KI-Automation und RAG-Systeme für Schweizer KMU.
GlasBox entwickelt sichere KI-Assistenten, RAG-Wissenssysteme und Automationen, die interne Prozesse entlasten, Wissen auffindbar machen und wiederkehrende Aufgaben reduzieren.
Wir bauen KI-Systeme, die interne Arbeit beschleunigen, Wissen nutzbar machen und wiederkehrende Prozesse automatisieren — ohne Datenchaos und ohne blinden Hype.
NUTZEN ZUERST
Keine AI-Spielerei. Ein System für echte Arbeit.
KI muss reale Prozesse unterstützen. Chatbots allein sind keine Strategie. Unternehmenswissen muss strukturiert werden, bevor KI nützlich antworten, weiterleiten oder automatisieren kann.
Wiederkehrende Arbeit wird vorbereitet, geroutet oder automatisiert.
Mitarbeitende finden Antworten aus freigegebenem Wissen schneller.
Nutzung, Eskalationen und Antwortqualität werden sichtbar.
METHODIK
Das GlasBox KI-System
Ein strukturierter Ansatz für sichere KI-Automation: Daten klären, Wissen strukturieren, RAG aufbauen, Prozesse automatisieren und Nutzung messen.
Wissensarchitektur
Unternehmenswissen kartieren: Dokumentquellen, FAQ, SOP, Policies und Angebotswissen.
Geschäftsnutzen:Menschen finden Antworten schneller.
Sichere RAG-Schicht
Abruf aus freigegebenem Inhalt, quellenbasierte Antworten und geringeres Halluzinationsrisiko.
Geschäftsnutzen:KI-Antworten werden verlässlicher und prüfbarer.
Prozessautomatisierung
Lead-Qualifikation, internes Routing, CRM-/API-Übergaben und wiederkehrende Admin-Abläufe.
Geschäftsnutzen:Weniger Copy-Paste und weniger manuelle Übergaben.
Messung & Governance
Nutzungsmessung, Qualitätschecks, Eskalationsregeln und Datenschutz von Anfang an.
Geschäftsnutzen:Das Management sieht Wirkung, Nutzung und Risiken.
LIEFERUMFANG
Was wir konkret bauen
Interner KI-Assistent
Beantwortet Fragen aus freigegebenem internem Wissen.
RAG-Wissensbasis
Macht Dokumente, FAQs, SOPs und Servicewissen im Kontext durchsuchbar.
Assistent für Lead-Qualifikation
Qualifiziert Website-Anfragen und bereitet strukturierte Übergaben vor.
KI-Workflow-Automatisierung
Automatisiert wiederkehrende Schritte zwischen Website, CRM, E-Mail, Formularen und APIs.
KI-Website- / Chat-Schicht
Hilft Besuchern, Angebote zu verstehen und sich schneller zurechtzufinden.
Integrationsschicht
Verknüpft KI-Output mit CRM, APIs, Dashboards oder internen Tools.
RAG
RAG einfach erklärt
RAG bedeutet: Die KI bezieht Antworten aus freigegebenen Unternehmensinformationen — nicht nur aus allgemeinem Modellwissen. Dadurch werden Antworten präziser, nachvollziehbarer und besser kontrollierbar.
Findet relevantes Wissen, auch wenn Nutzende anders formulieren.
Es ist erkennbar, woher eine Antwort stammt.
Die KI weiss, was sie nicht beantworten soll und wann eskalieren nötig ist.
Das Management kann prüfen, ob das System nützlich und sicher arbeitet.
DATENSCHUTZ
Gebaut für Schweizer Datenschutz-Erwartungen
Nur benötigte Informationen werden verarbeitet oder gespeichert.
Öffentliches und internes Wissen werden getrennt gedacht.
Hosting in der Schweiz/EU und Tool-Wahl werden risikobasiert abgestimmt.
Sensible Fälle erhalten Fallbacks und menschliche Freigabe.
Keine Rechtsberatung. Wir bauen technische Systeme so, dass Datenschutz, Datenminimierung und Nachvollziehbarkeit von Anfang an mitgedacht werden.
PROZESS
So läuft ein KI-Projekt mit GlasBox
KI-Readiness-Check
Ziele, Risiken, Wissensquellen und Prozesskandidaten klären.
Wissens- & Datenarchitektur
Festlegen, was genutzt werden darf, privat bleibt oder Struktur braucht.
Prototyp / kontrollierter PoC
Kleines funktionierendes System mit realem Anwendungsfall.
RAG- / Automations-Build
Retrieval-Schicht, Prompts, APIs, Oberfläche und Eskalationslogik umsetzen.
Qualitätssicherung & Governance
Antwortqualität, Datenschutzannahmen, Protokolle und Fallbacks prüfen.
Go-live & Weiterentwicklung
Einweisung, Monitoring, Iteration und laufende Optimierung.
