu Automatisieren, beginnen Sie mit der Automatisierung. Wir werden KI dort hinzufügen, wo es sinnvoll ist.
Siehe AutomatisierungenZwei Wege, zwei unterschiedliche Unternehmensprofile.
Bereiter Chatbot / SaaS-KI
Dediziertes RAG auf Ihrem eigenen Server
Für eine einfache Häufig gestellte Fragen reicht ein fertiger Chatbot. Eine dedizierte Implementierung erfolgt, wenn die Antworten auf Ihrem Wissen basieren müssen, die Daten vertraulich sind oder die KI Teil des Prozesses sein soll und kein Widget in der Ecke der Seite.
Was passiert nach der Implementierung und wer wir sind.
Nach der Umsetzung
Optionale Pakete. Die Details besprechen wir im Gespräch nach der Umsetzung.
Überprüfen Sie auch
30 Sekunden bei JSON Crew
Softwarehaus mit einer Nische in der digitalen Transformation des B2B-Vertriebs. Produktkonfiguratoren, Panels, Automatisierung und KI für den Verkaufsprozess und -betrieb. Drei Hauptfallstudien (Akpil, Sumpf, interne JSON-Hub-Plattform) und Portfolio-Implementierungen (KG Elektronik, Metalldächer, Wärmerückgewinnungszentrum, Modulhäuser).
RAG (Retrieval-Augmented Generation) verbindet das SprachModellll mit Ihrer Wissensdatenbank. Anstatt mit allgemeinem Wissen aus dem Internet zu antworten, durchsucht das Modelll zunächst Ihre Dokumente und antwortet dann nur darauf basierend mit einem Link zur Quelle. Dadurch kennt er Ihre Preisliste und Ihre Verfahren, und wenn es keine Datengrundlage gibt, sagt er, er wisse es nicht, anstatt etwas zu erfinden.
Halluzinationen können zwar nicht beseitigt, aber eingegrenzt und erkannt werden. Wir verwenden RAG (quellenbasierte Antworten), erzwingen Dokumentzitate, messen die Genauigkeit Ihrer echten Fragen und legen einen Schwellenwert fest, unterhalb dessen das Modelll sagt, dass es nichts weiß, anstatt zu raten. Sie beurteilen die Qualität des Prototyps, bevor Sie die gesamte Konstruktion bezahlen.
Hängt von den Anforderungen ab. Wenn die Daten vertraulich sind (DSGVO, persönliche Daten, Finanzen), platzieren wir das Modelll auf Ihrem Server und die Daten gehen nicht nach außen. Wenn keine derartigen Einschränkungen bestehen, nutzen wir Cloud-Modellle, die günstiger und schneller sind. Die Entscheidung treffen wir im ersten Schritt, der Datenüberlassungsvertrag wird vor Beginn unterzeichnet.
Wir passen die Aufgabe, das Budget und die DSGVO-Anforderungen an, nicht umgekehrt. Cloud-Modellle (z. B. Claude, GPT), wenn Qualität zählt und es keine Datenbeschränkungen gibt. Offene Modellle, die auf Ihrem Server abgelegt werden, wenn die Daten bei Ihnen bleiben müssen oder das Volumen groß ist. Die Architektur ist so aufgebaut, dass es möglich ist, das Modelll zu ändern, wenn sich Preise oder die Richtlinien des Lieferanten ändern.
Einzelbewertung nach Festlegung des Umfangs im ersten Schritt. Festpreis nach Definition des Anwendungsfalls, Zeitplanen 30 / 30 / 30 / 10. Einen einfachen Häufig gestellte Fragen-Assistenten auf vorgefertigte Dokumente berechnen wir separat, günstiger als eine vollständige Implementierung mit Integration in das System. Hinzu kommen die Kosten für die Abfrage des Modellls, die wir im Vorfeld aufzeigen und nach der Umsetzung überwachen.
Dies ist eine normale Situation, kein Hindernis. Der erste Schritt ist eine Datenüberprüfung: Was haben Sie, in welchem Zustand ist es, was muss vor der Indizierung sortiert werden. Manchmal reicht für MVP eine Auswahl wichtiger Dokumente aus, den Rest fügen wir später hinzu. Wenn es nicht genügend Daten gibt, damit die KI einen Sinn ergibt, sagen wir das direkt, anstatt das Projekt mit Gewalt zu übernehmen.
Beschreiben Sie, was die KI tun soll und mit welchen Daten sie arbeiten soll. Wir werden innerhalb des nächsten WerkTages antworten.
