Zum Hauptinhalt springen

KI-Integration für Unternehmen, die direkt in Ihre Systeme schreibt

Wir entwerfen und bauen Automatisierungen, in denen KI eine E-Mail, eine Rechnung oder eine Tabelle liest, die relevanten Angaben herauszieht und das Ergebnis in Ihr CRM, Ihre Buchhaltung oder einen freigegebenen Ordner schreibt. Für jeden Schritt legen wir vorab fest, wo ein Mensch das Ergebnis prüft. Dieselben Verfahren nutzen wir in eigenen KI-Produkten, die im Echtbetrieb laufen.

  • 4 eigene KI-Produkte im Echtbetrieb
  • Code, Szenarien und Daten gehören Ihnen
  • Modell in der Cloud oder auf Ihrem Server
  • Sie sprechen direkt mit dem Entwickler
Prozess zur Automatisierung besprechenAutomatisierungskarte ansehen

Was ist KI-Integration von Webforte

KI-Integration für Unternehmen von Webforte umfasst Entwurf, Entwicklung und Betrieb von Automatisierungen, in denen ein Sprachmodell Text, Dokumente oder Tabellen verarbeitet und das Ergebnis in ein System schreibt, das die Firma bereits nutzt. Typische Aufgaben sind das Sortieren eingehender E-Mails und Anfragen, das Auslesen von Rechnungen und Verträgen, Textkommentare zu Tabellenreports und die Suche in Firmendokumenten mit Quellenangabe (RAG). Jede Automatisierung hat einen vorab festgelegten Kontrollpunkt, an dem ein Mensch freigibt, wenn ein Fehler Geld oder Kundenvertrauen kosten würde. Das Modell wird je nach Aufgabe gewählt: Cloud-API (OpenAI, Anthropic Claude, Google) oder ein Open-Source-Modell auf dem Server des Kunden, wenn Daten das Unternehmen nicht verlassen dürfen. Die Anwendungen entstehen in TypeScript und Next.js mit PostgreSQL, laufen in Docker auf einem VPS oder beim Kunden, und Code, Szenarien und Daten gehören dem Kunden. Webforte Technologies s.r.o. (Prag, IČO 23364343) betreibt eigene KI-Produkte wie Dotazio und Kurikula.ai. Der Preis ergibt sich aus einer Kalkulation nach dem Erstgespräch.

Automatisierungskarte: was die KI macht und wo der Mensch bleibt

Fünf Prozesstypen, bei denen sich KI-Automatisierung in Unternehmen zuerst lohnt. Für jeden beschreiben wir den Input, die Arbeit des Modells, das Ergebnis und die Stelle, an der ein Mensch prüft. Anhand dieser Karte gehen wir im Erstgespräch auch Ihre Prozesse durch.

Eingehende E-Mails und Anfragen

In das gemeinsame Postfach kommen Anfragen, Reklamationen, Rechnungen und Spam, und jemand sortiert sie jeden Morgen von Hand. Die Automatisierung liest jede Nachricht, ordnet sie einer Kategorie zu, zieht Name, Firma, Anliegen und Termin heraus und legt einen Datensatz im CRM oder in einer Tabelle an. Zu jeder Anfrage bereitet sie einen Antwortentwurf auf Basis Ihrer Mustertexte vor. Versendet wird aber vom Vertrieb: Entwurf anpassen und abschicken. Nachrichten, bei denen sich das Modell unsicher ist, landen in einem eigenen Ordner zur manuellen Prüfung statt stillschweigend in der falschen Kategorie.

  • Input: Nachrichten aus dem Postfach und aus Webformularen
  • KI: Zuordnung, Datenextraktion, Antwortentwurf
  • Ergebnis: CRM-Datensatz und vorbereiteter Entwurf
  • Mensch: bearbeitet und versendet die Antwort