ANGEBOTE
Was Sie als Erstes kaufen können
Starten Sie klein mit einem Workshop, prüfen Sie einen echten RAG-Anwendungsfall oder planen Sie ein produktives KI-System mit Integrationen.
KI-Readiness-Workshop
- Anwendungsfälle klären
- Daten- und Risiko-Check
- Prozess-Kurzliste
- Machbarkeit und nächste Roadmap
RAG-Prototyp
- Ein definierter Anwendungsfall
- Begrenzte Wissensbasis
- Retrieval-Einrichtung und Basis-Oberfläche
- Testbericht mit nächsten Schritten
Produktives KI-System
- Sichere Architektur
- Integrationen und Governance
- Protokolle, Launch-Begleitung und Verbesserung
- Optionaler Monatsbetrieb
BUSINESS & TECHNIK
Technik mit Business-Bedeutung
Business-Sicht
- Weniger manuelle Schritte
- Schnellerer Wissenszugriff
- Bessere Lead-Übergaben
- Klarere Eskalation
- Messbare Nutzung im Team
Technik-Sicht
Es braucht keine exakten Stichworte; das System findet Wissen nach Bedeutung.
API-ÜbergabeQualifizierte Informationen gelangen ohne Copy-Paste in CRM oder interne Tools.
Fallback-LogikUnklare oder sensible Fälle werden nicht blind beantwortet, sondern eskaliert.
ARBEITSNACHWEIS
Arbeitsnachweis — was Sie konkret erhalten
Welche KI-Anwendungen realistisch sind.
Welche Quellen nutzbar, privat oder riskant sind.
Welche Inhalte für RAG geeignet sind.
Reale Fragen für die Qualitätsprüfung.
Wann die KI nicht antworten soll.
Was nach Prototyp oder Go-live folgt.
Fallstudien folgen nach verifizierten Kundenergebnissen. Keine erfundenen Zahlen.
MESSUNG
Messbar statt magisch
FAQ
KI-Entscheidungscheck
Was ist der Unterschied zwischen KI-Automation und einem Chatbot?
Ein Chatbot beantwortet meist einzelne Fragen. KI-Automation verknüpft Wissen, Prozesse und Systeme, damit Anfragen, interne Aufgaben oder Arbeitsabläufe strukturiert weiterbearbeitet werden können.
Was ist RAG?
RAG (Retrieval-Augmented Generation) bedeutet: Das Modell bezieht Antworten aus freigegebenen Unternehmensinformationen — nicht nur aus allgemeinem Trainingswissen. Dadurch werden Antworten präziser, nachvollziehbarer und besser kontrollierbar.
Ist das sicher für Schweizer KMU?
Sicherheit hängt vom konkreten Setup ab. Wir denken Datenminimierung, Zugriffe, Trennung von internem und öffentlichem Wissen, Protokollierung und Eskalation von Anfang an mit. Das ist keine Rechtsberatung.
Brauchen wir zuerst «saubere» Daten?
Sie brauchen kein perfektes Datenprojekt, aber belastbare Wissensquellen. Im Readiness-Check klären wir, welche Dokumente, FAQs, SOPs oder Prozessdaten geeignet sind und was zuerst strukturiert werden muss.
Kann das System unsere eigenen Dokumente nutzen?
Ja, wenn die Dokumente freigegeben und sinnvoll strukturiert sind. Typische Quellen sind PDFs, FAQs, SOPs, Angebotswissen, interne Richtlinien oder Website-Inhalte.
Kann KI an CRM, APIs oder interne Tools angebunden werden?
Ja. Über API- und Workflow-Anbindungen können qualifizierte Informationen an CRM, E-Mail, Formulare, Dashboards oder interne Tools übergeben werden.
Was kostet ein Prototyp?
Ein klar begrenzter RAG-Prototyp startet transparent ab CHF 4'900.–. Der genaue Umfang hängt vom Anwendungsfall, den Wissensquellen, der Oberfläche und den Integrationen ab.
Wie lange dauert die Umsetzung?
Ein Readiness-Workshop ist kurzfristig möglich. Ein kontrollierter Prototyp dauert oft wenige Wochen; produktive Systeme mit Integrationen und Governance werden phasenweise aufgebaut.
Was sollte nicht automatisiert werden?
Hochriskante Entscheidungen, rechtlich sensible Einzelfälle und Prozesse ohne klare Verantwortung sollten nicht blind automatisiert werden. Dort sind Eskalation oder menschliche Freigabe nötig.
Wie wird Erfolg gemessen?
Wir messen Nutzung, Antwortqualität, manuelle Schritte, Eskalationsrate, Lead-Qualität, CRM-Übergaben sowie wiederkehrende Fehler oder Fallback-Muster.
NÄCHSTER SCHRITT
Möchten Sie wissen, welcher KI-Anwendungsfall realistisch ist?
Starten Sie mit einem Readiness-Workshop oder planen Sie einen begrenzten RAG-Prototyp.