Ein KI-Agent beantwortet nicht nur Fragen, er erledigt Aufgaben: Er plant, nutzt Werkzeuge und arbeitet mehrere Schritte selbständig ab – angebunden an Ihre Systeme, mit einem lokalen LLM-Backend. Wir bauen ihn quelloffen in Ihrem Haus: kein Cloud-Zwang, keine Abrechnung pro Anfrage, kein Datum verlässt Ihr Netz. Sie lernen, ihn selbst zu betreiben – oder wir richten Ihre Agenten ein und schulen Ihr Team.
On-Premise
auf Ihrer eigenen Hardware
0 € / Anfrage
keine Cloud-Abrechnung
100 % Open Source
kein Vendor-Lock-in
WAS SIE IM WORKSHOP AUFBAUEN
Wir setzen einen kompletten, quelloffenen Agenten-Stack auf Ihrer Hardware auf und machen Ihr Team damit produktiv. Zwei Wege: Sie lernen, alles selbst zu betreiben – oder wir übernehmen Einrichtung und Wartung und schulen die Anwender.
Ein Agent zerlegt eine Aufgabe in Schritte, entscheidet, welches Werkzeug er braucht, führt es aus und prüft das Ergebnis – autonom über mehrere Stufen, statt nur eine einzelne Frage zu beantworten.
Wir arbeiten mit den etablierten Open-Source-Frameworks – LangGraph und LangChain, CrewAI, AutoGen. Auswählbar nach Aufgabe: robuste Zustandsmaschinen, kooperierende Rollen oder frei geführte Dialoge.
Als Denk-Modell dient ein lokales LLM (Llama, Qwen, Mistral) über Ollama oder vLLM. Kein API-Key zu einem Cloud-Anbieter, keine Abrechnung pro Aufruf – die Agenten laufen komplett in Ihrem Netz.
Über das Model Context Protocol (MCP) und Function-Calling greifen Agenten kontrolliert auf Ihre Systeme zu – Datenbanken, CRM, Dateiablagen, interne APIs. Zugriff ohne Datenabfluss nach außen.
Klare Leitplanken bestimmen, was ein Agent darf. Kritische Schritte legen wir zur Freigabe vor (Human-in-the-loop), riskante Aktionen werden blockiert oder protokolliert – Autonomie mit Sicherheitsnetz.
Vom Einzel-Server bis zum Multi-GPU-System: Wir dimensionieren die Hardware auf Modellgröße, parallele Agentenläufe und Durchsatz – und rechnen den Break-even gegen Cloud-Kosten vor.
WARUM ON-PREMISE, LOKAL & OFF-GRID
Agenten aus der Cloud sind bequem – bis zur ersten Rechnung, zur DSGVO-Frage oder zum geänderten Preismodell. Und ein Agent, der auf Ihre Systeme zugreift, sollte seine Daten nicht durch fremde Server schicken. Lokal betrieben gehören die Agenten Ihnen. Das sind die Gründe, warum wir on-premise aufbauen.
Art. 6 & 9 DSGVO · keine Auftragsverarbeitung
Aufgaben, Prompts und die Daten, auf die Agenten zugreifen, bleiben ausschließlich im eigenen Netz. Kein Datentransfer in US-Clouds, kein Schrems-II-Risiko, kein AV-Vertrag mit einem Hyperscaler nötig.
einmal Hardware statt pro Token/Anfrage
Cloud-Agenten rechnen pro Token und Aufruf ab – und ein Agent macht viele Aufrufe pro Aufgabe. Lokal zahlen Sie Strom und einmal die Hardware. Ab dem Break-even laufen beliebig viele Agentenläufe faktisch zum Nulltarif.
offene Frameworks & Modelle
Quelloffene Frameworks, Modelle und Gewichte, die Sie behalten. Kein Anbieter kann Preise erhöhen, Modelle abschalten, Endpunkte abkündigen oder Ihren Zugang sperren.
off-grid, ohne Internet
Der komplette Agenten-Stack funktioniert ohne Internetverbindung – im abgeschotteten Netz, an Standorten ohne stabile Leitung, im Sicherheitsbereich.
