OpenSearch
Open Source Such- und Analyseplattform für Volltext, Aggregationen und skalierbare Abfragen.
Volltext Index und Enterprise Search
Technologie
Technologien und Plattformen
Werkzeuge sind austauschbar. Architekturprinzipien bleiben. Diese Übersicht zeigt Open Source und offene Technologien, mit denen Kaufman AIS arbeitet oder die wir typischerweise in Enterprise Knowledge Systems einsetzen. Kein Tech Stack Marketing, sondern Transparenz über Capabilities, Betrieb und Integrationsfähigkeit für Geschäftsführung, IT Leitung, Enterprise Architektur und Engineering im Mittelstand und Enterprise.
Unsere Auswahlprinzipien
Enterprise AI Open Source und offene Plattformen sind Mittel, nicht Selbstzweck. Wir wählen Bausteine nach Architekturprinzipien, nicht nach Tool Religion. Die folgenden Prinzipien leiten Enterprise AI Architecture und Betrieb in Projekten.
Knowledge Systems und Retrieval
Knowledge Systems verbinden Quellen, Index, Parsing und Retrieval. Diese Bausteine machen Unternehmenswissen auffindbar und adressierbar. Sie sind Teil des Knowledge Layer, nicht Ersatz für Governance und Berechtigungen.
Elasticsearch
Weit verbreitete Such- und Analyseengine mit reichem Ökosystem für Indexierung und Observability.
Search und Analytics Layer
Qdrant
Vector Database mit Fokus auf Performance, Filtering und produktionsnahem Betrieb.
Vektor Index für semantisches Retrieval
Weaviate
Vector Database mit Hybrid Search, Modulen und Graph Funktionen.
Hybrid Retrieval und Wissensobjekte
Meilisearch
Schnelle, developer freundliche Suchengine für Anwendungen mit niedriger Latenz.
Anwendungsnahe Suche und Typahead
LlamaIndex
Framework für Daten Connectors, Indexing und RAG Pipelines über heterogene Quellen.
Orchestrierung von Retrieval Pipelines
Haystack
Open Source Framework für NLP Pipelines, QA und produktionsnahe RAG Systeme.
Pipeline Framework für Retrieval und QA
Apache Solr
Enterprise Search Server auf Lucene Basis mit facetierter Suche und Skalierung.
Klassischer Enterprise Volltext Index
Apache Tika
Content Detection und Text Extraktion aus Dokumenten und Binärformaten.
Parsing und Metadaten Extraktion
Unstructured
Pipeline für Dokument Parsing, Chunking und Vorbereitung unstrukturierter Inhalte.
ETL für unstrukturierte Wissensquellen
Cognee
Knowledge Engine für Wissensobjekte, Graph und Memory mit Fokus auf Enterprise Kontext.
Knowledge Runtime und semantische Verknüpfung
Knowledge Runtime und Enterprise Memory
Enterprise Memory braucht mehr als Vektoren. Wissensobjekte, Kontext, Verknüpfung und Wiederverwendung entstehen in einer Runtime Schicht über Retrieval Stores. Cognee verbindet dabei Graph, Memory und semantische Struktur für nutzbare Wissensarchitektur.
Cognee
Knowledge Engine für strukturierte Wissensobjekte, Graph und Memory in Enterprise Projekten.
Zentrale Knowledge Runtime Schicht
Neo4j
Graph Database für Beziehungen zwischen Entitäten, Prozessen und Wissensobjekten.
Knowledge Graph und Verknüpfung
Mem0
Memory Layer für persistenten Kontext und Nutzerbezug in Assistenz Systemen.
Kontext Memory für Assistenten
LlamaIndex
Daten Connectors und Index Abstraktionen für wiederholbare Retrieval Workflows.
Index und Connector Runtime
Haystack
Pipeline Runtime für QA, RAG und dokumentierte Verarbeitungsschritte.
Pipeline Runtime für Wissensfluss
Qdrant
Vektor Store für Embeddings mit Filtering und produktionsnaher Skalierung.
Embedding Store im Memory Stack
LanceDB
Embedded Vector Database für lokale und skalierbare Vektor Workloads.
