ai-integration
Sprachmodelle als fester Bestandteil Ihrer Systeme.
Ich integriere Large Language Models in Ihre bestehende Software und Prozesse: E-Mails und Dokumente auslesen, Vorgänge klassifizieren, internes Wissen durchsuchbar machen. Mit sauberer API, Evaluierung und Fallback auf den Menschen.
Typische Integrationen
Dokumente → Daten
Strukturierte Extraktion aus E-Mails, PDFs, Rechnungen und Lieferscheinen, validiert gegen Stammdaten und direkt ins ERP.
Klassifikation & Routing
Tickets, Anfragen und Posteingänge automatisch kategorisieren, priorisieren und an das richtige System oder Team weiterleiten.
Wissenssuche (RAG)
Handbücher, Verträge und Wikis mit Quellenangabe durchsuchbar machen, mit Rechtekonzept statt Datenleck.
Agenten & Tool-Use
LLMs, die definierte Aktionen über Ihre APIs ausführen. Mit klaren Grenzen, Protokollierung und Freigabeschritten.
Sorgfältiges Engineering statt Experimente
- Use Case & Testset
Wir definieren Ein- und Ausgaben und bauen aus echten Beispielen ein Testset. Das ist die Grundlage für jede spätere Qualitätsaussage.
- Prototyp & Modellwahl
Ich vergleiche Modelle nach Qualität, Latenz und Kosten, von gehosteten APIs bis zu Open-Weight-Modellen auf eigener Hardware.
- Integration
Anbindung über REST, Queue oder Webhook an ERP, CRM, DMS oder Ihr Produkt. Mit Confidence-Schwellen und Human-in-the-loop.
- Betrieb
Logging, Kosten-Monitoring, Regressionstests bei Modell-Updates. Dokumentiert für die Übergabe an Ihr Team.
Nachgemessen statt behauptet
Rechnungen auslesen: 25 offizielle ZUGFeRD-Musterrechnungen, als Text, PDF und Scan.
ZUGFeRD-Rechnungen tragen ihre Daten zusätzlich als XML in sich. Das Modell sieht nur das PDF, das XML ist der Lösungsschlüssel. Verglichen wurden ein großes und ein kleines Modell, mit Prüfregeln, die über die automatische Verarbeitung entscheiden.
Kleines Modell (Claude Haiku), Scan-Variante. Zur Fallstudie mit Methodik und allen Zahlen →
Häufige Fragen
Welche Modelle setzen Sie ein?
Das entscheidet das Testset. Gehostete APIs mit EU-Datenverarbeitung, wenn Qualität zählt, oder Open-Weight-Modelle auf eigener Infrastruktur, wenn Daten das Haus nicht verlassen dürfen.
Was passiert, wenn das Modell falsch liegt?
Jede Ausgabe wird validiert, etwa per Schema, gegen Stammdaten und über Confidence-Werte. Was unter der Schwelle liegt, geht zur manuellen Prüfung. Fehler werden protokolliert und fließen ins Testset.
Ist das DSGVO-konform?
Ja, bei richtiger Architektur: Verarbeitung in der EU, Auftragsverarbeitungsverträge, keine Nutzung Ihrer Daten zum Training durch Anbieter und Datensparsamkeit im Prompt.
Arbeiten Sie mit unserem Entwicklerteam zusammen?
Gern. Ich kann eine Komponente komplett liefern oder im Team mitarbeiten, mit Code in Ihrem Repository, Reviews und Übergabe.
Use Case besprechen
Beschreiben Sie kurz den Prozess und die beteiligten Systeme. Ich melde mich mit einer Einschätzung zu Machbarkeit, Aufwand und sinnvollem ersten Schritt.