keine Content-Filter, kein Rate-Limit
Keine fremden Inhaltsfilter, die legitime Geschäftsaufgaben blockieren. Keine Warteschlangen, keine Tageskontingente, kein künstlich gedrosselter Durchsatz für Ihre Automatisierungen.
reproduzierbar & nachvollziehbar
Jeder Schritt, jeder Werkzeugaufruf und jede Entscheidung eines Agenten wird protokolliert. Läufe sind nachvollziehbar und reproduzierbar – wichtig für Freigaben, Compliance und Revision.
volle GPU-Leistung
Keine geteilten Cloud-Ressourcen. Die volle Leistung Ihrer GPU steht Ihren Agenten jederzeit zur Verfügung – planbar und ohne Nachbarn auf der Karte.
Ihr Team betreibt es selbst
Nach dem Workshop können Ihre Leute die Agenten selbst bauen, bedienen, aktualisieren und erweitern – mit vollständiger Dokumentation. Wartung optional durch uns.
Eingesetzte Open-Source-Bausteine je nach Anwendungsfall und Hardware, u. a.: LangGraph und LangChain, CrewAI und AutoGen als Agenten-Frameworks; das Model Context Protocol (MCP) für die Tool-Anbindung; lokale LLMs (Llama, Qwen, Mistral) über Ollama oder vLLM als Backend. Frameworks, Modelle und Lizenzen prüfen wir gemeinsam auf Eignung für Ihren kommerziellen Einsatz.
On-premise und Open Source heißt: Aufgaben, Systemzugriffe und Kundendaten werden lokal verarbeitet – nicht auf fremde Server geladen, nicht zum Modelltraining verwendet, nicht in ein Drittland übertragen. Selbst wenn ein Agent auf interne Systeme zugreift, bleibt jeder Schritt in Ihrem Netz. Volle Kontrolle, technisch und rechtlich.
WORKSHOP-ABLAUF
Wir klären, welche Aufgaben ein Agent übernehmen soll, welche Systeme er anbinden muss und welche Freigaben nötig sind – und prüfen Ihre Hardware oder empfehlen die passende GPU. Ergebnis: ein realistischer Fahrplan inkl. Break-even gegenüber Cloud-Kosten.
Installation des kompletten Open-Source-Stacks (lokales LLM-Backend via Ollama/vLLM, Framework wie LangGraph, MCP-Anbindung) lokal in Ihrem Netz – als Einzel-Server oder zentrale Agenten-Plattform.
Praxis mit einer echten Aufgabe aus Ihrem Haus: Wir bauen den ersten Agenten, definieren seine Werkzeuge und lassen ihn eine mehrstufige Aufgabe end-to-end erledigen.
Wir binden weitere Systeme via MCP an, definieren Leitplanken und Human-in-the-loop-Freigaben, orchestrieren mehrere Agenten und hängen Läufe an Ihre Prozesse und Zeitpläne.
Übergabe mit Betriebsdokumentation, Monitoring, Update-Strategie und Team-Schulung. Ihr Team baut und betreibt Agenten selbst – die Wartung übernehmen Sie oder wir.
TYPISCHE EINSATZFELDER
Überall dort, wo wiederkehrende, mehrstufige Aufgaben Zeit fressen, Systeme angebunden werden müssen oder sensible Daten das Netz nicht verlassen dürfen.
Agenten übernehmen wiederkehrende Abläufe: Daten aus mehreren Systemen zusammenführen, Formulare ausfüllen, Freigaben anstoßen, Ergebnisse zurückschreiben – auditierbar und on-prem.
Outcome
Manuelle Routinearbeit verschwindet – jeder Schritt bleibt im Haus.
Ein Agent durchsucht interne Quellen und Wissensdatenbanken, vergleicht, fasst zusammen und liefert eine belegte Antwort mit Quellen – ohne dass Ihre Fragen oder Dokumente eine Cloud sehen.
Outcome
Fundierte Zusammenfassungen in Minuten statt Stunden.
