Der rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — bündelt kuratierte Open-Source-Module als Docker-Compose-Container, hinter Caddy als einzigem extern erreichbaren Eintrittspunkt und Authentik SSO, auf der rzfz.ai Box, Ihren eigenen Ubuntu-26.04-Servern oder in der Cloud.
Vom Reverse Proxy bis zu den Agents — der komplette rzfz.ai Stack live aus den Daten, gruppiert nach Layer. Kachel anklicken, fokussieren oder darauf tippen für Details.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Der Agent-Manager ist der Orchestrator für die persönlichen KI-Agenten der Box. Angemeldete Nutzer starten daraus ihre eigenen, voneinander isolierten Agent-Container — jeder auf einer eigenen Adresse, mit eigenen persistenten Volumes und mit Kontingenten, die den Ressourcenverbrauch je Nutzer begrenzen. Die Routen werden dynamisch bei Caddy registriert, untätige Agenten werden automatisch gestoppt und übrig gebliebene Instanzen aufgeräumt. Administratoren legen fest, welche Agenten-Typen zur Verfügung stehen und welche Kontingent-Stufen es gibt. Das Portal zeigt den Live-Status aller Instanzen, öffnet eine Instanz mit einem Klick und blendet für Coding-Agents die Vorschau des laufenden Entwicklungsservers ein; das rohe Terminal bleibt als letzter Zugang eine Ebene tiefer in den Einstellungen erreichbar. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Der MCP-Manager ist eine von rzfz.ai entwickelte Verwaltungsoberfläche, über die Nutzer eigene MCP-Integrationen mit ihren persönlichen Zugangsdaten anlegen — verschlüsselt in einem AES-256-GCM-Tresor gespeichert und in einem eigenen Proxy-Container pro Nutzer isoliert. Eine angelegte Integration gibt der Nutzer für seine eigenen Hermes-, Moltis- oder Coding-Agents frei. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Basis: Hermes von Nous Research — von razzfazz.ai GmbH als Container für den Stack gebaut.
Hermes ist ein selbstverbessernder Python-Agent von Nous Research, den rzfz.ai als Container mit persistentem Gedächtnis, über 30 Werkzeugen und einem MCP-Client betreibt. Im Stack provisioniert jeder Nutzer über den Agent-Manager seine eigene Hermes-Instanz samt Hermes-Workspace-Oberfläche zum Durchsuchen von Gedächtnis und Skills. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Basis: Moltis — von razzfazz.ai GmbH als Container für den Stack gebaut.
Moltis ist ein in Rust geschriebener persönlicher Agent-Server mit Anbindung an Matrix, Telegram und Discord sowie sandboxed Code-Ausführung, den rzfz.ai als Container betreibt. Im Stack provisioniert jeder Nutzer über den Agent-Manager seine eigene Moltis-Instanz mit persistentem Gedächtnis. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
OpenHands ist ein autonomer Coding-Agent, der Code plant, schreibt, ausführt und testet — dazu startet er projektbezogene Sandbox-Container. Im Stack ist es an Gitea für Repositories und Pull Requests sowie an den LLM-Manager für Inferenz angebunden und benötigt Zugriff auf den Docker-Socket. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Basis: Paperclip — von razzfazz.ai GmbH als Container für den Stack gebaut.
Paperclip ist ein Agent-Orchestrator, den rzfz.ai als Container betreibt: Er verteilt Rollen und Ziele an Teams von Agents, weist Aufgaben zu und führt Budgets und ein Audit-Log. Im Stack bindet es Gitea, Infisical und den LLM-Manager ein und befindet sich noch in einem frühen Entwicklungsstadium. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Codex ist ein von OpenAI entwickelter, quelloffener Coding-Agent fürs Terminal. Im Stack läuft er als ein Sandbox per-Nutzer-Container im persistenten Coding-Agents-Workspace, vorverdrahtet gegen die lokalen Modelle des LLM-Managers. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
OpenCode ist ein quelloffener KI-Coding-Agent fürs Terminal. Im Stack läuft er als ein Sandbox per-Nutzer-Container im persistenten Coding-Agents-Workspace, vorverdrahtet gegen die lokalen Modelle des LLM-Managers. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
gsd-pi ist ein quelloffenes Werkzeug für spezifikationsgetriebene Entwicklung. Es ist kein eigenes gebautes Image mehr, sondern eine von rzfz.ai empfohlene nutzerdefinierte Installation (`npm i -g @opengsd/gsd-pi`) im persistenten Coding-Agents-Workspace. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Der Coding-Agents-Workspace bündelt neben Codex und OpenCode auch eine „User Defined"-Variante: ein eigener, von rzfz.ai entwickelter Container mit Terminal und geschützter Sandbox, in dem Nutzer einen beliebigen Coding-Agent ihrer Wahl installieren — etwa Gemini CLI oder Claude Code — und zentral rund um die Uhr betreiben, statt eines vorkonfigurierten Werkzeugs. Neu in 2026.07-ga. Derzeit als experimentelles Modul enthalten.
