Beschreiben Sie Ihr Unternehmen in ein bis zwei Sätzen, und der Finder schlägt Ihnen drei konkrete Use Cases vor, wo lokale AI mit dem rzfz.ai Stack — der integrierte Open-Source-Stack für lokale AI-Infrastruktur — Ihr Unternehmen unterstützt, jeweils mit passenden Modulen und einem ersten Schritt.
Ihre Box denkt nach — lokale Inferenz braucht einen Moment…
Der Finder ist in Arbeit — diese Use Cases setzen wir bereits heute mit Kunden auf dem rzfz.ai Stack um.
Ein Steuerberatungsbüro lässt Belege und Buchungsvorschläge lokal vorverarbeiten: Dokumente werden ausgelesen, kategorisiert und der Buchhaltung zugeordnet — Mandantendaten verlassen das Haus nicht.
Gebaut mit: Dify, Docling
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
Eine Produktionssteuerung bündelt internes Wissen — Anleitungen, Störfall-Historie, Prozessdoku — in einer zentralen, lokalen Knowledgebase, die Mitarbeitende per Chat abfragen.
Gebaut mit: Open WebUI, Cognee
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
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
Ein strukturiertes Consulting-Framework führt durch Digitalisierungsprojekte: Aufnahme, Bewertung und Priorisierung von Prozessen werden durch lokale AI-Workflows unterstützt.
Gebaut mit: Dify
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
Anforderungen werden lokal auf Geschäftsrisiko, Fehlerwahrscheinlichkeit und Komplexität bewertet — als Entscheidungsgrundlage, welche Anforderungen wie intensiv getestet werden.
Gebaut mit: Dify, Open WebUI
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
Eingehende Kundendokumente werden lokal ausgelesen und sensible Daten automatisch geschwärzt, bevor sie weiterverarbeitet werden — gemeinsam mit PSA umgesetzt, ausgezeichnet mit dem Constantinus Award 2026.
Gebaut mit: Docling, Presidio, Dify
Zur Case Study →