Referenzmodelle

Referenzmodell: Digitale Plattform Referenzmodell: Delivery & Change Referenzmodell: LLM-Fähigkeiten

Referenzmodelle

Referenzmodelle beschreiben, wie „gut“ aussieht – unabhängig von Tools und Anbietern.

Sie definieren Fähigkeiten, Kontrollen & Nachweise, Metriken/SLOs und gängige Anti-Muster.

Modelle

Digitale Plattform — Eine skalierbare Plattform-Fähigkeitskarte.
Lieferung & Änderung — Sichere, schnelle, auditierbare Änderungen.
Sicherheit & Vertrauen — Kontrollen-zentrierte Sicherheit und Governance.
LLM-Fähigkeit — Governance, Evaluierung, Kosten und Betrieb für LLMs.

Articles

Souveräne KI: Kontrolle über Modelle, Daten, Infrastruktur und Abhängigkeiten

Souveräne KI bedeutet wirksame Kontrolle über Modelle, Daten, Infrastruktur, Software, Betrieb und strategische Abhängigkeiten – nicht einfach, wo ein KI-Modell gehostet wird.

8. Oktober 2026

MLOps vs. LLMOps: Was sich ändert, wenn das Modell ein LLM ist

MLOps betreibt Systeme für maschinelles Lernen; LLMOps erweitert diese Praktiken auf Prompts, Kontext, Retrieval, Anbieter, Tools, Evaluierungen und Laufzeitverhalten rund um große Sprachmodelle.

8. Oktober 2026

MCP erklärt: Was es verbindet, was es nicht tut und wo es passt

Das Model Context Protocol verbindet KI-Anwendungen über eine standardisierte Client-Server-Grenze mit externen Tools, Ressourcen und Prompts. Erfahren Sie, was MCP tut, was es nicht tut und wo es in der Agentenarchitektur einzuordnen ist.

8. Oktober 2026

RBAC vs. Mandantenisolierung: Zwei unterschiedliche Sicherheitsgrenzen

RBAC steuert, was ein Benutzer tun darf; Mandantenisolierung steuert, auf welche Ressourcen eines Mandanten diese Aktion zugreifen darf. Erfahren Sie, warum die Sicherheit von Multi-Tenant-SaaS beide Grenzen erfordert.

8. Oktober 2026

Was ist Context Engineering? Was das Modell erhält, bevor es antwortet

Context Engineering gestaltet, welche Informationen ein KI-Modell vor der Inferenz erhält, einschließlich Prompts, Retrieval, Speicher, Anwendungszustand, Tool-Ergebnissen und Konversationsverlauf.

8. Oktober 2026

Wahrheitsquelle in KI-Systemen: Woher verlässliches Wissen tatsächlich stammt

Eine Quelle der Wahrheit definiert, welche Quelle für einen bestimmten Fakt oder Zustand maßgeblich ist. Erfahren Sie, wie sie sich von RAG, Provenienz, Gedächtnis, Kontext, Vektordatenbanken und Systemen of Record unterscheidet.

8. Oktober 2026

Was ist ein KI-Plattform-Architekt? Modelle, Daten, Laufzeitumgebung, Sicherheit und Betrieb

Ein KI-Plattform-Architekt entwirft wiederverwendbare KI-Grundlagen über Modelle, Anbieter, Retrieval, Agenten, Identität, Sicherheit, Evaluierung, Observability und Betrieb hinweg.

8. Oktober 2026

Was ist ein KI-Lösungsarchitekt? Systemgrenzen, Verantwortlichkeiten und Kompromisse

Ein KI-Lösungsarchitekt verwandelt Geschäftsanforderungen in ein produktionsreifes KI-System über Daten, Modelle, Tools, Sicherheit, Laufzeit, Evaluierung und Betrieb hinweg.

8. Oktober 2026

Generative KI erklärt: Modelle, Retrieval, Tools und Anwendungen sind nicht dasselbe

Generative KI ist mehr als ein Modell. Erfahren Sie, wie Modelle, Retrieval, Tools, Kontext, Runtimes und Anwendungen in Produktions-KI-Systemen zusammenwirken.

8. Oktober 2026

Agentische KI erklärt: Wenn ein KI-System planen, Werkzeuge nutzen und handeln kann

Agentische KI verwendet Modelle innerhalb mehrstufiger Ausführungsschleifen, in denen sie Werkzeuge auswählen, Ergebnisse beobachten, den Zustand aktualisieren und ihre nächste Aktion innerhalb expliziter Laufzeit- und Berechtigungsgrenzen anpassen können.

8. Oktober 2026

Luftgetrennte KI: Wie KI-Systeme ohne Internet- oder Cloud-Zugriff funktionieren

Air-gapped AI führt Modelle, RAG und KI-Anwendungen innerhalb einer isolierten Sicherheitsdomäne ohne Internet- oder Cloud-Abhängigkeiten aus. Erfahren Sie, wie Modelle, Daten, Updates und Tools offline funktionieren.

8. Oktober 2026

Vektordatenbanken, Embeddings und Reranking: Drei verschiedene Teile des Retrievals

Embeddings repräsentieren Bedeutung, Vektordatenbanken rufen Kandidaten ab und Reranker verfeinern Ergebnisse. Erfahren Sie, wie sich diese drei Retrieval-Ebenen unterscheiden und in RAG zusammenwirken.

1 / 3