Gotenberg konvertiert HTML, Markdown und Office-Dokumente per Chromium und LibreOffice in PDF über eine REST-API. Im Stack dient es als Konvertierungs-Backend für Paperless-ngx und ist auch aus Dify-Workflows heraus nutzbar; es läuft rein intern.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Docling vereinfacht die Dokumentenverarbeitung: Es parst unterschiedlichste Formate — einschließlich fortgeschrittenem PDF-Verständnis — und fügt sich nahtlos in das generative-KI-Ökosystem ein. Es unterstützt unter anderem PDF, DOCX, PPTX, XLSX, HTML sowie Bildformate als Eingabe und exportiert nach Markdown, HTML oder JSON. Für agentische KI bringt es Plug-and-play-Integrationen mit LangChain, LlamaIndex, CrewAI und Haystack mit und läuft als API- oder MCP-Server. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Presidio ist ein ursprünglich von Microsoft gestartetes, inzwischen an die Data Privacy Stack-Organisation übergegangenes Werkzeug zur PII-Erkennung: Analyzer, Anonymizer und Image Redactor erkennen und schwärzen über 30 Arten personenbezogener Daten in Text und Bildern. Im Stack läuft es rein intern als Vorverarbeitungsschritt, bevor Dokumente an andere Module weitergereicht werden. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Apache Tika extrahiert Text, Metadaten und Sprache aus über tausend Dateiformaten. Im Stack läuft es rein intern als Extraktions-Backend für Paperless-ngx. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Stirling PDF ist eine leistungsfähige, quelloffene PDF-Bearbeitungsplattform, die als Desktop-App, im Browser oder auf eigenen Servern mit privater API läuft. Sie bringt über 50 PDF-Werkzeuge für Bearbeiten, Zusammenführen, Teilen, Signieren, Schwärzen, Konvertieren, OCR und Komprimieren mit sowie Enterprise-Funktionen wie Single Sign-on und Auditing. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Crawl4AI ist ein auf LLMs zugeschnittener Web-Crawler, der Seiteninhalte per Chromium/Playwright abruft und als sauberes Markdown oder JSON aufbereitet. Im Stack liefert es die inhaltliche Vertiefung von Webinhalten für LightRAG, Cognee, Onyx und Dify — anders als SearXNGs reine URL-Recherche. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Onyx ist eine Unternehmenssuche mit semantischer Suche und LLM-Antworten über mehr als 40 Konnektoren, mit eigenem Vespa-Suchindex und eigenen Embedding-Servern. Im Stack kann es Gitea und Paperless-ngx als Datenquellen anbinden und ist mit sechs Containern das ressourcenintensivste Modul des Stacks. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Paperless-ngx macht aus physischen Dokumenten ein durchsuchbares Online-Archiv — kurz: weniger Papier. Es ist der offizielle Nachfolger früherer Paperless-Versionen und wird community-getrieben weiterentwickelt. Derzeit als experimentelles Modul enthalten.
Open WebUI ist eine erweiterbare, funktionsreiche und benutzerfreundliche, selbst gehostete KI-Plattform, die vollständig offline arbeitet. Sie unterstützt verschiedene LLM-Runner wie Ollama und OpenAI-kompatible APIs und bringt eine eigene RAG-Inferenz-Engine mit. Dazu kommen granulare Zugriffskontrollen, Echtzeit-Zusammenarbeit über Channels, persistentes Gedächtnis sowie Sprach- und Video-Funktionen — im Stack ergänzt um Speaches für Spracheingabe und -ausgabe und SearXNG für die Websuche.
Use-Cases, die diesen Baustein nutzen
Dify ist eine Open-Source-Plattform zur Entwicklung von LLM-Anwendungen, die mehrere Fähigkeiten in einer Oberfläche bündelt: einen visuellen Workflow-Editor, eine Prompt-IDE, RAG-Pipelines für Dokumenten-Ingestion, Agent-Funktionen mit über 50 eingebauten Werkzeugen sowie LLMOps zur Überwachung produktiver Anwendungen. Sie unterstützt hunderte proprietäre und quelloffene Sprachmodelle; im Stack läuft die selbst gehostete Community Edition gegen den lokalen LLM-Manager, der die Modelle serviert — auf Boxen mit aktiviertem Legacy-Profil auch über GPUStack.
Use-Cases, die diesen Baustein nutzen
SearXNG ist eine Metasuchmaschine, die Ergebnisse mehrerer Suchdienste zusammenführt, ohne Nutzer zu verfolgen oder zu profilieren. Im Stack dient sie der Webrecherche, zum Beispiel in Open WebUI und in Dify. SearXNG ist quelloffen und steht unter der AGPL-3.0-Lizenz.
Gitea ist eine in Go geschriebene, selbst gehostete Software-Entwicklungsplattform für einen unkomplizierten All-in-one-Entwicklungsdienst. Sie bündelt Git-Hosting, Code-Review, Issue-Tracking, ein Kanban-Board, Wiki, Team-Zusammenarbeit, eine Paket-Registry sowie CI/CD-Funktionen über Gitea Actions, die GitHub-Actions-Workflows wiederverwenden können. Dank Go läuft Gitea auf zahlreichen Plattformen und Architekturen, von Linux und macOS bis Windows, FreeBSD und OpenBSD.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Matrix ist ein offenes Netzwerk und ein offener Standard für sichere, dezentrale und interoperable Echtzeitkommunikation. Synapse, die im Stack eingesetzte Server-Implementierung, wird von Element als quelloffener Matrix-Homeserver entwickelt und gepflegt. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Wazuh beschreibt sich selbst als freie, quelloffene Plattform für Bedrohungsprävention, -erkennung und -reaktion. Im Stack läuft es als drei Dauerdienste — Manager, ein Indexer auf OpenSearch-Basis und die Web-Konsole — plus mehrere Einmal-Jobs, die die eigene TLS-PKI und sämtliche Zugangsdaten des Moduls erzeugen; kein Standard-Zugangsdatum aus dem Upstream überlebt die Installation. Ein Agent je Box meldet journald, eine vom Betreiber freigegebene Liste von Container-Logs und Datei-Integritätsereignisse; die Agenten-Aufnahme ist passwortgeschützt und jeder Listener des Managers auf ein Netzsegment eingegrenzt. Der gesamte Zustand liegt im eigenen Indexer, nie in der gemeinsamen Datenbank des Stacks. Die ausgelieferte Zusammenstellung trägt nicht eine einzige Lizenz: der Manager steht unter GPL-2.0, Indexer und Konsole sind OpenSearch-Abkömmlinge unter Apache-2.0. Das Modul ist opt-in, in keinem Preset enthalten und experimentell.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
OpenUEM nennt sich selbst ein quelloffenes Unified Endpoint Management, mit dem sich IT-Bestände über Agenten und eine aufgeräumte Weboberfläche verwalten lassen. Im Stack bringt das Modul seine eigene Zertifizierungsstelle und einen NATS-JetStream-Broker mit, über den die Agenten sprechen; die Inventardaten liegen in einer eigenen Datenbank auf der gemeinsamen PostgreSQL-Instanz, und die Konsole steht hinter dem üblichen Single Sign-on der Box. Die Erreichbarkeit des Brokers im LAN ist bewusst über eine Einstellung geschaltet und standardmäßig auf die Box selbst begrenzt. Typische Einsätze sind die Verwaltung des Gerätebestands einer Organisation und ein prüffähiges Software-Inventar ohne Cloud-UEM. Das Modul ist opt-in und experimentell.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Vaultwarden ist eine alternative, in Rust geschriebene Server-Implementierung der Bitwarden-Client-API, kompatibel mit den offiziellen Bitwarden-Clients und für den Selbstbetrieb ausgelegt. Sie unterstützt nahezu alle wesentlichen Bitwarden-Funktionen, darunter persönliche Tresore, Organisationen, Zwei-Faktor-Authentifizierung und administrative Werkzeuge. Das Projekt wird von der Community gepflegt und ist nicht offiziell mit Bitwarden, Inc. verbunden. Derzeit als experimentelles Modul enthalten.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Infisical ist ein Secrets-Management-Dienst für Entwicklerinnen und Entwickler mit Projekt-/Umgebungs-Scoping über CLI und REST-API. Im Stack nutzen ihn unter anderem KI-Coding-Agents wie OpenHands, um Zugangsdaten zur Laufzeit abzurufen, abgesichert über Authentik-SSO. Derzeit als experimentelles Modul enthalten.
