Vom ersten Anwendungsfall bis zur belegten Referenz: Use Cases aus der Praxis, ein KI-gestützter Finder für Ihren eigenen Fall und echte Case Studies als Beleg.
So löst der integrierte rzfz.ai Stack echte Aufgaben — aus der Praxis, nachbaubar. Filtern Sie nach Branche.
Steuerberatung
Eine Steuerberatungskanzlei prüfte Personalrückstellungen, Umsatzerlöse und Inventurwerte bisher händisch quer über PDFs, Listen und Kontoblätter — in der Saison Tage an Handarbeit. Heute übernimmt ein lokaler Workflow den Abgleich und bereitet den Jahresabschluss-Anhang strukturiert auf: eine fundierte Argumentationsbasis für kommende Betriebsprüfungen, bei voller Datenhoheit in der Kanzlei.
IT-Dienstleistung
Ein IT-Dienstleister mit vielen KMU-Kunden bekam täglich hunderte Support- und Log-Mails, die sich im Postfach kaum noch von Hand sortieren ließen. Heute wird daraus eine priorisierte Liste, auf die sich das Support-Team konzentrieren kann — die Klassifikation läuft vollständig lokal.
Außenhandel / Zoll
Im Außenhandel musste für jedes Gut der richtige TARIC-Warencode in einer umfangreichen, verschachtelten Nomenklatur gefunden werden — mühsam und zeitaufwändig von Hand. Heute sind die passenden Codes in Sekunden gefunden, und die Klassifikationsarbeit bleibt vollständig lokal.
Beschreiben Sie Ihr Unternehmen in ein bis zwei Sätzen, und der Finder schlägt Ihnen drei konkrete Use Cases vor, wo lokale KI mit dem rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — Ihr Unternehmen unterstützt, jeweils mit passenden Modulen und einem ersten Schritt.
Ihre Box denkt nach — lokale Inferenz braucht einen Moment…
Eine Kanzlei automatisiert die Validierung von Personalrückstellungen, Umsatzerlösen und Inventurwerten durch intelligenten Datenabgleich von PDFs, Listen und Kontoblättern. Zudem wird der Jahresabschluss-Anhang strukturiert aufbereitet — für maximale Effizienz und eine fundierte Argumentationsbasis bei kommenden Betriebsprüfungen.
Gebaut mit: Dify, Docling, GPUStack + llama.cpp
Details ansehen →Ein IT-Dienstleister mit vielen KMU-Kunden erhält täglich hunderte Log- und Support-Mails. Ein lokaler Workflow klassifiziert sie, trennt Rauschen von echten Vorfällen und priorisiert, was ein Mensch sehen muss.
Gebaut mit: Dify, GPUStack + llama.cpp
Details ansehen →Eine Produktionssteuerung bündelt internes Wissen — Anleitungen, Störfall-Historie, Prozessdoku — in einer zentralen, lokalen Knowledgebase, die Mitarbeitende per Chat abfragen.
Gebaut mit: Open WebUI, Cognee, GPUStack + llama.cpp
Details ansehen →Ein lokaler Coding-Agent arbeitet rund um die Uhr am eigenen Repository: Er schreibt Unit-Tests, erhöht laufend die Coverage und stellt Merge Requests — ohne dass Code die Infrastruktur verlässt.
Gebaut mit: Codex, OpenCode, gsd-pi, Gitea
Details ansehen →Patientendaten-Verarbeitung mit lokalen Vision-Modellen: Krankheitssymptome werden auf Fotos direkt vor Ort erkannt — sensible Gesundheitsdaten bleiben vollständig in der Einrichtung.
Gebaut mit: GPUStack + llama.cpp, Presidio
Details ansehen →Ein strukturiertes Consulting-Framework führt durch Digitalisierungsprojekte: Aufnahme, Bewertung und Priorisierung von Prozessen werden durch lokale KI-Workflows unterstützt.
Gebaut mit: Dify, GPUStack + llama.cpp
Details ansehen →Entwicklerinnen und Entwickler nutzen Coding-Modelle direkt auf der eigenen Hardware — Code-Vervollständigung, Reviews und Refactorings ohne externe API-Keys und ohne Codeabfluss.
Gebaut mit: Codex, OpenCode, gsd-pi, Open WebUI
Details ansehen →Anforderungen werden lokal auf Geschäftsrisiko, Fehlerwahrscheinlichkeit und Komplexität bewertet — als Entscheidungsgrundlage, welche Anforderungen wie intensiv getestet werden.
Gebaut mit: Dify, Open WebUI, GPUStack + llama.cpp
Details ansehen →Die TARIC-Datenbank als lokales RAG: Aus der Beschreibung eines Gutes werden die passenden Import/Export-Warencodes gefunden — statt mühsamer manueller Suche in der Nomenklatur.
Gebaut mit: Open WebUI, LightRAG, GPUStack + llama.cpp
Details ansehen →Eingehende Kundendokumente werden lokal ausgelesen und sensible Daten automatisch geschwärzt, bevor sie weiterverarbeitet werden — umgesetzt auf dem rzfz.ai Stack, ausgezeichnet mit dem Constantinus Award 2026.
Gebaut mit: Docling, Presidio, Dify
Zur Case Study →Eine Auswahl der Projekte, die wir in den letzten Monaten umgesetzt haben — anonymisiert dort, wo der Kunde es so möchte, mit Namen dort, wo es vereinbart ist.
Dürfen wir auch Ihre rzfz.ai Story referenzieren? Kommen Sie gerne auf uns zu → Kontakt
Dienstleistung
Eingehende Kundendokumente werden lokal ausgelesen und sensible Daten automatisch geschwärzt — umgesetzt auf dem rzfz.ai Stack. Das Projekt wurde mit dem Constantinus Award 2026 ausgezeichnet.