KI Integration für Unternehmen

Die meisten Projekte zur KI Integration scheitern nicht am Modell, sondern an den Entscheidungen drumherum: welcher Datensatz wann an das Modell geht, wohin die Antwort geschrieben wird, auf wessen Tisch eine falsche Antwort landet und welcher Funktion die Kosten zugeordnet werden. Dieser Leitfaden führt Geschäftsführung und Softwareverantwortliche durch diese Entscheidungen in der Reihenfolge, in der sie anfallen, und erklärt Fachbegriffe jeweils kurz.

Er soll Ihnen die Entscheidung erleichtern, nicht einen Anbieter oder ein Werkzeug empfehlen. Jeder Abschnitt hinterlässt eine Prüfliste, ein Kriterium oder eine konkrete Frage, die Sie jedem Dienstleister stellen können. Die Fälle, in denen sich eine KI Integration nicht lohnt, bekommen genauso viel Raum wie die, in denen sie sich lohnt.

01Integration, Chatlizenz oder Automatisierungswerkzeug?

Der richtige Weg hängt davon ab, wie oft sich eine Aufgabe wiederholt, auf welche Daten sie angewiesen ist und wo das Ergebnis landen muss. Die drei Optionen schließen sich nicht aus; das Marketing kann mit einer Unternehmenslizenz für einen Chatassistenten arbeiten, während in der Buchhaltung eine eingebettete Integration läuft. Listen Sie die wiederkehrenden Handarbeiten des letzten Monats auf und stellen Sie zu jeder vier Fragen.

• Häufigkeit: Ein paar Mal pro Woche oder hunderte Male am Tag? Seltene Aufgaben rechtfertigen keinen Aufbau und keine Pflege einer Integration.
• Datenquelle: Braucht ein richtiges Ergebnis Lagerbestand, Verträge oder Kundenhistorie aus Ihren Systemen? Wenn nicht, reichen fertige Werkzeuge meist aus.
• Ziel des Ergebnisses: Liest ein Mensch die Ausgabe, oder muss sie in ein Feld, einen Status oder einen Datensatz geschrieben werden? Das Zurückschreiben ist der stärkste Grund für eine Integration.
• Wartetoleranz: Wartet ein Nutzer vor der Maske auf das Ergebnis, müssen Verzögerungen und Fehler in der Anwendung selbst abgefangen werden.

Reicht es, zwei Systeme von außen zu verbinden, etwa einen neuen Formulareintrag in eine Tabelle zu übertragen und mit einem einzigen Modellaufruf zu verschlagworten, ist Workflow Automatisierung der schnellere Einstieg. Eine Integration lohnt sich, wenn das Ergebnis nach den Regeln Ihrer Software am selben Ort geprüft werden muss: dasselbe Rechtemodell, dieselbe Änderungshistorie, dieselbe Datenbanktransaktion.

02Erste Integrationspunkte nach Unternehmensart

Der erste Integrationspunkt sollte die Maske sein, in der Ihr Team täglich dieselbe Art Text liest und dieselben Felder von Hand ausfüllt; welche das ist, hängt vom Geschäftsmodell ab. Die folgenden Beispiele sind keine Kundenprojekte, sondern Startpunkte aus typischen Geschäftsmodellen.

• SaaS Produkt: Aus einer langen Kontohistorie eine kurze Statusnotiz erzeugen oder Berichte in natürlicher Sprache filtern lassen; die Funktion wird je Tarif freigeschaltet, Nutzungsgrenzen folgen dem Abonnement.
• Großhandel: Bestellungen, die per E-Mail oder als PDF eintreffen, lesen, Artikelnummer, Menge und Liefertermin auslesen und im ERP einen Auftragsentwurf anlegen; unbekannte Artikelnummern gehen in eine Prüfliste.
• Onlinehandel: Unordentliche Lieferantenlisten in eine einheitliche Merkmalstabelle überführen und frei formulierte Retourengründe in auswertbare Kategorien sortieren.
• Dienstleister und Kanzleien: Eingehende Anfragen nach Leistungsbereich und Dringlichkeit einordnen, der zuständigen Person zuweisen und vor einem Angebot fehlende Angaben auflisten.
• Produktion und Service: Fehlerbeschreibungen aus Serviceberichten standardisierten Fehlercodes zuordnen, damit wiederkehrende Probleme endlich in Auswertungen auftauchen.

