Ihre eigene Enterprise-KI-Plattform

Galene.AI unterstützt No-Code-Integrationen für:

• Datenbanken für Text-to-SQL und Analyse: PostgreSQL, MySQL, MariaDB, MS SQL Server
• Dateispeicher für dynamische Aufnahme: Google Drive, Microsoft SharePoint, S3-kompatibler Speicher, Samba-Dateisystem
• SSO-Muster: Google Workspace, Microsoft SharePoint, LDAP Active Directory (On-Premise)

Über Standard-Connectors hinaus unterstützt Galene.AI MCP-Client-Fähigkeiten als Teil der Plattform, die strukturierte Integrationsmuster ermöglichen, um Agenten unter Steuerungsbedingungen mit externen Werkzeugen und Unternehmensanwendungen zu verbinden.

Native Integrationen sind möglicherweise nicht standardmäßig verfügbar, jedoch kann eine strukturierte Integration unter Verwendung MCP-basierter Muster implementiert werden, abhängig von der Sicherheitsarchitektur und den Anforderungen des Kunden.

Steuerung wird zur Laufzeit durch Generative Shield implementiert, die Plattformschicht für AI-Act-Governance und Risikominderung. Sie prüft Eingaben und Ausgaben über Chats, Agenten und Workflows hinweg, wendet konfigurierbare Richtlinien mit Standard- und benutzerdefinierten Filtern an und umfasst die Laufzeitprüfung auf Cybersecurity-Angriffe, um prompt-basierte und interaktionsbasierte Bedrohungen zu mindern.

• Verschlüsselung at-rest: Arethusa unterstützt Block-Level- und Objekt-Level-Verschlüsselung; Elettra unterstützt Block-Level-Verschlüsselung
• Verschlüsselung in-transit: Arethusa unterstützt TLS für Kubernetes-Pod-Level-Servicekommunikation
• Secrets-Management: Vault wird für Secrets verwendet, mit einer eindeutigen privaten CA pro Installation
• SSL am Ingress: SSL ist obligatorisch, mit Public-CA- oder Private-CA-Optionen für Air-Gapped-Umgebungen

Ja. Die Plattform unterstützt Zugriffskontrollmuster für Unternehmen und Berechtigungssegmentierung über Benutzer, Agenten, Connectors und organisationsspezifische Ressourcen hinweg und richtet die Steuerung an Unternehmensstrukturen aus.

Galene.AI unterstützt Infrastruktur-Observability mit Prometheus und Grafana. Darüber hinaus unterstützt es Conversational Tracing, das nur für autorisierte Benutzer und unter Audit aktiviert werden kann, um Anforderungen an Steuerung und regulatorische Compliance zu erfüllen.

Die Plattform ist so konzipiert, dass Daten innerhalb des Kundenperimeters verbleiben. Wenn Remote-Überwachung und Support aktiviert sind, beschreibt das Tech Sheet die Weitergabe operativer Metriken über einen mTLS-VPN-Tunnel, um rechtzeitige Eingriffe bei Anomalien zu unterstützen. Die Steuerungsrichtlinien des Kunden bestimmen, was aktiviert wird und unter welcher Autorisierung.

Galene.AI ist so konzipiert, dass es innerhalb Ihrer eigenen Umgebung ausgeführt wird, sodass Organisationen KI innerhalb des Unternehmensperimeters bereitstellen, betreiben und steuern können. Es bietet ein Cloud-ähnliches Benutzererlebnis über mehrere Komplexitätsstufen hinweg, einschließlich einer Web-Oberfläche, No-Code-Agenten, Workflow-Automatisierungen und Entwickler-APIs, während die Ausführung lokal bleibt.

Es bedeutet, dass die Plattform innerhalb des Kundenperimeters betrieben wird, sodass Daten und Steuerung unter der Kontrolle des Kunden bleiben. Die Architektur ist für regulierte und EU-sensible Kontexte ausgelegt und verfügt über durchsetzbare Richtlinien, Zugriffskontrollmuster sowie Sicherheits- und Steuerungsmechanismen, die operational und nicht nur deklarativ sind.

Galene.AI wird mit einem pro-GPU-Modell lizenziert, ist unbefristet und umfasst Support- und Wartungsoptionen für 3 oder 5 Jahre. Major-Release-Updates sind enthalten, wobei Hardware-Kompatibilitätsaktualisierungen an die Hopper- und Blackwell-Architekturen angepasst sind.

