Wir bringen KI sicher in den Betrieb.

Ausgangssituation

Dokumentenintensive Unternehmen verteilen relevantes Wissen über Dateien, E-Mails, Fachanwendungen und persönliche Ablagen. Informationen sind vorhanden, lassen sich aber nur mit hohem Zeitaufwand finden, einordnen und weiterverarbeiten — implizites Wissen ist bei Übergaben, Urlaub oder Personalwechsel kaum verfügbar.

Geschäftliches Ziel

Bestehendes Wissen produktiv nutzbar machen, ohne neue Datenstrukturen oder zusätzliche Pflegeprozesse zu erzwingen — bei hohen Anforderungen an Datenschutz, Mandantentrennung, Nachvollziehbarkeit und kontrollierten Datenzugriff.

Lösung von UWS

Entwicklung eines AI Knowledge & Workflow Copilot: Unternehmensdaten werden über Retrieval-Augmented Generation, semantische Suche und agentische Funktionen erschlossen. Der MVP konzentriert sich auf schnelle Dokumenten- und Aktenanalyse, kontextuelle Fragen, Zusammenfassungen und die Weiterverarbeitung der Ergebnisse; eine Action- und Agent-Layer erweitert das System perspektivisch von der Wissensabfrage hin zu produktiven Workflows.

Datenquellen und Integrationen

Angebunden bzw. im MVP vorgesehen: PDFs und Office-Dokumente, E-Mails und Scans, bestehende Datei- und Ordnerstrukturen, Google Drive sowie weitere Unternehmensquellen über Connectoren. Die Plattform ist API-first und modular aufgebaut und trennt Infrastruktur, Authentifizierung und Multi-Tenancy bewusst von Retrieval-, Parser-, Connector- und Agentenlogik, sodass KI-Komponenten unabhängig weiterentwickelt oder ausgetauscht werden können.

Sicherheitsmodell

Die ursprünglich prototypische Single-User-Architektur wurde zu einer Multi-Tenant- und Enterprise-fähigen Plattform weiterentwickelt: PostgreSQL mit Tenant-Isolation, Row Level Security, JWT-basierte Authentifizierung, API Gateway, zentrales Logging, containerisierte Services, ein restriktives Super-Admin-Modell ohne regulären Zugriff auf Kundendokumente und Betrieb in der AWS-EU-Cloud. Datenschutz und technische Mandantentrennung sind damit auf Architektur- und Datenbankebene berücksichtigt.

Aktueller Stand

Der Weg führte vom vorhandenen lokalen RAG-Prototyp über Architektur- und Security-Refactoring zur cloudfähigen Multi-Tenant-Produktbasis. Anfang 2026 wurde der Übergang vom experimentellen Prototyp zu einem produktisierbaren SaaS-System vollzogen; die Weiterentwicklung läuft.

Die Umsetzung erfolgt KI-gestützt, mit menschlicher Kontrolle über Architektur, Sicherheit und Releases. Die weitergehende regulatorische Absicherung für Berufsgeheimnisträger (DSGVO, §203 StGB, §43e BRAO) ist ein laufender, separater Compliance-Workstream und wird nicht als abgeschlossen dargestellt.

Ausgangssituation

Eine geschäftskritische Plattform verbindet Finanz- und Betriebsprozesse über Webanwendung, Backend-Services, Buchhaltungsintegration, Dateitransfers und Reporting. Veraltete Technologien und ein überholtes Deployment-Modell erhöhten Sicherheits-, Support- und Release-Risiken.

Geschäftliches Ziel

Eine sichere und wartbare Grundlage für die nächste Produktphase — bei vollständigem Erhalt der etablierten Geschäftsprozesse und Integrationen. Vorab wurde ein zeitlicher Horizont abgesteckt: Die Gesamtanwendung sollte nach dem Upgrade einen Support-Horizont von mehr als drei Jahren bis zum End-of-Life haben.

Modernisierung durch UWS

Backend, Frontend, Security und Deployment wurden in kontrollierten, reversiblen Stufen auf eine aktuelle Basis gebracht. Kompatibilitäts- und Validierungs-Gates sicherten jeden Schritt; ein Read-only-Modus schützt Geschäftsdaten und externe Integrationen während Migration und Wartung.