Basis: docker-volume-backup von Offen — von razzfazz.ai GmbH als Container für den Stack gebaut.
Der Backup-Dienst wird von rzfz.ai als Container gebaut, das eigentliche Werkzeug — docker-volume-backup — stammt von Offen. Es sichert nachts automatisiert und GPG-verschlüsselt alle Datenbanken und Volumes des Stacks, legt vor dem Volume-Snapshot einen Datenbank-Dump an und hält Backups nach einer konfigurierbaren Aufbewahrungsfrist vor.
Das Settings-Portal ist die Schaltzentrale der Box für alles, was sonst eine Kommandozeile bräuchte. Module lassen sich einzeln ein- und ausschalten, Einstellungen und Secrets je Modul pflegen, eigene TLS-Zertifikate hinterlegen, Backups anstoßen und wiederherstellen, Log-Schnappschüsse ziehen und im Ernstfall ein Factory-Reset auslösen. Änderungen schreibt es direkt in die Docker-Compose-Konfiguration und wendet sie an, statt sie nur zu protokollieren. Der Zugang liegt hinter dem Single Sign-on der Box und ist auf die Administrationsgruppe beschränkt. Mit 2026.09 wurde das Portal neu gestaltet; es ist der Nachfolger des früheren Config-Portals und führt Hilfe-Center und Lizenzübersicht in derselben Oberfläche.
Das Help-Center ist eine von rzfz.ai entwickelte, lokal gehostete Dokumentations-Oberfläche für den Stack. Sie rendert die mitgelieferten Anleitungen und Referenzseiten, sodass Support-Inhalte auch ohne Internetverbindung verfügbar sind.
Das Start-Portal ist eine von rzfz.ai entwickelte Landingpage nach dem Login: Es liest die aktivierten Module aus der Compose-Konfiguration aus und verlinkt direkt auf jede freigeschaltete Anwendung.
Licenses ist die von rzfz.ai entwickelte Lizenzübersicht des Stacks: Sie zeigt Aktivierungsstatus und Umfang der freigeschalteten Module und Bundles.
Autoheal überwacht die Docker-Health-Checks aller Container und startet fehlerhafte Container automatisch neu. Im Stack ist es gezielt für die GPUStack-Familie und den Presidio-Analyzer aktiviert, deren Worker-Prozesse gelegentlich hängen bleiben.
Komodo ist ein Dashboard für Container-Gesundheit, Logs und Neustart-Steuerung. Im Stack überwacht es alle Docker-Compose-Stacks über eine eigene, vom Hauptsystem getrennte Datenbank.
Der LLM-Manager verwaltet eine Flotte: die Box, auf der er läuft, und optional weitere Worker — Rechner, die unter der Kontrolle dieser Box Modelle servieren. Modelle werden aus einem kuratierten Katalog oder direkt aus einer Hugging-Face-Suche auf dem passenden Worker bereitgestellt; vor dem Start prüft eine Zulassungskontrolle den tatsächlichen Speicher-Spielraum des Ziels, sodass ein nicht passender Deploy sofort abgelehnt wird statt Minuten später zu scheitern. Anwendungen sprechen einen einzigen OpenAI-kompatiblen Endpunkt mit API-Schlüssel an, und der Manager leitet jede Anfrage an die Engine weiter, die das Modell serviert — gleich wo in der Flotte sie läuft. Jede Anfrage wird in Tokens (Eingabe, Ausgabe, gecacht) je Schlüssel und Kostenstelle erfasst; eine Währung gibt es im Produkt bewusst nicht. Über die Konsole werden außerdem neue Worker mit einem Einzeiler aufgenommen und freigegeben, für Wartung stillgelegt und Engine-Laufzeiten je Knoten aktualisiert — mit Rollback. Der mitgelieferte Router ist eine gebündelte LiteLLM-Instanz (MIT).