Sie ermöglicht eine organisationsweite Einführung ohne Pro-Sitzplatz-Beschränkungen. Kunden können Benutzer frei skalieren, während die GPU-Kapazität gezielt skaliert wird, wodurch ein vorhersagbares und kontrollierbares TCO mit wachsender Einführung erhalten bleibt.

Die Plattform ist für Datenschutz und Souveränität konzipiert, und die kommerzielle Ausrichtung, die in der Positionierung von Galene.AI betont wird, besagt, dass Kundendaten unter der Kontrolle des Kunden bleiben und nicht standardmäßig als Eingabe für externe Verarbeitung verwendet werden. Organisationen behalten Eigentum und Kontrolle über ihre Informationen und generierten Ergebnisse innerhalb ihres Perimeters.

All dies. Galene.AI unterstützt eine Einführungsleiter, die typischerweise mit einer einsatzbereiten Konversationsoberfläche beginnt, sich zu No-Code-Agenten weiterentwickelt und in Workflow-Automatisierung und Anwendungsintegration über APIs und Entwicklerwerkzeuge erweitert.

Ja. Galene.AI umfasst n8n für Workflow-Automatisierung. n8n läuft innerhalb des Kundenperimeters und kann Prozesse und Integrationen orchestrieren, während Galene.AI KI-Fähigkeiten wie Extraktion, Klassifizierung, Schlussfolgerung und Entscheidungsunterstützung über Workflows hinweg bereitstellt.

Ja. Galene.AI stellt OpenAI-kompatible REST-APIs bereit und bietet bei Bedarf zusätzlich proprietäre benutzerdefinierte Endpunkte. Dies unterstützt die Integration in bestehende Anwendungen und Frameworks.

Die Galene CLI unterstützt Entwickler und Bereitstellungsteams bei der lokalen Arbeit und beschleunigt Entwicklungs-, Integrations- und Rollout-Aktivitäten. Sie ist Teil der Einführungsleiter der Plattform von Produktivität bis Unternehmensintegration.

Eine praktische Unterscheidung liegt in der operativen Verantwortung und Verteilung. Persönliche Agenten werden typischerweise für die individuelle Produktivität auf begrenzten Quellen erstellt. Unternehmensagenten werden zentral verwaltet, mit organisationsspezifischen Systemen verbunden, über Berechtigungen und Richtlinien gesteuert und über kontrollierte Kataloge an Teams verteilt, wobei sie wiederholbare Anwendungsfälle und konsistente Steuerung unterstützen.

Ja. Galene.AI unterstützt Retrieval-Augmented-Generation-Workflows, bei denen relevanter Inhalt aufgenommen und zum Zeitpunkt der Abfrage abgerufen wird, um Antworten zu fundieren. Eine bewährte Vorgehensweise besteht darin, Wissen nach Domäne und Anwendungsfall zu partitionieren, anstatt die gesamte Unternehmenswissensbasis in einem einzigen universellen Agenten zu indizieren.

Nein. Kundendokumente werden typischerweise als kontextuelle Fundierung durch Retrieval verwendet. Jede Modelladaption oder Feinabstimmung ist eine explizite Projektentscheidung und kein automatisches Verhalten.

Ja. Galene.AI unterstützt Air-Gapped- und stark eingeschränkte Umgebungen. Die Plattform kann standardmäßig ohne ausgehende Konnektivität betrieben werden, und eingeschränkte Update-Strategien werden unterstützt, um sie mit den Sicherheitsrichtlinien des Kunden in Einklang zu bringen.

Updates werden über Infrastructure-as-Code und eine proprietäre Container-Registry geliefert. Für verbundene Knoten kann die Update-Auslieferung über einen verschlüsselten SD-WAN-VPN-Kanal mit mTLS erfolgen. Vollständige Unterstützung für Air-Gapped- und abgeschottete Umgebungen wird über lokale Paketauslieferungsstrategien geboten.

Galene.AI unterstützt automatische inkrementelle Backups für PostgreSQL-Datenspeicher und Objektspeicher mit geplanten Exporten an Ziele wie S3-kompatiblen Objektspeicher oder Netzwerkdateisysteme.

