Wo wir uns auskennen — und was KI dort leistet.

Einzelne Agenten mit klarer Rolle, begrenzten Tools und harten Grenzen — und Teams von Agenten, die einander Arbeit übergeben. Ein solches Team betreiben wir selbst.

• Koordinator-Agent, der Arbeit an spezialisierte Agenten übergibt; unabhängige Arbeitspakete laufen auf parallelen Worker-Lanes und liefern strukturierte Ergebnisse mit zitierten Belegen.
• Routing pro Aufgabe — wer sie bearbeitet, welche Modellklasse, Reasoning an oder aus — entschieden von zwei unabhängigen Bewertern; im Zweifel geht die Aufgabe an das stärkere Modell.
• Ein zweites, anderes Modell prüft öffentliche Inhalte, bevor sie live gehen; besteht die Prüfung nicht, wird nichts veröffentlicht.

Feste Testsets und Release-Gates, damit jede Änderung an einem Agenten oder Modell ein Release mit Nachweis ist.

• Regressions-Gate für jeden Modellwechsel: 43 deterministische Fälle, kein LLM als Bewerter. Bestanden = Score mindestens Baseline minus 2, null Regressionen beim Tool-Calling, null Request-Fehler.
• Routing-Benchmark mit 60 realistischen Anfragen und festen Referenzlabels, gemessen, bevor Betriebsfälle hinzukamen: 95 % korrekter Handler, 90 % korrekte Modellklasse.
• Evaluierungssets, aufgebaut aus Ihren eigenen Fällen. Unser offener Datensatz mit 3.413 synthetischen Change Requests für Agenten und ein LoRA-Adapter auf Qwen3-4B sind auf Hugging Face öffentlich.

Modelle auf Ihrer eigenen Hardware, wenn Daten das Haus nicht verlassen dürfen: ausgewählt, quantisiert, betrieben und getestet. Lokale Modelle betreiben wir selbst.

• Quantisierte Builds offener Modelle mit gemessenen Serving-Profilen — ein Mixture-of-Experts-Modell mit 125 Milliarden Parametern läuft auf einem einzelnen Mac mit rund 40 GB Arbeitsspeicher.
• Hybrid von Anfang an: parallele Worker-Lanes laufen auf einem lokalen Modell, schwierigere Aufgaben gehen an ein stärkeres Cloud-Modell; eine Routing-Entscheidung dauert auf lokaler Hardware etwa 1,5 s.
• Daten werden vorab klassifiziert: was an Cloud-Modelle gehen darf und was lokal bleiben muss.

Assistenten, die aus Ihren eigenen Dokumenten antworten — mit Quellen und in den Sprachen, die Ihre Teams und Kunden nutzen.

• Mehrsprachiger Assistent auf unserer eigenen Website: Retrieval über alle Seiten in fünf Sprachen, Antworten im Streaming mit nummerierten Quellenlinks in der Sprache der Besucher.
• Leitplanken zuerst: Der Assistent erhält keine Tools und keine Kundendaten und lehnt themenfremde Anfragen und Prompt-Injection-Versuche ab — 5 von 5 Testfällen bestanden.
• Fragen und Antworten zu Runbooks, Richtlinien und Projektdokumenten mit Quellenlinks — auf einem privaten Modell, wenn die Daten im Haus bleiben müssen.

MCP-Server und APIs, die einem Agenten genau die Tools geben, die er braucht — und nichts darüber hinaus.

• Unsere eigene Website ist ein MCP-Server und ein A2A-Agent: Andere Agenten können die Studio-Übersicht oder jede Seite als Markdown lesen und eine Anfrage senden.
• Tools pro Agent begrenzt, mit harten Grenzen und einem Eskalationspfad zu einem Menschen.
• Wir binden Agenten an ERP, CRM, Dokumente und APIs an — oder setzen einen einfachen Workflow ein, wo kein Agent nötig ist.