Use-Cases, die diesen Baustein nutzen
Ein Rechner tritt der Flotte mit einem Einzeiler bei, der die Adresse des Masters, ein einmaliges Aufnahme-Token und den Zertifikats-Fingerabdruck des Masters enthält — der neue Worker prüft kryptografisch, dass er mit dem richtigen Master spricht, bevor er irgendetwas sendet. Danach hält der Worker-Agent die Verbindung: Heartbeats und Metriken zum Manager, Kommandos (Engine laden und entladen) zurück. Er lädt Modellgewichte und Laufzeit-Images ausschließlich per Digest aus der Registry der Box — eine fremde oder vertippte Image-Referenz wird mit sichtbarer Begründung abgelehnt. Jeder Worker authentifiziert sich mit einem eigenen Schlüssel, der jederzeit rotiert werden kann. Ein reiner Inferenz-Knoten besteht aus genau zwei Containern — Worker-Agent und Socket-Proxy — hat keine eigenen Portale und wird vollständig vom Master aus verwaltet. Eine Weboberfläche hat der Worker-Agent nicht.
Basis: zot von The zot Project — von razzfazz.ai GmbH als Container für den Stack gebaut.
Zot beschreibt sich selbst als skalierende, produktionsreife und herstellerneutrale OCI-native Registry für Container-Images und Artefakte, die ausschließlich auf der OCI-Distribution-Spezifikation aufsetzt; das Projekt ist seit Dezember 2022 CNCF-Sandbox-Projekt und steht unter Apache-2.0. Im Stack ist es die Registry der Box selbst: Sie hält Modellgewichte (GGUF, safetensors, Projektionsgewichte) unter „models/" und Engine-Laufzeit-Images unter „runners/". Worker im eigenen Netz ziehen ohne Zugangsdaten, entfernte Worker authentifizieren sich; jeder Pull wird gegen seinen Digest geprüft, sodass eine beschädigte oder veränderte Datei abgelehnt statt ausgeliefert wird. Genau das macht Flotten in abgeschotteten Netzen möglich: ein Worker ohne Internetzugang bezieht alles vom Master. Eine eigene Weboberfläche wird im Stack nicht als Modulkachel geführt — der Bestand wird über die Registry-Ansicht der LLM-Konsole eingesehen.
GPUStack ist ein quelloffener GPU-Cluster-Manager für KI-Modell-Serving und GPU-Instanz-Bereitstellung. Es orchestriert Inferenz-Engines wie vLLM, SGLang und TensorRT-LLM über lokale Server, Kubernetes und Cloud-Umgebungen hinweg und deckt ein breites Hardware-Ökosystem ab, von NVIDIA- und AMD-GPUs bis zu Ascend-, Hygon- und weiteren Beschleunigern. Zu den Kernfunktionen zählen automatisierte Engine-Konfiguration, „Day-0"-Unterstützung neu erschienener Modelle sowie Monitoring und Zugriffskontrollen. Im rzfz.ai Stack wird die Inferenz über ein llama.cpp-Backend mit Vulkan (GGUF-Modelle) betrieben. Seit 2026.09 ist GPUStack dort das optionale Legacy-Backend: Es läuft hinter dem LLM-Manager, der als externes Backend darauf verweist, und bleibt für Boxen erhalten, die es eingeschaltet haben — die Anwendungen merken davon nichts, weil sie ohnehin nur noch den Endpunkt des LLM-Managers ansprechen.
Speaches ist ein Speech-to-Text- und Text-to-Speech-Dienst, der Audio lokal über eine OpenAI-kompatible API transkribiert und synthetisiert. Im Stack liefert es Spracheingabe und -ausgabe für Open WebUI und läuft rein intern.
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Cognee baut aus Dokumenten und Datenquellen einen Wissensgraphen und beantwortet Fragen per GraphRAG — präziser als reine Vektorsuche. Im Stack dient es als zentrales „Company Brain", auf das Chat, Workflows und Agents über die MCP-Registry zugreifen. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
LightRAG ist ein zweistufiges GraphRAG-Framework, das Entitäten und Beziehungen für präzisere Retrieval-Antworten verknüpft. Im Stack nutzt es den LLM-Manager für Embeddings und Graph-Aufbau und dient als leichtgewichtige Alternative zu Cognee für kleinere Wissensbasen. Derzeit als experimentelles Modul enthalten.
Use-Cases, die diesen Baustein nutzen
neu im Stack und noch nicht lange im Feldeinsatz — funktionsfähig, aber möglicherweise noch fehlerhaft
Observability (OpenLIT + ClickHouse) misst Kosten, Latenz, Token-Verbrauch und Prompts für jeden LLM-Aufruf, der durch die Chat-Pipeline läuft. Im Stack ist der Zugriff über eine eigene Authentik-Gruppe beschränkt, und ein PII-Filter schwärzt Prompt- und Antworttext standardmäßig. Derzeit als experimentelles Modul enthalten.
Caddy ist der Reverse Proxy des Stacks und sein einziger externer Eintrittspunkt: Alle Anfragen laufen über die Ports 80/443, TLS-Zertifikate verwaltet Caddy automatisch. Ein Rate-Limit-Plugin schützt die Login-Endpunkte.
PostgreSQL mit der pgvector-Erweiterung ist die relationale Datenbank des Stacks — eine Instanz mit einer eigenen Datenbank pro Modul. Sie speichert die Daten von Open WebUI, Dify, Authentik, GPUStack und weiteren Modulen und liefert zugleich die Vektor-Suche für RAG.
Authentik ist der Identity Provider des Stacks: Single Sign-on, rollenbasierte Zugriffskontrolle und Multi-Faktor-Authentifizierung. Er sitzt als Forward-Auth-Gate hinter Caddy vor jedem Modul und entscheidet anhand von Gruppenmitgliedschaften, wer welche Anwendung erreichen darf.
Valkey ist ein Redis-kompatibler In-Memory-Datenstruktur-Store für Caching und Message-Queues. Im Stack teilen sich mehrere Module eine gemeinsame Instanz, jedes über einen eigenen Datenbank-Index getrennt.
Der SMTP-Relay ist ein Postfix-Mailserver für ausgehende Systemnachrichten. Er läuft ausschließlich intern und versendet Benachrichtigungen und Passwort-Resets für Module wie Authentik und Dify, entweder über einen externen Provider oder direkt per MX-Versand.
