KI-MODELLE & PROVIDER

Für jede Aufgabe das passende KI-Modell.

RetrieX ist die zentrale Unternehmens-KI für Wissen, Antworten und intelligente Aufgaben. Dabei bleibt die Wahl der zugrunde liegenden Sprachmodelle flexibel: OpenAI, Claude, Gemini oder lokal betriebene Modelle über Ollama können als Modellprofile eingebunden und gezielt den Aufgaben zugewiesen werden, für die sie am besten geeignet sind. RetrieX selbst bleibt dabei die steuernde Ebene für Wissen, Retrieval, Evidence, Berechtigungen und fachliche Regeln.

Evidence Pilot anfragen Modellsteuerung ansehen

RetrieX AI Runtime Provider flexibel

01 Provider OpenAI · Claude
Gemini · Ollama

02Profile Modelle · Parameter
Endpoints

03 Aufgaben Query · Tools
Antwort · Verarbeitung

04 Runtime Qualität · Latenz
Kosten · Kontrolle

RX

RetrieX-Prinzip: Sprachmodelle bleiben austauschbar. Retrieval, Evidence, Berechtigungen und fachliche Regeln bilden davon getrennte, kontrollierbare Ebenen.

Provider & Infrastruktur

Ihre KI-Infrastruktur bleibt Ihre Entscheidung.

RetrieX trennt die eigentliche Plattformlogik vom verwendeten Sprachmodell. Dadurch können unterschiedliche KI-Provider angebunden und lokale Modelle über Ollama eingesetzt werden.

Wissenslogik, Retrieval, Evidence und Governance bleiben davon getrennt. Provider und Modelle können so passend zur jeweiligen Aufgabe und Infrastruktur gewählt werden.

O Cloud Provider

OpenAI

OpenAI-Modelle können als Provider angebunden und über individuelle Modellprofile für unterschiedliche Aufgaben innerhalb von RetrieX konfiguriert werden.

C Cloud Provider

Anthropic Claude

Claude lässt sich als eigener Provider in die Modellsteuerung aufnehmen und gezielt für definierte Verarbeitungsschritte oder Antwortaufgaben einsetzen.

G Cloud Provider

Google Gemini

Gemini-Modelle können ebenfalls über Modellprofile eingebunden und einzelnen Aufgaben innerhalb der RetrieX Runtime zugewiesen werden.

O On-Premise

Ollama

Über Ollama können lokal bereitgestellte Modelle aus der eigenen Infrastruktur heraus genutzt und wie andere Provider über Modellprofile gesteuert werden.

Betriebsmodelle

Cloud oder On-Premise.

Die Modellstrategie kann an technische, regulatorische und organisatorische Anforderungen angepasst werden. Dabei müssen nicht zwangsläufig alle Aufgaben über dieselbe Infrastruktur laufen.

01

Managed AI

Cloud-Modelle flexibel einsetzen

Externe KI-Provider können dort eingesetzt werden, wo Leistungsfähigkeit, Modellangebot oder vorhandene Infrastruktur dafür sprechen.

02

Eigene Infrastruktur

Modelle On-Premise betreiben

Mit Ollama kann RetrieX auch Modelle ansprechen, die innerhalb der eigenen Infrastruktur betrieben werden. So lässt sich die Modellstrategie an Datenschutz, Compliance und technische Anforderungen anpassen.

RX

Entscheidend ist nicht, welcher Provider verwendet wird: Retrieval, Evidence, Zugriffsregeln und fachliche Logik bleiben eigenständige Ebenen von RetrieX. Das Sprachmodell kann dadurch gewechselt oder aufgabenspezifisch eingesetzt werden, ohne die Wissensarchitektur neu aufzubauen.

Modellprofile

Mehrere Provider & Profile für unterschiedliche Aufgaben.

In RetrieX wird nicht einfach ein Modell global festgelegt. Für angebundene Provider können unterschiedliche Modellprofile angelegt und zentral verwaltet werden. Jedes Profil beschreibt, welches Modell mit welchen Einstellungen für bestimmte Aufgaben zur Verfügung steht.