Bei dokumentlastiger Arbeit wie Rechnungen, Lieferscheinen oder Verträgen kommen Scanqualität und Tabellenlayout als eigene Themen hinzu; dafür lohnt ein Blick auf KI Dokumentenverarbeitung. Wählen Sie für den Anfang eine Aufgabe, bei der ein Fehler leicht zu korrigieren ist, das Volumen hoch ist und das richtige Ergebnis aus alten Datensätzen bereits bekannt ist.

03Live Aufruf oder Warteschlange: die Grundentscheidung

Die erste Architekturfrage lautet, ob das Modell antwortet, während ein Nutzer wartet, oder im Hintergrund; Zeitlimits, Fehlermeldungen und Kostenkontrolle ergeben sich daraus. Beim synchronen Aufruf klickt der Nutzer und wartet in derselben Maske auf die Antwort. Beim asynchronen Aufbau landet die Aufgabe in einer Warteschlange, ein Hintergrundprozess bearbeitet sie, schreibt das Ergebnis in den Datensatz und benachrichtigt den Nutzer.

• Live Aufruf passt: Bei Entwürfen, kurzen Zusammenfassungen und Suche in natürlicher Sprache, wo der Nutzer das Ergebnis sofort sieht und bearbeitet. Eine schrittweise eingeblendete Antwort verkürzt die gefühlte Wartezeit.
• Warteschlange passt: Beim Lesen eingehender E-Mails, bei Produkttexten im Stapel oder nächtlicher Klassifizierung, wenn niemand vor der Maske wartet. Eine Aufgabe, die an ein Ratenlimit stößt, wird erneut versucht statt verloren.
• Schutz vor Doppelungen: Ein Netzwerkfehler kann eine Aufgabe zweimal senden. Jede Aufgabe trägt daher einen eindeutigen Schlüssel, der vor dem Schreiben geprüft wird; derselbe Auftrag entsteht nie doppelt.
• Zeitlimit: Jeder Aufruf hat eine Obergrenze. Ist sie erreicht, übernimmt ein zweites Modell, oder die Maske überspringt den Vorschlag und kehrt zum normalen Ablauf zurück.

Diese Regeln liegen in einem kleinen Dienst zwischen Anwendung und Modell. So nutzen App, Verwaltungsbackend und Hintergrundjobs dieselben Regeln, und eine Änderung erfolgt an einer Stelle. Kann Ihre heutige Software das Modul nicht aufnehmen, das diesen Dienst aufruft, planen wir es im Rahmen der individuellen Softwareentwicklung.

04Datenquellen, Anbindungswege und Kontext

Das Modell ist nur so genau wie die Daten, die es in passender Form und zum richtigen Zeitpunkt erhält. Vor dem Bau wird für jede Datenquelle festgehalten, wie man sie erreicht, wie aktuell sie ist und welche Felder personenbezogene Daten enthalten.

• Offizielle API: Der sauberste Weg. Ein Benutzer oder Schlüssel mit engen Rechten wird angelegt, genutzt werden nur die nötigen Endpunkte.
• Webhook: Das System meldet, wenn ein neuer Datensatz entsteht; die Integration fängt das Ereignis ab und legt es in die Warteschlange.
• Lesende Datenbankkopie: Ohne API wird nicht die Produktivdatenbank angebunden, sondern eine davon gespeiste Lesekopie; der Livebetrieb bleibt unberührt.
• Dateien und Postfächer: Exportierte CSV Dateien oder das Postfach, in dem Bestellungen eintreffen; langsamer, bei älteren Systemen aber oft der einzige Weg.

Kontext ist der gesamte Text, den das Modell bei einem Aufruf sieht. Die komplette Kundenhistorie mitzuschicken erhöht Kosten und Fehlerrisiko; stattdessen gehen ausgewählte Teile mit, etwa die letzten Vorgänge, die passende Produktkarte und eine Regelliste. Liegt Wissen in tausenden Dokumenten, werden diese in Abschnitte zerlegt und nach Bedeutung durchsucht, man spricht von Vektorsuche.

OWASP führt Schwächen dieser Suche als eigenes Risiko. Suchergebnisse müssen deshalb die Rechte des Nutzers beachten: Wer einen Vertrag nicht öffnen darf, darf ihn auch nicht über die Antwort des Modells zu sehen bekommen.

