Partner of the AIC Group

Our

Partner!

Partnerships for constantly new solutions and interfaces for our customers.

Grafik AIC Group - Mann und Frau klatschen sich ab

AIC Group – Partner

Strategic partners for business success.

Strategic partnerships enable us to consistently provide our customers with the latest solutions and interfaces. Whether in the field of email marketing, data integration and visualization, or database management systems, our partners stand for the highest quality, reliability, and expertise in order to offer our customers the best business intelligence solutions and CRM services.

What can you and we do to develop partnership-based business models that benefit both your customers and ours? If you also work in customer management, CRM, or business intelligence and have an interesting business idea, we should get to know each other!

decoration only

An overview of our partners

Who we work with.

Airship & Accengage are now one – The marketing and digital experience teams of thousands of the world’s most respected companies rely on Airship’s app experience platform to build deeper connections with customers through highly relevant, orchestrated messages across every channel.

b.telligent is a technology-independent consulting firm specializing in business intelligence, customer relationship management, data warehousing, big data, data science, and cloud technologies. It has six locations in Germany.

EXASOL AG is a German software company offering a high-speed, high-performance database for business intelligence applications in the B2B sector. The EXASolution database was developed specifically for analytical use.
Google´s: mission: to organize the world’s information and make it universally accessible and useful. Technology, tools, resources, and tips to help make the internet safer for everyone.
Inxmail is a strong and trusted partner of the AIC Group. It offers email delivery in accordance with the CSA’s high delivery standards. The CSA certifies senders of commercial emails who adhere to high quality standards. CSA certification provides deliverability advantages with ESP providers. These advantages are leveraged by the AIC Group’s email marketing solution for maximum delivery success.
Knistr is the German market leader for loyalty systems and part of Ingenico Payment Services (formerly easycash), one of the world’s leading providers of payment solutions. It offers card-based customer loyalty and gift voucher solutions, with payment and credit card functions available on request, all from a single source.

As a leading global provider of business intelligence technology, Strategy (formerly MicroStrategy) offers integrated reporting, analysis, and monitoring software that enables companies to analyze their data and make decisions.

Optimizely (formerly episerver) is one of Europe’s market leaders in professional and innovative email marketing. Founded in 2001, Optimizely stands for top performance in direct marketing via email—and, as a true multi-channel service provider, also via SMS and fax.

Talend is one of the largest providers of data management and application integration solutions. In addition to its own open source software, Talend also offers a wide range of middleware solutions.

With its Realtime Decisioning Engine (RDE), GK (formerly Prudsys) offers a system for real-time personalization, with around 670 million personalized recommendations worldwide every day. Real-time personalization is used, among other things, to recommend the next best product (next best offer) or the next best activity (next best activity).

A consulting firm with a high level of implementation expertise and a strong customer focus. The company’s main areas of focus are consulting, IT strategy and planning, and the implementation of DWH, BI, and CRM projects. Trevisto provides impetus in the areas of digitalization, conventional and digital marketing, customer management, and Industry 4.0.

Uniserv is an international provider of data quality solutions for the most demanding requirements. Its offering covers all key data quality functions, with a particular focus on the customer data quality process in large databases.

Alle reden über Agentic AI. Wir haben einfach angefangen.

Vor einigen Monaten haben wir bei der AIC Group GmbH begonnen, intern einen KI-Agenten aufzubauen. Nicht als formales Pilotprojekt. Nicht mit externer Agentur. Nicht über ein IT-Ticket.

Dass das Thema gerade überall ist, war auch auf der OMR in Hamburg deutlich zu spüren: Keynotes, Podiumsdiskussionen, Pausengespräche. Was uns dabei auffiel: Viele Unternehmen wissen, dass sie sich mit Agentic AI auseinandersetzen sollten. Aber der Einstieg fühlt sich oft groß an. Nach IT. Nach Budget. Nach externer Lösung. Nach Zeit, die gerade fehlt.

Genau dieses Muster kennen wir. Und wir wissen inzwischen aus eigener Erfahrung: Es gibt einen anderen Weg.

Was wir gemacht haben

Der Use Case: Content Creation. Konkret die Planung und Ausarbeitung unserer LinkedIn- und Instagram-Posts.

Warum genau dieser Use Case? Weil er niedrigschwellig ist. Marketingcontent ist öffentlich zugänglich – er enthält keine vertraulichen Informationen, keine sensiblen Daten. Man braucht kein aufwändiges Datenprojekt, um zu starten. Was man braucht, ist ein klares Vorgehen.

