Betrieb
So läuft es in Ihrer Infrastruktur.
Die Angaben, nach denen eine IT-Abteilung vor einer Freigabe fragt: wo was läuft, welche Zugänge nötig sind, was unverändert bleibt und was in welchem Modus nach außen geht.
Betrieb & Kontrolle
Was wo läuft – und was das Haus nicht verlässt.
Vollständig auf einer Seite, damit Ihre IT nicht drei Seiten zusammensuchen muss.
- Betriebsform
- Self-hosted bzw. on-premise in Ihrer Infrastruktur. Der Betrieb in Ihrer Umgebung (Container) wird im Pilotprojekt gemeinsam aufgesetzt. Modellanbindung wahlweise an Anbieter mit EU-Datenverarbeitung; Auswahl und Vertragsbedingungen legen wir je Projekt fest.
- Datenzugriff
- Ausschließlich lesend auf Ihren Fachdatenbanken. Nowl legt keine Kopie Ihres Datenbestands an. Eigene Daten hält Nowl nur für das Fachmodell und das Protokoll.
- Umgesetzte Datenbanken
- PostgreSQL und MySQL sind umgesetzt. Weitere relationale Systeme sind nicht ausgeschlossen – sie kommen mit dem Projekt, das sie braucht.
- Anbindung
- Eigene Oberfläche oder externe KI-Anwendung über das Model Context Protocol (MCP); in der Alpha erprobt ist ein KI-Assistent am Desktop.
- Zugriffssteuerung
- Rollen und Rechte auf fachlicher Ebene. Was eine Rolle nicht sehen darf, wird nicht beantwortet.
- Protokollierung
- Frage, geprüfter Plan und ausgeführte Abfrage werden protokolliert. Das Protokoll liegt in Ihrer Infrastruktur.
- Bestehende Systeme
- Bleiben unverändert. Kein Schema-Umbau, keine Views, keine Migration, keine Kopie Ihres Datenbestands.
- Bei Ausfall des Sprachmodells
- Es werden keine neuen Fragen beantwortet. Ihre Systeme sind nicht betroffen – der Zugriff ist lesend, und keine Anwendung wartet auf Nowl.
Nowl ist self-hosted bis auf das Sprachmodell: Die semantische Schicht, die Vermittlungsschicht, die Prüfung, der Privacy Layer und das Protokoll laufen in Ihrer Infrastruktur, das Modell für das Reasoning ist derzeit extern angebunden. Welche Komponente heute wo läuft, ist einzeln aufgeschlüsselt. Wie daraus ein kontrollierter, lesender Datenbankzugriff wird, beschreibt der Weg einer einzelnen Frage. Welche Fragen das im Alltag sind, zeigen zum Beispiel die Auswertungen für Service & Abwicklung.
Was Sie beistellen
Drei Dinge. Kein Projekt davor.
Es wird nichts migriert und keine Plattform aufgebaut. Der Aufwand liegt nicht in der Infrastruktur, sondern in der dritten Zeile rechts – und die ist unabhängig von jedem Werkzeug fällig.
Ablauf im Pilotprogramm →Ein Data-Warehouse-Projekt verschiebt Daten. Es erklärt sie nicht.
- Lesender Datenbankzugang
- Ein Benutzer mit Leserechten auf den auszuwertenden Beständen. Schreibrechte werden nicht angefordert und nicht benötigt.
- Lesender Zugriff auf den Sourcecode
- Üblicherweise per Git. Daraus kommt die Struktur der Anwendung: Entitäten, Felder, Beziehungen und Statuswerte (heute für Java). Berechnungsregeln und Fallunterscheidungen, die nur in Methoden stehen, werden noch nicht automatisch ausgewertet – sie beschreiben wir im Pilotprojekt gemeinsam mit Ihrem Fachbereich. Die automatische Auswertung von Geschäftslogik im Code ist in Arbeit.
- Ein Fachbereich, der entscheiden kann
- Eine Person, die verbindlich sagt, was ein Begriff im Haus bedeutet. Das ist die einzige Voraussetzung, die nicht technisch ist – und die wichtigste.
Zwei Zugänge
Sie entscheiden, ob Abfrageergebnisse Ihr Netz überhaupt verlassen.
Eigene Oberfläche
Das Sprachmodell erhält Ihre Frage und die Beschreibung des semantischen Modells – Begriffe, Beziehungen, Regeln. Abfrageergebnisse werden nicht an das Sprachmodell übermittelt. Gefragt wird in Einzel- und Folgefragen; eine Untersuchung, die das Modell selbst zerlegt, führt über Modus 2.
Externe KI-Anwendung über MCP
Ihre Fachabteilung arbeitet in der gewohnten Anwendung – in der Alpha erprobt ist ein KI-Assistent am Desktop. Deren Modell übernimmt das Reasoning und sieht dabei auch die Abfrageergebnisse, weil es sie bewerten muss. Genau das macht mehrstufige Analyseaufträge möglich – und genau darüber entscheiden Sie bewusst.
Wenn Abfrageergebnisse das Unternehmen nicht verlassen dürfen, ist Modus 1 der Weg. Was genau in welchem Modus hinausgeht, steht vollständig aufgeschlüsselt auf der Sicherheitsseite – einschließlich der Sourcecode-Ausschnitte, die für den Aufbau des Modells an ein Sprachmodell übermittelt werden.
Vertiefende Themen
Einzelne Fragen, jeweils auf einer eigenen Seite beantwortet.
Diese Seite beschreibt den technischen Aufbau im Zusammenhang. Wer mit einer konkreten Frage gekommen ist – zur Datenbank, zum Betrieb, zum Datenschutz oder zur Anbindung –, findet die technischen hier und alle übrigen im Ratgeber zu KI auf Unternehmensdaten.
Datenbank mit KI abfragen
Von der Frage zur belegten Zahl: Abfrageplan, Prüfung gegen das Fachmodell, lesende Abfrage.
Semantische Schicht
Begriffe, Beziehungen, Regeln: das Artefakt, das einer KI die Bedeutung Ihrer Daten erklärt.
PostgreSQL & MySQL mit KI abfragen
Lesender Zugang, gewachsene Schemata, Historisierung: die Datenbankseite der semantischen Schicht.
MCP für Unternehmensdaten
Warum ein MCP-Server über einem Fachmodell etwas anderes ist als ein SQL-Tool am Protokoll.
Der Betrieb lässt sich am schnellsten an Ihrer eigenen Umgebung beurteilen. Schicken Sie uns Datenbank und Systemlandschaft.