05Modellwahl und Betriebsort

Das Modell wird nach Genauigkeit bei Ihrer Aufgabe, Antwortzeit, Kosten pro Aufruf und Datenbedingungen ausgewählt, nicht nach Marke; alle vier Werte stehen im Bewertungssatz nebeneinander. Für enge Aufgaben wie Klassifizierung und Feldauslese reichen kleine, schnelle Modelle oft aus, für mehrstufiges Schlussfolgern oder den Vergleich langer Dokumente werden größere Modelle getestet.

Ein leichtes Modell kann auch die Vorsortierung übernehmen und nur unsichere Datensätze an ein stärkeres weitergeben. Beim Betrieb gibt es drei Hauptwege:

• Direkte API des Anbieters: Schnell eingerichtet, Modellpflege übernimmt der Anbieter; Bedingungen zu Verarbeitung und Speicherung werden schriftlich im Vertrag geprüft.
• Modelle über Ihre Cloudplattform: Manche Unternehmen betreiben Modelle im vorhandenen Cloudkonto in einer selbst gewählten Region, sodass Abrechnung und Zugriffsrechte in der bestehenden Kontostruktur bleiben.
• Offenes Modell auf eigenem Server: Die Daten verlassen das Haus nicht, dafür liegen Hardware, Updates und Überwachung bei Ihnen. Was das bedeutet, beschreibt unsere Seite zur lokalen LLM Installation.

Rechnen Sie in jedem Fall damit, dass Anbieter ältere Modelle ab einem Stichtag abschalten. Steht der Modellname in den Einstellungen der Anbieterschicht statt im Code, wird der Wechsel zur Konfigurationsänderung; das neue Modell durchläuft vor dem Livegang denselben Bewertungssatz.

06Aufgabenbeschreibung, Prompt und Ausgabeschema

Verlässlich arbeitet eine Integration erst, wenn Sie so klar aufschreiben, was Sie vom Modell erwarten, wie Sie es einer neuen Mitarbeiterin erklären würden. Diese Beschreibung hat drei Teile: die Aufgabe, den Prompt, also den Anweisungstext an das Modell, und das Ausgabeschema, also die Vorlage, welche Felder in welchem Typ zurückkommen.

Für einen Großhändler, der eine eingehende Bestellung per E-Mail in einen Auftragsentwurf verwandeln will, könnte das so aussehen:

• Eingabe: Text der Nachricht, Kundennummer des Absenders und die Artikelliste aus dessen letzten Bestellungen.
• Ausgabefelder: Artikelnummer, Menge, Einheit, gewünschter Liefertermin und eine Unsicherheitsmarke für Zeilen, bei denen das Modell nicht sicher ist.
• Annahmeregel: Fehlt die Artikelnummer im Katalog oder ist die Menge keine Zahl, wird verworfen; ein Datum in der Vergangenheit führt in die Prüfliste.
• Ablehnungsfall: Ist die Nachricht eine Beschwerde statt einer Bestellung, sagt das Modell das und füllt keine Auftragsfelder aus.

Der Prompt liegt in der Versionsverwaltung neben dem Code. API Schlüssel, interne Preisregeln oder Geheimnisse gehören nicht hinein, denn OWASP zählt das Durchsickern des Systemprompts als eigenes Risiko, und Nutzer können ein Modell dazu bringen, diesen Text preiszugeben.

Funktionen für strukturierte Ausgabe, die Anbieter bereitstellen, erleichtern die Einhaltung des Schemas deutlich. Eine Antwort kann aber formal passen und inhaltlich falsch sein; deshalb laufen Prüfungen nach Geschäftsregeln zusätzlich.

07Freigabe durch Menschen und Protokollierung

Eine Freigabe gehört zu Aktionen, deren Schaden sich nicht rückgängig machen lässt, nicht zu jeder Ausgabe; sonst ertrinkt das Team in der Prüfmaske und gibt bald ungelesen frei. Deshalb wird jede Aktion der Integration einer Risikostufe zugeordnet.

• Lesen und vorschlagen: Das Modell zeigt einen Vorschlag, der Nutzer übernimmt oder ändert ihn; eine eigene Freigabe ist nicht nötig.
• Entwürfe anlegen: Ein Datensatz entsteht im Entwurfsstatus; Veröffentlichen oder Versenden bleibt beim Menschen.
• Interne Felder ändern: Umkehrbare Felder wie Schlagworte, Kategorie oder Priorität dürfen automatisch geschrieben werden, mit vollständiger Änderungshistorie.
• Wirkung nach außen: Versand an Kunden, Zahlungen, Erstattungen, Löschungen und Preisänderungen brauchen immer die Freigabe einer berechtigten Person.

