Glossar

Souveräne & Agentic AI, definiert.

Klare, verständliche Definitionen der Begriffe hinter geplanter Ausführung, dem Company Brain, souveräner Agentic AI und der Technologie, die Eigen Networks baut.

Orchestrierungs- und Ausführungsschicht: Die strukturierte Schicht zwischen den Anwendungen eines Unternehmens und den Modellen, Tools und Daten, die sie nutzen. Sie entscheidet, wie eine Aufgabe ausgeführt wird, statt im Nachhinein zu beschreiben, was passiert ist.
Offene Agent-Loop: Das verbreitete agentische Muster: Ein Modell erhält eine Aufgabe und viele Tools, entscheidet über den nächsten Schritt, ruft ein Tool auf, liest das Ergebnis und wiederholt das. Kontext summiert sich, der Ablauf wird in jedem Schritt neu hergeleitet, und unabhängige Arbeit läuft weiterhin seriell.
Kompilierung der Aufgabe: Die Übersetzung eines Geschäftsziels in einen ausführbaren, kontrollierten Workflow, bevor teure Modellausführung beginnt. Keine Planung im Sinne eines Gesprächs: Das Ergebnis ist ein Plan, den die Ausführungsschicht ausführt, validiert und protokolliert.
Ausführungsplan: Die Abhängigkeitsstruktur einer Aufgabe: was erreicht werden muss, welche Schritte von anderen abhängen, welche parallel laufen, welche Informationen und Tools jeder Schritt nutzen darf, welche Schritte Modellintelligenz brauchen, welche deterministisch laufen und wo Validierung oder Freigabe greift.
Execution Receipt: Der Nachweis, der mit einem Ergebnis zurückkommt: was geplant war, was ausgeführt wurde, welche Evidenz jeder Schritt genutzt hat, welche Modelle und Tools beteiligt waren, welche Validierungen und Policies gegriffen haben, was es gekostet hat und warum die finale Aktion gewählt wurde.
Kosten pro erfolgreicher Aufgabe: Die kommerzielle Kennzahl einer Ausführungsschicht. Sie misst Ergebnis und Kosten gemeinsam, denn eine günstigere Ausführung ist wertlos, wenn das Ergebnis schlechter wird.
Compatibility Mode: Die Integration einer Ausführungsschicht über die Änderung der API-Base-URL eines OpenAI-kompatiblen Clients. Das liefert eine echte Messung und die Optimierungen, die ohne Kontrolle über die gesamte Agent-Loop sicher sind.
Execution Mode: Die Integration über einen Task-and-Tools-Contract: die vollständige Aufgabe, die verfügbaren Tool- oder MCP-Contracts, die relevanten Policies, das erforderliche Output-Schema und die konfigurierte Modell-Route. Die Ausführungsschicht übernimmt dann die Ausführung.
Prozedurales Wissen: Wissen darüber, wie Arbeit abläuft, und nicht Dokumente darüber: wie Ziele zerlegt werden, welche Systeme maßgebliche Evidenz halten, welches Tool zu welcher Operation passt, welche Policies eine Entscheidung steuern und welche Ausführungsmuster verlässlich erfolgreich sind.
Souveräne KI (Sovereign AI): KI, bei der Modelle, Daten und Infrastruktur vollständig unter der Kontrolle der Organisation bleiben. Nichts wird von Dritten außerhalb des eigenen Perimeters verarbeitet oder gespeichert.
Agentic AI: KI, die nicht nur Fragen beantwortet, sondern handelt. Agentische Systeme planen, treffen Entscheidungen, arbeiten zusammen und führen Aufgaben bis zum Abschluss.
Souveräne Agentic AI: Autonome Multi-Agenten-KI, die vollständig in der eigenen Infrastruktur einer Organisation läuft. Agenten planen und handeln auf den eigenen Daten des Unternehmens, ohne dass Daten den Perimeter verlassen.
Agentic AI Network: Ein koordiniertes Netzwerk spezialisierter KI-Agenten, die gemeinsam planen, zusammenarbeiten und ausführen. Orchestriert werden viele kleine Modelle statt eines einzigen großen.
Company Brain: Das wiederverwendbare, versionierte prozedurale Wissen, das aus validierten Ausführungen wächst: Pläne, Tool-Beziehungen, Evidenzpfade, Policies, Ausnahmen, Freigaben und Ergebnisse. Eine strukturierte Abbildung davon, wie die Arbeit eines Unternehmens tatsächlich abläuft, und kein Sprachmodell und keine Dokumentensuche.
Small Language Model (SLM): Ein kompaktes Sprachmodell, klein genug, um privat und wirtschaftlich auf der eigenen Infrastruktur zu laufen. Im Netzwerk zusammenarbeitend, liefern SLMs unternehmenstaugliche Genauigkeit ohne die Kosten oder Exponierung von Frontier-APIs.
Datensouveränität: Das Prinzip, dass die Daten einer Organisation unter ihrer eigenen Kontrolle und dem Recht ihrer eigenen Jurisdiktion bleiben. Bei KI bedeutet das: Daten werden nie an externe Dienste gesendet oder von ihnen verarbeitet.
On-Premise-KI: KI, die im eigenen Rechenzentrum oder in der eigenen Umgebung einer Organisation läuft statt in einer externen Cloud, sodass Daten und Modelle die eigene Kontrolle nie verlassen.
Air-Gapped-KI: KI, die in einer Umgebung ganz ohne ausgehende Netzwerkverbindung läuft. Unverzichtbar für klassifizierte, verteidigungsnahe und hochregulierte Kontexte.
Null Datenabfluss (Zero Data Egress): Eine Systemeigenschaft, bei der keine Daten den Perimeter der Organisation verlassen. Eingaben, Ausgaben und Zwischenergebnisse bleiben alle in der eigenen Infrastruktur.
Human in the Loop: Ein Design, bei dem KI-Agenten autonom handeln, wenn sie sicher sind, und kritische oder unsichere Entscheidungen im richtigen Moment an Menschen eskalieren.
Modellagnostische KI: Eine Architektur, die an kein einzelnes Modell und keinen Anbieter gebunden ist, sodass die zugrunde liegenden Modelle über die Zeit ausgetauscht und weiterentwickelt werden können, ohne das System neu zu bauen.