Start KI-Lösungen Fertige Lösungen Peers & Simulation RAG & Retrieval Use Cases Frameworks Blog English Kontakt

AI Engineering · Made in Germany

Wir bauen KI-Lösungen — von Pipelines bis zu Agenten.

Von Datenpipelines über Retrieval bis zu Copilots und autonomen Peer-Agenten: Wir entwerfen, bauen und betreiben produktionsreife KI-Systeme — mit Microsoft Copilot, LangChain oder dem Framework, das zu Ihrem Stack passt.

Startup-Tempo, Enterprise-Standards Offene Standards: MCP & A2A Human-in-the-Loop by Design EU AI Act & DSGVO im Blick
LLM reasoning · sprache KI-Agent planen · entscheiden · handeln Wissen / RAG retrieval Unternehmensdaten sql · docs · apis Tools & APIs mcp Menschliche Freigabe human-in-the-loop Gedächtnis kontext · verlauf denken freigeben erinnern

Abb. 01 — Agenten-Systemblau: Struktur · cyan: Daten · gold: Mensch

Unser Qualitätsanspruch

Robust. Präzise. Schnell. Ohne Nutzerfrust.

Ein Agent, der rät, hängt oder seine Nutzer frustriert, ist schlechter als gar keiner — und einer, der erst nächstes Jahr live geht, auch. Wir arbeiten mit Startup-Mentalität: kleine Senior-Teams, schnelle Entscheidungen, funktionierende Software in Wochen.

Robust

Workflows mit Checkpoints, Retries und kontrolliertem Degradieren: Unsere Agenten überstehen Neustarts, Timeouts und unordentliche Echtwelt-Daten.

Präzise

Fundierte Antworten mit Quellen, strikte Schemata für jede Aktion und Evaluations-Gates in der CI — Präzision wird getestet, nicht versprochen.

Schnell

Startup-Mentalität: ein funktionierender Prototyp auf Ihren Daten in Wochen, Entscheidungen in Tagen, kein Prozess-Theater — Tempo gehört zum Ergebnis.

Ohne Nutzerfrust

Schnelle erste Antwort, ein ehrliches „Ich weiß es nicht" statt selbstbewusstem Unsinn und eine Übergabe an Menschen, die immer funktioniert.

Peers & Simulation — unser Unterschied

Subagenten delegieren. Peers sind Individuen.

Die meisten Multi-Agenten-Systeme sind ein Gehirn, das an Helfer delegiert. Unser Peer-Modell — entwickelt in Antlet.OS, unserer Peer-Plattform — ist anders: Peers sind eigenständige Instanzen mit eigener Session, eigenen Regeln und eigenem privatem Hintergrundgraph.

Das Dual-Graph-Modell

Jeder Peer führt zwei Graphen — zwei Ebenen in der Tiefe: vorn die teilbare Sicht, dahinter der private Zustand, koordiniert mit jeder Revision.

  • Individuen statt Helfer — eigener Zustand und Lebenszyklus, Zusammenarbeit über A2A 1.0 plus unser schlankes Semantik-Protokoll.
  • Simulation eingebaut — ein Peer kann simuliert laufen: Wir mocken ERP-Gegenstücke, Partnersysteme oder Behörden und testen komplette Journeys vor dem Go-live.
Deep Dive: Peers, Protokolle & Simulation
regel quelle beobachtung evidenz entscheidung aufgabe alternativen PROZESSZUSTANDSGRAPH — PRIVAT vollständiger fallzustand · verlässt den peer nie frage akzeptierte antwort nächster schritt rev 12 INTERAKTIONSPROJEKTION — GETEILT berechnet je nutzer, viewpoint und revision abgeleitet · koordiniert ein autoritativer zustand — jede sicht daraus berechnet

Abb. 02 — das Dual-Graph-Modellvorn: geteilt · dahinter: privat

Was wir bauen

Ein Engineering-Pfad, vier Stufen der Autonomie

Jeder verlässliche Agent steht auf verlässlichen Daten. Wir bauen den gesamten Pfad — und hören auf der Stufe auf, die Ihr Use Case wirklich braucht.

