Maßgeschneiderte KI-Lösungen · Use-Cases nach Branche

Sechs Branchen,
sechs konkrete KI-Lösungen.

Keine Standardprodukte. Jede Lösung wird in Ihre Django-Anwendung eingebettet und spricht direkt mit Ihrer Datenbank. Hier sehen Sie konkret, wie das aussieht — pro Branche, mit Pricing-Range und Live-Beispielen.

Praxen & Sekretariate → IT On-Premise → Anwaltskanzleien → Hotel & Gastro → Handwerk & Produktion → Beratung & Audit →

● Bereits live

Praxen & Sekretariate: KI nimmt das Telefon ab.

Hörgeräte-Kliniken, Arztpraxen und Therapeuten verlieren täglich Stunden mit Telefonaten zu Terminvereinbarungen, Absagen und Standardfragen. Wir bauen KI-Agenten, die das Telefon entgegennehmen, mit Ihrer Django- oder PostgreSQL-Datenbank sprechen und nur die wirklich komplexen Fälle ans Team weiterleiten.

  • Sprach-Agent mit Whisper + Llama 3.1 für DE/IT/EN
  • Direktverbindung zur Termin-Datenbank (Verfügbarkeit live geprüft)
  • Patient-Identifikation per Geburtsdatum + Name, DSGVO-konform
  • Eskalation an Team bei Notfall-Schlüsselwörtern oder Unklarheit
Llama 70B + Whisper 4–8 Wo Pilot on-premise Festpreis auf Anfrage

Beispiel-Code · Django + Agent

# patient_agent.py — KI nimmt Anruf entgegen
from codlab.ki import VoiceAgent
from praxis.models import Patient, Termin

agent = VoiceAgent(
  llm = "llama-3.1-70b",
  asr = "whisper-large-v3",
  deploy = "on-premise",
)

def handle_call(caller):
  patient = Patient.objects.match(
    name = caller.spoken_name,
    dob  = caller.spoken_dob,
  )
  if patient.verify():
    return agent.book_termin(patient)
  agent.escalate_to_team()

On-Premise Stack

# docker-compose.yml — alles im Firmennetz
services:
  llama:
    image: ollama/ollama:latest
    runtime: nvidia
    volumes: [./models:/root/.ollama]

  monitor-agent:
    image: codlab/monitor-agent:1.0
    environment:
      LLM_URL: http://llama:11434
      LOG_SOURCE: /var/log/syslog
    # Auf eigenem Server
    # Keine Logs verlassen das Netz

  pgvector:
    image: ankane/pgvector:latest

● Bereits live

IT-Infrastruktur: Llama auf Ihrem Server, nicht in der Cloud.

Für Unternehmen mit eigener Server-Infrastruktur deployen wir LLMs (Llama 3.1, Mistral, DeepSeek) auf lokaler GPU-Hardware. Der Agent analysiert Logs, klassifiziert Incidents, erstellt Tickets und meldet Anomalien — ohne dass auch nur ein Byte Ihre Firewall verlässt.

  • Llama 3.1 70B oder Mistral Large auf RTX 4090 / L40S
  • Log-Klassifizierung (kritisch / warning / noise) in Realtime
  • Auto-Ticket in Jira/Zammad/OTRS mit Reproduktionsschritten
  • Wartung & Updates inklusive — wir kennen Ollama + vLLM ProdOps
Llama 70B auf eigener GPU 6–10 Wo Pilot Hardware separat Festpreis auf Anfrage

RAG · pgvector + Llama

Anwaltskanzleien: RAG auf zehntausenden PDFs.

Mandate, Urteile, Verträge — eine Anwaltskanzlei hat zehntausende PDFs, die niemand vollständig durchsuchen kann. Wir bauen ein RAG-System mit lokalem Llama und pgvector, das in Sekunden präzise Antworten mit Quellenangabe liefert. Keine Mandantendaten verlassen die Kanzlei.

  • Ingestion-Pipeline für PDF, DOCX, gescannte Dokumente (OCR)
  • Semantische Suche mit Quellenangabe und Konfidenz-Score
  • Permissions pro Mandat — RAG sieht nur die berechtigten Dokumente
  • BRAO + DSGVO-konform, On-Premise oder dedizierte EU-VM
RAG + pgvector 5–8 Wo Pilot EU-Hosting verpflichtend Festpreis auf Anfrage

RAG-Pipeline · vereinfacht

# Frage stellen, Antwort mit Quelle bekommen
from codlab.rag import RAG

rag = RAG(
  llm   = "llama-3.1-70b",
  embed = "bge-m3",
  store = "pgvector",
  perms = mandant_filter,
)

answer = rag.query(
  "Klausel Haftungsausschluss BGB §831?"
)

for source in answer.sources:
  print(source.file, source.page)
  # Mandant-2024-Mueller.pdf p.12
  # Konfidenz: 0.94

Multi-Channel Reservierungs-Agent

# gastro_agent.py
from codlab.ki import Agent
from restaurant.models import Tisch, Reservierung

agent = Agent(
  llm = "claude-haiku",
  # Cloud reicht: keine sensiblen Daten
  channels = ["web", "email", "telefon"],
)

def handle_reservation(request):
  tisch = Tisch.objects.available(
    datum = request.datum,
    pers  = request.personen,
  )
  if tisch:
    return Reservierung.create(...)
  agent.suggest_alternative(...)

