LLM-Anwendungen
Chat-, Such-, Zusammenfassungs- und Generierungsfunktionen auf Basis großer Sprachmodelle, mit strukturierter Ausgabe, damit der Rest Ihrer Software dem Ergebnis vertrauen kann.
CS2 Technologies ist ein Unternehmen für KI-Entwicklung mit Sitz in Toronto. Wir konzipieren und bauen generative KI-Software für Unternehmen in Kanada, den USA und im deutschsprachigen Raum: LLM-Anwendungen, Chatbots und KI-Automatisierung, Agenten, die in Ihren Systemen handeln, Sprach- und Dokumentenverarbeitung sowie KI-Funktionen in Software, die Sie bereits betreiben. Die Arbeit ist LLM- und generative KI; klassische Machine-Learning-Modelle holen wir dort hinzu, wo ein einfaches Modell ein LLM schlägt. KI-Beratung bieten wir an, wenn vor dem Code ein Plan nötig ist. Wir wissen, was nach dem Start bricht, weil wir drei eigene KI-Produkte betreiben.
Die Demo hat alle überzeugt. Dann kamen unsaubere Dokumente, langsame Antworten und eine überraschende Rechnung. Sie brauchen Leute, die KI schon vom Notebook bis zu zahlenden Kunden gebracht haben.
Patientenakten, Personaldaten, Kundenverträge. Das Modell muss dort laufen, wo es Ihre Compliance-Pflichten erlauben, und Sie wollen den Nachweis, dass nichts anderes möglich ist.
Preise und Qualität der Modelle ändern sich jedes Quartal. Sie wollen den Anbieter wechseln können, ohne das Produkt neu zu schreiben.
Token-Kosten wachsen mit der Nutzung auf eine Weise, die das Controlling nicht planen kann. Sie brauchen Budgets, Obergrenzen und Auswertungen je Funktion, festgelegt vor dem Start und nicht nach der ersten Rechnung.
Ihre Entwickler sind stark, aber niemand hat bisher eine LLM-Funktion ausgeliefert. Sie wollen erfahrene Ingenieure, die sie gemeinsam mit Ihrem Team bauen, damit das Wissen im Haus bleibt.
Das Modell ist eine Komponente. Die Technik darum herum macht aus einer Demo ein Produkt, auf das sich Ihre Kunden und Ihre Prüfer verlassen können.
Chat-, Such-, Zusammenfassungs- und Generierungsfunktionen auf Basis großer Sprachmodelle, mit strukturierter Ausgabe, damit der Rest Ihrer Software dem Ergebnis vertrauen kann.
Agentische KI: Agenten, die über kontrollierte Werkzeuge in Ihren Geschäftssystemen handeln, mit Freigabeschritten und Prüfprotokoll. Unsere Seite zur KI-Agenten-Entwicklung geht ins Detail.
LLM-Funktionen für das Produkt oder das interne System, das Sie bereits betreiben, hinter einer Anbieterabstraktion und Feature-Flags, damit Sie das Modell wechseln oder die Funktion abschalten können.
Speech-to-Text-Pipelines und Sprachschnittstellen, deren Ergebnis beim Nutzer ankommt, während er noch spricht. Notermed macht auf diesem Weg aus einem aufgezeichneten Patientengespräch eine klinische Notiz.
Extraktion, Klassifizierung und Fragen-Antworten über PDFs, Word-Dateien und Scans, einschließlich Suche in Ihrem eigenen Dokumentenbestand mit Trennung je Kunde.
Regeln, wer welches Modell mit welchen Daten aufrufen darf, ein monatliches Kostenbudget je Funktion und eine Protokollierung, mit der Sie einem Prüfer ohne Hektik antworten können.
Jede Architektur, die wir empfehlen, verantworten wir selbst. Hier stehen Produkte im Eigentum von CS2 sowie Backend-Arbeit im Konzernmaßstab.
Produkt, vollständig im Eigentum
Ein KI-natives CRM mit eingebautem MCP-Connector, der 57 kontrollierte Werkzeuge für Claude und ChatGPT bereitstellt, gesichert mit OAuth 2.1 und PKCE. Über 130 REST-Endpunkte auf AWS mit Deployments ohne Ausfallzeit.
Referenz lesenProdukt, vollständig im Eigentum
Ein KI-Scribe für Arztpraxen, im Einsatz bei einem praktizierenden Arzt in den USA. Spracherkennung und Notizerstellung laufen über AWS Bedrock bei HIPAA-abgedeckten Anbietern, nachdem wir die gesamte KI-Schicht von OpenAI abgelöst haben.