01 · PIPELINES

Datenpipelines

Ingestion, ETL und Mappings machen aus verstreuten Systemen KI-taugliche Daten — Batch und Echtzeit.

02 · RAG

RAG & Retrieval

Hybride Suche, Reranking und Knowledge Graphs verankern jede Antwort in Ihren Dokumenten.

03 · COPILOTS

Copilots & Assistenten

Assistenten in Microsoft 365, Teams und Ihren eigenen Produkten — dort, wo Ihr Team arbeitet.

04 · AGENTEN

Autonome Agenten

Mehrstufige Agenten, die planen, Tools aufrufen und handeln — mit menschlicher Freigabe, wo es darauf ankommt.

Full AI Development

Komplexeste Individualsoftware — gebaut mit AI

Wir liefern nicht nur KI-Features. Wir bauen Software mit KI — seit Jahren. Deshalb landen selbst die kompliziertesten Individual-Systeme in Wochen — auf einem Qualitätsniveau, das ein rein manuelles Team nicht halten kann.

Multi-Agent-Build-Pipelines

Parallele Implementierungs-Agenten, adversariale Review-Agenten, automatisierte Verifikation — orchestrierte Entwicklung, nicht Autocomplete.

Spec- und Eval-Gates

Specs werden zu Plänen, Pläne zu verifizierten Inkrementen. Jede Änderung passiert Tests und Evaluations-Gates, bevor sie als fertig gilt.

Erfahrung, die sich verzinst

Jahre KI-gestützter Entwicklung über ERP-, ITSM- und Plattform-Projekte — mit derselben Strenge, mit der unsere eigenen Produkte laufen.

RAG · Retrieval · Mappings

Antworten aus Ihren Daten — nicht aus der Fantasie eines Modells

Die meisten KI-Piloten scheitern am Retrieval, nicht am Modell. Wir bauen zuerst die Retrieval-Schicht — und messen sie, bevor etwas live geht.

  • Hybride Suche & Reranking — Vektor- und Volltextsuche kombiniert und neu gerankt: der Produktionsstandard.
  • GraphRAG & agentisches Retrieval — Knowledge Graphs und mehrstufige Suche, wo einmaliges Nachschlagen aufhört.
  • Daten-Mappings & Extraktion — Dokumente und Alt-Schemata werden zu validierten, schemakonformen Daten.
Mehr zu Retrieval, Mappings & Evaluation
AUFNAHME — EINMALIG & INKREMENTELL ABFRAGE — ZUR LAUFZEIT Quellen docs · db · saas Parsen & Mappen struktur · schema Chunking semantisch Embeddings vektoren Index vektor-index volltext-index knowledge graph Frage nutzer · agent Hybride Suche vektor + volltext + graph Reranking relevanz Fundierte Antwort mit quellenangaben

Abb. 03 — Retrieval-Pipelineaufnehmen · indexieren · suchen · fundieren

Use Cases

Konkrete Arbeit statt Konzepte

Drei Projekte, die die Bandbreite zeigen — von Daten-Mappings bis zu vollständig agentischem Betrieb.

case 01 · daten-mappings

Quell-zu-Ziel-Mappings für Dynamics 365

LLM-gestütztes Schema-Mapping schlägt Feld-für-Feld-Zuordnungen vor, validiert jeden Datensatz gegen das Zielschema und leitet unsichere Fälle in die menschliche Prüfung — eine wiederholbare, auditierbare Migrations-Pipeline statt monatelanger Excel-Handarbeit.

llm-schema-mapping validation-first menschliche prüf-queue
Quelle · Alt-CRM cust_name tel_1 custom_field_x AI Mapping vorschlag + score Dynamics 365 contact.fullname contact.mobilephone Menschliche Prüfung nur unsichere mappings validiert gegen zielschema auditierbar · wiederholbar
case 02 · itsm-agent

