
Hill Climbing mit einem LLM-Judge
Wie Agenten Qualitäten verbessern, die kein Test prüfen kann: ein blinder LLM-Judge, ein Bewertungsraster und eine Schleife bis zur 9.
Zum Blog
Arne Deutsch
13 Min. LesezeitDurchgängige Absicherung und lückenlose Traceability für Cybersecurity, Functional Safety und den Cyber Resilience Act
Zur ÜbersichtsseiteMethodische Exzellenz und maßgeschneiderte Werkzeuge für die modellbasierte System- und Softwareentwicklung.
Zur ÜbersichtsseiteEnterprise-Software aus einer Hand: AI-Integration, Legacy-Migration und Full-Stack-Entwicklung — kosteneffizient und souverän gehostet.
Zur ÜbersichtsseiteRichtig umgesetzt liefert KI echte Produktivitätssprünge: Aufgaben, die heute Stunden kosten, dauern Minuten. Die richtigen Werkzeuge, die saubere Integration in vorhandene Prozesse und die aktive Einbindung der Menschen im Unternehmen als Mitgestalter machen den Unterschied. Wir bringen die KI zu Ihren Daten.
Ein Tool wird lizenziert, ein Pilot angestoßen, und einige Wochen später versandet das Ganze. Niemand hat die Prozesse dahinter verstanden, die Daten passen nicht, das Ergebnis landet in der Schublade.
Der Pilot läuft auf Testdaten, und dann soll mit echten Personendaten gearbeitet werden. Plötzlich geht es nicht mehr. Viele Anbieter liefern nur ein Bruchstück und überlassen das souveräne Hosting dem Kunden.
KI, die über die Köpfe der Mitarbeiter hinweg eingeführt wird, scheitert an der Akzeptanz. Effizienz auf dem Papier, Reibung in der Praxis, weil niemand die Menschen eingebunden hat.
AI Enablement bezeichnet die Befähigung eines Unternehmens, KI eigenständig und nachhaltig produktiv einzusetzen, als dauerhaften Bestandteil der Arbeitsweise. Der Begriff grenzt sich bewusst von zwei verbreiteten Missverständnissen ab: Es ist weder ein einmaliges Coaching noch der reine Verkauf einer KI-Lizenz.
Der Unterschied liegt in der Tiefe und in der Dauer. Ein Coaching erklärt, wie ein Werkzeug funktioniert, und überlässt die Umsetzung dem Kunden. Ein Tool-Verkauf liefert eine Lizenz und endet beim ersten echten Datenschutz- oder Integrationsproblem. AI Enablement umfasst beides, und führt darüber hinaus: Wir analysieren die Prozesse, gestalten die Workflows aktiv mit, integrieren die Lösung in die bestehende Systemlandschaft und begleiten den Kunden so lange, bis KI strategisch in seinem Geschäft verankert ist. In der schnelllebigen heutigen Umgebung beobachten wir den Markt, halten Toolchains und Modelle aktuell und benchmarken Modelle gegen die Use Cases des Kunden, um Kosten und Nutzen zu optimieren.
Entscheidend ist die Verschiebung in der Rolle, die wir dabei einnehmen: In der klassischen Projektwelt suchten Anwender jemanden für die Umsetzung eines definierten Systems. Im AI Enablement überlegen wir gemeinsam mit dem Kunden, welches System er eigentlich braucht.
Und es ist nicht auf Software-Unternehmen beschränkt. Die Bereiche, in denen KI Wirkung entfaltet, sind dieselben, in denen wir intern bereits arbeiten, und sie haben mit Softwareentwicklung oft nichts zu tun: Verwaltung, Auswertung, Support, Controlling, Triage in der Produktion. Wir setzen uns mit den Ärzten, den Architekten oder den Fachverantwortlichen zusammen, analysieren deren Arbeitsweise und automatisieren mit ihnen die Schritte, an denen KI echten Mehrwert schafft.