Jeder Aufruf protokolliert Auslöser, Modell und Promptversion, Dauer, Tokenzahl, Ergebnis der Schemaprüfung und was der Nutzer mit dem Vorschlag gemacht hat. Wird auch der Rohtext gespeichert, bleibt die Frist kurz und personenbezogene Felder werden maskiert.

Da solche Protokolle das Verhalten von Beschäftigten erfassen, prüfen Sie bei vorhandenem Betriebsrat das Mitbestimmungsrecht nach § 87 Abs. 1 Nr. 6 BetrVG für technische Einrichtungen, die zur Überwachung von Verhalten oder Leistung bestimmt sind. Die Prüfmaske zeigt außerdem die Quelle des Vorschlags, etwa die Zeile der Nachricht oder die Produktkarte, damit die Kontrolle echt ist.

08DSGVO, Schweizer Recht und KI Verordnung

Datenschutz ist kein Hinweistext nach dem Start, sondern eine Reihe von Entscheidungen, die beim Zeichnen des Datenflusses fallen. Technische Unterlagen beschleunigen die Prüfung durch Ihre Rechtsberatung; die abschließende Bewertung liegt immer dort.

• Datenverzeichnis: Jedes Feld, das an das Modell geht, wird mit Zweck und Personenbezug erfasst. Namen, Telefonnummern, Ausweisdaten und Adressen werden maskiert oder entfernt, wenn die Aufgabe sie nicht braucht.
• Auftragsverarbeitung: Der Modellanbieter verarbeitet Daten in Ihrem Auftrag, daher ist nach Artikel 28 DSGVO ein Vertrag zur Auftragsverarbeitung nötig.
• Drittlandübermittlung: Stehen die Server außerhalb von EU und EWR, verlangt Kapitel V DSGVO einen Angemessenheitsbeschluss oder Garantien wie Standardvertragsklauseln. Für Unternehmen in der Schweiz gilt das Schweizer Datenschutzgesetz mit eigenen Regeln zur Bekanntgabe ins Ausland.
• Datenschutzhinweise: Sie müssen Empfänger oder Kategorien von Empfängern nennen; ein noch nicht aufgeführter KI Anbieter kann eine Aktualisierung nötig machen.
• Transparenz: Artikel 50 der KI Verordnung verlangt, dass Menschen wissen, wenn sie mit einem KI System interagieren; Ausgaben für Endnutzer werden daher in der Oberfläche gekennzeichnet.

Bei der Anbieterwahl vergleichen wir schriftlich, ob gesendete Daten zum Training genutzt werden, wie lange Protokolle gespeichert bleiben und in welcher Region verarbeitet wird. Daraus entsteht eine einseitige Entscheidungsgrundlage für Rechtsberatung und Informationssicherheit.

09Sicherheitsrisiken und Gegenmaßnahmen

Sobald ein Sprachmodell an Ihre Anwendung angebunden ist, wird jeder Text von außen zu einer Eingabe, die dem Modell Befehle erteilen könnte; das Sicherheitskonzept geht von genau dieser Annahme aus. Die OWASP Liste 2025 für Anwendungen mit großen Sprachmodellen nennt zehn Risiken, die sich als Prüfliste eignen. Für Integrationen zählen vor allem diese:

• Indirekte Prompt Injection: Ein Satz, versteckt in einer Kundennachricht, der das Modell auffordert, frühere Anweisungen zu ignorieren. Gegenmaßnahme: Eingaben gelten als Daten, und die aufrufbaren Aktionen sind von Anfang an eng.
• Unzureichende Behandlung der Ausgabe: Modellausgabe wird als HTML angezeigt oder in eine Abfrage eingesetzt. Gegenmaßnahme: Ausgaben werden immer maskiert und gegen das Schema geprüft.
• Übermäßige Handlungsfreiheit: Das Modell erhält allgemeinen Datenbankzugriff. Gegenmaßnahme: nur definierte Funktionen mit minimalen Rechten.
• Offenlegung sensibler Daten: Der Datensatz eines anderen Kunden rutscht in den Kontext. Gegenmaßnahme: Kontext wird mit den Rechten des anfragenden Nutzers zusammengestellt.
• Unbegrenzter Verbrauch: Eine Fehlerschleife oder ein böswilliger Nutzer erzeugt eine Flut von Aufrufen. Gegenmaßnahme: Ratenlimit je Nutzer, Tokenobergrenze je Aufruf und Tageslimit für Kosten.

