FAQ
Antworten, die wirklich antworten.
Konkret, ohne Marketing-Floskeln. Wenn etwas fehlt, schreib uns - wir nehmen es auf.
Preis und Aufwand
Wie viel kostet so ein Projekt?
Einzelne Workflows starten bei 2.500 EUR pauschal. KI-Integrationen ab 4.000 EUR, Custom AI Agents ab 8.000 EUR, Backend-Pipelines ab 4.000 EUR. Komplexere Setups (mehrere Integrationen, Multi-Tenant, eigene MCP-Server) liegen typischerweise bei 10.000-30.000 EUR. Festpreis-Angebot bekommst du schriftlich vor dem Bau, nach einem 60-Min-Discovery-Call.
Wie lange dauert das?
Ein einzelner Workflow ist oft in 1-2 Wochen live. Größere Projekte teilen wir in Module à 1-3 Wochen, damit du jeden Schritt prüfen kannst, bevor wir weiterbauen. Discovery + Architektur-Skizze dauert in der Regel 3-5 Werktage nach dem Erstgespräch.
Festpreis oder nach Aufwand?
Standardmäßig Festpreis pro Modul. Du weißt vorher genau, was reinkommt und was es kostet. Für offene Discovery-Phasen oder laufende Wartung gibt es Stunden- oder Monatspauschalen.
Was kostet die Wartung danach?
Optional und transparent: 300-1.500 EUR/Monat je nach Komplexität und SLA (Reaktionszeit, Verfügbarkeit). 30-Tage-Kündigung, keine Lock-ins. Wenn du selbst weiterbetreiben willst, dokumentieren wir alles so, dass das geht.
Wann lohnt sich Automatisierung wirklich?
Faustregel: ein Prozess, der wöchentlich mindestens 3-5 Stunden bindet, oder bei dem Fehler teuer werden (Rechnungen, CRM-Daten, Lead-Routing), zahlt sich meist innerhalb von 3-6 Monaten zurück. Bei seltenen Ad-hoc-Aufgaben ist Automatisierung selten der richtige Hebel.
Datenschutz und DSGVO
Was passiert mit unseren Daten?
Daten bleiben standardmäßig in der EU. Web und APIs laufen auf Vercel in Frankfurt (fra1). Datenbank ist Supabase in der EU-Region. KI-Inferenz läuft entweder über EU-Endpoints von Anthropic/OpenAI/Google mit Auftragsverarbeitungsvertrag - oder bei sensiblen Use-Cases komplett lokal auf deinem Server.
Werden unsere Daten zum Training verwendet?
Nein. Bei den Cloud-Anbietern, die wir nutzen (Anthropic, OpenAI, Google Gemini), gilt für die kostenpflichtige API: keine Verwendung der API-Inputs für Modell-Training. Bei lokalen Modellen stellt sich die Frage gar nicht - alles bleibt bei dir.
Geht es auch komplett ohne US-Anbieter?
Ja. Lokale Modelle (Llama, Mistral, Qwen) auf deinem Server via Ollama, llama.cpp oder vLLM laufen ohne externe LLM-Provider. Datenbanken in der EU (Supabase EU, Hetzner, ScaleWay). Hosting wahlweise auf eigenem Server oder EU-Cloud. Komplett air-gapped-Setups sind machbar.
Wie steht es mit Auftragsverarbeitungsverträgen (AVV)?
Mit allen relevanten Anbietern (Vercel, Supabase, Anthropic, OpenAI, Google, Cloudflare, Resend) gibt es Auftragsverarbeitungsverträge nach Art. 28 DSGVO. Drittlandübermittlungen laufen über EU-Standardvertragsklauseln und, wo verfügbar, das EU-U.S. Data Privacy Framework.
Was, wenn personenbezogene Daten im Spiel sind?
Dann setzen wir entweder lokale Modelle ein, oder wir filtern personenbezogene Felder vor dem LLM-Call raus (Anonymisierung, Pseudonymisierung). Lead-Scoring bei uns selbst läuft z. B. ausschließlich auf nicht-personenbezogenen Feldern: Branche, Pain-Points, Budget, Dringlichkeit.