Rechnungen und Belege automatisch auslesen

PDF-Rechnungen, Lieferscheine oder Verträge werden heute von Hand in Buchhaltung oder ERP übertragen. Das automatische Auslesen von Rechnungen übernimmt diese Arbeit: Die Automatisierung liest das Dokument (bei Scans zuerst per OCR vom Bild zum Text), zieht Lieferant, Steuernummer, Beträge, Umsatzsteuer, Fälligkeit und Positionen heraus und prüft sie gegen Regeln: Stimmt die Summe, ist der Lieferant im Stammdatensatz, passt die Bestellnummer. Kommt die Rechnung zusätzlich als strukturierte E-Rechnung (etwa ZUGFeRD, XRechnung oder das tschechische ISDOC), lesen wir die Daten direkt aus, ein Modell ist dann nicht nötig. Was die Prüfung besteht, wird für den Import vorbereitet. Was nicht besteht, wird markiert, samt dem konkreten Feld, das nicht passt. Für die Digitalisierung der Buchhaltung ist das meist der erste Schritt: Die Buchhaltung bearbeitet Ausnahmen statt jede Zeile abzutippen.

  • Input: PDFs, Scans, E-Rechnungen, E-Mail-Anhänge
  • KI: Dokument lesen und Felder in feste Struktur übertragen
  • Prüfung: Summen und Steuernummern prüft klassischer Code, nicht das Modell
  • Mensch: bearbeitet nur markierte Ausnahmen

Reports aus Tabellen und Exporten

Jede Woche lädt jemand Exporte aus Onlineshop, Buchhaltung oder Werbekonten herunter, fügt sie in Excel zusammen und schreibt eine Zusammenfassung für die Geschäftsführung. Die Berechnungen überlassen wir Datenbank und Skript, denn die rechnen exakt, während sich ein Sprachmodell bei Zahlen irren kann. Die KI bekommt die fertigen Zahlen und schreibt einen Kommentar dazu: Was hat sich gegenüber dem Vorzeitraum geändert, welche Positionen fallen aus dem Rahmen, wo lohnt ein genauer Blick. Der Report kommt zu einer festen Zeit per E-Mail oder in ein geteiltes Dokument. Die Führungskraft liest die fertige Übersicht und entscheidet über die Abweichungen.

  • Input: CSV-Exporte, Google Sheets, Datenbanken
  • Berechnung: SQL und Skript, kein Sprachmodell
  • KI: Textzusammenfassung und Hinweise auf Abweichungen
  • Mensch: entscheidet über nächste Schritte

Suche in Firmendokumenten

Richtlinien, Preislisten, Datenblätter und Protokolle liegen in freigegebenen Ordnern, und neue Kolleginnen und Kollegen stellen immer wieder dieselben Fragen. Wir bauen eine interne Suche, der man in normalen Sätzen schreibt. Technisch ist das RAG: Das System findet zuerst die Passagen in Ihren Dokumenten, die zur Frage passen, und erst daraus formuliert das Modell die Antwort. Jede Antwort enthält einen Link auf das konkrete Dokument und lässt sich so überprüfen. Fehlt die Grundlage, sagt das System, dass es die Antwort nicht kennt. Auf demselben Prinzip beruht unser Produkt Dotazio.

  • Input: PDF, Word, internes Wiki, Netzlaufwerke
  • KI: findet relevante Passagen und antwortet nur daraus
  • Ergebnis: Antwort mit Link auf das Quelldokument
  • Mensch: Dokumentverantwortliche halten Unterlagen aktuell

Unterlagen und Entwürfe mit Prüfung

Angebote, Produktbeschreibungen, Antworten auf Ausschreibungen oder Besprechungsprotokolle folgen einer wiederkehrenden Struktur. Die Automatisierung erstellt eine erste Fassung aus Ihren Daten: aus Preisliste, Produktparametern, Gesprächsnotizen. Das Modell bekommt eine feste Gliederung und eine Liste von Fakten, aus denen es schöpfen darf, und das Ergebnis wird vor dem Speichern mit der Quelle abgeglichen. So arbeitet auch unsere interne Redaktions-Pipeline für den Blog, die Quellen vor der Veröffentlichung prüft. Den fertigen Text gibt immer ein Mensch frei, denn für den Inhalt haftet das Unternehmen, nicht das Modell.

