Ihr Unternehmenswissen. Ihre Hardware. Ihre KI.
RAGnaroX beantwortet Fragen aus Ihren Dokumenten, Tickets und Wikis und führt auf Wunsch Aktionen in Ihren Systemen aus. Der auditierbare Stack läuft vollständig lokal, ohne Cloud-Abhängigkeit und ohne kommerzielle Modell-APIs.
WISSENSCHAFTLICH EVALUIERT
MESSBARE LEISTUNG AUF EIGENER HARDWARE
On-Premises – Ihre Daten bleiben in Ihrem Netzwerk
Context Precision@5 bei Single-Hop-Fragen
Antwortzeit mit Modellen unter 5 Mrd. Parametern
peer-reviewt und wissenschaftlich publiziert
Unternehmenswissen liegt verstreut in Fileservern, Wikis, Ticketsystemen und E-Mails. Externe KI-Dienste machen vertrauliche Inhalte, laufende Anfragekosten und Auditierbarkeit zugleich zum Risiko.
Retrieval-Augmented Generation prüft vor jeder Antwort Ihre eigenen Quellen. Über das Model Context Protocol kann RAGnaroX anschließend freigegebene Aktionen ausführen. Modelle, Daten und Verarbeitung bleiben dabei unter Ihrer Kontrolle.
RAGnaroX verbindet Datensouveränität mit kalkulierbarem Betrieb und nachvollziehbaren Ergebnissen.
Modelle laufen lokal über llama.cpp. Dokumente, Fragen und Antworten müssen Ihr Netzwerk zu keinem Zeitpunkt verlassen.
Keine Gebühren pro Token und kein Modell-Vendor-Lock-in. Kompakte Sprachmodelle liefern Leistung auf handelsüblicher Hardware.
Jede Antwort enthält die verwendeten Quellstellen. Der offene Rust-Stack macht Verarbeitung und Ergebnisse nachvollziehbar.
Überall dort, wo Teams täglich nach Informationen suchen, macht RAGnaroX verteiltes Wissen direkt nutzbar – mit Quellen und optionalen Aktionen.
Antworten aus Produktdokumentation und Ticket-Historie finden und neue Issues direkt im Chat anlegen.
Architekturentscheidungen, Konfigurationen und offene Issues über GitLab, Redmine, Wikis und Dateien hinweg abfragen.
Richtlinien, Prozessbeschreibungen und Formulare per natürlicher Frage auffindbar machen.
Normen, Arbeitsanweisungen und Prüfprotokolle als belegbare, durchsuchbare Wissensbasis nutzen.
Vertrauliche Verträge, Vereinbarungen und Richtlinien lokal auswerten, ohne Dokumente an externe KI-Dienste zu senden.
Rust-Microservices, kompakte Sprachmodelle und eine hybride Retrieval-Pipeline bilden einen modularen Stack für Ihre Infrastruktur.
Dateien, PDFs, Wiki-Seiten, E-Mails sowie GitLab- und Redmine-Inhalte werden modular integriert und in Markdown überführt.
Dokumente werden entlang ihrer Überschriften in sinnvolle Abschnitte geteilt und mit Quelle sowie Zeitstempel gespeichert.
BM25 und semantische Suche ergänzen sich; Duplikate werden entfernt und Treffer durch ein spezialisiertes Modell neu sortiert.
Ein kompaktes Modell erzeugt die gestreamte Antwort mit Belegstellen oder entscheidet über einen kontrollierten MCP-Funktionsaufruf.
RAGnaroX macht gefundenes Wissen operativ nutzbar. Registrierte Funktionen werden über den offenen MCP-Standard aufgerufen; Ergebnisse fließen zur Prüfung zurück in den Chat.
Die getestete Zielkonfiguration ist ein handelsüblicher Rechner mit 64 GB RAM und 24 GB VRAM, etwa einer NVIDIA RTX 4090. Bessere kompakte Modelle lassen den Bedarf weiter sinken.
Die gemeinsame Arbeit mit der Universität Innsbruck wurde als peer-reviewtes Demonstrations-Paper für die ICSE 2026 publiziert. Gemessen wurde mit RAGAS auf einer NVIDIA RTX 4090.
| Metric | Single-hop | Multi-hop |
|---|---|---|
| Context Precision | 0,90 @5 | 0,42 @4 |
| Context Recall | 0,94 @5 | 0,52 @4 |
| Antwortzeit (< 5B) | < 2,5 s | < 3,8 s |
Qwen3 mit 4 Mrd. Parametern erreichte bei einfachen Fragen die höchste Faithfulness (0,86) und Answer Relevancy (0,82). Die schwächeren Multi-Hop-Werte zeigen zugleich klar, wo Knowledge-Graph-Integration die nächste Ausbaustufe bildet.
Ein cloudbasiertes Produktivsystem lag beim Context Recall@10 um 7% vorn; die Antwortrelevanz war nahezu gleich. RAGnaroX näherte sich damit kommerzieller Qualität auf realen Daten – lokal und auditierbar.
RAGnaroX entsteht im ITEA4-Projekt GENIUS, gefördert durch die FFG unter der Fördernummer 921318, in Zusammenarbeit mit dem Institut für Informatik der Universität Innsbruck.
In Grambach bei Graz entwickeln wir spezialisierte Software und Forschungsprojekte für Leitbetriebe und KMU.
Embedded Systems, Big Data und Microservices: technisch anspruchsvolle, hardwarenahe Software ist unsere Kernkompetenz.
Wir verbinden Universitäten, Fachhochschulen und Industrie und bringen anwendungsnahe Ideen zur Förder- und Produktreife.
RAGnaroX bündelt diese Stärken zu lokal gehosteter KI für den Mittelstand – entwickelt, integriert und begleitet von demselben Team.
Ob Erstgespräch, Live-Demo mit einem Ausschnitt Ihrer Daten oder Fragen zur Einführung: Wir klären in 30 Minuten, welche Quellen und Abläufe den größten Hebel bieten.
Teslastraße 4 · 8074 Grambach · Österreich
Persönlich. Technisch fundiert. Lösungsorientiert.
Route planen