Leichtgewichtiger Vektor Store
Wissensobjekte, Kontext, Memory, Retrieval und Verknüpfung wirken zusammen. Mehr unter Was ist Enterprise Memory und Was ist ein Knowledge Layer.
Vector Databases und Retrieval Stores
Vector Stores machen Wissen adressierbar. Sie sind Baustein, nicht alleinige Architektur. Grounding, Berechtigungen und Quellenbezug bleiben zentral.
Qdrant
Produktionsnahe Vector Database mit Filtering, Sharding und REST API.
Primärer Vektor Index
LanceDB
Embedded Vector Store für Edge, On Premise und integrierte Workloads.
Lokaler und eingebetteter Vektor Store
Weaviate
Hybrid Search mit Vektoren, Keywords und Modulen.
Hybrid Retrieval Store
Milvus
Skalierbare Open Source Vector Database für große Embedding Mengen.
Skalierbarer Vektor Cluster
pgvector
PostgreSQL Erweiterung für Vektorsuche in relationalen Workloads.
Vektoren in bestehender SQL Landschaft
Wissen adressierbar machen heißt, Embeddings in Architektur einzubetten, nicht nur einen Vector Store zu installieren. Mehr unter Was ist Retrieval.
Datenplattform und Speicherung
Enterprise Knowledge Systems brauchen belastbare Speicherung für Metadaten, Events, strukturierte Fakten und Wissensobjekte. Diese Plattformen ergänzen bestehende ERP, CRM und DMS Landschaften.
PostgreSQL
Relationale Basis für Metadaten, Konfiguration, pgvector und transaktionale Workloads.
System of Record für Metadaten und Vektoren
ClickHouse
Column Store für Analytics, Logs und hochvolumige Abfragen.
Analytics und Event Speicher
DuckDB
Embedded Analytics Engine für lokale Auswertungen und Prototypen.
Lokale Analyse und Exploration
Apache Iceberg
Open Table Format für versionierte, skalierbare Datenseen.
Lakehouse und versionierte Datensätze
MinIO
S3 kompatibler Object Storage für Self Hosted und Private Cloud.
Object Storage für Rohdaten und Artefakte
Redis
In Memory Store für Cache, Queues und Sessionnahe Workloads.
Cache und schnelle Zwischenspeicher
MongoDB
Dokument Store für flexible Schemas und Anwendungsdaten.
Dokument Speicher für App Layer
Neo4j
Graph Speicher für Beziehungen und Enterprise Knowledge Graphs.
Graph Speicher für Verknüpfungen
Streaming und Datenfluss
Daten bewegen statt kopieren. Event Streaming verbindet Quellsysteme mit Index, Memory und Assistenz ohne fragile Batch Ketten.
Apache Kafka
De facto Standard für Event Streaming und Integrationsbackbone.
Event Backbone und Integration
Redpanda
Kafka kompatible Streaming Plattform mit einfacherem Betrieb.
Leichtgewichtiges Event Streaming
Apache Flink
Stream Processing für Echtzeit Transformationen und Stateful Jobs.
Stream Processing und Aggregation
Debezium
Change Data Capture aus relationalen Quellen in Event Streams.
CDC aus ERP und Fachsystemen
Apache Pulsar
Multi Tenant Messaging mit Streaming und Queuing.
Messaging und Event Plattform
Streaming ist Capability für aktuelle Wissenslandschaften, nicht Selbstzweck. Mehr unter Enterprise Knowledge Systems Architektur.
Transformation und Orchestrierung
Pipelines bereiten Quellen für Index, Memory und Assistenz auf. Orchestrierung macht Abhängigkeiten, Retries und Qualität nachvollziehbar.
Apache Airflow
Workflow Orchestrierung für datengetriebene Pipelines.
Batch Orchestrierung
Dagster
Data Orchestrator mit Asset Lineage und Developer Experience.
Asset basierte Pipelines
dbt
SQL basierte Transformationen mit Tests und Dokumentation.
Transformations Layer im Warehouse
Apache Spark
Distributed Processing für große Datenmengen.
Skalierbare Batch und Stream Jobs
Polars
Schnelle DataFrame Engine für lokale und mittelgroße Workloads.