  • Input: Preisliste, Parameter, Notizen, Vorlage
  • KI: erste Fassung nach fester Gliederung
  • Prüfung: Abgleich des Ergebnisses mit den Quellfakten
  • Mensch: überarbeitet und gibt den Text frei

Anbindung an Buchhaltung und Unternehmenssysteme

Automatisierung lohnt sich erst, wenn das Ergebnis in dem System landet, in dem das Unternehmen arbeitet. Wir binden über die Schnittstelle (API) an, die der Hersteller offiziell anbietet. Vorab halten wir fest, was synchronisiert wird, ob in eine oder in beide Richtungen, und welches System für welche Angabe führend ist. Die Liste zeigt verbreitete tschechische Buchhaltungs- und Geschäftssysteme, etwa für Niederlassungen in Tschechien. Braucht eine Schnittstelle ein Zusatzmodul oder eine höhere Lizenz, sagen wir das vor Projektbeginn.

PohodaImport und Export von Rechnungen, Bestellungen, Adressen und Lagerbeständen im XML-Format. POHODA mServer nimmt XML-Anfragen per HTTP entgegen, sodass eine Anwendung laufend in Pohoda schreiben und daraus lesen kann. In beide Richtungen.
XML API und mServer
Money S3Mit dem Zusatzmodul API liest eine Anwendung Daten aus Money S3 in Echtzeit und schreibt über eine Importwarteschlange. Ohne Modul bleibt der Austausch von XML-Dateien. In beide Richtungen.
API-Modul oder XML
ABRA FlexiLesen und Schreiben von Belegen, Adressen, Lager und Bestellungen im JSON- oder XML-Format. Webhooks melden Änderungen, und ein Testspeichern (Dry-Run) prüft einen Schreibvorgang, bevor er wirksam wird.
REST API
Helios iNuvioFachliche Schnittstellen für Ausgangs- und Eingangsrechnungen, Onlineshop und Aufträge, beschrieben im OpenAPI-Standard. Beim Unternehmen muss Inuvio Server laufen.
REST API
iDoklad und FakturoidRechnungen, Kontakte und Zahlungen aus der Online-Fakturierung. Typisch: Eine Bestellung im Onlineshop oder ein Abschluss im CRM erzeugt die Rechnung automatisch, und die Zahlungsinformation fließt zurück. Beide Schnittstellen nutzen OAuth 2 und Webhooks (bei Fakturoid nur in kostenpflichtigen Tarifen).
API v3
Shoptet und OnlineshopsBestellungen, Produkte, Kunden, Lager und Belege. Shoptet stellt die API für Erweiterungen und für Shops im Tarif Premium bereit. WooCommerce und andere Plattformen haben eigene APIs oder Exporte.
REST API und Webhooks
CRMPipedrive, HubSpot, Raynet oder ein eigenes CRM: Anfragen, Kontakte und Verkaufschancen. Bei Synchronisation in beide Richtungen legen wir pro Feld fest, welche Seite das letzte Wort hat, damit sich Änderungen nicht gegenseitig überschreiben.
REST API
Wenn ein Schreibvorgang scheitertJede Anfrage trägt eine eindeutige ID, damit bei einer Wiederholung kein Beleg doppelt entsteht. Antwortet das Zielsystem nicht oder lehnt es den Datensatz ab, bleibt die Anfrage in der Warteschlange und wird erneut versucht. Nach wiederholtem Fehlschlag kommt eine Meldung mit dem konkreten Fehler, nichts geht stillschweigend verloren.
Warteschlange und Alarm

n8n auf Ihrem Server, Make, Zapier oder eigener Code

Für einfachere Anbindungen genügt oft ein Automatisierungswerkzeug statt einer eigenen Anwendung. n8n setzen wir als selbst gehostete Instanz auf Ihrem Server oder auf einem auf Ihr Unternehmen gemieteten VPS in der EU auf, die Instanz gehört also Ihnen (Docker, PostgreSQL-Datenbank, HTTPS, Backups und Updates). Die Betreuung können wir übernehmen oder an Ihre IT übergeben. Die Szenarien laufen bei Ihnen, und die Daten gehen nicht durch die Cloud eines weiteren Automatisierungsanbieters. Das Werkzeug wählen wir danach, wo die Daten liegen dürfen und wie komplex die Logik ist.