Der Docker-Socket-Proxy ist ein gefilterter Zugriffspunkt auf die Docker-API. Module, die Container verwalten müssen — etwa Config-Portal, Backup-Dienst, Agent-Manager oder Authentik — sprechen ausschließlich über diesen Proxy mit Docker, niemals über den ungeschützten Host-Socket.
Leertaste pausiert, Pfeiltasten springen zwischen den Szenen — sobald der Player den Fokus hat.
Ein Stack. Viele Formen. rzfz.ai: lokale KI auf der Hardware Ihrer Wahl
Alles auf einer Box. Docling liest, Presidio und das lokale LLM finden personenbezogene Daten. Nichts verlässt das Haus.
Chatten mit Ihrem eigenen Wissen. Vektorsuche plus Wissensgraph, den das lokale LLM aufbaut. Alle Modelle laufen lokal.
Mehr Mitarbeitende? Mehr Boxen. Faustregel für Chat: eine Box je 4–15 Personen. Neue Boxen melden sich selbst an.
Hunderte Support-Mails am Tag? Ein lokaler Workflow sortiert jede: Störung, Anfrage oder Rauschen.
Den Master auf eine VM legen. Mehr CPU-Kerne und RAM für Dify, Open WebUI, Docling, Cognee und die Datenbank. Die Boxen übernehmen die Inferenz.
Lastspitze? EU-Cloud-GPUs dazunehmen. Der LLM Manager auf Ihrer VM verteilt die Last auf Boxen und Cloud-GPUs (S, M oder L = 1, 2 oder 4).
Oder den Master in der Cloud betreiben. Die Cloud-Instanz übernimmt die Steuerung und orchestriert Ihre Boxen als Worker.
NVIDIA-Leistung dazunehmen. Ihr eigener RTX-PRO-6000-Server oder eine GB10 kommt als Worker dazu.
Entwickler verbinden ihre IDE. Jeder OpenAI-kompatible Client spricht mit llm.<domain>/v1, mit eigenem rzfz-sk-Key.
Ein Coding-Agent, der rund um die Uhr arbeitet. Agent Manager am Master: Harness, lokales Modell und Ihr Gitea. Er schreibt Tests und stellt Pull-Requests.
Schon einen Mac Studio? Einfach anschließen. Ihre Hardware: unterstützt, nicht von uns verkauft. Der LLM Manager stellt seine Ollama-Modelle bereit.
Unsere, Ihre oder beides. Eine Flotte. Jede App spricht mit einer Tür. Der LLM Manager entscheidet, wo jede Anfrage läuft.
Alles innerhalb der roten Linie läuft in Ihrer eigenen IT. Nur die optionale EU-Cloud läuft außerhalb.
Lokal. Open Source. Unabhängig. Sicher. Lokale KI auf der Hardware Ihrer Wahl.
Der LLM-Manager ist die Kontrollebene für die Sprachmodelle Ihrer Box. Er beantwortet an einer Stelle, welches Modell wo läuft, wer es aufrufen darf und was es verbraucht — und stellt Anwendungen einen einzigen OpenAI-kompatiblen Endpunkt bereit. Seit 2026.09 ist er die Vorderseite jeder Box für Inferenz; was die Modelle tatsächlich serviert, sitzt dahinter.
Modelle aus einem kuratierten Katalog oder direkt aus einer Hugging-Face-Suche bereitstellen — auf dem Worker, der dafür passt. Vor dem Start prüft eine Zulassungskontrolle den tatsächlichen Speicher-Spielraum des Ziels: Was nicht hineinpasst, wird sofort abgelehnt, statt Minuten später zu scheitern.
Weitere Rechner treten mit einem Einzeiler bei, der den Zertifikats-Fingerabdruck Ihres Masters trägt — der neue Worker prüft kryptografisch, mit wem er spricht, bevor er irgendetwas sendet. Für Wartung stilllegen, Engine-Laufzeiten je Knoten aktualisieren (mit Rollback) und Schlüssel rotieren: alles aus der Konsole.
Ihre Box trägt ihre eigene Registry. Modellgewichte und Engine-Laufzeiten erreichen die Worker von dort, bei der Auslieferung gegen ihren Digest geprüft — eine beschädigte oder veränderte Datei wird abgelehnt statt ausgeliefert. Ein Worker ohne eigenen Internetzugang bezieht alles vom Master.
Jede Anfrage wird in Tokens erfasst — Eingabe, Ausgabe, gecacht — je API-Schlüssel und Kostenstelle. Eine Währung gibt es im Produkt bewusst nicht: Sie sehen den Verbrauch, Ihre Preise bleiben in Ihrer Buchhaltung.
Der Agent-Manager gibt jedem Benutzer einen eigenen, sandboxed Agenten — erreichbar von jeder lokalen Chat-Oberfläche, ganz ohne Cloud.
Lokal auf Ihrer Box · keine Cloud
Zugang — nativ, überall lokal
Pro Benutzer: sandboxed Agent-Instanzen
Sandbox
Sandbox
Gemeinsame lokale Dienste
Die persönlichen Agenten jedes Benutzers — Coding-Agents, Assistenten, selbst definierte — liegen in einer einzigen Ansicht: Live-Status und Öffnen mit einem Klick, für Coding-Agents dazu die Vorschau des laufenden Entwicklungsservers. Ein Pane öffnet dabei auf der Oberfläche des Agenten selbst, nicht auf einem rohen Terminal; das Terminal bleibt als letzter Zugang eine Ebene tiefer erreichbar. Administratoren sehen und steuern die Agenten aller Nutzer — starten, stoppen, Speicher begrenzen — mit Prüfpfad, und die Agentenklassen laufen hinter einem optionalen Egress-Proxy, der ausgehende Verbindungen standardmäßig verweigert. Der Agent-Manager ist derzeit als experimentelles Modul enthalten.
7 Kernfähigkeiten, sofort einsatzbereit auf Ihrer eigenen Hardware — jede davon bereits im Einsatz bei echten Anwendungsfällen.