Koordination von KI-Projekten vom Feinkonzept bis zum Pilotbetrieb: Architekturentscheidungen, Sizing, Datenschutz, Steuerung.

• Eval-Baseline und Release-Plan für jeden Agenten, bevor die Umsetzung beginnt.
• Risikobewertung und Einstufung nach EU AI Act pro Agent (recherchiertes Wissen), mit Human-in-the-Loop-Design und Dokumentation, die ein deutscher Betriebsrat prüfen kann.
• Gate für Modellwechsel als Teil der Change Control im Projekt.

Was wir gebaut haben: ein Planungs- & Release-Cockpit auf einem privaten LLM und die Produktlogik eines mandantenfähigen KI-SaaS.

• Cockpit, das eingehende E-Mails gegen den aktuellen Plan prüft und Antworten entwirft — auf einem privaten Modell.
• Logik eines mandantenfähigen KI-SaaS: Fall-Workflows, Nachweispakete, Eskalationsregeln, nutzungsbasierte Abrechnung.

ChaRM, Quality Gates, Transporte, CTS+ und cCTS.

• Agent, der Transporte und Change Requests gegen Quality Gates vorprüft und die CAB-Zusammenfassung entwirft.
• Vorschläge zur Transportreihenfolge, die ein Release Manager freigibt.
• Dieselben Gates für die Agenten selbst: versioniert, gegen eine Baseline getestet, freigegeben und mit Rollback-Option, bevor eine Agentenänderung live geht.

Solution Manager, Focus Build, Focus RUN; SAP Cloud ALM als recherchiertes Wissen.

• Agent, der aus Anforderungen User Stories für das ALM-Backlog macht.
• Zusammenfassungen von Health Checks für den nächsten Lenkungskreis.
• Inventar aller Agenten, Modelle, Skills und MCP-Server — mit Verantwortlichen und Versionen, in Ihrer eigenen Git-Pipeline oder, als recherchiertes Wissen, in SAP Cloud ALM.

SLAs, Monitoring, Disaster Recovery, Root-Cause-Analyse.

• Incident-Triage, die Monitoring-Alerts korreliert und die Root-Cause-Analyse entwirft.
• Runbook-Q&A auf einem privaten Modell.
• Runbook-Automatisierung, bei der der Agent die Schritte vorbereitet und ein Mensch freigibt, bevor etwas läuft.

Nicht-SAP nach ECC, Oracle nach HANA, Umzüge in die Cloud, Landschaftskonsolidierung.

• Prüfung der Daten-Mappings vor jedem Migrationslauf.
• Agent für Cut-over-Runbooks mit Nachweisen pro Schritt.
• Testnachweise der Migration, von einem Agenten gesammelt; der Go-live bleibt gesperrt, bis sie vollständig sind.

Sicherheitskonzepte, Berechtigungen, Koordination von Penetrationstests.

• Agent, der Findings den Maßnahmenplänen zuordnet und Nachweise bis zum Abschluss verfolgt.
• Vorprüfung von Berechtigungsänderungen mit Vier-Augen-Freigabe.
• Sicherheit für die Agenten selbst: Tool-Begrenzung und Prompt-Injection-Tests vor jedem Release.

Commerce- und Customer-Experience-Systeme, angebunden an den SAP-Kern.

• Triage von Auftragsausnahmen zwischen Commerce und ERP.
• Vom LLM entworfene Antworten für den Kundenservice, mit menschlicher Freigabe.

Release-Planung, Koordination zwischen Entwicklung, Test und Produktion.

• Agent für Release Notes und Testnachweise.
• Wächter für den Change-Kalender gegen Freeze-Fenster.
• Modellwechsel und Prompt-Änderungen laufen über dasselbe Release-Gate wie Code.

Planung, Koordination von Partnern, Providern und globalen Teams.

• Agent, der E-Mails gegen den aktuellen Projektplan prüft und Antworten entwirft.
• Statusberichte, zusammengestellt aus Plan, Tickets und E-Mails.