Drei Schritte: Discovery → Pilot → Rollout
Wir mögen Hau-Ruck-Projekte nicht. KI-Lösungen werden gut, wenn man früh klärt, ob ein Use Case trägt — und wenn man Pilot und Rollout sauber voneinander trennt.
Schritt 1 — Discovery (1 Woche)
Wir sprechen 30 Minuten unverbindlich. Wenn beidseitig passend: strukturierte Discovery über eine Woche, schließt mit einem schriftlichen Empfehlungs-Dokument ab. Sie entscheiden danach, ob ein Pilot folgt — keine Verpflichtung.
Schritt 2 — Pilot (3-6 Wochen, individuell kalkuliert)
Abgegrenzter Use Case mit klarem Liefer-Umfang. Wir kalkulieren jeden Pilot individuell auf Basis des Discovery-Ergebnisses, weil sich die Use Cases zu stark unterscheiden, um pauschale Festpreise sinnvoll anzubieten.
Schritt 3 — Rollout & Pflege (variabel)
Wenn das Pilot-Ergebnis trägt: Übergabe an Ihr Team oder langfristige Pflege durch uns. Auch hier: Aufwand bemisst sich nach realer Last.
Vier evanto-Signaturen
In jedem Projekt halten wir vier Versprechen — unabhängig von Branche, Tooling oder Zeitrahmen:
🧪 Trockenlauf vor Echtlauf — Bevor etwas automatisch geschrieben wird, sehen Sie den vollständigen Plan. Erst wenn Sie zufrieden sind, läuft es real.
✋ Was wir bewusst nicht automatisieren — In jeder Lösung dokumentieren wir, welche Entscheidungen bewusst beim Menschen bleiben — und warum. Ehrlichkeit als Fundament des Vertrauens.
🔄 Austauschbares Sprachmodell — Anthropic, OpenAI, Mistral, oder lokal über Ollama — eine Konfigurations-Wahl, kein Code-Refactor. Ihre Modell-Strategie bleibt frei.
🇪🇺 EU-Hosting, on-premise möglich — Datenhoheit in der Praxis: PII-Pseudonymisierung, lokale Modelle für sensible Felder, kein Cloud-Sync sensibler Daten.
Wann wir „Nein" sagen
Nicht jedes Projekt passt zu uns — und das sagen wir früh:
- Wenn die KI-Lösung den Menschen aus einer Entscheidung nehmen soll, die ein Mensch treffen sollte.
- Wenn der Use Case unter „mal gucken, was die KI so kann" einsortiert ist und keinen klaren Engpass adressiert.
- Wenn die Daten-Grundlage fehlt und kurzfristig nicht aufgebaut werden kann.
- Wenn der Zeitrahmen unrealistisch ist — wir liefern keine Demo, die in der Pilot-Woche bricht.
Ein „Nein" ist die ehrlichste Form, einen späteren Schaden abzuwenden.
Werkzeugkasten
Was wir produktiv einsetzen — und warum: weil wir es seit Jahren in Produktion betreiben, nicht weil es im Feed gerade hot ist.
- Backend: .NET 10 / C# (Microsoft Stack) · Python (für KI-Pipelines)
- Agent-Frameworks: Microsoft Agent Framework · MCP (Model Context Protocol)
- Vektorspeicher: Qdrant · Chroma
- Sprachmodelle: Anthropic Claude · OpenAI GPT · Mistral · lokale Ollama-Modelle
- Infrastruktur: Docker · n8n · Directus (Headless CMS) · PostgreSQL
- Frontend: Astro · TypeScript · Tailwind CSS
30 Minuten reden — wenn es passt
Lassen Sie uns 30 Minuten über Ihren konkreten Engpass sprechen. Unverbindlich, kostenlos, mit konkreten Vorschlägen am Ende.