ChatGPT-Komfort, ohne dass ein Wort das Haus verlässt
Aus der Praxis →Geschäftsprozesse mit KI automatisieren — auf eigener Hardware
Aus der Praxis →Ein zentrales Company Brain für Agents, Chat und Workflows
Aus der Praxis →Persönliche KI-Agenten pro Mitarbeiter — ohne Telegram, ohne WhatsApp
Kein Code verlässt die Box
Aus der Praxis →Von PDF zu strukturierten Daten — lokal
Aus der Praxis →Personenbezogene Daten erkennen und schwärzen — in Text und Bild
Aus der Praxis →Der rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — deckt 7 Kernszenarien end-to-end ab. Jedes Feature kombiniert mehrere Module zu einem fertigen Anwendungsfall, komplett auf Ihrer eigenen Hardware.
ChatGPT-Komfort, ohne dass ein Wort das Haus verlässt
Open WebUI ist die zentrale Chat-Oberfläche für alle Modelle auf der Box — mit Retrieval-Augmented Generation, Websuche und Sprachein-/ausgabe in einer Oberfläche. Im Hintergrund nimmt der LLM-Manager jede Anfrage entgegen und lässt sie auf der eigenen GPU beantworten — wo das Legacy-Profil aktiv ist, über GPUStack mit llama.cpp —, sodass jede Anfrage lokal beantwortet wird. Weil Modell, Vektorsuche und Oberfläche auf derselben Infrastruktur laufen, verlässt kein Prompt und keine Antwort das Haus — ganz ohne externe API-Anbindung. In der Praxis dient Open WebUI als Frontend für zentrale Wissensdatenbanken und branchenspezifische RAG-Anwendungen, von der Produktionssteuerung bis zum Außenhandel.
Module: Open WebUI, GPUStack 0.7.1 (optional legacy backend)
Aus der Praxis: Zentrale RAG-Knowledgebase für die Produktionssteuerung , TARIC-Warencodes per RAG finden
Geschäftsprozesse mit KI automatisieren — auf eigener Hardware
Dify orchestriert Geschäftsprozesse als visuelle Workflows — von einfacher Klassifikation bis zu mehrstufigen Dokument-Pipelines mit Freigabeschritten. Jede Node im Workflow läuft gegen die lokalen Modelle des Stacks, sodass sich Automatisierungen ohne Programmierkenntnisse zusammenklicken und direkt gegen echte Geschäftsdaten testen lassen. Weil Orchestrierung und Inferenz auf derselben Box laufen, bleiben sensible Mandanten- und Kundendaten während der gesamten Verarbeitung im Haus. Im Einsatz klassifiziert Dify so bereits Support-E-Mails bei einem IT-Dienstleister, unterstützt Buchhaltungsprozesse in der Steuerberatung und strukturiert Digitalisierungsprojekte im Consulting.
Module: Dify
Aus der Praxis: Support-E-Mail-Klassifikation im IT-Betrieb , KI-gestützte Jahresabschlussprüfung & Dokumentation , Framework für Digitalisierungs-Consulting
Ein zentrales Company Brain für Agents, Chat und Workflows
Cognee baut einen Wissensgraphen über Ihre Dokumente und Systeme auf und beantwortet Fragen per GraphRAG statt reiner Stichwortsuche — präziser bei komplexen Zusammenhängen und über Dokumentgrenzen hinweg. Im Stack dient es als gemeinsames Gedächtnis, auf das Chat, Workflows und Agents über die MCP-Registry zugreifen, statt dass jedes Modul sein eigenes Wissen vorhält. Weil der Wissensgraph vollständig auf der eigenen Hardware entsteht, bleiben interne Dokumente und Prozesswissen im Haus — Cognee ist derzeit als experimentelles Modul enthalten und wird laufend weiterentwickelt. Bei einem Produktionsbetrieb bündelt es bereits Anleitungen, Störfall-Historie und Prozessdokumentation zu einer zentralen Wissensbasis, die Mitarbeitende einfach per Chat abfragen.
Module: Cognee
Aus der Praxis: Zentrale RAG-Knowledgebase für die Produktionssteuerung
Persönliche KI-Agenten pro Mitarbeiter — ohne Telegram, ohne WhatsApp
Jeder Mitarbeiter provisioniert über den Agent Manager seine eigenen persönlichen Agenten — Hermes als Python-Agent mit persistentem Gedächtnis und über 30 Werkzeugen, Moltis als in Rust geschriebener Agent-Server mit Matrix-Anbindung. Angesprochen werden sie ganz normal über Open WebUI, ohne dass dafür Telegram, WhatsApp oder ein anderer externer Messenger nötig wäre. Weil Agent Manager, Hermes und Moltis auf derselben Box laufen wie die Modelle, bleiben Gedächtnisinhalte und Konversationen vollständig lokal — alle drei Module sind derzeit als experimentelle Bausteine des Stacks enthalten. Damit lassen sich persönliche Assistenten aufbauen, die sich an frühere Anfragen erinnern und eigenständig Aufgaben übernehmen, ohne dass Daten je die eigene Infrastruktur verlassen.
Module: Agent Manager, Hermes, Moltis
Kein Code verlässt die Box
Coding-Agenten laufen im geschützten Container-Terminal auf Box oder Master — mit Zugriff auf das lokale Gitea und die On-Box-Coding-Modelle. Sie übernehmen abgegrenzte Aufgaben wie Testabdeckung erhöhen, Refactorings oder Spezifikations-getriebene Implementierung und stellen ihre Ergebnisse als Merge Requests. Weil Modelle, Code und Git-Server auf derselben Infrastruktur liegen, braucht es weder externe API-Keys noch verlässt eine Zeile Code das Haus. Bei Kunden läuft so bereits ein Agent, der rund um die Uhr die Unit-Test-Coverage erhöht.