Wir verstehen uns nicht als Coach, der einen manuellen Workflow einmalig in einen automatischen übersetzt und anschließend verschwindet, sondern als Partner für Ihre langfristige KI-Strategie.
Für viele Unternehmen ist Datenschutz der Punkt, an dem KI-Initiativen scheitern. Der Use Case ist klar, der Pilot läuft auf Testdaten, und dann kommt der Moment, in dem mit echten Personendaten gearbeitet werden soll, und plötzlich geht es nicht mehr. Genau hier liefern viele Anbieter nur ein Bruchstück: Sie stellen den Skill und den MCP bereit und überlassen das souveräne Hosting dem Kunden. Das hilft niemandem.
Unser Grundsatz dreht die übliche Logik um: Statt Ihre sensiblen Daten in eine fremde Cloud-KI zu schicken, bringen wir die KI dorthin, wo Ihre Daten liegen. In der Praxis heißt das je nach Anforderung:
Local AI That Competes
Wann schlägt ein selbst betriebenes Open-Weight-Modell eine Frontier-API? Christoph Hess beschreibt fünf Engineering-Hebel, die Bedingungen, unter denen sich jeder einzelne rechnet, und einen 90-Tage-Pilotplan mit klaren Gates.
Der vielleicht größte Mehrwert moderner KI wird selten ausgesprochen: Software kann sich endlich an die Bedürfnisse ihrer Anwender anpassen, statt dass sich die Anwender an die Software anpassen müssen. Wer ein Standard-Tool kauft (ein CRM, ein Praxisverwaltungssystem, eine beliebige Branchenlösung), passt sich seit jeher dem an, was in das Werkzeug hineingedacht wurde. Es bleibt Reibung, weil die Realität des Anwenders feiner ist als jedes vorgefertigte Produkt.
Mit KI verschiebt sich diese Macht zum Anwender. Nicht-technische Mitarbeiter erfahren häufig zum ersten Mal, dass sie sich ein Werkzeug bauen können, das genau das tut, was sie brauchen: eine passgenaue Lösung, die exakt die richtigen Informationen enthält.
Eine KI ist am Anfang wie ein neuer Mitarbeiter, der frisch von der Universität kommt: ein guter Abschluss, aber noch nicht eingearbeitet. Man führt sie an die Aufgabe heran, gibt ihr den Kontext, und hat man dieses Niveau der Einarbeitung erreicht, genügt der Zuruf: „Hier ist eine neue Ausschreibung, mach mal" oder „hier ist ein neuer Patient", und die KI kennt den ganzen Ablauf. In der Vergangenheit war die rationale Entscheidung nahezu immer, eine fertige Lösung einzukaufen. Da die Herstellungskosten von Software stark gefallen sind, verschiebt sich die Entscheidung immer öfter: sich die perfekt passende Software selbst zu bauen.
Die Einführung von KI ist ein strukturierter, transparenter Prozess. Wir begleiten Sie Schritt für Schritt:
1. Readiness- und Use-Case-Assessment
Wir analysieren gemeinsam Ihre Arbeitsweisen, Ihre Systemlandschaft und Ihre Datenlage und identifizieren die Anwendungsfälle mit dem größten Hebel. Am Ende steht ein klares Zielbild mit messbaren Kriterien und eine ehrliche Aussage dazu, wo KI sich lohnt und wo nicht.
2. Werkzeug-, Modell- und Architektur-Tailoring
Wir wählen mit Ihnen die passenden Werkzeuge, Frameworks und Modelle, entwerfen die Workflows mit MCP, Skills und Agenten und klären früh die Themen Datenschutz, souveränes Hosting und Kostenrahmen, damit der spätere Produktivbetrieb keine bösen Überraschungen bereithält.
3. Pilot mit echtem Ergebnis
Wir setzen einen ausgewählten Anwendungsfall produktiv um, so dass am Ende etwas in Ihrer Hand ist, das wirklich etwas bringt. Inklusive der Absicherung, die ein Produktivbetrieb braucht.