Kontrollierter KI-Einsatz

Ein projektspezifisches Kontext- und Aufgabensystem unterstützte Systeminventur, Kompatibilitätsanalyse, Migrationsplanung, Review über mehrere Repositorys, Implementierung und Testvorbereitung. Jede Änderung blieb nachvollziehbar und unter menschlicher Kontrolle.

Ergebnis

Die technische Modernisierung und die Kundenvalidierung des Release-Kandidaten wurden ohne blockierende Befunde abgeschlossen; der Produktions-Rollout ist vorbereitet. Vier von vier Modulen bestehen die integrierte Validierung, 270 Datenbank-Changesets wurden ohne offene Migrationen geprüft, 13 zugangsrelevante Werte in Deployment-Secrets ausgelagert und das abschließende npm-Audit meldet keine bekannten Schwachstellen in den Frontend-Abhängigkeiten.

KI war als kontrollierter Engineering-Copilot eingebunden. Architektur, Sicherheit, fachliches Verhalten und Release-Entscheidungen blieben bei UWS.

Ausgangssituation

Die bestehende Lösung war durch veraltete Architektur und Technologien, hohe Entwicklungskosten und fehlende Entwickler wirtschaftlich nicht mehr tragfähig — bei gleichzeitig stark wachsenden Nutzerzahlen und Feature-Bedarf.

Geschäftliches Ziel

Eine Neuentwicklung des Produkts, die langfristig weiterentwickelt, wirtschaftlich betrieben und in weitere Märkte ausgerollt werden kann.

Technische Herausforderung

Web- und Mobile-Anwendungen gleichzeitig neu aufbauen, auf einer Cloud-Architektur, die mit den Nutzerzahlen wächst und über Jahre wartbar bleibt.

Lösung von UWS

Konzeption, Design, Neuentwicklung und Betrieb der Web- und Mobile-Anwendungen in einer Cloud-Umgebung: Microservices, Container-Orchestrierung und zentrales Logging, umgesetzt mit ausgereiften Open-Source-Frameworks mit langfristiger Perspektive.

Integration und Betrieb

Hohe Testabdeckung aller Features mit Unit-, Integrations- und Akzeptanztests. Das gesamte Management- und Entwicklerteam wurde als dediziertes, festes Team remote bereitgestellt.

Ergebnis

Die erste Produktversion war im geplanten Budget- und Zeitrahmen fertig. Das Produkt wird in weitere Länder ausgerollt und ist bei UWS selbst im Einsatz.

Aktueller Stand

Die Weiterentwicklung läuft weiter mit dem festen Team. Die Entwicklungsprozesse wurden auf KI-getriebenes Arbeiten umgestellt: KI-gestützte Implementierung, Review und Testvorbereitung im Rahmen definierter Vorgaben, mit menschlicher Freigabe vor jedem Release.

Der Case zeigt das Betriebsmodell, das wir auch für KI-Lösungen anbieten: Entwicklung, Integration und Betrieb aus einer Hand, über Jahre hinweg mit einem festen Team — dasselbe Team entwickelt dieses Produkt heute mit KI-gestützten Entwicklungsprozessen weiter.

Ausgangssituation

Ein bestehendes Redaktionssystem für Wirtschaftsnachrichten war nicht modularisiert und ließ sich nicht mehr weiterentwickeln.

Geschäftliches Ziel

Ein System, das die internen Performance-Anforderungen erfüllt und die strategische Weiterentwicklung des Unternehmens trägt.

Technische Herausforderung

Eine hohe Zahl eingehender Nachrichtenkanäle in hoher Frequenz zusammenführen und dabei durchgehend stabil und skalierbar bleiben.

Lösung von UWS

Architektur-Review, Modularisierung und Neuentwicklung als Rich-Internet-Application mit Server-Push. Für leitende Redakteure ein konfigurierbares Regelsystem, das eingehende und ausgehende Nachrichten automatisch verarbeitet, dazu Filter, Archivfunktionen und Textgeneratoren.

Integration und Betrieb

Konsolidierung vieler Nachrichtenquellen in Near-Realtime, abgesichert durch Unit-, Integrations- und funktionale Tests sowie Continuous Delivery.

Ergebnis

Höhere Arbeitseffizienz in der Redaktion; Teile der Nachrichtenverarbeitung laufen vollautomatisch.

Dieses Projekt entstand vor der heutigen KI-Generation. Die Aufgabe ist dieselbe: viele Datenquellen in hoher Frequenz zusammenführen, regelbasiert automatisch verarbeiten und dauerhaft stabil betreiben.