Vor dem Start entsteht ein kleiner Angriffssatz mit Eingaben, die die Integration austricksen sollen; er läuft bei jeder Version mit. Gelingt eine dieser Eingaben, wartet die Version, bis die Lücke geschlossen ist.

10Einführung in Stufen und Schattenbetrieb

Wer eine Integration auf einen Schlag für alle freischaltet, verdeckt Risiken; wer Stufe für Stufe misst, macht sie sichtbar. Eine sorgfältige KI Integration folgt etwa dieser Reihenfolge:

1. Analyse: Mit der fachlich verantwortlichen Person werden Aufgabe, Datenverzeichnis und Erfolgsmaß festgehalten, und der heutige Aufwand von Hand wird gemessen.
2. Bewertungssatz: Alte Datensätze mit bekanntem richtigem Ergebnis, auch schwierige Fälle, werden gesammelt und personenbezogene Felder maskiert.
3. Prototyp und Modellvergleich: Zwei oder drei Modelle laufen auf demselben Satz, Genauigkeit, Dauer und Kosten werden nebeneinander berichtet.
4. Schattenbetrieb: Die Integration arbeitet mit Livedaten, ohne dass jemand die Ausgabe sieht; Abweichungen von den echten Entscheidungen des Teams werden einzeln geprüft.
5. Begrenzte Freigabe: Per Funktionsschalter erhalten einige Nutzer oder eine Abteilung Zugang, mit Feedbackknopf und Notschalter.
6. Volle Freigabe und Übergabe: Halten die Schwellenwerte, folgt die Freigabe für alle; Code, Prompts, Schemas und Betriebshandbuch gehen an Ihr Team.

Jede Stufe endet mit einer schriftlichen Entscheidung: weiter, nachbessern oder stoppen. Stagniert die Genauigkeit im Schattenbetrieb, liegt es meist an uneinheitlichen Daten, etwa an Fällen, die zwei Beschäftigte unterschiedlich eingeordnet haben, und nicht am Modell. Diese Beispiele anzusehen spart Zeit, bevor man das Modell tauscht.

11Nutzen messen: Ausgangswert und Geschäftsergebnis

Ohne einen Ausgangswert vor dem Start lässt sich der Nutzen einer KI Integration nicht belegen; die erste Messung erfolgt deshalb in der Analyse, solange noch keine KI im Spiel ist. Einige Wochen lang werden Bearbeitungszeit je Vorgang, Tagesvolumen, wegen Fehlern zurückgegebene Vorgänge und die Wartezeit der Kunden auf eine Antwort notiert.

• Zeit: Bearbeitungszeit je Vorgang von Hand im Vergleich zur Integration, einschließlich der Zeit für die Prüfung des Vorschlags.
• Qualität: Zahl der später korrigierten oder zurückgenommenen Vorgänge; wird es schneller, aber fehlerhafter, ist nichts gewonnen.
• Geschäftsergebnis: Eine Kennzahl, die die Leitung ohnehin verfolgt, etwa Zeit bis zur Auftragsbestätigung, erste Antwortzeit oder veröffentlichte Produkte.
• Kosten: Modell und Infrastrukturkosten je Vorgang, in derselben Tabelle wie der Personalaufwand für dieselbe Arbeit von Hand.

Ein einseitiger Monatsbericht genügt, sofern er mindestens eine Kennzahl zeigt, die sich in die falsche Richtung bewegt; wächst etwa die Prüfliste, ist die Arbeit nur an einen anderen Platz gewandert.

Ist die Annahmequote hoch, bewegt sich das Geschäftsergebnis aber nicht, sitzt die Integration womöglich an der falschen Stelle. Dann lohnt es, den ersten Punkt neu zu durchdenken, bevor ein zweiter eröffnet wird.

12Grenzen, Modellwechsel und Pflege

Sprachmodelle arbeiten mit Wahrscheinlichkeiten; sie können auf dieselbe Eingabe unterschiedlich antworten und falsche Angaben überzeugt formulieren. OWASP führt das als Fehlinformation unter den eigenen Risiken. Diese Grenze lässt sich nicht beseitigen, nur beherrschen; dafür gibt es Schema, Geschäftsregeln, Freigabe und Protokoll.

