Mission Control Ihr Projekt live mitverfolgen, vom Kickoff bis zur Übergabe Meine Crew Ihre Rollen je Projekt 0 Warenkorb Ihre Auswahl, die Checkliste und der Weg zur Kasse 0 Anmelden Mit Ihrem Zugangscode zu Aufträgen und gespeicherten Plänen

Answer 42 — Plan

Vorab gerechnet

Answer 42

Drei mal 42 Stunden für Daten, Modell und Oberfläche: ein Sprachmodell auf Ihren eigenen Dokumenten, das mit Quellenangabe antwortet und die Rechte je Treffer beachtet. Vollzahlung vorab, Besetzung durch uns, Start binnen 42 Tagen.

Gerechnet am 19.09.2026 um 20:19 Uhr

Festpreis netto
16.842 €
Answer 42 126 Std.

So haben wir Sie verstanden

Ein RAG-System auf eigenen Dokumenten mit Quellenangabe und rechtebasierter Trefferfilterung soll gebaut werden.

Was der Prototyp enthält

Ein Dokumentenbestand indexiert, ein Chat-Interface beantwortet Fragen mit Quellenangabe und einfacher Rechteprüfung je Treffer.

Aufwands-Meter — 100 heißt maximaler Aufwand und maximaler Preis, keine Note.

KI-Integration mit Rechteprüfung je Treffer und unklarer Datenquelle ist deutlich aufwändiger als reine CRUD-Masken

Komponenten

  • Datenanbindung & Indexierung
  • Modell/Retrieval mit Rechteprüfung
  • Oberfläche mit Quellenangabe

Annahmen hinter dem Preis

  • Dokumente liegen in gängigem Format (PDF/Word) mit bestehenden Rechteattributen vor
  • Rechtemodell ist bereits definiert und maschinenlesbar auslesbar
  • Nutzerzahl und Dokumentenmenge sind überschaubar (kein Millionen-Dokumente-Szenario)

Was wir zu Beginn klären

  • Wie viele Dokumente und in welchem Format sollen indexiert werden?

Der Fahrplan — was in welcher Woche fertig ist

  1. Woche 1 Kickoff Abstimmung, Zugänge, Feinschnitt des Umfangs
  2. Woche 3 Datenanbindung & Indexierung 5,25 PT
  3. Woche 4 Modell/Retrieval mit Rechteprüfung 5,25 PT
  4. Woche 5 Oberfläche mit Quellenangabe 5,25 PT
  5. Woche 6 Abnahme Übergabe, vollständig vorab bezahlt

Lastenheft und Pflichtenheft

Ziel Nutzer erhalten auf Basis eigener Dokumente Antworten mit Quellenangabe, wobei nur berechtigte Treffer angezeigt werden.

Lösungsweg Ein RAG-Ansatz mit Dokumentenindexierung, Rechteprüfung je Treffer und einer serverseitig gerenderten Oberfläche mit KI-Anbindung.

  1. Was gefordert istDas System muss eigene Dokumente als Wissensbasis nutzen.
    Wie wir es umsetzenDokumente werden importiert, aufbereitet und in SQL Server samt Metadaten inklusive Rechteattributen gespeichert.
  2. Was gefordert istDas System muss Antworten mit Quellenangabe liefern.
    Wie wir es umsetzenEin Sprachmodell wird per KI-Anbindung angesteuert und liefert Antworten samt Verweis auf Quelldokument.
  3. Was gefordert istDas System muss Rechte je Treffer beachten und unberechtigte Treffer ausblenden.
    Wie wir es umsetzenRechteprüfung filtert Treffer vor Übergabe an das Sprachmodell serverseitig anhand hinterlegter Berechtigungen.
  4. Was gefordert istDas System muss über eine Oberfläche für Anfragen und Antworten verfügen.
    Wie wir es umsetzenRazor-Oberfläche in ASP.NET Core stellt Eingabe- und Antwortmaske inklusive Quellenanzeige bereit.

Rahmenbedingungen

  • Start des Prototyps binnen 42 Tagen nach Kauf
  • Vollzahlung vorab vereinbart
  • Besetzung durch den Auftragnehmer

Nicht im Umfang

  • Keine Mehrsprachigkeit über Deutsch/Englisch hinaus definiert
  • Kein automatisches Rechte-Provisioning aus Fremdsystemen
  • Kein produktiver Betrieb/Skalierung über Prototyp hinaus
  • Keine mobile App

Woran Sie die Abnahme messen

  • Testfrage liefert Antwort mit mindestens einer nachvollziehbaren Quellenangabe
  • Nutzer ohne Berechtigung erhält keinen Zugriff auf gesperrte Dokumentinhalte
  • Antwortzeit unter 10 Sekunden bei Testdatensatz
  • Prototyp lauffähig mit realem Dokumentenausschnitt vorführbar

Meilensteine

  • Woche 3: Datenanbindung & Indexierung
  • Woche 4: Modell/Retrieval mit Rechteprüfung
  • Woche 5: Oberfläche mit Quellenangabe
  • Woche 6: Abnahme

Technologien, die wir einsetzen

  • Microsoft.Extensions.AI
  • Entity Framework Core & Dapper
  • SQL Server 2025
  • ASP.NET Core MVC & Razor Pages
  • Vektor-Suche & RAG
  • Anthropic Claude & Azure OpenAI / OpenAI
  • Microsoft Agent Framework
  • KI-AnbindungSprachmodell beantwortet Fragen auf Basis der eigenen Dokumente
  • EF Core 10Zugriff auf Dokumenten- und Rechtemetadaten
  • SQL ServerSpeicherung von Dokumenten, Metadaten und Rechteattributen
  • ASP.NET Core MVCServer für Anfragemaske und Anbindung des Sprachmodells
  • Razor ViewsOberfläche zur Anzeige von Antwort und Quellenangabe
  • Vektor-Suche & RAGVektorsuche über Ihre Dokumente, mit Quellenangabe je Treffer
  • Anthropic Claude & Azure OpenAI / OpenAIDas Sprachmodell, das aus den Treffern antwortet
  • Microsoft Agent FrameworkDer Ablauf aus Suche, Rechteprüfung und Antwort

← Zurück zum Portfolio