Unser Partner Stackit

Die europäische Cloud an unserer Seite.

Die AIC Group ist Partner von STACKIT, dem europäischen Hyperscaler aus dem Hause Schwarz. Eine Partnerschaft für Kunden, deren Daten in Europa bleiben sollen.

Partnerschaft

Daten, die in Europa bleiben

Plattform

STACKIT ist die Cloud von Schwarz Digits, der IT-Sparte der Schwarz Gruppe, zu der Lidl und Kaufland gehören. Rechenzentren ausschließlich in Deutschland und Österreich, europäisches Recht, unabhängig von externen Investoren. Skalierbar, sicher, souverän.

AIC als Partner

Die Frage, wo Daten liegen, kommt in unseren Gesprächen immer früher. Mit der Partnerschaft zu STACKIT haben wir dafür eine europäische Antwort an unserer Seite – und einen Partner, dessen Cloud Strategy als Sovereign European Cloud trägt.

Daten liegen in Rechenzentren in Deutschland und Österreich, betrieben von einem europäischen Unternehmen nach europäischem Recht. Für regulierte Branchen ist das häufig die Frage, die vor allen anderen kommt.

STACKIT ist unter anderem nach ISO 27001 und BSI C5 geprüft und richtet sich mit seinem Angebot an Branchen mit besonderen Anforderungen, etwa den öffentlichen Sektor, das Gesundheitswesen und Finanzdienstleister.

Rechenleistung, Speicher, Datenbanken, Kubernetes sowie Daten- und KI-Dienste als verwaltete Services – aus einer europäischen Infrastruktur. Den vollständigen Servicekatalog finden Sie direkt bei STACKIT.

Strategy (vormals MicroStrategy) betreibt seine Sovereign European Cloud auf STACKIT. Für Strategy-Kunden ist das eine Option, Business Intelligence in einer europäischen Cloud zu betreiben. Mehr dazu auf unserer Strategy-Seite.

Sie haben Fragen zu STACKIT oder zu unserer Partnerschaft?

Dann sprechen Sie mit uns!

Jörg Heydorn

Ihr Ansprechpartner zum Thema STACKIT

FOLGEN SIE UNS ...

Marketing Automation

Agentic AI

Business Intelligence

Über uns

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.