Effiziente lokale Transformation
Prefect
Workflow Engine mit Fokus auf Observability und dynamische Flows.
Moderne Pipeline Orchestrierung
Kestra
Event driven Orchestration mit deklarativen Flows.
Deklarative Workflow Plattform
AI und Inferenz
Inferenz Layer machen Modelle betreibbar. Open Source und kommerzielle Modelle bleiben austauschbar, solange Grounding, Governance und Quellenanbindung stimmen.
vLLM
High Throughput LLM Serving für produktionsnahe Inferenz.
LLM Serving und Batch Inferenz
Ollama
Lokale Modell Runtime für Entwicklung und Self Hosted Workloads.
Lokale Inferenz und Prototypen
LiteLLM
Proxy und Routing für heterogene Modell Anbieter über ein Interface.
Model Routing und Abstraktion
Open WebUI
Weboberfläche für lokale und remote Modell Interaktion.
UI für interne Modell Nutzung
Haystack
RAG und QA Pipelines mit klarer Pipeline Struktur.
RAG Runtime
LangGraph
Graph basierte Agenten und Workflows mit State Management.
Agenten und Workflow Runtime
OpenRouter
Gateway für heterogene kommerzielle und Open Modelle.
Modell Gateway und Routing
Agenten und Automatisierung
Agenten ergänzen Assistenz dort, wo wiederkehrende Schritte klar definiert sind. Governance und Human in the Loop bleiben zentral.
n8n
Workflow Automation mit visueller Orchestrierung und Self Hosting.
Integration und leichte Automatisierung
Temporal
Durable Execution für zuverlässige, langlebige Workflows.
Robuste Prozess Ausführung
Trigger.dev
Background Jobs und Agenten Workflows für Entwicklerteams.
Event getriebene Background Jobs
Flowise
Visueller Builder für LLM Flows und Prototypen.
Prototyping von LLM Flows
LangGraph
Stateful Agenten Graphen für kontrollierte Mehrschritt Prozesse.
Agenten Runtime mit State
CrewAI
Multi Agent Orchestrierung für spezialisierte Rollen.
Multi Agent Koordination
Backend und APIs
Services und APIs verbinden Knowledge Layer, Intelligence Layer und Assistenz. API First Architektur hält Schichten entkoppelt.
FastAPI
Moderne Python API Schicht mit Typisierung und OpenAPI.
REST Services für Wissens APIs
Node.js
Event driven Runtime für I/O intensive Services und BFF Layer.
Service Runtime und Integration
NestJS
Strukturiertes Node Framework für Enterprise APIs.
Modulare API Services
Python
Dominante Sprache für AI, Data und Integrationslogik.
AI und Data Services
TypeScript
Typsichere Entwicklung für APIs und Frontend nahe Services.
Geteilte Typen und Services
GraphQL
Flexible Abfrageschicht für aggregierte Anwendungsdaten.
Flexible Client APIs
tRPC
End to End typsichere APIs für TypeScript Stacks.
Typsichere interne APIs
gRPC
Effizientes RPC für service interne Kommunikation.
Interne Service Kommunikation
Frontend und Experience
Experience Layer macht Wissen und Assistenz nutzbar. Fokus auf Klarheit, Berechtigungen und Quellenbezug, nicht auf Feature Overload.
Next.js
React Framework für performante Web Apps und SSR.
Web App Framework
React
Komponenten basierte UI Bibliothek für Assistenz Oberflächen.
UI Komponenten
Tailwind CSS
Utility CSS für konsistente, wartbare Oberflächen.
Design System Basis
Shadcn UI
Zugängliche Komponenten auf Radix und Tailwind Basis.
UI Komponenten Bibliothek
Vercel
Deployment und Edge Hosting für Frontend Workloads.
Hosting und Preview Deployments
Deployment und Plattform
Enterprise Infrastructure muss reproduzierbar deploybar sein. Container, Kubernetes und Infrastructure as Code sind Standardwerkzeuge, nicht Hype.
Docker
Container Packaging für reproduzierbare Services.
Container Images
Kubernetes
Orchestrierung für skalierbare, resiliente Workloads.
Container Plattform
OpenTofu
Open Source Infrastructure as Code Fork von Terraform.