Tabelle seitlich wischen, um alle Spalten zu sehen.

n8n auf Ihrem Server, Make, Zapier oder eigener CodeMake oder Zapiern8n auf Ihrem ServerEigener Code
Wo es läuftIn der Cloud des AnbietersAuf Ihrem Server oder einem auf Sie gemieteten VPS in der EUAuf Ihrem Server oder Hosting
Wo die Daten liegenSie laufen durch den Dienst des AnbietersSie bleiben in Ihrer InfrastrukturSie bleiben in Ihrer Infrastruktur
Geeignet fürSchnelle Verbindung gängiger Cloud-AnwendungenWiederkehrende Abläufe zwischen Systemen mit API, auch mit KI-SchrittenKomplexe Logik, eigene Oberfläche, große Volumen
Szenarien anpassenIm visuellen Editor, auch ohne technisches VorwissenIm visuellen Editor, komplexere Schritte in JavaScriptNur Entwickler
Laufende KostenMonatstarif nach Anzahl der OperationenCommunity Edition für den internen Gebrauch kostenlos, Sie zahlen Server und BetreuungHosting und Wartung, keine Gebühren pro Ausführung
BetreuungUpdates übernimmt der AnbieterUpdates, Backups und Überwachung übernehmen wir oder Ihre ITPflege des Codes übernehmen wir oder Ihr Entwickler

RPA (Robotic Process Automation) ahmt die Klicks eines Menschen in einer Anwendung nach festem Skript nach. Das passt zu älteren Systemen ohne API, bricht aber ab, sobald sich eine Maske ändert. KI-Automatisierung liest auch E-Mails oder Scans und übergibt Daten per API, deshalb greifen wir zu RPA erst bei Systemen ohne API und ohne Export.

So antwortet KI auf Basis Ihrer Dokumente (RAG)

RAG bedeutet, dass das System vor jeder Antwort zuerst in den Dokumenten sucht. Das Modell antwortet nicht aus dem Gedächtnis, sondern aus den Passagen, die das System findet.

  1. 1

    Frage

    Jemand stellt eine Frage in normaler Sprache, etwa „Welche Reklamationsfrist gilt für Geschäftskunden?“

  2. 2

    Suche

    Das System durchsucht die vorab aufbereiteten Dokumente und wählt einige Passagen, die am besten zur Frage passen.

  3. 3

    Antwort aus den Unterlagen

    Das Modell erhält die Frage und die gefundenen Passagen mit der Anweisung, nur daraus zu antworten. Was dort nicht steht, ergänzt es nicht.

  4. 4

    Quellenangabe

    An die Antwort wird ein Link auf das Dokument angehängt. Findet das System nichts Passendes, sagt es das und bietet die Weitergabe an eine Kollegin oder einen Kollegen an.

Ergebnis: eine Antwort, die Sie im konkreten Dokument nachprüfen können. So funktionieren Dotazio für Gemeinden und Unternehmen und die internen Suchen, die wir für Kunden bauen.

Wie wir KI unter Kontrolle halten

Ein Sprachmodell ist ein nützliches Werkzeug mit einer Eigenschaft, die jeder Entwurf berücksichtigen muss: Es kann sich irren und dabei überzeugt klingen. Deshalb klären wir vier Punkte, bevor die erste Zeile Code entsteht.

Halluzinationen: warum sie entstehen und was hilft

Eine Halluzination ist eine Antwort, die plausibel klingt, aber nicht stimmt. Das Modell erzeugt wahrscheinlichen Text und hat keine Liste geprüfter Fakten in sich. Deshalb liefern wir ihm die Fakten von außen, aus Ihren Dokumenten, Ihrer Datenbank oder Preisliste, und untersagen ihm in der Anweisung, darüber hinaus zu antworten. Wo möglich, verlangen wir vom Modell eine Quellenangabe oder einen Code, über den sich die Antwort nachverfolgen lässt. Kurikula.ai belegt so jeden Änderungsvorschlag für einen Schullehrplan mit dem Code aus dem staatlichen Rahmenlehrplan. Ausgaben ohne Quelle markiert oder verwirft das System.

