// NIJITECH · KERNTECHNOLOGIE
Modellorchestrierung ist die eigentliche Arbeit, KI in Produktion zu bringen — nicht bloß eine Anfrage an ein Modell zu schicken. Die eigentliche Arbeit ist zu entscheiden, welches Modell läuft, die Ausgabe zu prüfen und zeigen zu können, woher das Ergebnis kam. niji core ist der Name dieser Schicht.
niji core ist das gemeinsame KI-Rückgrat, auf dem nijitech-Produkte und Kundenlösungen laufen. Es überführt die Eingabe in eine gemeinsame Darstellung, entscheidet anhand der Aufgabenart, welches Modell läuft (Modellorchestrierung), prüft die erzeugte Ausgabe und verknüpft sie mit ihrer Quelle. Daten werden on-premise oder in der Cloud verarbeitet; kritische Entscheidungen durchlaufen eine menschliche Freigabe.
00 — DAS KONZEPT
Modellorchestrierung ist die Verwaltung mehrerer KI-Modelle auf einer einzigen Pipeline. Das System entscheidet anhand der Art der Eingabe und der Anforderungen der Aufgabe, welches Modell läuft, verarbeitet das Ergebnis und erzeugt eine einheitliche Ausgabe.
Einen Text in eine von zwei Kategorien einzuordnen und eine mehrstufige Analyse durchzuführen verlangen nicht dieselbe Fähigkeit. Für jede Aufgabe das stärkste Modell einzusetzen ist, als miete man einen Bagger, um einen Nagel einzuschlagen: es funktioniert, aber die Kosten ergeben keinen Sinn.
Die Kosten eines Modellaufrufs sind pro Vorgang gering, vervielfachen sich aber mit dem Volumen. In einem System mit zehntausend Aufrufen am Tag bedeutet es eine sichtbar niedrigere Rechnung und sichtbar geringere Latenz, wenn die Hälfte der Aufgaben an ein kleineres Modell geht.
Ein System, das auf einem einzigen Modellanbieter aufsetzt, bleibt dessen Preisänderungen, Kontingentgrenzen und Richtlinienänderungen ausgesetzt. Die Orchestrierungsschicht lockert diese Bindung: das Modell wechselt, die Pipeline bleibt.
Das heute beste Modell kann in sechs Monaten auf Platz zwei stehen. Einen im Anwendungscode vergrabenen Modellaufruf zu ändern ist jedes Mal Entwicklungsarbeit; dieselbe Änderung in der Routing-Schicht ist Konfigurationsarbeit.
01 — SO FUNKTIONIERT ES
Die Pipeline läuft in jedem Produkt in derselben Reihenfolge; was sich ändert, ist, was die Eingabe ist und wozu die Ausgabe wird.
Audio, Text und Systemsignale — drei Formate, ein Strom.
Der Ton einer Besprechung, die WhatsApp-Nachricht eines Kunden und ein Preis-Feed vom Marktplatz sehen einander in nichts ähnlich. Die Eingabeschicht überführt sie in eine gemeinsame Darstellung: Audio wird zu Text, Freitext wird strukturiert, Systemsignale reihen sich mit Zeitstempel ein. Die folgenden Schichten müssen nicht wissen, woher etwas kam.
Welche Aufgabe an welches Modell geht — das entscheidet das System.
Jede Aufgabe an das stärkste Modell zu schicken ist teuer; jede Aufgabe an das billigste zu schicken erzeugt falsche Antworten. Die Routing-Schicht betrachtet Art und Anforderungen der Aufgabe und entscheidet, welches Modell läuft. Für eine kurze Klassifizierung genügt ein kleines Modell, für mehrstufiges Schlussfolgern tritt ein leistungsfähigeres an. Diese Entscheidung ist nicht fest; sie ändert sich mit den Messergebnissen.
Modellausgaben werden nie roh verwendet; sie durchlaufen zuerst eine Prüfung.
Das Modell erzeugt ein Ergebnis, aber dieses Ergebnis erreicht den Nutzer nicht roh. Entspricht die Ausgabe dem erwarteten Format, stimmt sie mit ihrer Quelle überein, liegt sie über der Konfidenzschwelle — all das wird geprüft. Ausgaben unterhalb der Schwelle werden entweder neu erzeugt oder zur menschlichen Freigabe geschickt. Die eigentliche Abwehr gegen Halluzination sitzt in dieser Schicht.
Eine Zusammenfassung, eine Bewertung, eine Zuordnung — und jeweils die Quelle.
Die Ausgabe hängt vom Produkt ab: eine Besprechungszusammenfassung, eine Rentabilitätsbewertung, eine Fahrerzuordnung. Unverändert bleibt, dass jede Ausgabe mit ihrer Quelle verknüpft ist. Aus welchem Satz eine Zusammenfassung stammt, aus welchen Daten sich eine Bewertung ableitet — alles wird festgehalten. Ohne diese Verbindung ist weder Prüfung noch Widerspruch möglich.