IaC mit offenem Governance Modell
Terraform
Weit verbreitetes IaC für Cloud und Hybrid Landschaften.
Infrastructure as Code
Helm
Package Manager für Kubernetes Deployments.
K8s Release Management
GitHub Actions
CI/CD für Repositories und Automatisierung.
Continuous Integration
GitLab CI
Integrierte CI/CD in GitLab Umgebungen.
Pipeline Automatisierung
Caddy
Automatisches TLS und Reverse Proxy für Edge Services.
Edge Proxy und TLS
Observability und Qualität
Enterprise AI braucht Messbarkeit. Latenz, Fehler, Kosten und Qualität müssen sichtbar sein, ohne Tool Sprawl.
Prometheus
Metriken Sammlung und Alerting für Services.
Metriken und Alerts
Grafana
Dashboards für Metriken, Logs und Traces.
Visualisierung und Dashboards
OpenTelemetry
Offener Standard für Traces, Metriken und Logs.
Unified Telemetry
Sentry
Error Tracking für Anwendungen und Services.
Fehleranalyse
Loki
Log Aggregation im Grafana Ökosystem.
Log Storage und Abfrage
Jaeger
Distributed Tracing für Microservices und Pipelines.
Trace Analyse
Security und Identity
Security ist Architekturvoraussetzung. Identity, Secrets und Edge Schutz gehören zum Enterprise Betrieb, nicht in ein separates Spätprojekt.
Keycloak
Open Source Identity und Access Management.
SSO und OIDC Provider
Authentik
Flexible Identity Plattform für Self Hosted Szenarien.
Identity Provider
Vault
Secrets Management und dynamische Credentials.
Secrets und Schlüsselverwaltung
Traefik
Cloud native Reverse Proxy und Ingress.
Ingress und Routing
Caddy
Einfacher TLS Terminator und Reverse Proxy.
Edge TLS und Proxy
Dokumente und Content
Unstrukturierte Inhalte sind oft der größte Wissenspool. Parsing, OCR und Normalisierung sind Voraussetzung für belastbares Retrieval.
Apache Tika
Extraktion von Text und Metadaten aus Office, PDF und Binärformaten.
Universal Document Parsing
OCRmyPDF
OCR Pipeline für durchsuchbare PDFs.
PDF OCR und Aufbereitung
Tesseract
Open Source OCR Engine für gescannte Dokumente.
Texterkennung in Scans
Pandoc
Konvertierung zwischen Dokumentformaten.
Format Konvertierung
LibreOffice
Headless Konvertierung und Rendering von Office Dokumenten.
Office Rendering und Export
Wie wir Technologien auswählen
Keine Tool Präferenz versprechen wir bewusst nicht. Auswahl folgt Anforderungen, Betrieb, Governance, Kosten, Skalierung, Souveränität und Integration in bestehende Landschaften. Open Source Enterprise AI ist dann sinnvoll, wenn Betrieb, Sicherheit und Wartbarkeit im Enterprise Kontext stimmen.
- Anforderungen aus Use Case, Architektur und Compliance ableiten, nicht aus Tool Hype
- Betriebsfähigkeit prüfen, inklusive Monitoring, Backup, Upgrades und Support Modell
- Governance für Daten, Modelle, Berechtigungen und Audit früh einplanen
- Kosten über Gesamtbetrieb betrachten, nicht nur Lizenz oder API Preis
- Skalierung entlang Datenmenge, Nutzerzahl und Latenzanforderungen bewerten
- Souveränität und Self Hosting als Option, wenn Daten und Modelle im Haus bleiben sollen
- Integration in ERP, CRM, DMS und Identity ohne Rip and Replace sicherstellen
Enterprise Technology Stack Entscheidungen sind Architektur Entscheidungen. Mehr unter Build vs Buy AI und AI Governance für den Mittelstand.
Was wir bewusst vermeiden
Capability Architektur scheitert oft an zu vielen parallelen Initiativen ohne gemeinsames Modell. Wir vermeiden Muster, die kurzfristig Eindruck machen, langfristig aber Wartung und Transparenz erschweren.
