KI, die auf Ihren eigenen Servern läuft.

Drei Pakete. Privater KI-Assistent für 3.000 $ bringt ein offenes Modell mit Team-Chat auf Ihren eigenen Server. Private Wissensdatenbank für 8.000 $ ergänzt Ihre Dokumente mit Rechten, Quellen und Single Sign-on. Private KI fürs Unternehmen für 20.000 $ bedient mehrere Abteilungen, mit GPU-Dimensionierung, API und Audit-Logs. Sie zahlen 50 % bei Freigabe des Plans und den Rest bei Lieferung. Die Hardware wird auf Ihren Namen gekauft; wir dimensionieren sie und nennen die Kosten pro Token vor der Bestellung.

Modelle mit offenen Gewichten: Llama, Mistral, Qwen, Gemma, DeepSeek und kleinere Spezialmodelle für Embeddings, Reranking und Klassifikation. Wir wählen pro Anwendungsfall nach Eval-Ergebnissen, Latenz und der Hardware, die Sie haben. Ein Modell mit 7B bis 14B Parametern auf einer GPU deckt die meisten Dokumenten- und Support-Aufgaben ab; ein 70B-Modell braucht einen Multi-GPU-Knoten. Jeder Modellaufruf läuft über ein Gateway, deshalb ist ein späterer Modellwechsel eine Konfigurationsänderung, kein Umbau.

Das hängt vom Modell und davon ab, wie viele Personen es gleichzeitig nutzen. Ein einzelner Server mit ein oder zwei Rechenzentrums-GPUs bedient ein 14B-Modell für einige Hundert Nutzer. Ein 70B-Modell will vier bis acht GPUs. Wenn Sie schon GPU-Kapazität haben, in einer Private Cloud oder auf einer Workstation, fangen wir dort an. Der Analysebericht enthält eine Dimensionierungstabelle mit Kosten pro Token, damit Sie sie mit der API-Rechnung vergleichen können, die Sie heute zahlen.

Es räumt den schwierigsten Teil aus dem Weg: Keine personenbezogenen Daten verlassen Ihre Infrastruktur. Es gibt also keinen Auftragsverarbeiter, keine Übermittlung außerhalb Ihres Landes und keinen Anbieter, der auf Ihren Prompts trainiert. Dazu bauen wir ein, was Auditoren verlangen: Zugriffsregeln, die an Ihr SSO gekoppelt sind, ein Protokoll jedes Prompts und jeder Antwort, Aufbewahrungsregeln und eine Datenlandkarte in der Dokumentation. Die Richtlinie bleibt Sache Ihrer Rechtsabteilung; wir sorgen dafür, dass die technische Antwort auf jede Frage Ja lautet.

Bei Allgemeinwissen liegen die Frontier-APIs vorn. Auf Ihren Dokumenten, Ihren Begriffen und Ihrer Sprache hält ein lokales Modell mit gutem Retrieval und einem kleinen Fine-Tune meist mit oder liegt vorn, weil die Antwort aus Ihren Daten kommt und nicht aus dem Gedächtnis des Modells. Glauben müssen Sie uns das nicht: Vor dem Launch führen wir Evals auf einem Satz Ihrer echten Fragen durch und zeigen Ihnen die Ergebnisse nebeneinander.

Fangen Sie mit Retrieval an. RAG legt dem Modell die richtigen Dokumente vor, liefert Quellenangaben und deckt die meisten Anwendungsfälle allein ab. Fine-Tuning lohnt sich, wenn das Modell einen Stil, ein Format oder ein Fachvokabular lernen muss, etwa deutsche Vertragssprache oder türkische Buchhaltungsbegriffe. Wir schlagen es nur vor, wenn die Evals einen klaren Gewinn zeigen, und führen es auf Ihrer Hardware mit Ihren Beispielen durch.

Ihre IT kann das, mit dem Runbook, das wir übergeben: Modell aktualisieren, Rollback, GPU nachrüsten, Monitoring lesen und aus dem Backup wiederherstellen. Viele Kunden behalten uns stattdessen im Monatspaket: Wir halten Modelle, Treiber und den Serving-Stack aktuell, wiederholen die Evals, wenn sich Ihre Daten ändern, und behalten GPU-Auslastung und Latenz im Blick. So oder so gehört das System Ihnen und läuft ohne uns.

Das Erstgespräch ist kostenlos. Innerhalb einer Woche haben Sie einen Analysebericht mit den Anwendungsfällen, der Datenlandkarte, der Hardware-Dimensionierung und einem Festpreis. Sie geben den Plan frei und zahlen 50 %. Ein erster Anwendungsfall läuft in zwei bis vier Wochen auf Ihrer Hardware; eine komplette Plattform mit mehreren Anwendungsfällen, SSO und Fine-Tuning dauert bis zu drei Monate. Die restlichen 50 % werden bei der Übergabe fällig, nachdem die Evals die vereinbarten Schwellen erreicht haben.