Magazin · Technologie
KI-Technologie verständlich erklärt
Die Technik hinter KI entwickelt sich im Monatstakt. Dieses Thema ordnet ein, was für Unternehmen zählt: welche Modelle für welche Aufgaben passen, wie KI-Agenten und Protokolle wie MCP funktionieren, wann Retrieval-Augmented Generation hilft und welche Betriebsform zu den eigenen Anforderungen passt.
Plotdesk bindet mehr als 100 Modellvarianten aus zehn Provider-Typen an und macht sie pro Team steuerbar, ohne Bindung an einen einzelnen Anbieter.
11 Artikel zu Technologie
Small Language Models im Unternehmen: Einsatz, Kosten, Grenzen
Kleine Sprachmodelle wie Phi-4, Gemma 3, Mistral Small und Qwen3 laufen auf einer einzelnen GPU und kosten je Anfrage einen Bruchteil großer Modelle. Wann sie im Unternehmen genügen und wo Frontier-Modelle nötig bleiben.
Artikel lesen
AI Observability und LLM-Evaluation: KI-Qualität im Betrieb messen
AI Observability zeigt, was Ihre KI-Anwendungen im Betrieb tun, LLM-Evaluation misst, wie gut sie antworten. Der Leitfaden vergleicht Werkzeuge, ordnet den Rechtsrahmen ein und zeigt einen 90-Tage-Plan für den ersten messbaren Use Case.
Artikel lesen
KI-Coding-Assistenten im Unternehmen: Auswahl, Kosten und Governance
KI-Coding-Assistenten sind eine Einkaufs- und Governance-Entscheidung. Der Leitfaden vergleicht GitHub Copilot, Cursor, Claude Code und Devin (Stand September 2026) und ordnet Kosten, Code-Qualität, Datenschutz und KI-Verordnung ein.
Artikel lesen
LLM-Vergleich 2026: Welches KI-Modell für welche Aufgabe passt
GPT, Claude, Gemini und offene Modelle im Vergleich: Welche Modellstufe für welche Aufgabe passt, was sie im Betrieb kostet und welche Wege es für die Verarbeitung in der EU gibt. Stand: September 2026.
Artikel lesen
Open-Source-LLMs im Unternehmen: Wann sich Self-Hosting lohnt
Mistral, DeepSeek, gpt-oss und Apertus machen offene Modelle zur ernsthaften Option. Welche Lizenzen für EU-Unternehmen gelten, wo offene Modelle mithalten und wann Self-Hosting wirklich die bessere Wahl ist.
Artikel lesen
Reasoning-Modelle: Wann sich Thinking Models im Unternehmen lohnen
Reasoning-Modelle denken vor der Antwort. Das hilft bei mehrstufigen Aufgaben und kostet bei einfachen Anfragen nur Geld und Zeit. Wie Sie die Denktiefe je Anwendungsfall steuern, Stand September 2026.
Artikel lesen
KI-Agenten im Unternehmen: Was sie leisten und wie Sie sicher starten
KI-Agenten im Unternehmen planen Arbeitsschritte und bedienen Systeme selbstständig. Der Leitfaden erklärt Aufbau, Einsatzfelder, Governance und Rechtsstand und zeigt, wie der erste Agent sicher in Betrieb geht.
Artikel lesen
Retrieval Augmented Generation (RAG): So nutzt KI Ihr Firmenwissen
Retrieval Augmented Generation lässt die KI erst in Ihren Dokumenten suchen und dann mit Quellenangabe antworten. Der Leitfaden erklärt Aufbau, Stand 2026, Grenzen und Qualitätsmessung und zeigt den Weg zum ersten Wissensassistenten.
Artikel lesen
Prompt Engineering im Unternehmen: Grundregeln und Vorlagen
Prompt Engineering im Unternehmen heißt: klares Ziel, passender Kontext, Beispiele und Prüfkriterien. Der Leitfaden zeigt die Grundregeln für aktuelle Modelle, acht Vorlagen für Fachbereiche und wie Teams gute Prompts dauerhaft teilen.
Artikel lesen
Context Window erklärt: Was 1 Million Tokens in der Praxis bringen
Das Context Window bestimmt, wie viel Text eine KI auf einmal verarbeitet. Warum eine Million Tokens heute Standard sind, wo die Grenzen liegen und wann eine gezielte Suche die bessere Wahl ist.
Artikel lesen
KI On-Premise oder Cloud: Welches Betriebsmodell passt zu Ihnen?
Wo Ihre KI-Plattform läuft und wo die Modelle rechnen, entscheidet über Kontrolle, Aufwand und Kosten. Die Betriebsmodelle im Vergleich, von der EU-Cloud über den eigenen Tenant bis zum eigenen Rechenzentrum.
Artikel lesenNächster Schritt
Finden wir den Prozess, der sich für Sie rechnet.
In der persönlichen KI-Potenzialanalyse prüfen wir Ihre Ausgangslage und entwickeln eine konkrete Hypothese für den schnellsten wirtschaftlichen Hebel. Von der ersten Idee bis zur Lösung im Betrieb.
- 1.200+Use Cases in 15 Branchen
- 4 Wochenbis zum ersten Ergebnis im Betrieb
- DediziertIhre Instanz in der EU oder in Ihrem eigenen Tenant
Die Expertise und Kreativität haben zu einer Lösung geführt, die unternehmensweit großen Anklang findet.
Paul Töws, AI Hub Lead, Melitta