- Tool Sprawl mit parallelen Plattformen ohne klare Schichten und Verantwortlichkeiten
- Vendor Lock In auf Infrastruktur, Modell oder proprietäre Datenformate ohne Exit Strategie
- Unnötige Plattformen, die bestehende Systeme duplizieren statt Wissen zu verbinden
- Frühe Modellbindung vor geklärter Architektur, Quellen und Governance
- Übermäßige Agentenarchitekturen ohne klare Grenzen, Freigaben und Human in the Loop
Nicht mehr Tools. Mehr nutzbare Systeme. Mehr unter Was ist Agentic AI und Warum AI ohne Unternehmenswissen scheitert.
Warum Kaufman AIS
Kaufman AIS entwickelt Enterprise Knowledge Systems und Applied Intelligence Systems für mittelständische und größere Unternehmen in Europa. Technologie ist bei uns Mittel für nutzbare Wissensarchitektur, digitale Assistenz und souveränen Betrieb.
- Enterprise Knowledge Systems als integrierte Architektur, nicht als Tool Sammlung
- Open Infrastructure mit Self Hosting, Cloud Optional und europäischen Rechenzentren
- Souveräne AI mit Kontrolle über Quellen, Modelle und Betrieb
- Knowledge Layer mit Retrieval, Berechtigungen und Quellenanbindung
- Digitale Assistenz mit Grounding und Governance für Fachbereiche
- Enterprise Memory für Wiederverwendung von Entscheidungs und Prozesswissen
Nicht mehr Tools. Mehr nutzbare Systeme. Mehr unter Enterprise Knowledge Systems, Souveräne AI und Interner ChatGPT für Unternehmen.
Häufige Fragen
Welche Technologien nutzt Kaufman AIS?
Wir arbeiten technologieoffen mit Open Source und offenen Plattformen für Knowledge Systems, Retrieval, Inferenz, Assistenz und Betrieb. Die konkrete Auswahl folgt Architektur und Anforderungen pro Projekt. Diese Seite zeigt typische Bausteine, keine feste Pflichtliste.
Arbeitet ihr nur mit Open Source?
Nein. Open Source ist oft Basis für Knowledge Layer, Infrastruktur und Betrieb. Kommerzielle Modelle, Cloud Services und bestehende Enterprise Systeme können sinnvoll ergänzen, wenn Integration und Governance stimmen.
Ist Self Hosting möglich?
Ja. Viele Architekturen lassen sich On Premise oder in Private Cloud betreiben. Self Hosted AI ist Teil souveräner Setups, wenn Daten, Modelle und Zugriff im Unternehmen bleiben sollen. Mehr unter Souveräne AI.
Können bestehende Systeme bleiben?
Ja. Enterprise Knowledge Systems bauen typischerweise auf ERP, CRM, DMS und Identity auf, statt alles zu ersetzen. Mehr unter Datensilos ohne Systemmigration.
Welche Modelle unterstützt ihr?
Modelle sind austauschbar. Wir unterstützen Open Weight und API Modelle über Routing und Inferenz Layer. Entscheidend sind Grounding, Quellenbezug und Governance, nicht ein einzelner Anbieter.
Wie startet man?
Oft mit einem Use Case mit klaren Quellen, messbarer Nutzung und definiertem Betriebsmodell. Parallel Architektur, Knowledge Layer und Governance skizzieren. Mehr unter AI Transformation und Was ist AI Readiness.
Évaluez votre potentiel IA en 3 minutes
Un court diagnostic de vos systèmes, points de friction et objectifs montre où l'IA d'entreprise peut créer le plus d'impact.
Werkzeuge sind austauschbar. Architektur und Betriebsfähigkeit entscheiden über nachhaltige Enterprise AI.
Wir ordnen mit Ihnen ein, welche Technologien und Plattformen für Ihre Enterprise Knowledge System Architektur sinnvoll sind. Das Gespräch richtet sich an Geschäftsführung, IT Leitung, Enterprise Architektur, Engineering und Digitalisierung.
Contact
Échangez avec nous sur votre écosystème de données vos structures de connaissances et les cas d’usage possibles des systèmes d’assistance intelligents dans votre organisation.
Votre interlocuteur
Rodrique Dallh