01 Zentral konfiguriert

Modelle werden zu steuerbaren Ressourcen.

Ein leistungsfähiges Modell für komplexe Antworten, ein schnelles Modell für vorbereitende Schritte oder ein lokales Modell für definierte Verarbeitungspfade: RetrieX bildet diese Unterschiede als eigenständige Modellprofile ab.

Provider auswählen: Das Profil wird einem angebundenen KI-Provider zugeordnet.
Modell festlegen: Für jedes Profil wird bestimmt, welches Modell verwendet wird.
Verhalten konfigurieren: Generierungsparameter und provider-spezifische Einstellungen werden passend zum Einsatzzweck definiert.
Aufgaben zuweisen: Die Aufgabensteuerung legt fest, welches Profil für welchen Verarbeitungsschritt eingesetzt wird.

RetrieX Admin · KI-Modelle Beispielkonfiguration

Provider OpenAI angebundener
KI-Provider

Profil 01 Fast Fast Model
Hilfsaufgaben

Profil 02 Balanced Balanced Model
Standardaufgaben

Profil 03 Deep Advanced Model
komplexe Aufgaben

RX

Das Profil ist die steuerbare Einheit. Aufgaben werden einem Modellprofil zugewiesen – nicht dauerhaft mit einem einzelnen Modell verdrahtet.

RX

Modelle können wechseln, Aufgaben bleiben definiert. Wird ein Modell ausgetauscht oder ein Profil angepasst, muss die fachliche Aufgabe nicht neu implementiert werden. RetrieX hält Provider, Modellprofil und Aufgabensteuerung bewusst voneinander getrennt.

Aufgaben & Modellsteuerung

Das Modell folgt der Aufgabe – nicht umgekehrt.

Unterschiedliche Verarbeitungsschritte stellen unterschiedliche Anforderungen an ein KI-Modell. RetrieX macht diese Aufgaben explizit und weist ihnen gezielt Modellprofile zu. So muss nicht jede Aufgabe über dasselbe Modell laufen.

RetrieX Runtime · Aufgabensteuerung Beispielzuweisung

01 · Profil Fast Eingabe normalisieren Nutzerfrage für den Antwortpfad vorbereiten

02 · Profil Fast Suchquery optimieren Suchanfrage knapp und passend formulieren

03 · Profil Balanced MCP-Tool auswählen Passendes freigegebenes Tool bestimmen

04 · Profil Deep Finale Antwort erzeugen Belegte Antwort aus dem freigegebenen Kontext formulieren

+

Weitere steuerbare Aufgaben: Schnellere Antwort, Dokumenttitel und Markdown-Normalisierung können ebenfalls eigenen Modellprofilen zugewiesen werden.

Warum das relevant ist

Nicht jede Aufgabe braucht dasselbe Modell.

Ein vorbereitender Verarbeitungsschritt kann andere Anforderungen haben als eine komplexe finale Antwort. Durch die getrennte Zuweisung kann die Modellstrategie gezielt an Qualität, Geschwindigkeit, Kosten und Infrastruktur angepasst werden.

01

Leistung dort einsetzen, wo sie zählt

Leistungsfähigere Modelle können gezielt Aufgaben übernehmen, bei denen ihre Fähigkeiten tatsächlich benötigt werden.

02

Schnelle Schritte schlank halten

Für vorbereitende oder klar abgegrenzte Aufgaben können kleinere oder schnellere Modelle eingesetzt werden.

03

Provider kombinieren

Modellprofile unterschiedlicher Provider können innerhalb derselben RetrieX Runtime für unterschiedliche Aufgaben eingesetzt werden.

04

Konfiguration statt Verdrahtung

Die Zuordnung wird zentral verwaltet und kann angepasst werden, ohne die fachliche Aufgabe neu zu implementieren.

RX

Provider, Modell und Aufgabe bleiben voneinander getrennt. Dadurch kann ein Modellprofil ausgetauscht oder neu konfiguriert werden, während Retrieval, Ranking, Evidence, Berechtigungen und die fachliche Logik von RetrieX unverändert bestehen bleiben.

