Arbeitsprobe. Dieses Projekt ist für einen späteren Zeitpunkt geplant. Derzeit stehen andere Prioritäten im Vordergrund; es werden keine Anfragen angenommen.
KI-Lösungen für Schweizer KMU
Ich konzipiere KI-Systeme, die Anrufe entgegennehmen, Betriebswissen auffindbar machen, Fragen beantworten und sensible Daten vor der Nutzung mit Sprachmodellen schützen.
Telefon
Anliegen erfassen
RAG
Wissen finden
Chat
Fragen klären
Schutz
Daten anonymisieren
Modellneutral
Das passende Modell statt Bindung an einen Anbieter
Nachvollziehbar
Quellen, Grenzen und Übergaben bleiben sichtbar
Datensparsam
Nur die nötigen Informationen werden verarbeitet
Mensch im Prozess
Freigaben bleiben dort, wo sie wichtig sind
Vom Problem zur Lösung
Eine gute Lösung nimmt eine konkrete Last aus dem Alltag. Diese sechs Anwendungsfelder zeigen, was sich sinnvoll verbinden, automatisieren oder besser zugänglich machen lässt.
Anrufe unterbrechen die Arbeit oder bleiben unbeantwortet.
Ein Sprachassistent nimmt Anrufe entgegen, beantwortet wiederkehrende Fragen, erfasst Anliegen und übergibt Gesprächsnotizen an die richtige Person.
Weniger Unterbrechungen, kein verlorenes Anliegen.
Die ElevenLabs-Demo ist derzeit aus Kostengründen offline und kann bei Bedarf wieder aufgeschaltet werden.
Kunden und Mitarbeitende stellen immer wieder dieselben Fragen.
Ein Chatbot beantwortet klar definierte Fragen auf der Website oder intern. Wenn Wissen fehlt oder ein Mensch übernehmen soll, wird das transparent angezeigt.
Schnelle Antworten ohne vorgetäuschte Sicherheit.
Auch die ElevenLabs-Chat-Demo ist aktuell offline; die technische Einbindung ist vorbereitet.
Wissen liegt verteilt in Dokumenten, Ordnern und Köpfen.
RAG verbindet ein Sprachmodell mit freigegebenen Dokumenten. Antworten entstehen aus der eigenen Wissensbasis und können mit Quellenstellen belegt werden.
Betriebswissen wird auffindbar und nachvollziehbar.
Sensible Angaben sollen nicht ungefiltert an ein Cloud-Modell gehen.
Ein vorgeschaltetes Werkzeug erkennt schützenswerte Angaben, ersetzt sie durch Platzhalter und setzt die Antwort anschliessend kontrolliert wieder zusammen.
Mehr Datenschutz im praktischen KI-Einsatz.
Informationen werden mehrfach kopiert, geprüft und weitergeleitet.
Wiederkehrende Abläufe lassen sich verbinden: Inhalte erfassen, einordnen, zusammenfassen, weiterleiten und für einen Menschen zur Freigabe vorbereiten.
Weniger Handarbeit, klarere Übergaben.
Die Website erklärt Leistungen, führt Besucher aber nicht zur Antwort.
Semantische Seiten, verständliche Inhalte und strukturierte Daten machen Angebote für Menschen, Suchmaschinen und KI-Systeme leichter erfassbar.
Eine schnelle Website, die Fragen konkret beantwortet.
Cloud oder lokal
Nicht jedes Problem braucht das grösste Modell. Entscheidend sind Qualität, Datenschutz, Geschwindigkeit, vorhandene Systeme und die laufenden Kosten.
Cloud-Modelle
Für anspruchsvolle Texte, Analyse, Werkzeuge und multimodale Aufgaben können etablierte Anbieter genutzt werden.
Lokale Modelle
Bei passender Hardware können offene Modelle in einer eigenen Umgebung laufen. Eignung und Qualität werden vorher getestet.
Auch kombinierbar: sensible Vorverarbeitung lokal, gezielte Modellnutzung in der Cloud und eine nachvollziehbare menschliche Freigabe am Ende.
Vorgehen
Ein kleiner, gut verstandener Anwendungsfall liefert mehr Klarheit als ein grosses KI-Versprechen. Der Ablauf bleibt deshalb bewusst einfach.
Welche Aufgabe kostet Zeit, erzeugt Fehler oder bleibt heute liegen?
Cloud oder lokal, Datenschutz, Kosten und Antwortqualität werden gemeinsam abgewogen.
Ein klar begrenzter Anwendungsfall wird mit echten Beispielen geprüft und verbessert.
Funktionsweise, Grenzen und laufende Kosten bleiben nachvollziehbar dokumentiert.
Kurz erklärt
Klare Definitionen statt Fachbegriffe ohne Erklärung.
RAG steht für Retrieval-Augmented Generation. Vor einer Antwort sucht das System passende Inhalte in freigegebenen Dokumenten. Das Sprachmodell formuliert daraus eine Antwort und kann die verwendeten Quellen nennen.
Je nach Aufgabe kommen Cloud-Modelle wie GPT von OpenAI, Claude von Anthropic oder Gemini von Google infrage. Für lokale Umgebungen können unter anderem Modelle aus den Familien Llama, Mistral, Qwen oder Gemma geprüft werden.
Ja. Namen, Adressen, Kundennummern und weitere definierte Angaben können vor der Übergabe an ein Sprachmodell erkannt und durch neutrale Platzhalter ersetzt werden. Die passende Umsetzung hängt vom Prozess und vom Schutzbedarf ab.
Nein. Die mit ElevenLabs umgesetzten Demos sind auf dieser Arbeitsprobe derzeit aus Kosten- und Missbrauchsschutzgründen offline. Sie können mit aktivierten Anbieterzugängen kurzfristig wieder aufgeschaltet werden.
Arbeitsprobe von Patrick Strasser
Diese Website zeigt, wie Telefonie, Wissenssysteme, Sprachmodelle, Datenschutz und Webentwicklung zu verständlichen Lösungen verbunden werden können.
Aktuellen Projektstatus lesen