  • Fakten kommen aus Ihren Daten, nicht aus dem Gedächtnis des Modells
  • Wir verlangen Quellenangabe oder nachprüfbaren Code
  • Ohne Grundlage lautet die Antwort „weiß ich nicht“, keine Schätzung
  • Ausgaben in fester Struktur (JSON) prüft der Code

Menschlicher Kontrollpunkt

Vor der Entwicklung legen wir für jede Automatisierung fest, was passiert, wenn die KI sich irrt. Bedeutet ein Fehler eine falsch einsortierte E-Mail, genügt eine Stichprobe. Bedeutet er eine falsche Zahlung, ein Angebot mit falschem Preis oder eine Antwort an einen Kunden in einer heiklen Sache, bereitet die Automatisierung das Ergebnis nur vor und ein Mensch gibt es frei. Diese Grenze steht vorab in der Spezifikation und wird nicht erst nach dem ersten Fehler nachgetragen. Jeder Schritt wird protokolliert, sodass sich nachvollziehen lässt, was das Modell erhalten und zurückgegeben hat.

  • Der Preis eines möglichen Fehlers bestimmt die Kontrolltiefe
  • Zahlungen, Preise und heikle Kommunikation: immer Freigabe
  • Unsichere Ergebnisse landen in einer Prüfwarteschlange
  • Protokoll aller Ein- und Ausgaben

Modellbetrieb: API oder eigener Server

Ein Modell lässt sich auf zwei Arten nutzen. Über die API eines Anbieters (OpenAI, Anthropic Claude, Google): Sie erhalten die leistungsfähigsten Modelle, zahlen nach verarbeiteter Textmenge, und die Daten gehen zur Verarbeitung an den Anbieter. Oder als Open-Source-Modell auf Ihrem Server: Die Daten verlassen Ihre Infrastruktur nicht, dafür braucht es leistungsfähige Hardware, und bei anspruchsvollen Aufgaben ist das Modell meist schwächer. Oft kombinieren wir: Sensible Dokumente verarbeitet ein lokales Modell, allgemeine Texte die Cloud-API. Wir entscheiden nach Datenart und Aufgabe.

  • Cloud-API: höchste Qualität, Abrechnung nach Menge
  • Lokales Modell: Daten bleiben bei Ihnen
  • Kombination je nach Sensibilität der Daten
  • Die Anwendung ist so gebaut, dass sich das Modell tauschen lässt

DSGVO und Speicherort der Daten

Vor der Entwicklung dokumentieren wir, welche personenbezogenen Daten die Automatisierung verarbeitet, wer Auftragsverarbeiter ist und wo die Server physisch stehen. Bei Cloud-Modellen wählen wir APIs und Einstellungen, bei denen der Anbieter laut seinen Vertragsbedingungen die Daten nicht zum Training nutzt, und eine Verarbeitung in der EU, wo sie angeboten wird. Personenbezogene Daten, die das Modell für die Aufgabe nicht braucht, werden vor dem Versand entfernt. Anwendung, Datenbank und Protokolle laufen in Docker auf einem VPS oder bei Ihrem Hosting, sodass Sie wissen, wo was liegt. Die Dokumentation erhalten Sie als Grundlage für Ihren Datenschutzbeauftragten.

  • Liste der verarbeiteten personenbezogenen Daten vor der Entwicklung
  • Entfernung von Daten, die das Modell nicht braucht
  • Verarbeitung in der EU, wo der Anbieter sie anbietet
  • Dokumentation für Datenschutzbeauftragte

Wo das Modell läuft: Optionen im Vergleich

Die eine richtige Wahl gibt es nicht. Entscheidend sind Sensibilität der Daten, Schwierigkeit der Aufgabe und Volumen.

Tabelle seitlich wischen, um alle Spalten zu sehen.