02 — VIER PRINZIPIEN
Alle vier sind Entscheidungen; jede hat einen Preis und einen Grund. Beides haben wir unten aufgeschrieben.
Bei einer On-Premise-Installation bleiben die Daten in Ihrer eigenen Infrastruktur und verlassen sie nicht. Bei Cloud-Nutzung erfolgt die Verarbeitung in den Regionen USA und EU; für Drittlandübermittlungen gelten die Schutzmaßnahmen nach KVKK Art. 9. Die vollständige Liste der Unterauftragsverarbeiter steht in Anhang C des Auftragsverarbeitungszusatzes.
Artikel 9 des türkischen Datenschutzgesetzes (KVKK) unterwirft grenzüberschreitende Übermittlungen der Einwilligung und Garantien; die DSGVO behandelt Datenresidenz als Grundbedingung der Prüfbarkeit. Eine On-Premise-Installation erfüllt beides, ohne überhaupt in eine Übermittlungsdebatte einzutreten: Die Daten verlassen die Organisation nie. Bei Cloud-Nutzung erfolgt die Verarbeitung in den Regionen USA und EU, und für die Übermittlung gelten die Garantien nach Artikel 9.
Modellaufrufe laufen über Infrastruktur on-premise oder in der Cloud. Wenn die Rechtsabteilung des Käufers fragt „wohin gehen die Daten“, ist die Antwort ein Satz.
Jedes Ergebnis ist mit der Quelle verknüpft, aus der es stammt.
Gegen eine Blackbox-Ausgabe kann man keinen Widerspruch einlegen. Wenn Sie nicht zeigen können, warum das Ergebnis das Ergebnis ist, können Sie es weder debuggen noch prüfen — und der Nutzer wird dem System nicht trauen. Erklärbarkeit ist eine Architekturentscheidung, keine Reporting-Funktion.
Jeder Punkt einer Besprechungszusammenfassung führt auf einen Satz im Transkript zurück, eine Produktbewertung auf die dahinterliegenden Nachfrage- und Wettbewerbsdaten, eine Budgetverschiebung auf die Leistungsänderung, die sie ausgelöst hat.
Kritische Entscheidungen durchlaufen vor dem Hinausgehen eine menschliche Freigabe.
Vollständig autonome Entscheidungen ergeben Sinn, wenn die Kosten eines Fehlers gering sind. Bei Handlungen, deren Rücknahme teuer ist — eine Rechnung ausstellen, eine Kundenantwort senden, Budget verschieben —, ist der Freigabeschritt kein Mangel des Systems, sondern seine Absicherung.
Welche Entscheidungen eine Freigabe brauchen, wird im Entwurf festgelegt — eine von Anfang an geplante Schwelle, keine nachträglich angeschraubte Kontrolle.
Die Verarbeitung läuft nah beim Nutzer.
In einem Echtzeitsystem zählt Latenz ebenso viel wie Genauigkeit. Eine Zusammenfassung, die während der laufenden Besprechung eintrifft, wird zwei Sekunden zu spät nutzlos. Jede Anfrage, die in eine ferne Region und zurück reist, zehrt an diesem Budget.
Leichte Operationen laufen nah beim Nutzer; schwere Inferenz bleibt der zentralen Schicht überlassen. Diese Aufteilung senkt Latenz und Kosten zugleich.
03 — COMPLIANCE IM UNTERNEHMEN
Compliance ist Architekturarbeit, keine Papierarbeit. Die Tabelle unten zeigt, welche gesetzliche Anforderung durch welche Entwurfsentscheidung erfüllt wird.
| Anforderung | Grundlage | Architektonische Antwort |
|---|---|---|
| Daten dürfen das Land nicht verlassen | KVKK Art. 9 | Die Verarbeitung erfolgt on-premise oder in der Cloud. |
| Automatisierte Entscheidungen müssen anfechtbar sein | DSGVO Art. 22 | Menschliche Freigabe bei kritischen Entscheidungen; jede Ausgabe mit ihrer Quelle verknüpft. |
| Die Verarbeitung muss prüfbar sein | KVKK Art. 12 · DSGVO Art. 30 | Die Kette aus Eingabe, Routing-Entscheidung und Ausgabe wird protokolliert und ist nachvollziehbar. |
| Datenminimierung | KVKK Art. 4 · DSGVO Art. 5 | Aufbewahrungsfristen sind im Vertrag festgelegt; unbefristete Speicherung ist nicht der Standard. |
| Daten dürfen nicht zweckfremd verwendet werden | Zweckbindung | Standardmäßig nein. Es gibt zwei Ausnahmen: bei Proof-of-Concept-Projekten mit schriftlicher Erlaubnis des teilnehmenden Unternehmens; und für die Entwicklung der eigenen Plattform eines Kunden, auf dessen ausdrücklichen Wunsch. Darüber hinaus werden Kundendaten nicht für das Modelltraining verwendet, und ein mit den Daten eines Kunden trainiertes Modell bedient keinen anderen. |
04 — WAS DARAUF LÄUFT
Ob eine Architektur trägt, zeigt sich erst, wenn sie an verschiedenen Problemen erprobt wird. Die sechzehn Produkte unten tun sehr Unterschiedliches und laufen doch auf derselben Pipeline.