Module: Codex, OpenCode, gsd-pi, Gitea, OpenHands
Aus der Praxis: 24×7-Dev-Agent erhöht die Testabdeckung , Lokales Coding mit On-Box-Modellen
Von PDF zu strukturierten Daten — lokal
Docling, Tika und Gotenberg lesen, konvertieren und interpretieren Dokumente jeder Art — von PDFs und Office-Dateien bis zu gescannten Belegen mit Layout-Analyse. Vision-Modelle auf der eigenen GPU übernehmen die Bilderkennung, während Stirling PDF als Werkzeugkasten für Zusammenführen, Teilen und Konvertieren bereitsteht. Weil die gesamte Pipeline — Erkennung, Konvertierung und Vision-Inferenz — auf derselben Infrastruktur läuft, verlassen Rechnungen, Verträge und andere sensible Dokumente nie das Haus; Docling, Tika und Stirling PDF sind derzeit als experimentelle Module enthalten. Im Einsatz liest diese Pipeline bereits Belege für die Vorverarbeitung in der Steuerberatung und extrahiert eingehende Kundendokumente, bevor sensible Daten geschwärzt werden.
Module: Docling, Apache Tika, Gotenberg, Stirling PDF
Aus der Praxis: KI-gestützte Jahresabschlussprüfung & Dokumentation , Dokumentenextraktion und Schwärzung sensibler Daten
Personenbezogene Daten erkennen und schwärzen — in Text und Bild
Microsoft Presidio erkennt und anonymisiert personenbezogene Daten in Dokumenten-Pipelines, bevor sie an andere Module weitergereicht werden — über 30 Kategorien, in Text ebenso wie in Bildern. Der Analyzer identifiziert sensible Stellen, der Anonymizer schwärzt oder ersetzt sie, und der Image Redactor übernimmt dieselbe Aufgabe für Fotos und Scans. Presidio läuft rein intern als Vorverarbeitungsschritt auf derselben Box wie die übrigen Module — personenbezogene Daten werden also geschwärzt, bevor sie überhaupt an ein Sprachmodell gehen; das Modul ist derzeit als experimenteller Baustein des Stacks enthalten. Eingesetzt wird es bereits, um eingehende Kundendokumente zu schwärzen und um bei der Bildanalyse in der Patientenversorgung sensible Gesundheitsdaten vollständig in der Einrichtung zu behalten.
Module: Presidio
Aus der Praxis: Dokumentenextraktion und Schwärzung sensibler Daten , Lokale Bildanalyse in der Patientenversorgung
Agenten
Der Agent-Manager gibt jedem Nutzer eigene, persistente Agenten. Coding-Agenten arbeiten in einer Sandbox im Stack — der Quellcode verlässt dabei nie die Box.
Lokales LLM
Der LLM-Manager betreibt die Sprachmodelle auf Ihrer eigenen Hardware — wo das Legacy-Profil aktiv ist, auch über GPUStack. Keine Anfrage geht an eine Cloud.
Datenschutz
Presidio erkennt und schwärzt personenbezogene Daten, bevor ein Dokument weiterverarbeitet wird — automatisiert, lokal und nachvollziehbar.
Der Stack ist mehr als die Summe seiner Open-Source-Teile: diese Bausteine entwickeln wir selbst — die First-Party-Schicht, die aus loser OSS ein Produkt macht.
Config-UI
Die von rzfz.ai entwickelte Management-UI ist die Schaltzentrale des Stacks — kein reines Backup-Werkzeug, sondern ein vollständiges Betriebs-Cockpit: Module ein- und ausschalten, Secrets verwalten, Updates einspielen, Backups anstoßen, Zertifikate hochladen und im Ernstfall einen Factory-Reset auslösen.
Start-Portal
Nach dem Login landen Nutzer im von rzfz.ai entwickelten Start-Portal — einer Landingpage, die automatisch alle freigeschalteten Module verlinkt. Kein Lesezeichen-Wirrwarr, keine Suche nach der richtigen URL.
Agent-Manager
Der Agent-Manager gibt jedem Nutzer eigene, persistente Agenten — inklusive Coding-Agenten, die in einer Sandbox im Stack arbeiten. Im MCP-Manager legt jeder Nutzer daneben eigene MCP-Integrationen an und gibt sie für seine Agenten frei.
Eigener Coding-Agent
Wer sein eigenes Coding-Agent-Werkzeug bevorzugt, installiert es als nutzerdefinierten Coding-Agenten im persistenten Workspace — direkt über den Agent-Manager konfiguriert.
Settings-Portal — zentrale Oberfläche zur Konfiguration des rzfz.ai Stacks
Help-Center — lokal gehostete Dokumentation und Support-Artikel für den Stack
Start-Portal — Landingpage mit Links zu allen freigeschalteten Modulen des Stacks
Lizenzverwaltung — Aktivierung und Status der freigeschalteten Module und Bundles
LLM-Manager — eine Konsole für alle Sprachmodelle der Box: bereitstellen, überwachen, Verbrauch erfassen
Worker-Agent — startet und überwacht die Inferenz-Engines auf jedem Rechner der Flotte
Agenten-Portal — persönliche KI-Agenten in einer Ansicht starten, öffnen und überwachen
MCP-Manager — Registrierung und Freigabe von MCP-Servern für Agents
Nutzerdefinierte Coding-Agents — freie Auswahl des eigenen Coding-Agent-Werkzeugs im persistenten Workspace
"Nothing leaves the box unless a module is explicitly configured to reach out."
Der rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — ist für den Unternehmenseinsatz gehärtet: Identität, Netzwerk und Compliance sind von Grund auf mitgedacht, nicht nachgerüstet.
Authentik steht vor jedem Modul — kein Dienst ist ohne Anmeldung erreichbar. Rollenbasierte Zugriffskontrolle (RBAC) und Multi-Faktor-Authentifizierung (MFA) sind Standard, nicht Zusatzoption.
Die Security-Dokumentation enthält Mapping-Tabellen zu NIS2 und ISO 27001 sowie eine Einordnung nach dem OWASP LLM Top 10. Jedes Release wird mit SBOM und Security-Assessment ausgeliefert.