Wo das Modell läuft: Optionen im VergleichCloud-APIModell auf Ihrem ServerKombination
Qualität bei anspruchsvollen AufgabenHöchste verfügbareGeringer, abhängig von Modell und HardwareHoch, wo sie gebraucht wird
Wo die Daten verarbeitet werdenBeim ModellanbieterSie verlassen Ihre Infrastruktur nichtSensible bei Ihnen, übrige per API
BetriebskostenAbrechnung nach TextmengeHardware und ServerbetriebBeides in kleinerem Umfang
Geeignet fürTexte ohne sensible Daten, erste TestsRegulierte Branchen, interne DokumenteUnternehmen mit gemischten Daten
Aufwand für den StartAm geringstenServer muss vorbereitet werdenZwei Teile einzurichten

Das konkrete Modell wählen wir nach einem Test mit einer Stichprobe Ihrer Daten. Die Anwendung ist so gebaut, dass sich das Modell später ohne Neuentwicklung austauschen lässt.

So läuft ein Projekt ab

Jede Phase endet mit einem Ergebnis, über das Sie entscheiden. Entwickelt wird erst nach dem Test mit Ihren Daten.

  1. Erstgespräch und Prozessauswahl

    Wir gehen Ihre Prozesse anhand der Automatisierungskarte durch und wählen einen aus, bei dem viel wiederkehrende Arbeit anfällt und Fehler beherrschbare Folgen haben. Wir klären, wie viele Fälle pro Monat anfallen, wer sie heute bearbeitet und in welchen Systemen die Daten liegen.

    Ergebnis: Ausgewählter Prozess und unverbindliche Kalkulation

  2. Konzept und Regeln

    Wir beschreiben Inputs, Ergebnisse, angebundene Systeme, Modelltyp und vor allem den menschlichen Kontrollpunkt. Wir halten fest, welche personenbezogenen Daten verarbeitet werden und wo das System läuft.

    Ergebnis: Schriftliches Konzept inklusive Grenzen der Automatisierung

  3. Test mit echten Daten

    Mit einer Stichprobe Ihrer echten E-Mails, Rechnungen oder Dokumente lassen wir eine erste Version laufen und gehen die Ergebnisse gemeinsam durch. Dabei zeigt sich, wo das Modell Fehler macht und ob sich die Automatisierung lohnt. Wenn nicht, sagen wir es jetzt und nicht nach Monaten der Entwicklung.

    Ergebnis: Testergebnisse und Entscheidung über das Weitermachen

  4. Entwicklung und Anbindung

    Wir bauen die Anwendung in TypeScript und Next.js mit PostgreSQL und binden sie per API an CRM, E-Mail, Buchhaltung oder Onlineshop an, bei Bedarf über Szenarien in n8n oder Make.com. Dazu kommen Protokoll, Prüfwarteschlange und Fehlermeldungen.

    Ergebnis: Funktionierende Automatisierung, angebunden an Ihre Systeme

  5. Inbetriebnahme und Übergabe

    Wir deployen in Docker auf einem VPS oder bei Ihrem Hosting, schulen die Personen, die die Ergebnisse prüfen, und übergeben Code, Szenarien, Zugänge und Dokumentation.

    Ergebnis: Laufender Betrieb, Dokumentation und Zugänge bei Ihnen

  6. 30 Tage Betriebsbegleitung

    Im ersten Monat beobachten wir Protokoll, Fehlerquote und Ausnahmen, verfeinern Anweisungen und Regeln und werten mit Ihnen aus, wie viel Handarbeit die Automatisierung übernommen hat.

    Ergebnis: Auswertung des Betriebs und Empfehlung für den nächsten Schritt

Was Sie erhalten

  • Prozessbeschreibung mit markiertem menschlichem Kontrollpunkt
  • Test mit einer Stichprobe Ihrer Daten vor der Hauptentwicklung
  • Anwendung oder Automatisierungsszenarien, angebunden an Ihre Systeme
  • Quellcode in einem Repository, das Ihnen gehört
  • Zugänge zu n8n- oder Make.com-Szenarien, Servern und Konten bei KI-Anbietern
  • Protokoll aller Ein- und Ausgaben und eine Prüfwarteschlange
  • Beschreibung der Datenverarbeitung und des Speicherorts
  • Schulung der Personen, die mit der Automatisierung arbeiten
  • 30 Tage Betriebsbegleitung nach dem Start

Eigene KI-Produkte im Betrieb

Wir setzen KI nicht nur für Kunden ein. Eigene Produkte betreiben wir selbst, Modellfehler, Betriebskosten und Nutzerfragen kennen wir also aus eigenen Diensten.

