Künstliche Intelligenz. Konsequent durchdacht.
Wir machen aus KI eine produktive Komponente Ihrer Software. Mit tiefem Engineering-Know-how, eigenen leistungsstarken Servern und einer Architektur, bei der Sie die Kontrolle behalten.
ETZENSPERGER INFORMATIK AG
Illustration einer Vektordatenbank mit verknüpften Themenclustern und Keywords. Der originale etz.ch-Schriftzug schwebt als räumliche Kontur in den Originalfarben in der Mitte. Jeder Themencluster ist mit dem türkisfarbenen Punkt im etz.ch-Logo verbunden. Die Illustration zeigt keine echten Kundendaten. Software: APIs, TypeScript, SaaS. Wissen: RAG, Embeddings, Retrieval. Sicherheit: Code Review, SAST, CI/CD. Infrastruktur: GPU, Inferenz, On-Premises. Modelle: Qwen 3.8, GPT-6 Astra, Claude Opus 5. Daten: Dokumente, Kontext, Metadaten.
Die Etzensperger Informatik AG verbindet fundierte Erfahrung aus Softwareprojekten mit praktischem KI-Know-how. Wir bringen Sprachmodelle, Daten und Geschäftslogik zusammen — dort, wo daraus ein messbarer Nutzen entsteht.
Mit Retrieval-Augmented Generation (RAG) verbinden wir Sprachmodelle mit Ihren freigegebenen Dokumenten und Daten. Embeddings und Vektorsuche liefern relevanten Kontext; Quellenverweise machen Antworten überprüfbar. Zugriffsrechte greifen bereits beim Abruf.
RAG / EMBEDDINGS / RETRIEVALDokumente auswerten, Informationen strukturieren, Prozesse vorbereiten: Wir integrieren KI direkt in Ihre Anwendungen und APIs. Strukturierte Ausgaben, validierte Tool-Aufrufe und klar begrenzte Berechtigungen machen aus Möglichkeiten belastbare Abläufe.
API / TOOL CALLING / WORKFLOWSEin guter Prototyp ist der Anfang. Mit repräsentativen Testfällen, versionierten Prompts und gezielten Evaluationen prüfen wir Antwortqualität, Laufzeit und Kosten. So werden Modellwechsel und neue Funktionen nachvollziehbar.
EVALS / OBSERVABILITY / LIFECYCLEPrivate AI / Qwen 3.8
Wir betreiben Qwen 3.8 auf eigenen leistungsstarken Servern. In dieser lokalen Betriebsvariante verarbeiten wir sensible Daten und Programmcode innerhalb unserer eigenen Infrastruktur, ohne sie zur Inferenz an externe Modellanbieter weiterzugeben. KI-Leistung wird so mit einem klar definierten Datenfluss verbunden.
Wir nutzen unser lokal betriebenes Qwen-Modell in unseren Deployment-Pipelines, um Codeänderungen auf mögliche Schwachstellen zu untersuchen. Das Modell unterstützt die kontextbezogene Prüfung von Datenflüssen, Eingabevalidierung und Berechtigungslogik. So werden verdächtige Stellen früh sichtbar und können vor der Auslieferung behoben werden.
Schritt auswählen und den Prüfablauf entdecken.
Commit & Diff
Qwen · lokal
Engineering-Team
Tests & Deployment
Am Anfang steht eine Codeänderung. Der Diff und der relevante Anwendungskontext machen sichtbar, welche Logik sich verändert hat und welche Daten durch die betroffenen Funktionen fliessen.
Eine Nutzersuche übernimmt eine Eingabe direkt in eine SQL-Abfrage.
Die geänderte Funktion und ihr Datenfluss werden für die lokale Analyse zusammengestellt.
Unser lokal betriebenes Qwen-Modell untersucht die Änderung im Kontext. Es weist auf verdächtige Datenflüsse hin und unterstützt die fachliche Prüfung mit einer Fundstelle und einer Erklärung.
Ungeprüfte Eingabe könnte die Struktur der SQL-Abfrage beeinflussen: Verdacht auf SQL Injection.