Technik und Tools
Wir haben schon n8n / Make / Zapier. Werft ihr das weg?
Nein. Wenn dein Setup gut ist, erweitern wir es. Wenn es chaotisch ist, sanieren wir es. Wir verkaufen dir kein neues Tool, nur weil wir es gerade mögen.
Welche LLMs nutzt ihr?
Claude (Anthropic), GPT (OpenAI), Gemini (Google) als Cloud-Modelle - in der EU mit AVV. Lokal: Llama 3, Mistral, Qwen via Ollama, vLLM oder llama.cpp. Welches Modell sinnvoll ist, entscheiden wir nach Use-Case und Anforderung an Qualität, Latenz und Kosten - nicht aus Markenpräferenz.
Was ist der Unterschied zwischen einem Workflow und einem AI Agent?
Ein Workflow ist deterministisch: Trigger A → Schritt B → Schritt C, in fester Reihenfolge. Ein Agent entscheidet selbst, welches Tool er als nächstes aufruft, basierend auf den Zwischenergebnissen. Agents sind flexibler, aber auch teurer und schwieriger zu testen. Für 70% der Fälle reicht ein Workflow.
Was ist MCP?
Model Context Protocol - ein offener Standard von Anthropic, mit dem LLMs auf externe Tools und Datenquellen zugreifen. Wir bauen MCP-Server, damit du nicht für jedes LLM eine eigene Tool-Integration brauchst. Ausführliche Erklärung unter /wissen/mcp.
Was ist RAG?
Retrieval-Augmented Generation: dein Wissen (Docs, FAQ, interne DBs) wird durchsuchbar gemacht, der relevante Kontext landet im Prompt, das LLM antwortet mit Quellen-Belegen statt aus dem Gedächtnis. Wir bauen RAG meist auf Postgres mit pgvector - kein extra Service nötig. Erklärung unter /wissen/rag.
Self-Hosted oder Cloud?
Beides bauen wir. Self-Hosted lohnt sich bei sensiblen Daten, hohen Stückzahlen (Token-Kosten sparen) und bei Air-gapped-Anforderungen. Cloud lohnt sich bei höchster Qualität, schneller Iteration und überschaubaren Stückzahlen.
Zusammenarbeit und Übergabe
Wie läuft so ein Projekt konkret ab?
1) 60-Min-Discovery-Call: Wir hören zu, identifizieren den größten Hebel. 2) Architektur-Skizze schriftlich, mit Komponenten, Kosten, Risiken. 3) Modulares Bauen in 1-3-Wochen-Iterationen, jede live testbar. 4) Test mit echten Daten, Härtung der Edge-Cases. 5) Übergabe mit Doku, Monitoring und optionaler Schulung.
Was, wenn wir hinterher selbst weiter wollen?
Dann hilft dir alles, was wir mitliefern: saubere Repos mit README, Architektur-Diagramme, Runbooks für den Fehlerfall, dokumentierte APIs. Optional gibt es eine Schulungs-Session. Kein Lock-in, kein versteckter Code, keine eigenen Plattform-Abhängigkeiten.
Arbeitet ihr remote oder vor Ort?
Standardmäßig remote über Call und Slack/Teams. Vor-Ort-Tage sind in DACH möglich für Discovery, Workshops oder Schulungen.
Wer baut konkret? Externe Teams?
Mittra Stumpner persönlich baut den Großteil. Bei größeren Projekten ziehen wir gezielt spezialisierte Partner hinzu - immer transparent, immer mit klarer Verantwortung.
Was, wenn nach dem Discovery klar wird, dass Automatisierung doch nicht sinnvoll ist?
Dann sagen wir das. Discovery ist nicht der Vorvertrag zum Bauen. Wenn dein Hebel woanders liegt (z. B. erst Prozess sauber aufschreiben, dann automatisieren), nennen wir das beim Namen.
Noch eine Frage offen?
Schreib eine Mail oder buch direkt einen Slot. Beides bekommt dieselbe Aufmerksamkeit.