Wann wir KI-Automatisierung empfehlen und wann nicht

Sinnvoll, wenn

  • Sie regelmäßig E-Mails, Texte oder Dokumente ohne festes Format verarbeiten
  • Dieselbe Arbeit täglich oder wöchentlich anfällt und Fehler durch Prüfung abgefangen werden können
  • Ihre Daten in Systemen mit API liegen oder sich zumindest exportieren lassen
  • Sie Code und Automatisierungen besitzen und bei Bedarf selbst weiterentwickeln wollen
  • Sie eine Agentur in der EU mit gleicher Zeitzone suchen, bei der sensible Daten auf Ihrem Server bleiben können

Nicht empfehlenswert, wenn

  • Die Aufgabe deterministisch ist: Datenübertragung nach festen Regeln erledigt ein klassisches Skript günstiger und zuverlässiger, und das schreiben wir Ihnen dann statt einer KI-Lösung
  • Ein Fehler schwere Folgen hätte und niemand Kapazität hat, die Ergebnisse zu prüfen
  • Nur wenige Fälle pro Monat anfallen und sich die Entwicklung nicht rechnet
  • Die Unterlagen, aus denen die KI schöpfen soll, veraltet sind oder sich widersprechen
  • Sie eine Präsentation über KI-Trends suchen und keine laufende Automatisierung

Weitere Projekte in diesem Bereich

Alle Projekte

Häufige Fragen

Der Preis hängt davon ab, wie viele Systeme angebunden werden, ob ein Automatisierungsszenario genügt oder eine eigene Anwendung nötig ist, und welche Vorgaben es zum Speicherort der Daten gibt. Zur einmaligen Entwicklung kommen Betriebskosten für Modellaufrufe, die mit der verarbeiteten Textmenge steigen, oder für einen Server mit lokalem Modell. Den konkreten Betrag erhalten Sie als Kalkulation nach einem kostenlosen Erstgespräch.

Eine einfache Automatisierung eines Prozesses, etwa das Sortieren von E-Mails oder das Auslesen von Rechnungen, ist meist in 1 bis 2 Wochen fertig. Eine Anwendung mit Anbindung an mehrere Systeme braucht etwa 3 bis 6 Wochen. Den Termin bestimmt vor allem der Zugang zu Daten und Systemen auf Ihrer Seite. Wir beginnen immer mit einem Test an einer Stichprobe Ihrer echten Daten.

Die Modelle wählen wir nach Aufgabe: Cloud-APIs von OpenAI, Anthropic Claude und Google oder Open-Source-Modelle auf Ihrem Server. Anwendungen bauen wir in TypeScript und Next.js mit PostgreSQL und Drizzle ORM, die Anbindung läuft über die APIs Ihrer Systeme und bei Bedarf über Szenarien in n8n oder Make.com. Wir deployen in Docker auf einem VPS oder bei Ihrem Hosting und bauen so, dass sich das Modell später tauschen lässt.

Ja. Pohoda binden wir über die XML-Schnittstelle an: entweder per Austausch von XML-Dateien oder über POHODA mServer, an den eine Anwendung Anfragen per HTTP schickt und Antworten erhält. Money S3 hat für Lesen und Schreiben ein Zusatzmodul API, ohne das bleibt der XML-Austausch. ABRA Flexi und Helios iNuvio bieten eine REST API, Fakturoid und iDoklad eine API in Version 3. Vor Projektbeginn prüfen wir Ihre Lizenz und Module, weil manche Schnittstellen eine Erweiterung auf Seiten der Buchhaltungssoftware voraussetzen.

Das hängt von den Daten und der Komplexität ab. Make oder Zapier genügen, um gängige Cloud-Anwendungen schnell zu verbinden, die Daten laufen aber durch den Dienst des Anbieters. n8n setzen wir auf Ihrem Server oder einem auf Ihr Unternehmen gemieteten VPS in der EU auf, Szenarien und Daten bleiben also bei Ihnen, und die Community Edition ist für den internen Gebrauch kostenlos. Eigenen Code wählen wir bei komplexer Logik, eigener Oberfläche oder großen Volumen. Oft kombinieren wir: n8n steuert den Ablauf zwischen den Systemen, anspruchsvollere Schritte laufen in einer eigenen Anwendung.

