[ 01 ]
Alles On-Premise oder nichts
Wer alle Daten gleich behandelt, landet entweder bei teurer Hardware für triviale Aufgaben oder bei einem öffentlichen Tool für sensible. Die Daten müssen zuerst klassifiziert werden.
[ SOUVERÄNE & LOKALE KI ]
KI auf den Daten, die nicht raus dürfen.
Manche Daten gehören nie an ein öffentliches Modell. Wir setzen KI auf Infrastruktur auf, die du kontrollierst: deine Cloud-Region, deine Server oder deine verwalteten Geräte. Lokale Modelle für die Fälle, die nicht raus dürfen, Anbieter-APIs dort, wo es geht.
Ort der Inferenz pro Anwendungsfall gewähltOpen-Weight- und Anbieter-ModelleGesteuert und protokolliert
[ 01 — WO ES SCHIEFGEHT ]
Warum souveräne KI-Projekte scheitern.
Die Idee ist einfach. In den Abwägungen verlieren Projekte Monate.
- [ 02 ]
Benchmarks statt deiner Aufgaben
Ein Modell an der Spitze der Rangliste kann an deinen Verträgen scheitern. Nur deine eigene Stichprobe zeigt den Qualitätsunterschied. - [ 03 ]
Hardware gekauft, bevor der Bedarf klar ist
GPUs werden auf Verdacht dimensioniert und stehen nach Monaten still. Volumen und Latenz bestimmen das Setup, nicht die Begeisterung. - [ 04 ]
Niemand betreibt es
Ein lokales Modell braucht Updates, Monitoring und einen Owner. Ohne Runbook wird es zum Bastelprojekt.
[ 02 — DAS BEKOMMST DU ]
Kontrolle, auf die du zeigen kannst.
Souverän heisst nicht, alles On-Premise zu betreiben. Es heisst, dass jeder Workflow eine dokumentierte Antwort darauf hat, wohin Daten gehen.
- [ 01 ]
Daten- und Hosting-Karte
Pro Workflow: welche Daten hineingehen, wo die Inferenz läuft, welcher Anbieter oder welches Modell sie sieht und was gespeichert wird. - [ 02 ]
Betriebsvarianten
Dein Cloud-Tenant und deine Region, ein privater Endpunkt, Server, die du betreibst, oder ein lokales Modell auf verwalteten Geräten. - [ 03 ]
Modellauswahl
Open-Weight-Modelle wie die Familien Llama, Mistral oder Qwen neben Anbieter-Modellen. Wir testen sie an deinen Aufgaben und weisen den Qualitätsunterschied aus. - [ 04 ]
Gesteuerter Zugriff
Deine Identitäten, Rollen und dein Logging vor jedem Modell, damit die Nutzung zuordenbar und prüfbar ist. - [ 05 ]
Ehrliche Abwägungen
Lokale Modelle kosten Hardware und Unterhalt und sind bei manchen Aufgaben schwächer. Die Zahlen bekommst du, bevor du dich festlegst.
[ 03 — SO NEHMEN WIR DAS RISIKO RAUS ]
Wie niivo das Risiko rausnimmt.
Wir entscheiden anhand von Belegen, bevor etwas gekauft wird.
- [ 01 ]
Klassifizieren, dann bauen
Die Daten werden sortiert: was zu einem Anbieter darf, was in deiner Cloud-Region bleibt, was im Haus bleibt. Die Architektur folgt dieser Karte. - [ 02 ]
Test an deinen Aufgaben
Eine Stichprobe deiner eigenen Arbeit läuft durch lokale und gehostete Kandidaten. Qualität, Tempo und Kosten siehst du nebeneinander. - [ 03 ]
Anbieterunabhängige Wahl
Open-Weight- und Anbieter-Modelle werden ohne Favoriten verglichen. Ein späterer Wechsel bleibt möglich, weil der Workflow vom Modell getrennt ist. - [ 04 ]
Ein Runbook und ein Owner
Monitoring, Updates und ein benannter Owner gehören zur Übergabe. Du betreibst es, oder wir, mit separater Vereinbarung und dem Ops-Team von worxspace im Rücken.
[ 04 — ABLAUF ]
Mit Belegen entscheiden.
Wir vergleichen Optionen an deinen eigenen Aufgaben, nicht an Benchmarks.