Cloud-API · Claude / GPT-4

Hotel & Gastronomie: Reservierungs-Agent über alle Kanäle.

Reservierungen kommen per Web, E-Mail, Telefon, manchmal Instagram. Ein KI-Agent vereinigt diese Kanäle, prüft Tischverfügbarkeit live in Ihrer Datenbank, schlägt Alternativen vor und versendet Bestätigung + Reminder automatisch. Direkter Anschluss an Riservati oder Ihr bestehendes System.

  • Cloud-LLM (Claude Haiku oder GPT-4) — Latenz wichtiger als On-Premise
  • Mehrsprachig DE/IT/EN/FR, mit kulturell passendem Tonfall
  • Anbindung an POS, Tischplan, Reservierungs-CRM
  • No-Show-Reduktion durch automatische Reminder 24h vorher
Claude / GPT-4 / Cloud-API 3–6 Wo Pilot Multi-Channel Festpreis auf Anfrage

Workflow-Agenten · Hybrid

Handwerk & Produktion: KI extrahiert Aufträge aus E-Mails.

Aufträge kommen per E-Mail mit PDF, Foto, manchmal handgeschriebenem Zettel. Ein KI-Agent extrahiert die strukturierten Daten (Artikel, Menge, Liefertermin), gleicht sie mit Ihrem Warenwirtschafts-System ab und erstellt automatisch den Auftrag — oder fragt nach, wenn etwas unklar ist.

  • OCR + Vision-LLM (Llama 3.2 Vision oder GPT-4 Vision)
  • Anbindung an Sage, Lexware, DATEV oder Ihr ERP
  • Plausibilitätsprüfung gegen Lagerbestand und Lieferzeiten
  • Mensch-in-the-loop: Bei Unsicherheit Rückfrage, kein blinder Auto-Post
Vision-LLM + OCR 4–8 Wo Pilot ERP-Integration Festpreis auf Anfrage

E-Mail-zu-Auftrag Pipeline

# auftrag_extractor.py
from codlab.ki import VisionAgent
from erp.models import Auftrag, Artikel

vision = VisionAgent(
  llm = "llama-3.2-vision",
  schema = AuftragSchema,
)

def on_email(mail):
  data = vision.extract(mail.attachments)
  if data.confidence > 0.92:
    Auftrag.objects.create(**data)
  else:
    vision.ask_human(data.unclear)

AI-Act Risikoklassifizierung

# Pragmatischer Audit-Workflow
1. Inventar aller KI-Systeme im Betrieb
2. Klassifizierung nach AI-Act-Risiko
   ↳ minimal    # Spam-Filter, Suche
   ↳ limited    # Chatbot, RAG, Generator
   ↳ high       # HR, Kredit, biometrisch
   ↳ verboten   # Social-Scoring
3. Dokumentation Pflichten pro Stufe
4. DSGVO-Cross-Check
5. Roadmap Compliance bis 2026/2027

# Liefergegenstand: 8–15 Seiten,
# keine 200-Seiten-Kanzleigutachten

EU AI Act · DSGVO

Beratung & Audit: AI-Act ohne Panik.

Sie betreiben bereits KI (auch wenn Sie es vielleicht nicht so nennen) und fragen sich, was der EU AI Act ab August 2026 von Ihnen verlangt. Wir machen einen pragmatischen Audit, klassifizieren Ihre Systeme und liefern eine Roadmap — kein 200-Seiten-Kanzlei-Gutachten, sondern eine Liste mit „das müssen Sie tun, das nicht."

  • Inventar aller bestehenden KI-Systeme (intern und extern)
  • Risikoklassifizierung nach AI-Act (minimal / limited / high)
  • Pflicht-Dokumentation und Transparenz-Anforderungen
  • DSGVO-Kreuzcheck: wo überlappen sich die Pflichten?
AI Act + DSGVO 2–3 Wo Lieferung 8–15 Seiten Liefergegenstand Festpreis auf Anfrage

Ihre Branche fehlt? Sprechen wir.

Die sechs hier gezeigten Lösungen sind nur die häufigsten. Wir haben auch Genossenschaften, Friedhofsverwaltungen und Möbelhersteller mit KI ausgestattet. Sagen Sie uns, was Sie automatisieren möchten — wir sagen ehrlich, ob KI hier passt.

Kostenloses Erstgespräch → Zurück zur KI-Übersicht