Kosten & Effizienz

Nicht jede Aufgabe braucht das teuerste Modell.

Bei vielen Cloud-KI-Modellen entstehen Kosten nach der Menge des verarbeiteten und erzeugten Textes – den sogenannten Tokens. RetrieX kann deshalb für einfache Aufgaben andere Modellprofile einsetzen als für anspruchsvolle Antworten.

Einfach erklärt

Was sind Tokenkosten?

KI-Modelle verarbeiten Texte in kleinen Einheiten, den Tokens. Je nachdem, wie viel Inhalt an ein Modell übergeben und wie viel Text erzeugt wird, steigt die verarbeitete Tokenmenge.

Bei Cloud-Anbietern unterscheiden sich zusätzlich die Preise der einzelnen Modelle. Leistungsfähigere Modelle können deshalb für dieselbe Aufgabe höhere Nutzungskosten verursachen als kleinere oder schnellere Modelle.

RetrieX schafft hier eine zusätzliche Steuerungsmöglichkeit: Das gewünschte Modellprofil wird passend zur jeweiligen Aufgabe gewählt.

Beispiel einer Modellstrategie bedarfsgerecht

Kleine Aufgabe Anfrage vorbereiten schnelles, effizientes Profil

Mittlere Aufgabe Tool auswählen passendes Standardprofil

Anspruchsvolle Aufgabe Antwort erzeugen leistungsfähiges Antwortprofil

€

Leistung gezielt einsetzen. Statt sämtliche Verarbeitungsschritte über dasselbe Modell laufen zu lassen, kann RetrieX für jede Aufgabe ein dafür vorgesehenes Modellprofil verwenden.

Wirtschaftlich steuerbar

Qualität und Kosten gemeinsam denken.

Das Ziel ist nicht einfach das günstigste Modell. Entscheidend ist, für jede Aufgabe ein Modell einzusetzen, das zu den Anforderungen des Unternehmens passt.

01

Einfache Aufgaben effizient erledigen

Vorbereitende oder klar abgegrenzte Aufgaben können beispielsweise über schnellere und kostengünstigere Modellprofile laufen.

02

Leistungsfähige Modelle gezielt nutzen

Anspruchsvollere Modelle können dort eingesetzt werden, wo ihre Fähigkeiten für die Qualität der Antwort tatsächlich benötigt werden.

03

Kosten anpassbar halten

Ändern sich Preise, Modelle oder Anforderungen, kann die Zuordnung der Modellprofile angepasst werden, ohne die gesamte RetrieX-Lösung neu aufzubauen.

04

On-Premise anders kalkulieren

Bei lokal betriebenen Modellen über Ollama fallen keine externen nutzungsabhängigen Tokengebühren des Modellproviders an. Dafür entstehen eigene Kosten für Infrastruktur und Betrieb.

RX

RetrieX macht die Modellwahl zu einer steuerbaren Entscheidung. Unternehmen können damit Qualität, Geschwindigkeit, Tokenkosten und Betriebsmodell passend zu ihren Anforderungen miteinander ausbalancieren.

Ihre Unternehmens-KI

Eine KI für Ihr Unternehmen. Ohne Bindung an ein einzelnes Modell.

RetrieX verbindet Unternehmenswissen, Regeln, Berechtigungen und nachvollziehbare Antworten zu einer zentralen Unternehmens-KI. Welche Modelle dabei im Hintergrund arbeiten, bleibt flexibel.

OpenAI, Claude, Gemini oder lokal betriebene Modelle über Ollama können passend zu Aufgabe, Kosten und Infrastruktur eingesetzt werden.

Evidence Pilot anfragen Gespräch vereinbaren

RetrieX Unternehmens-KI

Wissen Ihr Unternehmen Dokumente · Systeme
Daten · Quellen

RetrieX Verstehen & steuern Retrieval · Evidence
Regeln · Berechtigungen

Modelle Flexibel wählbar Cloud oder
On-Premise

RX

Das Modell ist ein Baustein. RetrieX ist die Unternehmens-KI.