KI betreiben, ohne dass Ihre Daten das Gebäude verlassen.
Business AI läuft in unserer Cloud, hybrid aufgeteilt oder vollständig in Ihrem Netzwerk auf Ihrer eigenen Hardware. Dieselbe Identität, Messung und Ausgabenkontrolle gilt in allen drei Fällen. Wo das Modell läuft, ist eine Konfigurationsentscheidung, kein anderes Produkt.
Selbst gehostete Modelle sind ein vollwertiger Modus, kein Notausgang
Die Modellkonfiguration der Plattform hat einen Self-Hosted-Modus, der eine beliebige Basis-URL annimmt. Alles mit einer OpenAI-kompatiblen API kann das Ziel sein — in der Praxis Ollama, LM Studio und vLLM.
Dieses Modell wird dann zentral für den Workspace gewählt und von jedem verbundenen Produkt übernommen, genau wie ein Frontier-Modell. Ihre Produkte wissen nicht und kümmern sich nicht darum, ob der Endpunkt in einem Rechenzentrum oder in Ihrem Serverraum steht.
Die drei Betriebsformen
- Cloud
- Wir betreiben es. Am schnellsten produktiv, und es läuft mit Ihren Anbieter-Keys oder unseren, je nach gewähltem Abrechnungsmodus.
- Hybrid
- Frontier-Modelle für die tägliche Arbeit, lokale Modelle für alles, was Sie nie in eine öffentliche API einfügen würden. Weil die Modellwahl zentrale Konfiguration ist, ist das Verschieben einer Arbeitslast eine Einstellung, kein Umbau.
- On-Premise
- Die ganze Schicht läuft in Ihrem Netzwerk auf Ihrer Hardware. Kein Prompt, kein Dokument und kein Kundendatensatz verlässt das Gebäude.
Warum Hybrid meist die ehrliche Antwort ist
Lokale Modelle sind die richtige Wahl für den Teil der Arbeit, der ein echtes Vertraulichkeitsrisiko trägt. Für alles andere sind sie meist die falsche Wahl, weil die Frontier-Modelle besser sind und der Unterschied in der Qualität der Ergebnisse sichtbar wird.
Das Muster, das wir sehen: Unternehmen wählen ein Modell für die ganze Organisation, um der Routing-Frage auszuweichen — und schicken dann entweder sensibles Material an eine öffentliche API oder akzeptieren überall schwächere Ergebnisse. Die Entscheidung pro Arbeitslast zu treffen vermeidet beides, und das bleibt nur praktikabel, wenn eine Änderung der Aufteilung keine Engineering-Arbeit braucht.
Was On-Premise gleich bleibt
Single Sign-on, rollenbasierter Zugriff, Messung pro Aufruf, Ausgabenlimits und der Firmenbericht gehören alle zur Plattformschicht, nicht zur Hosting-Form. Ein On-Premise-Betrieb behält sie.
Das ist wichtiger, als es klingt. Die meisten selbst gehosteten KI-Setups lösen die Datenfrage und verlieren die Governance-Frage, weil der lokale Endpunkt keine Ahnung hat, wer ihn aufruft oder was er diesen Monat gekostet hat. Die Messung sitzt in der Plattform, also überlebt sie den Umzug.
Klare Antworten.
Jeder Endpunkt mit einer OpenAI-kompatiblen API — das deckt unter anderem Ollama, LM Studio und vLLM ab. Die Plattform speichert für den Self-Hosted-Modus eine Basis-URL statt einer festen Anbieterliste, also funktioniert auch eine Runtime, von der wir nie gehört haben, wenn sie dasselbe Protokoll spricht.
Nein. Messung, Limits, Rollen und Berichte leben in der Plattformschicht, nicht in der Hosting-Form. Sie verhalten sich gleich, ob das Modell eine Frontier-API oder eine Box in Ihrem Gebäude ist.
Ja, das ist der Hybrid-Modus, und er ist die häufigste Wahl. Weil das Modell zentral gewählt und von den verbundenen Produkten übernommen wird, ist die Änderung, welche Arbeitslast wohin geht, eine Konfigurationsänderung, keine Codeänderung.
Bei Inferenz gegen ein lokales Modell: nichts. Der Prompt geht an Ihren Endpunkt. Die ganze Schicht läuft in Ihrem Netzwerk auf Ihrer Hardware — das ist der Sinn dieses Betriebsmodus.
Live im Einsatz
Bauen Sie das KI-System Ihres Unternehmens.
Bringen Sie einen echten Ablauf ins Gespräch. Wir lassen ihn durchs Gateway laufen, während Sie zusehen — gemessen und zugeordnet, bevor Sie irgendetwas entscheiden.
30 Minuten · keine Folien · Antwort innert 24h