4. Skalierung und Roll-out
Nach dem erfolgreichen Piloten weiten wir den Ansatz aus, auf weitere Anwendungsfälle, Bereiche und Teams. Skills und Workflows werden organisiert (etwa als Plugins, versioniert in GitHub oder GitLab), damit aus Einzellösungen eine tragfähige, gepflegte KI-Praxis wird.
5. Langfristige Begleitung und Eigenständigkeit
Wir bleiben Ihr Partner über den Pilotbetrieb hinaus, entwickeln Lösungen mit Ihnen weiter und begleiten Ihr Team dabei, zunehmend selbst zu gestalten. Das erklärte Ziel: dass Sie KI eigenständig produktiv nutzen, mit uns als strategischem Begleiter im Rücken.
Vertrauen entsteht auch dadurch, dass man sagt, was man nicht tut.
Kein „Lizenz verkaufen und wegrennen": Viele Anbieter setzen einen Workflow auf und sind dann verschwunden. Wir wollen die sein, die Sie dauerhaft unterstützen: Ihre Prozesse mit Ihnen weiterentwickeln, KI strategisch in Ihrem Geschäft verankern und nicht nach dem ersten ausgelieferten Skill das Feld räumen.
Kein einmaliges Coaching: Eine Schulung, die erklärt und dann endet, lässt Sie genau in dem Moment allein, in dem es ernst wird, beim Schritt von Testdaten zu echten Daten, von der Demo zum Betrieb. Wir gestalten aktiv mit und bleiben, bis Sie eigenständig weiterarbeiten können.
Kein KI-Theater: Wir setzen KI nicht ein, um KI einzusetzen. Wenn ein Anwendungsfall keinen echten Mehrwert bringt, sagen wir das.
KI ist nicht überall die Antwort. Es gibt Situationen, in denen wir abraten oder zunächst andere Hausaufgaben empfehlen:
Die Effizienz-Qualitäts-Balance gilt auch jenseits der Softwareentwicklung: KI nur auszuprobieren, weil alle es tun, und beim ersten Widerstand wieder aufzugeben, erzeugt einen Friedhof aus Proof-of-Concepts, aber keinen Mehrwert. Die viel zitierten 10-fachen Produktivitätsgewinne sind real. Sie entstehen nur, wenn man es richtig macht: die richtigen Werkzeuge, sauber integrierte Prozesse und Mitarbeiter, die eingebunden statt übergangen werden.
Jetzt Termin mit Christoph Hess und Arne Deutsch vereinbaren.

Wie Agenten Qualitäten verbessern, die kein Test prüfen kann: ein blinder LLM-Judge, ein Bewertungsraster und eine Schleife bis zur 9.
Zum Blog
Arne Deutsch
13 Min. Lesezeit

Vergleichen Sie Systeme, nicht Modelle. Ob ein selbst betriebenes Open-Weight-Modell mithält, entscheiden der Kontext, den Sie zusammenstellen, die Werkzeuge, die es aufrufen darf, die Prüfungen, die es passieren muss, und die Trainingsdaten, die Ihr Workflow von selbst erzeugt. Christoph Hess beschreibt fünf Engineering-Hebel und die Bedingungen, unter denen sich jeder einzelne rechnet.
Whitepaper herunterladen
Wie man den Großteil der Softwareentwicklung an KI-Agenten übergibt – und trotzdem ein Ergebnis bekommt, dem man vertrauen kann. Ein Praxisblick auf vertikale Agenten und horizontale Skills für Enterprise-Teams.
Zum Blog
Arne Deutsch
8 Min. Lesezeit
Wie KI Diagnostik, Wearables und Arztpraxis schon heute verändert.
Zum Podium

Warum Datenschutz KI in Medizin und Recht bremst – und wie Europa trotzdem gewinnen kann.
Zum Podium