Das Vorgehensmodell

Ein funktionierender Agent ist kein Zufallsprodukt. Er entsteht durch Entscheidungen – und durch Iteration. Unser Prozess folgt sechs Phasen.

Phase 1 – Rolle & Ziel definieren
Wofür soll der Agent eingesetzt werden? Was sind seine Aufgaben – und was ausdrücklich nicht? Ohne diese Klarheit bleibt der Agent generisch.

Phase 2 – System Prompt entwickeln
Der System Prompt ist das Herzstück. Er definiert Kontext, Rolle, Tonalität, Arbeitsweise und Qualitätsansprüche. Er macht den Agenten nicht kreativ – er macht ihn verlässlich.

Phase 3 – Wissensdatenbank aufbauen
Ein Agent ist nur so gut wie das Wissen, das ihm zur Verfügung steht. Wir haben dafür strukturierte Dokumente erstellt: Positionierungsgrundlagen, Sprachregeln, Designvorgaben, Redaktionspläne.

Drei Typen von Quellen haben sich dabei bewährt: strategisch-fachliche Dokumente, Stil- und Formatvorgaben sowie Planungsunterlagen.

Wissen schlägt Prompt-Länge.

Phase 4 – Skills entwickeln
Für wiederkehrende Aufgaben haben wir vordefinierte Arbeitsanweisungen entwickelt – sogenannte Skills. Sie sorgen dafür, dass der Agent konsistente, reproduzierbare Ergebnisse liefert, ohne jedes Mal neu instruiert zu werden.

Die Wissensdatenbank liefert das Was und Warum, der Skill das Wie.

Phase 5 – Arbeiten mit dem Agenten
Ein Agent ist kein Texter. Er ist ein Sparringspartner.

Dialog statt perfekter Prompts. Feedback statt Neuanfang.

Wer so arbeitet, kommt schneller zu besseren Ergebnissen.

Phase 6 – Kontinuierlich optimieren
Jeder falsche Output ist eine Lernchance. Die Optimierungsschleife – Fehler erkennen, Ursache identifizieren, nachschärfen – ist entscheidend für die langfristige Qualität.

Jeder falsche Output macht den Agenten besser.

Was wir dabei gelernt haben

Wir haben mit ChatGPT und Claude gearbeitet – zwei Modelle, die heute kaum noch erklärungsbedürftig sind. Was dabei klar wurde: Ein Modell schlägt nicht pauschal ein anderes. Es kommt auf den Kontext an. Die AIC Group GmbH berät tool-agnostisch – entscheidend ist das Vorgehen, nicht das Werkzeug. Was tatsächlich den Unterschied macht, ist nicht das Modell. Es ist die Qualität der Wissensbasis und die Klarheit des System Prompts. Und: Ein Agent entsteht nicht einmal. Er entwickelt sich durch Nutzung.

Das eigentliche Fundament

In Gesprächen mit anderen Unternehmen – und beim Besuch von KI-Anbietern, die uns ihre Lösungen vorstellen – beobachten wir dasselbe Muster immer wieder.

Viele Anbieter bauen Oberflächen, die genau das zugänglich machen, was einen Agenten ausmacht: System Prompt, Wissensdatenbank, vordefinierte Arbeitsanweisungen. Dahinter steckt ein Sprachmodell, ergänzt um Integrationen – in die Website, ins CMS, in bestehende Workflows.

Das ist kein schlechter Ansatz. Aber er löst eine Herausforderung nicht: Den Unterbau sauber aufzubauen.

Was soll der Agent wissen? Wie soll er kommunizieren? Welche Aufgaben soll er reproduzierbar erledigen? Diese Arbeit bleibt immer. Egal ob mit eigenem Agenten oder mit einem Dienstleister.

Genau das hat unsere Entscheidung bestätigt: Wir bauen den Unterbau selbst. Nicht weil wir Tools ablehnen – sondern weil wir verstehen wollen, was einen guten Agenten ausmacht. Und weil dieses Wissen wiederverwendbar ist. Für den nächsten Use Case. Und den übernächsten.

Warum das für andere Unternehmen relevant ist

Content Creation ist ein Einstieg. Das Vorgehensmodell ist übertragbar. Was auf der OMR sichtbar wurde – und was wir seit Monaten in Gesprächen erleben: Der Wille zur Auseinandersetzung mit Agentic AI ist da. Was fehlt, ist ein konkreter, machbarer Einstieg. Kein Tool-Vertrieb. Keine Versprechen, die zu groß sind. Wenn ihr überlegt, wo euer erster Use Case liegen könnte: Schreibt uns gerne auf LinkedIn. Wir teilen unser Vorgehen gern.