Gemeint ist das automatische Erfassen der Angaben aus Eingangsrechnungen: Lieferant, Steuernummer, Beträge, Umsatzsteuer, Fälligkeit und Positionen. Aus PDFs oder Scans liest sie OCR zusammen mit einem Sprachmodell, aus strukturierten E-Rechnungen direkt. Klassischer Code prüft danach Summen und Lieferanten im Stammdatensatz, korrekte Belege werden für den Import in die Buchhaltung vorbereitet und strittige zur manuellen Prüfung markiert. Die Buchhaltung tippt so nicht jede Zeile ab, sondern bearbeitet nur Ausnahmen.

Damit rechnen wir von Anfang an. Das Modell erhält Fakten aus Ihren Daten und darf darüber hinaus nicht antworten, Ausgaben in fester Struktur prüft klassischer Code, und unsichere Fälle landen in einer Prüfwarteschlange. Wo ein Fehler Geld oder Kundenvertrauen kosten würde, bereitet die Automatisierung nur vor und ein Mensch gibt frei. Alle Ein- und Ausgaben werden protokolliert, jeder Fehler lässt sich also nachvollziehen und in den Regeln beheben.

RAG ist ein Verfahren, bei dem das System vor der Antwort relevante Passagen in Ihren Dokumenten sucht und das Modell nur daraus antwortet, mit Link zur Quelle. Das lohnt sich, wenn Mitarbeitende immer wieder nach Inhalten aus Richtlinien, Preislisten, Handbüchern oder Verträgen fragen. Sie brauchen es nicht, wenn jeweils ein einzelnes Dokument wie eine Rechnung verarbeitet wird oder eine Datenbank die Antwort berechnen kann.

Anwendung, Datenbank und Protokolle laufen in Docker auf einem VPS oder bei Ihrem Hosting. An ein Cloud-Modell geht nur der Text, der für die Aufgabe nötig ist, nicht benötigte personenbezogene Daten entfernen wir vorher. Dürfen Daten das Unternehmen nicht verlassen, setzen wir ein Open-Source-Modell auf Ihrem Server ein. Als tschechisches Unternehmen arbeiten wir unter derselben DSGVO wie Sie und dokumentieren die Verarbeitung vor der Entwicklung.

Ihnen. Den Quellcode übergeben wir in einem Repository mit vollem Zugriff, ebenso die Szenarien in n8n oder Make.com, Server und Konten bei KI-Anbietern. Die Daten bleiben in Ihrer Datenbank. Ihre eigenen Entwickler oder ein anderer Dienstleister können die Automatisierung also weiterführen. Die Dokumentation beschreibt, wie die Teile zusammenspielen und wo Regeln und Anweisungen für das Modell geändert werden.

Prag liegt in derselben Zeitzone wie Deutschland und Österreich, wir arbeiten unter demselben EU-Recht und derselben DSGVO. Webforte ist ein kleines Team, Sie sprechen direkt mit dem Entwickler, der die Automatisierung baut, ohne Projektmanager dazwischen. Code, Szenarien und Daten gehen an Sie, damit Sie nicht an uns gebunden sind. Ob die Zusammenarbeit passt, klärt ein kostenloses Erstgespräch.

In den ersten 30 Tagen beobachten wir den Betrieb: Protokoll, Fehlerquote und Ausnahmen, und verfeinern die Anweisungen für das Modell. Danach vereinbaren wir laufende Wartung oder übergeben alles an Ihr Team. Wartung betrifft vor allem Änderungen an angebundenen Systemen, neue Modellversionen der Anbieter und Regelanpassungen, wenn sich Ihr Prozess ändert.

Beschreiben Sie den Prozess, der Sie aufhält

Ein paar Sätze genügen: Was wird heute von Hand erledigt, wie oft, und in welchen Systemen liegen die Daten? Wir melden uns mit einer Einschätzung, ob KI, ein klassisches Skript oder keins von beiden passt.

Beratung anfragen