Rotations-Tooling für Secrets und GPG-verschlüsselte Backups gehören zum Standardbetrieb — keine Klartext-Zugangsdaten, keine unverschlüsselten Sicherungen.
Community-Version, rzfz.ai Subscription und die separat buchbaren Dienstleistungen sind auf der Enterprise-Seite im Detail beschrieben — inklusive Preisen und dem, was ausdrücklich nicht enthalten ist.
Der rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — wird nach CalVer versioniert und erscheint aktuell in einem monatlichen Release-Zyklus. Die folgende Liste zeigt alle Releases, neueste zuerst.
Roadmap
Richtungsweisend — geplante Funktionen, Änderungen vorbehalten.
Kommt in 2026.10
Am Horizont
Ihre Modelle, gemanagt
Offline- & Air-Gapped-Betrieb: die Box läuft komplett ohne Internet; Installation und Updates ohne Internet mit der rzfz.ai Subscription.
Open-Core-Lizenzmodell wird öffentlich: Apache-2.0-Community, rzfz.ai Subscription und Coding-Agent-Workspaces
Ein Default-Modell: qwen3.6 mit 1M Kontext für Chat, Coding und Vision
Personal Agents pro Benutzer: Hermes, Moltis und Coding Agents im „My Agents"-Drawer
Ein Befehl von Grundinstallation zu vollständig konfiguriertem Stack: razzfazz-post-install.sh
Der rzfz.ai Stack — der integrierte Open-Source-Stack für lokale KI-Infrastruktur — unterstützt ausschließlich Ubuntu 26.04 LTS als Betriebssystem. Für jedes Einsatzprofil gilt derselbe Anspruch: Wir nennen die Grenzen, bevor Sie sie finden.
AMD Strix Halo (Ryzen AI MAX+), 128 GB Unified Memory
32 GB Container-Budget + 96 GB VRAM (auf 110 GB erweiterbar)
Beliebiger Ubuntu-26.04-Host, ~16–24 GB RAM
Ubuntu-26.04-Host mit NVIDIA-GPUs — eigene Hardware oder GPU-Cloud
Jede Ubuntu-26.04-Cloud-Instanz — mit GPU als Worker, ohne GPU als Steuerzentrale
Viele Teams kombinieren Profile statt sich auf eines festzulegen: eine Steuerzentrale ohne eigene GPU orchestriert mehrere rzfz.ai Boxen als lokale Inferenz-Worker und zieht bei Bedarf zusätzliche Cloud-GPU-Worker für Lastspitzen hinzu. So bleibt der Kernbetrieb lokal — für Spitzenlast werden aus der Cloud Ressourcen dazugebucht, ohne allerdings die Datensouveränität aufgeben zu müssen. Passende Kombinationen finden Sie unter Bundles.
Tippen Sie eine Aufgabe oder Ihr System — wir sagen ehrlich, wie es zum Stack passt.
Ein Modul im Stack deckt es bereits ab — sofort einsatzbereit, ohne Zusatzaufwand.
Der Dify Marketplace deckt es ab — der Stack erbt es automatisch. für Techniker
Spricht Ihr System REST oder MCP, ist es direkt anbindbar — ohne Umweg.
Lokale, nischige Branchensoftware, die in keinem Katalog steht — genau dafür bauen wir die Integration.
Vorverdrahtet — Open WebUI liefert ChatGPT-Komfort, vollständig lokal.
Passende Use-Cases: Zentrale RAG-Knowledgebase für die Produktionssteuerung , TARIC-Warencodes per RAG finden
Vorverdrahtet — cognee/LightRAG bauen ein lokales Company-Brain über Ihre Dokumente.
Passende Use-Cases: Zentrale RAG-Knowledgebase für die Produktionssteuerung , TARIC-Warencodes per RAG finden
Vorverdrahtet — Docling liest und strukturiert PDFs & Scans, inkl. OCR.
Passende Use-Cases: KI-gestützte Jahresabschlussprüfung & Dokumentation , Dokumentenextraktion und Schwärzung sensibler Daten
Vorverdrahtet — Presidio erkennt und schwärzt personenbezogene Daten automatisch.
Passende Use-Cases: Dokumentenextraktion und Schwärzung sensibler Daten , Lokale Bildanalyse in der Patientenversorgung
Vorverdrahtet — Dify orchestriert Ihre KI-Workflows lokal.
Passende Use-Cases: Support-E-Mail-Klassifikation im IT-Betrieb , KI-gestützte Jahresabschlussprüfung & Dokumentation , Framework für Digitalisierungs-Consulting
Vorverdrahtet — lokale Sprach-zu-Text-Verarbeitung, ohne Cloud.
Über REST/MCP oder ein Dify-Plugin angebunden — IMAP/SMTP/Graph sprechen Standardprotokolle.
Passende Use-Cases: Support-E-Mail-Klassifikation im IT-Betrieb
Über die Microsoft-Graph-API (REST) oder ein Dify-Plugin angebunden.
Über die Google-Workspace-REST-APIs oder ein Dify-Plugin angebunden.
SAP spricht REST/OData — direkt anbindbar; komplexe Szenarien bauen wir als Custom-Integration.
Lokale Branchensoftware wie BMD steht in keinem Katalog — wir binden sie für Sie an.
Passende Use-Cases: KI-gestützte Jahresabschlussprüfung & Dokumentation
HR-Systeme wie Sage DPW binden wir als Custom-Integration an — auch ohne offenen Katalog-Connector.
Spricht Ihr ERP REST/MCP, ist es direkt anbindbar; sonst bauen wir die Brücke.
Die lokale, nischige Software, die in keinem Katalog steht — genau das ist unsere Stärke: wir binden sie an.
Alles, was REST oder MCP spricht, integriert sich sofort.
Alles aus dem Dify Marketplace erbt der Stack automatisch — für Techniker.
Kein Treffer — aber wenn es REST oder MCP spricht, binden wir es an. Fragen Sie uns.