- 01
Daten klassifizieren
Welche Daten dürfen zu einem Anbieter, welche nur in deine Cloud-Region, welche müssen im Haus bleiben.1 bis 2 Wochen - 02
Modelle testen
Wir lassen eine Stichprobe deiner Aufgaben durch lokale und gehostete Kandidaten laufen und vergleichen Qualität, Tempo und Kosten.2 Wochen - 03
Setup pilotieren
Ein Workflow auf der gewählten Architektur, mit Logging und Zugriffskontrolle.4 Wochen - 04
Übergeben
Runbook, Monitoring und ein benannter Owner. Du kannst es betreiben, oder wir, mit separater Vereinbarung.1 bis 2 Wochen
[ 05 — ANWENDUNGSFÄLLE ]
Fälle, in denen es zählt.
Typische Szenarien. Keines davon beschreibt einen bestimmten Kunden.
Interner Wissensassistent
- Heute
- Mitarbeitende dürfen öffentliche Chatbots nicht auf internen Dokumenten einsetzen.
- Mit dem Workflow
- Ein privater Assistent antwortet aus freigegebenen Dokumenten und nennt Quellen. Er respektiert bestehende Dateiberechtigungen.
Verarbeitung sensibler Dokumente
- Heute
- Verträge oder Fallakten werden von Hand gelesen, weil sie nicht an eine externe API dürfen.
- Mit dem Workflow
- Ein lokales Modell extrahiert Felder und Zusammenfassungen auf euren eigenen Servern. Eine Person bestätigt jedes Ergebnis.
Vorgabe zum Hosting in einer Region
- Heute
- Ein Kundenvertrag verlangt die Verarbeitung in einer definierten Region.
- Mit dem Workflow
- Der Workflow läuft auf einem Modell, das in dieser Region betrieben wird, mit einem Log, der zeigt, wo jede Anfrage lief.
[ 06 — UMFANG & PREIS ]
Erst die Architektur, dann der Bau.
Die Alternative zu einem belegten Entscheid ist Hardware, die auf Verdacht gekauft wird, oder sensible Arbeit, die von Hand bleibt, weil kein Tool erlaubt ist. Die Modelltests zeigen dir den Qualitätsunterschied in Zahlen, bevor du für eins von beidem Geld ausgibst.
Souveräne KI: Architektur & Setup · 6 bis 8 Wochen
ab CHF 14'000fester Umfang · exkl. MWST
Hardware- und Inferenzkosten kommen separat. Erweiterungen: CHF 2'200 pro Tag.
- Daten- und Hosting-Karte
- Modelltests an deinen Aufgaben
- Ein Workflow auf dem gewählten Setup
- Runbook und benannter Owner
[ 07 — FRAGEN ]
Was Leute über souveräne KI fragen.
Ist lokale KI so gut wie die grossen Modelle?
Nicht bei jeder Aufgabe. Für enge, klar definierte Arbeit wie Extraktion oder Klassifikation schneiden kompakte lokale Modelle oft gut ab. Für offenes Schlussfolgern sind Anbieter-Modelle meist stärker. Das messen wir an deinen Aufgaben.
Bedeutet eine Anbieter-API, dass unsere Daten fürs Training genutzt werden?
Die Business-API-Bedingungen der grossen Anbieter schliessen das in der Regel aus, aber sie unterscheiden sich und ändern sich. Wir lesen sie pro Anwendungsfall mit dir und dokumentieren das Ergebnis.
Brauchen wir eigene GPUs?
Nicht immer. Die Optionen reichen vom privaten Cloud-Endpunkt bis zu einem einzelnen Server oder einer Workstation. Das Audit dimensioniert es gegen dein Volumen.
Wer wartet das?
Du kannst es, mit einem Runbook, das wir übergeben, oder wir, mit separatem Supportvertrag. Modell-Updates sind geplant, nicht automatisch.
Was, wenn nächsten Monat ein besseres offenes Modell erscheint?
Das wird passieren. Der Workflow ist vom Modell getrennt, und wir behalten die Teststichprobe, ein neues Modell wird also am selben Massstab geprüft, bevor du wechselst.
Kann das in unserem Microsoft-Tenant laufen?
Ja, zum Beispiel mit Azure AI Foundry in deiner Region. Der Tenant-Betrieb bleibt bei worxspace oder deiner IT.
Sag uns, was das Haus nicht verlassen darf.
Wir zeigen dir, was auf deiner eigenen Infrastruktur möglich ist und was es kostet.