KI-Softwareentwicklung für Medienhäuser: von der Idee zum produktiven System
Wir entwickeln die KI-Anwendungen, die nach dem Proof of Concept weiterleben: integriert in Ihre Systeme, DSGVO-konform betrieben und an messbaren Ergebnissen gemessen.
Zwischen Demo und Redaktionsalltag liegt die eigentliche Arbeit.
Ein Chat-Prototyp ist an einem Nachmittag gebaut. Ein System, das jeden Morgen um sechs zuverlässig läuft, ist Ingenieursarbeit – genau die machen wir.
Gewachsene Systemlandschaften
Redaktionssystem aus den 2000ern, Archiv in drei Formaten, ein CMS mit Eigenbau-Plugins: Wir kennen diese Realität und integrieren KI, ohne dass Sie vorher alles migrieren müssen.
Skalierung nach dem PoC
Was mit 50 Testartikeln funktionierte, bricht bei 50.000 zusammen – fachlich wie finanziell. Wir dimensionieren Pipelines, Kosten und Qualitätssicherung für den echten Durchsatz.
Vetorecht von IT-Security & Legal
Viele KI-Projekte sterben nicht an der Technik, sondern im Freigabeprozess. Wir liefern die Antworten, die Ihre Prüfer brauchen: Datenflüsse, AVV, Hosting-Nachweise, Löschkonzepte.
Was wir bauen.
Prototyping & MVP
In 4–6 Wochen vom priorisierten Use-Case zum klickbaren System mit echten Daten – damit Ihre Redaktion testet, bevor Ihr Haus groß investiert.
LLM- & RAG-Anwendungen
Sprachmodelle, die auf Ihren Inhalten arbeiten: Retrieval Augmented Generation gegen Halluzinationen, mit Quellenangaben und redaktioneller Kontrolle.
Integration in CMS & Redaktionssysteme
KI dort, wo gearbeitet wird: als Funktion im Redaktionssystem, nicht als weiteres Tool im Browser-Tab. Wir integrieren über APIs, Plugins und Middleware.
NLP- & ML-Modelle
Verschlagwortung, Entitätenerkennung, Klassifikation, semantische Suche und Empfehlungslogik – als robuste Pipelines statt als Einzelskripte.
MLOps & Betrieb
Monitoring von Qualität und Kosten, Evaluierung, Modell-Updates, Fallbacks. Ein KI-System ist nie „fertig" – wir betreiben es so, dass es besser wird statt schlechter.
API-Entwicklung
Saubere Schnittstellen, damit KI-Funktionen in App, Website und internen Tools gleichermaßen nutzbar sind – dokumentiert und versioniert.
Bewährte Werkzeuge, austauschbar verbaut.
Wir bauen modellagnostisch: Ihre Anwendung soll den Anbieter wechseln können, wenn Preise, Qualität oder Rechtslage es verlangen.
Typische Bausteine
- Python und TypeScript für Services und Integrationen
- Kommerzielle LLMs über EU-Endpunkte oder Open-Source-Modelle (z. B. via vLLM)
- Vektor-Datenbanken und hybride Suche für RAG
- Evaluierungs-Pipelines mit redaktionellen Qualitätskriterien
- Container-Deployment in EU-Cloud, Private Cloud oder On-Prem
So arbeiten wir
- Iterativ in kurzen Zyklen, mit Ihrer Redaktion als Testinstanz
- Messbare Abnahmekriterien statt „sieht gut aus"
- Dokumentation und Übergabefähigkeit von Tag eins
- Kosten-Monitoring als Teil der Architektur
- Ein Ansprechpartner von Discovery bis Betrieb – siehe Vorgehen
Sicherheit und Compliance sind Architektur, kein Anhang.
Dieser Abschnitt ist für die Kolleginnen und Kollegen, die am Ende unterschreiben müssen. Die Kurzfassung: Sie bekommen von uns keine Blackbox.
Datenhaltung & Hosting
EU-Hosting als Standard, On-Prem oder Private Cloud für sensible Bestände. Datenflüsse werden vollständig dokumentiert – inklusive der Frage, was ein Modellanbieter sieht und was nicht.