Referenz lesenProdukt, vollständig im Eigentum
Eine Plattform für die Einwanderung nach Kanada mit KI-gestützter Strategieerstellung auf AWS Bedrock hinter einer Bezahlschranke, neben kostenlosen Bewertungswerkzeugen und einem Mitgliederbereich.
Referenz lesenReferenzprojekt, Konzern
Drei Jahre (10/2022 bis 10/2025) am REST-Backend für den Außendienst eines Tier-1-Telekommunikationsanbieters, unter der DSGVO, als CS2-Auftrag über einen deutschen Beratungspartner. Java, Spring Boot, Kubernetes, AWS.
Referenzprojekte ansehenWir klären, was die KI leisten soll, welche Daten sie berührt und wohin diese Daten dürfen. Anbieter und Modell richten sich nach Ihren Compliance-Pflichten, nicht umgekehrt.
Ein funktionierender Prototyp auf Ihren tatsächlichen Dokumenten und Gesprächen innerhalb weniger Wochen, mit einem Evaluationsdatensatz, damit Qualität gemessen statt geschätzt wird.
Anbieterabstraktion, strukturierte Ausgabe, Zugriffsregeln, Kostenbudgets und Protokollierung. Dieselben Muster laufen heute in AgentlyLeads und Notermed.
Ausrollen hinter Feature-Flags mit Monitoring. Nach dem Start justieren wir Prompts, Kosten und Modelle gemeinsam mit Ihnen oder übergeben an Ihr Team, mit Dokumentation und Betriebshandbüchern.
Je Projekt ausgewählt. Alles hier läuft heute produktiv in einem CS2-Produkt.
Software, in der ein Sprach- oder Spracherkennungsmodell einen Teil der Arbeit übernimmt: Chat und Suche über Ihre Daten, Agenten, die in Ihren Systemen handeln, Dokumentenextraktion, Transkription und KI-Funktionen in einem bestehenden Produkt. Das Modell ist eine Komponente. Die Technik darum herum, von Datengrenzen und strukturierter Ausgabe bis zu Zugriffsregeln und Kostenkontrolle, macht daraus ein Produkt.
Wir bauen hinter einer Anbieterabstraktion. Dem Produkt ist es gleich, ob das Modell von AWS Bedrock, OpenAI, Anthropic oder einem offenen Modell auf Ihrer eigenen Infrastruktur kommt. Notermed lief auf OpenAI und ist vollständig auf Bedrock umgezogen, als eine HIPAA-Anforderung das verlangte. Die Kernlogik hat sich kaum verändert.
Ja. Notermed verarbeitet Patientengespräche bei HIPAA-abgedeckten Anbietern, und die Anwendung startet nicht, wenn jemand sie auf einen Anbieter außerhalb dieser Grenze richtet. Unser Team hat DSGVO-regulierte Systeme in der EU betrieben, darunter drei Jahre am Außendienst-Backend von Vodafone Kabel Deutschland als CS2-Auftrag. In Kanada arbeiten wir nach PIPEDA.
Vor dem Start legen wir ein Kostenbudget je Funktion und je Kunde fest, begrenzen den Token-Verbrauch, wählen das kleinste Modell, das den Evaluationsdatensatz besteht, und cachen Antworten, die sich nicht ändern. Nutzung und Ausgaben werden je Funktion protokolliert, damit das Controlling eine Prognose bekommt statt einer Überraschung.
Ein Prototyp auf Ihren echten Daten dauert in der Regel einige Wochen. Eine Produktivfunktion mit Governance, Tests und Rollout dauert einige Monate, je nachdem, wie viele Systeme sie berührt. Wir grenzen das im ersten Gespräch ein und sagen Ihnen, wenn ein einfacherer Ansatz ohne KI Ihnen besser dient.
Ja. Wir sitzen in Toronto und arbeiten mit Kunden in Kanada und den USA sowie auf Deutsch und Französisch mit Unternehmen in Europa. Drei Jahre Arbeit für Vodafone Kabel Deutschland liefen vollständig aus Kanada heraus. Die Lieferung erfolgt remote, unter Führung erfahrener Ingenieure und passend zur Projektgröße.
Beides ist möglich. Manche Kunden wollen eine fertige Funktion; andere wollen unsere Ingenieure an der Seite ihrer eigenen, damit das Wissen im Haus bleibt. In beiden Fällen dokumentieren wir die Architektur und übergeben Evaluationsdatensatz und Betriebshandbücher.