Die Plattform umfasst ein integriertes Ticketing-System mit Eskalation an den Galene.AI-Support (einschließlich L3-Eskalation). Es kann auch die sichere Kontextfreigabe für Administratoren unterstützen, um die Fehlerbehebungsgenauigkeit zu verbessern, unter Verwendung verschlüsselter Kommunikationskanäle.

Die Dimensionierung hängt von der Modellauswahl, Parallelitätszielen, Latenzanforderungen, Redundanz, Speicherbedarf und Wachstumsplänen ab. Für Unternehmensszenarien wird die Dimensionierung typischerweise während der Discovery- und Proof-of-Value-Planung mit zertifizierten Partnern durchgeführt, um Leistungserwartungen mit Kosten- und operativen Bedingungen in Einklang zu bringen.

Galene.AI unterstützt mehrere Modellkategorien, einschließlich:

• Multimodale LLMs (Thinking Medium/Large und Instruct Small)
• Text-Embeddings und multimodale Embeddings
• Text-to-Speech und Speech-to-Text
• Guardrailing-Modelle sowie Sicherheits- und Klassifizierungsmodelle

Es bedeutet, dass Kunden keinen fragmentierten Referenz-Stack über Identität, Secrets, Observability, Queue-Orchestrierung, Vektor-Suche, Objektspeicher, Inferenz-Serving, Service-Mesh und Agenten-Orchestrierung zusammenbauen und warten müssen. Galene.AI liefert eine integrierte Architektur, die unter den Open-Source-Bausteinen PostgreSQL mit pgvector und Apache AGE, Keycloak, Temporal, Redis, MinIO, Vault, Prometheus, Grafana, Istio und vLLM umfasst. Darüber hinaus bieten proprietäre Schichten wie Generative Nexus, Generative Pillars und Generative Shield Orchestrierung, agentische Fähigkeiten, Laufzeit-Steuerung und skalierbares Inferenz-Management.

Ja. Basierend auf der Webinar-Q&A ist es derzeit möglich, bis zu zwei GB10-Server in einer Cluster-Konfiguration zu verbinden.

Galene.AI verfolgt einen kontinuierlichen Benchmarking-Ansatz, um ein kuratiertes Portfolio von Open-Weight-Modellen auszuwählen und zu betreiben, das vollständig innerhalb des Kundenperimeters laufen kann. Modellentscheidungen werden anhand praktischer, produktionsrelevanter Kriterien bewertet, wie Antwortqualität bei repräsentativen Aufgaben, Latenz und Durchsatz unter Parallelität, GPU-Speichereffizienz und Stabilität über lang laufende Workloads.

Das Benchmarking wird über den gesamten Delivery-Stack durchgeführt, nicht nur über das Rohmodell. Dazu gehören Model-Serving-Konfiguration, Quantisierung und Inferenz-Optimierungen, Safety- und Guardrailing-Schichten sowie Retrieval-Pipelines, wenn RAG verwendet wird. Das Ergebnis ist ein validierter Satz von Modellkonfigurationen, die Kunden mit vorhersagbarer Leistung und operativem Verhalten übernehmen können, während die Souveränität durch die Vermeidung einer zwingenden Abhängigkeit von extern gehosteten APIs gewahrt bleibt.

Galene.AI generiert nicht direkt DOCX-, XLS- oder PDF-Dateien als native Ausgaben. Es kann den Textinhalt erzeugen, und die Dokumentgenerierung kann über n8n-Workflows unter Verwendung von Vorlagen automatisiert werden, um Formate wie PDF- und Excel-Dateien zu erzeugen.

Ja. Galene.AI kann die Ausschreibungsanalyse über No-Code-Agenten unterstützen, indem Retrieval über die Ausschreibungsdokumente für eine erste Bewertung verwendet wird. Für komplexere Fälle kann eine Kette fortschrittlicher Agenten implementiert werden, was benutzerdefinierten Code oder Workflow-Design erfordern kann. Der Lösungsansatz hängt von der Struktur der Ausschreibung, dem Volumen und dem erforderlichen Maß an Auditierbarkeit und Steuerung ab.

Ja. Die Q&A des Webinars weist darauf hin, dass KI in BI-Tools integriert werden kann, um die natürlichsprachliche Interaktion mit Dashboards, die Anomalieerkennung und tiefergehende Analyse-Workflows zu unterstützen. Die Implementierung hängt typischerweise davon ab, wie Daten und Dashboards in der Kundenumgebung offengelegt und gesteuert werden.