AVV & DSGVO
Auftragsverarbeitungsverträge nach Art. 28 DSGVO mit uns und allen eingesetzten Unterauftragsverarbeitern, Verarbeitungsverzeichnis-Zuarbeit und Löschkonzepte gehören zum Lieferumfang.
Privacy by Design
Datenminimierung, Pseudonymisierung und Zweckbindung sind Architekturentscheidungen, die wir vor der ersten Zeile Code treffen – nicht Nachrüstungen für das Audit.
EU AI Act
Einordnung in Risikoklassen, Transparenzpflichten nach Art. 50 (anwendbar seit August 2026), maschinenlesbare Kennzeichnung KI-generierter Inhalte und Dokumentation für Ihre Compliance-Akte.
Täglich im Einsatz: KI in unserem eigenen Portal.
Unser Portal mit über 100.000 Nutzern im Monat ist unsere eigene Produktionsumgebung: KI unterstützt dort Recherche und Redigat, verschlagwortet Inhalte für Suche und SEO und sichert Qualität über automatisierte Prüfregeln – immer mit menschlicher Letztkontrolle vor der Veröffentlichung. An diesem System lernen wir, was Modelle im Alltag wirklich leisten, was sie kosten und wo sie scheitern. Diese Betriebserfahrung fließt in jedes Kundenprojekt ein.
Häufige Fragen zur KI-Softwareentwicklung
Wie schnell steht ein erster funktionierender Prototyp?
Typischerweise nach 4 bis 6 Wochen – mit echten Inhalten aus Ihrem Haus, nicht mit Demo-Daten. Der Prototyp läuft in einer geschützten Umgebung und wird von Ihrer Redaktion getestet. Danach entscheiden Sie auf Basis messbarer Ergebnisse über den Ausbau.
Welche Modelle und Anbieter setzen Sie ein?
Das entscheidet der Use-Case, nicht eine Vorliebe: kommerzielle Modelle über EU-Endpunkte, europäische Anbieter oder Open-Source-Modelle im eigenen Rechenzentrum. Wir bauen Systeme so, dass das Modell austauschbar bleibt – Preise und Qualität ändern sich schneller als Ihre Software.
Können unsere Daten Deutschland bzw. die EU verlassen?
Nur wenn Sie das ausdrücklich wollen. Standardmäßig arbeiten wir mit EU-Hosting und Auftragsverarbeitungsverträgen; für sensible Inhalte bieten wir On-Prem- oder Private-Cloud-Betrieb an. Die Datenflüsse dokumentieren wir so, dass Ihr Datenschutzbeauftragter sie prüfen kann.
Wie verhindern Sie Halluzinationen in redaktionellen Workflows?
Durch Architektur statt Hoffnung: RAG mit Quellenbindung, Konfidenz-Schwellen, automatische Prüfregeln und verpflichtende redaktionelle Freigabe, wo Inhalte veröffentlicht werden. KI liefert bei uns Entwürfe und Vorschläge – die Publikationsentscheidung bleibt beim Menschen.
Was kostet der laufende Betrieb eines KI-Systems?
Das hängt von Volumen und Modellwahl ab – deshalb bauen wir Kosten-Monitoring von Anfang an ein und rechnen den Business Case mit realistischen Token- und Infrastrukturkosten. Viele Redaktions-Use-Cases liegen im niedrigen vierstelligen Monatsbereich, oft deutlich darunter.
Übernehmen Sie auch bestehende PoCs von anderen Dienstleistern?
Ja. Häufig starten wir mit einem Review: Was ist tragfähig, was muss neu? Danach entscheiden Sie, ob wir weiterbauen oder gezielt ersetzen. Ein gescheiterter PoC ist kein verlorenes Geld, wenn seine Lehren in die zweite Iteration einfließen.
Noch unklar, wo Sie anfangen sollen?
Wenn der Use-Case noch nicht feststeht, ist Entwicklung der zweite Schritt. Unsere KI-Beratung priorisiert zuerst, wo KI in Ihrem Haus den größten Hebel hat – mit Business Case und Roadmap, bevor Budget in Software fließt.
Besprechen wir Ihr Projekt.
Bringen Sie Ihren Use-Case mit – oder Ihren festgefahrenen PoC. Wir sagen Ihnen ehrlich, was er braucht, um produktiv zu werden.