Agenten lesen den Vorgang im CRM, ziehen passende Wissensartikel, entwerfen die Antwort und aktualisieren nach Freigabe den Fall – Kundendaten bleiben durchgängig in Ihrem Netz.
Outcome
Schnellere Fälle bei voller Datenkontrolle.
Agenten sammeln Kennzahlen aus Quellsystemen, bereinigen und verdichten sie und erzeugen wiederkehrende Berichte – geplant, reproduzierbar und komplett on-premise.
Outcome
Berichte auf Knopfdruck – ohne Daten aus der Hand zu geben.
HÄUFIGE FRAGEN
Ein Chatbot beantwortet eine Frage. Ein KI-Agent erledigt eine Aufgabe: Er plant selbständig die nötigen Schritte, wählt und nutzt Werkzeuge – ruft z. B. eine Datenbank ab, schreibt in ein System, startet einen Prozess – prüft das Zwischenergebnis und arbeitet weiter, bis das Ziel erreicht ist. Das LLM ist dabei das Denk-Modell, die Frameworks geben ihm Struktur, Werkzeuge und Leitplanken.
Ja. Das LLM-Backend, die Agenten-Logik und die angebundenen Werkzeuge laufen auf Ihrer Hardware und in Ihrem Netz. Nach der Einrichtung braucht der Betrieb keine Internetverbindung – ideal für abgeschottete Netze und besonders schützenswerte Systeme. Nur wenn ein Agent bewusst eine externe Quelle nutzen soll, öffnen Sie genau diesen Zugang – kontrolliert und protokolliert.
Über Guardrails und Human-in-the-loop. Sie legen fest, welche Werkzeuge ein Agent nutzen darf und welche Aktionen nur nach menschlicher Freigabe ausgeführt werden. Kritische oder irreversible Schritte werden vorgelegt statt automatisch ausgeführt, riskante Aktionen blockiert. Jeder Schritt wird protokolliert und ist nachvollziehbar.
Ja – kontrolliert über das Model Context Protocol (MCP) und Function-Calling. Wir binden Datenbanken, CRM, Dateiablagen oder interne APIs als Werkzeuge an, mit klar definierten Rechten. Der Zugriff bleibt vollständig in Ihrem Netz; es fließen keine Daten an einen externen Dienst ab.
Da Agenten viele LLM-Aufrufe pro Aufgabe machen, empfiehlt sich eine leistungsfähige GPU – für den Einstieg oft eine Karte mit 24 GB VRAM, für parallele Läufe und größere Modelle Karten wie RTX 6000 Ada oder A100, auch als Multi-GPU-Server. Im Assessment dimensionieren wir die Hardware auf Ihre Anwendungsfälle und rechnen vor, ab wann sie sich gegenüber der Cloud rechnet.
Der lokale Betrieb ist der direkteste Weg zur DSGVO-Konformität: kein Transfer personenbezogener oder vertraulicher Daten an einen Cloud-Anbieter, keine Auftragsverarbeitung durch Dritte, keine Übermittlung in Drittländer. Aufgaben, Prompts und die Daten, auf die Agenten zugreifen, werden ausschließlich in Ihrem Netz verarbeitet und nicht zum Training fremder Modelle genutzt.
Beides ist möglich – genau das ist der Kern des Workshops. Wir richten den Stack ein und befähigen Ihr Team, Agenten eigenständig zu bauen, zu bedienen, zu aktualisieren und zu erweitern. Ob Sie die Wartung danach selbst übernehmen oder an uns geben, entscheiden Sie.
Beides: als Inhouse-Termin bei Ihnen, remote oder in Karlsruhe. Er richtet sich an technische Teams und Fachabteilungen, die Prozesse automatisieren wollen. Grundlegendes technisches Verständnis hilft; die Tool- und System-Anbindung erarbeiten wir gemeinsam mit Ihren IT- und Fach-Kolleg:innen.
In einem kostenlosen Erstgespräch klären wir Aufgaben, Systemanbindung und Hardware – und zeigen, wie schnell Sie KI-Agenten DSGVO-konform auf Ihrer eigenen Hardware produktiv einsetzen. Selbst betreiben oder von uns betreiben lassen: Sie entscheiden.