Der Hinweis geht an das Engineering-Team. Eine Modellantwort allein entscheidet nicht über die Freigabe.
Das Engineering-Team überprüft den Hinweis im konkreten Anwendungskontext. Im Beispiel wird die direkte Verkettung durch eine parametrisierte Abfrage ersetzt und die Korrektur durch einen Regressionstest abgesichert.
− query("SELECT * FROM users
WHERE id = " + input)+ query("SELECT * FROM users
WHERE id = ?", [input])Nach der Korrektur folgen erneute Reviews, automatisierte Tests und die vorgesehenen Security-Checks. Erst wenn die definierten Freigabekriterien erfüllt sind, geht die Änderung in den Deployment-Schritt.
Auch Sonderzeichen werden als Daten übergeben. Die Eingabe kann die Struktur der parametrisierten Abfrage nicht verändern.
Review abgeschlossen, Tests erfolgreich, erforderliche Prüfungen erfüllt: Die korrigierte Änderung kann ausgeliefert werden.
KI-Hinweise werden fachlich geprüft. Sie ergänzen klassische Code-Reviews, automatisierte Tests und Security-Scanner; sie ersetzen diese nicht. Auch ein unauffälliger KI-Review garantiert keinen schwachstellenfreien Code.
Wir haben Softwareprojekte auch mit OpenAI und Claude von Anthropic umgesetzt. Diese Erfahrung macht uns flexibel bei der Wahl der passenden Integration. Sie legen fest, welche Integrationsart und welcher Standort der Datenverarbeitung für Ihr Projekt zulässig sind. Wir richten die Architektur danach aus.
Qwen auf unseren eigenen Servern. Für sensible Daten, internen Code und Anwendungen mit klar abgegrenztem Datenfluss.
Qwen 3.8GPT-6 Astra von OpenAI oder Claude Opus 5 von Anthropic in Ihrer Anwendung. Modell, API, Datenkategorien und Vertragsbedingungen stimmen wir auf Ihren Anwendungsfall ab.
GPT-6 Astra / Claude Opus 5Lokale Verarbeitung für vertrauliche Inhalte, externe Modelle für ausdrücklich freigegebene Aufgaben. Das Routing folgt den vereinbarten Datenregeln.
Qwen 3.8 + GPT-6 Astra / Claude Opus 5Den gewünschten Verarbeitungsstandort prüfen wir vor der Umsetzung gegen die verfügbaren Anbieterregionen und Vertragsoptionen — einschliesslich Speicherung, Protokollen, Backups und Unterauftragnehmern. Nicht jede Kombination aus Modell und Region ist verfügbar.
Personendaten und Geheimnisse gehören nur dann in den Kontext, wenn die Aufgabe sie erfordert und ihre Verarbeitung freigegeben ist. Datenminimierung beginnt vor dem Prompt.
Ein Sprachmodell ist keine Zugriffskontrolle. Rollen, Mandantentrennung und Berechtigungen müssen in der Anwendung und beim Datenabruf durchgesetzt werden.
Dokumente und Webseiten können manipulierte Anweisungen enthalten. Gegen Prompt Injection helfen begrenzte Werkzeuge, validierte Aufrufe und Freigaben für kritische Aktionen.
Modelle können plausible, aber falsche Aussagen erzeugen. Quellen, Tests und menschliche Prüfung sind entscheidend, bevor Ergebnisse in Code oder Geschäftsprozesse einfliessen.
Prompts, Embeddings, Antworten und Logs können vertrauliche Informationen enthalten. Zugriff, Verschlüsselung, Aufbewahrung und Löschung gehören zum Betriebskonzept.
Lokaler Betrieb allein macht eine Anwendung nicht sicher. Updates, überwachte Schnittstellen und erneute Evaluationen nach Modelländerungen bleiben notwendig.
Von einer guten Idee zu produktiver KI
Bringen Sie Ihren Anwendungsfall mit. Wir klären gemeinsam Nutzen, Datenanforderungen und Integration — und machen daraus einen konkreten nächsten Schritt.