Ein Agent im ServiceNow — nicht daneben

Von der Aufnahme in Teams, im Copilot oder im eingebetteten App-Chat macht der Agent aus Gesprächen saubere Tickets, triagiert, sucht in KB und Runbooks und entwirft Lösungen und Reports — mit menschlicher Freigabe, bevor etwas zurückgeschrieben wird.

aufnahme via teams · copilot · jede app ticket-erstellung & triage freigabe vor write-back
AUFNAHME MS Teams chat M365 Copilot agent App-Chat api · eingebettet Service-Agent aufnahme · triage erstellt das ticket KB & Runbooks hybride suche Entwürfe & Reports lösungen · statusberichte Freigabe mensch entscheidet write-back nach freigabe jeder schritt getraced · jede aktion umkehrbar · servicenow apis
case 03 · unser product lab

FounderOS — unser eigenes agentisches Produkt

Mit FounderOS — auf Antlet.OS, unserer eigenen Peer-Plattform — bauen wir eine agentengetriebene Betriebsschicht für Unternehmensgründer: unabhängige Peer-Agenten, die die operative Last tragen. Was wir dort lernen, fließt direkt in die Kundenarbeit zurück.

unabhängige peers läuft auf antlet.os eigene medizin
FounderOS antlet.os · peers Dokumente agent Operations agent Workflows agent Follow-ups agent gelerntes fließt zurück in kundenprojekte
Alle Cases im Detail — wie wir jeden bauen

Frameworks

Zuhause in allen großen Agenten-Frameworks

Wir empfehlen das Framework, das zu Ihrer Cloud, Ihren Compliance-Anforderungen und Ihrem Team passt — nicht unser Lieblingsframework.

Copilot Studio & M365 Agents
Microsoft Agent Framework
LangChain & LangGraph
OpenAI Agents SDK
Claude Agent SDK
Google ADK & AWS AgentCore
CrewAI & Pydantic AI
LlamaIndex & n8n
BITS Agent Layer
Wie wir den richtigen Stack wählen — mit Entscheidungsbaum

So arbeiten wir

Vom ersten Workshop bis zum betriebenen Agenten

Verstehen

Use-Case-Discovery, Daten-Audit und Machbarkeits-Check — inklusive der Frage, was nicht automatisiert werden sollte.

Prototyp

Ein funktionierender Prototyp auf Ihren Daten in wenigen Wochen — mit Evaluationsset ab Tag eins.

Produktivsetzen

Härtung, Guardrails, Observability und CI-Evals — die unglamouröse Arbeit, die Agenten verlässlich macht.

Betreiben

Wir betreiben, überwachen und verbessern Ihre Agenten — oder übergeben sie an Ihr Team, inklusive Schulung.

Ausblick

Wir fangen gerade erst an

Die Peer-Plattform und ihre Familie von Domänen-Agenten wachsen weiter — diese Seite wird sich mit ihnen verändern. Stay tuned.

in arbeit

Antlet.OS

Unsere Peer-Plattform — Katalog, Routing, Komposition und Audit für unabhängige Agenten — auf dem Weg zu einem öffentlichen Release.

in arbeit

Domänen-Peers

Eine wachsende Familie einsatzfertiger Peers — zitierbare Fakten und Evidenz, Recht, Banking und Behörden-Gegenstücke.

in arbeit

Simulations-Packs

Vorgefertigte simulierte Gegenstücke — ERP, Lieferanten, Behörden —, um komplette Journeys zu testen, bevor ein echtes System berührt wird.

Bauen wir Ihren ersten Produktions-Agenten

Bringen Sie einen Use Case und Ihre Daten mit — wir bringen das Engineering. Im kostenlosen Erstgespräch klären wir Machbarkeit, Risiken und einen realistischen Weg in die Produktion.