nijibotAudio → Transkript → Zusammenfassung → Aufgabe
WhatsModViele Kanäle → ein Posteingang → freigegebene Antwort
AMZAIPlusListing → Preis → Buy Box
Amz CalculusNachfrage + Wettbewerb + Kosten → Rentabilität
cep taxiStandort + Nachfrage → Zuordnung → Zahlung
OtoWosRaten + Treuhand + rechtsgültiges Archiv
AdMostLeistung → Budgetverteilung → ROAS
PylunEVM-kompatible Chain + DeFi-Schicht
CMDeskFernzugriff → SSH → Massenverteilung
KovanlyVirtuelle Maschinen → Netzwerk → Backup
LattixPeer-to-Peer-Netzwerk → Ende-zu-Ende-Verschlüsselung
HiriKandidatenpool → Bewertung → menschliche Freigabe
Global Company ServiceUnterlagen → Gründung → Bank- und Steuerregistrierung
Tera LIVELivestream → Sprachraum → Geschenkökonomie
Exporia.ioKatalog → Käuferliste → Vertriebssequenz
Yeşil DünyaMessung → Quellenzuordnung → ReduktionsverfolgungBEGRIFFE
Statt die Definitionen hier zu wiederholen, halten wir sie an einer Stelle im Glossar.
HÄUFIGE FRAGEN
niji core ist das gemeinsame KI-Rückgrat, auf dem nijitech-Produkte und Kundenlösungen laufen. Es nimmt die Eingabe entgegen, entscheidet, welches Modell läuft, prüft die Ausgabe und verknüpft sie mit ihrer Quelle. Alle Produkte nutzen denselben Kern.
In der Praxis beschreiben sie dieselbe Idee: mehrere Modelle auf einer Pipeline zu verwalten. „Modellorchestrierung“ betont die Entscheidung, welches Modell läuft; „KI-Orchestrierung“ betont das Ganze aus Modellen, Werkzeugen und Datenflüssen. niji core deckt beide Schichten ab.
Wir sind nicht an ein einzelnes Modell gebunden. Je nach Art der Aufgabe treten unterschiedliche Modelle an, und diese Wahl kann sich mit den Messergebnissen ändern. Modellunabhängigkeit ist eine bewusste Entscheidung: Eine von einem Anbieter abhängige Architektur bleibt dessen Preis- und Richtlinienänderungen ausgesetzt.
Es gibt eine dreischichtige Abwehr. Die Ausgabe wird gegen das erwartete Format geprüft; ihre Übereinstimmung mit der Quelle wird verifiziert; Ergebnisse unterhalb der Konfidenzschwelle werden entweder neu erzeugt oder zur menschlichen Freigabe geschickt. Darüber hinaus macht die Verknüpfung jeder Ausgabe mit einer Quelle ein erfundenes Ergebnis sichtbar.
Der Standardansatz ist Abruf, nicht Training: Wir lassen das Modell Ihre Daten zur Abfragezeit erreichen (RAG). Da die Daten nicht ins Modell eingebacken sind, bleiben sie aktuell und lassen sich weiterhin zurückziehen. Fälle, die wirklich ein eigenes Training brauchen, werden gesondert bewertet.
Genauigkeit wird pro Aufgabe gemessen, und jedes Projekt baut seinen eigenen Bewertungssatz. Eine feste Behauptung „x Prozent genau“ ist bedeutungslos, wenn nicht gesagt wird, bei welcher Aufgabe und auf welchen Daten sie gemessen wurde. Die Kennzahl vereinbaren wir gemeinsam in der Analyse.
Genau dafür ist die Integrationsschicht da. Wir bauen funktionierende Verbindungen zu Kalender-, CRM-, Messaging- und Buchhaltungssystemen. Welches System Sie anbinden — und ob es technisch möglich ist — wird in der Analyse klar.
Allgemeine Fragen auf der FAQ-Seite · unsere Leistungen unter Unternehmenslösungen
LOSLEGEN
In einem Analysegespräch klären wir gemeinsam, welche Ihrer Aufgaben zu dieser Pipeline passt.
Analysegespräch vereinbaren →Wir möchten Google Analytics verwenden, um zu verstehen, wie die Website genutzt wird. Das Tool setzt Cookies und überträgt Daten in die Vereinigten Staaten. Wenn Sie ablehnen, funktioniert die Website genauso.