• Rechnen und feste Regeln: Steuerberechnung, Bestandsabbuchung oder Rabattlogik bleiben nie dem Modell überlassen; das Modell liest Felder aus, die Rechnung macht Ihr Code.
• Updates beim Anbieter: Aktualisierungen unter einem allgemeinen Modellnamen können das Verhalten ändern. Eine fest datierte Modellversion und ein regelmäßig wiederholter Bewertungssatz zeigen solche Abweichungen früh.
• Datenänderungen: Kommen eine neue Produktgruppe, ein neues Formularfeld oder ein neuer Kundentyp hinzu, wandern passende Beispiele in den Bewertungssatz.
• Schleichende Kosten: Eingaben werden mit der Zeit länger, der Kontext wächst; Tokens pro Aufruf stehen deshalb im Monatsbericht.

Pflege heißt mehr, als den Code am Laufen zu halten: Monatsbericht, Aktualisierung des Bewertungssatzes, Beobachtung der Abschaltdaten von Modellen und Auswertung der Ablehnungsgründe in der Prüfliste. Das kann im Pflegeumfang unserer KI Automatisierung laufen oder mit der Übergabe an Ihr Team gehen; wichtig ist, dass die Liste eine verantwortliche Person hat.

13Typische Fehler bei der KI Integration

Diese Fehler begegnen uns in sehr unterschiedlichen Unternehmen immer wieder; zu jedem steht der tragfähigere Weg daneben.

• Mit dem Modell beginnen: Erst wird ein Anbieter gewählt, dann eine Aufgabe gesucht. Besser: die wiederkehrende Handarbeit und ihr Erfolgsmaß aufschreiben und das Modell daran messen.
• Schlüssel im Clientcode: Ein in der App ausgelieferter Schlüssel ist leicht auszulesen. Besser: jeden Aufruf über die Serverschicht führen und Schlüssel regelmäßig erneuern.
• Freitext zerlegen: Code, der Daten oder Mengen aus Fließtext fischt, bricht bei jeder neuen Formulierung. Besser: ein Ausgabeschema festlegen und unpassende Antworten verwerfen.
• Prompts ohne Bewertungssatz ändern: Wer eine Beschwerde behebt, beschädigt leicht zehn andere Vorgänge. Besser: jede Änderung auf demselben Satz laufen lassen und mit der Vorversion vergleichen.
• Alles unter Freigabe stellen: Das Team bestätigt bald hunderte Vorschläge ungelesen. Besser: Freigabe nur für Unumkehrbares und für alles mit Wirkung nach außen.
• Keine Kostengrenze: Eine Fehlerschleife wird zur Überraschung auf der Monatsrechnung. Besser: Grenzen je Funktion und Tag, mit Alarm und automatischem Stopp.

Gemeinsam ist diesen Fehlern, dass die Integration als einmal installiertes Plugin betrachtet wird. Eine KI Integration ist ein lebendes Stück Software; mit Tests, Versionen und einer verantwortlichen Person arbeitet sie berechenbar.

14Partner auswählen und den ersten Schritt gehen

Ein guter Partner fragt nach Maske, Daten und Erfolgsmaß, bevor er ein Modell empfiehlt. Stellen Sie jedem Anbieter, der ein Angebot abgibt, diese Fragen und bitten Sie um schriftliche Antworten:

• Was ändert sich in unserer Anwendung, wenn der Modellanbieter wechselt, und was bleibt unverändert?
• Wer erstellt den Bewertungssatz, welche Beispiele kommen hinein und wie werden uns die Ergebnisse berichtet?
• Was wird in unser System geschrieben, wenn das Modell irrt, und wie wird es zurückgenommen?
• Auf wessen Namen laufen Repository, Prompts und Anbieterkonten, und was wird am Ende übergeben?
• An welcher Stelle werden personenbezogene Daten maskiert, und welche Unterlagen erhält unsere Rechtsberatung?

Ein veröffentlichtes Kundenprojekt zur KI Integration, das wir als Referenz zeigen können, haben wir noch nicht; deshalb legen wir unsere Methode offen und zeigen Software und Webprojekte auf der Referenzseite. Braucht das Produkt mit neuen KI Funktionen auch eine neue Marketingwebsite, finden Sie Hinweise auf unserer Seite zum Webdesign für SaaS Anbieter.

Für den Start schreiben Sie uns über das Kontaktformular, welche Software Sie nutzen, welche Aufgabe am meisten Handarbeit kostet und ob Beispieldatensätze vorliegen. Den Umfang der Analysephase sehen Sie im Preisbereich; ein schriftliches Angebot folgt, sobald der erste Integrationspunkt feststeht.