Funktionen

Alles, was zwischen Modell und Produktion fehlt.

Jede Funktion in einem Satz für Entscheider, den Details für Ihr Plattform-Team und einer Aufnahme aus der echten Oberfläche.

Anwendung: Runtime

PII-Vault

Personendaten verlassen nie das Haus.

In einem Satz

Bevor ein Text an ein KI-Modell geht, ersetzt ATF Namen, IBANs, E-Mails, Telefonnummern und Gesundheitsangaben durch bedeutungslose Platzhalter – und setzt die echten Werte erst in der Antwort für Ihre Mitarbeitenden wieder ein.

Für Ihr Plattform-Team

Reversible Tokenisierung [[PII:…]] am Engine-Dekorator – gilt für Chat, Jobs, Trigger, Replay und Flow-as-MCP gleichermaßen
Detektor-Pipeline: Regex + Prüfsummen (IBAN, Steuer-ID, SV-Nummer, USt-ID), In-Process-NER, externer Presidio-kompatibler Dienst
Mapping pro Ausführung AES-256-GCM-verschlüsselt, an Execution-ID und Token gebunden (AAD)
PII_DETECTOR_FAIL_MODE=closed: fällt ein Detektor aus, geht die Anfrage nicht raus
Multimodal-Policy für Bilder (block, redact, describe) – explizit statt stillschweigend
Pro Flow konfigurierbar; auch MCP-Tools sehen nur Platzhalter

Dokumentation

Anwendung: Gate

MCP-Gate

Governte Werkzeuge statt Vollzugriff.

In einem Satz

Das Gate ist die Pforte zwischen KI und Ihren Systemen: Es stellt nur die Aktionen bereit, die Sie in einer Konfigurationsdatei freigeben – und jede schreibende Aktion kann einen Menschen verlangen.

Für Ihr Plattform-Team

Tools aus YAML: SQL (PostgreSQL, MySQL u. a.), HTTP, MQTT, Webhook, MCP-Proxy, Composite – ohne Code
Parameter werden immer gebunden, nie in SQL interpoliert; die verifizierte Identität fließt in die Abfrage
Policy-Regeln allow | deny | approval pro Tool, Zugriffsart, Scope, Gruppe oder Argument
Server-getriebene Freigaben über MCP 2026, verteilt über Redis, mit Trennung von Antragsteller und Freigebendem
Lese- und Schreibpfad getrennt (ask/act): eine Leseabsicht erreicht nie ein mutierendes Tool
Live-Monitor, Tool-Playground und Audit-Log; Tool-Inhalte standardmäßig nur als SHA-256-Digest

Dokumentation

Anwendung: Runtime · Gate · Control

Menschliche Freigabe

Silence never becomes an action.

In einem Satz

Will ein Agent Geld bewegen, Daten löschen oder etwas buchen, hält ATF an und fragt einen Menschen. Antwortet niemand rechtzeitig, wird die Aktion abgelehnt – nie stillschweigend ausgeführt.

Für Ihr Plattform-Team

Ausführung pausiert mit Tool, Mandant und geplanten Argumenten – Zugangsdaten sind nie Teil der Anfrage
Zwei Entscheidungsorte: Freigabe-Element in der Chat-Antwort und RBAC-geschütztes Postfach in Control
Fail-closed: APPROVAL_TIMEOUT_MS abgelaufen = abgelehnt
Clusterweit sichtbar mit Redis; der Entscheider kommt aus der verifizierten Identität
Optionale Vier-Augen-Regel (requireDifferentApprover) mit eigenem Scope
Jede Entscheidung inkl. Timeout im Audit-Log und als Metrik

Dokumentation

Anwendung: Runtime · Gate · Search · Control

Durchgängige Identität

Der Nutzer bleibt der Nutzer – bis in die letzte Datenbankzeile.

In einem Satz

Wer im Chat fragt, wird mit seiner echten Anmeldung bis ins Zielsystem durchgereicht. Ein Agent kann deshalb nie mehr sehen oder tun als die Person, für die er arbeitet – und jedes System weiß, ob ein Mensch oder ein Agent handelt.

Für Ihr Plattform-Team

OIDC für Endnutzer und Operatoren, JWT/JWKS mit mehreren Issuern und Issuer-zu-Mandant-Bindung
Passthrough: forwardAuthToken reicht das verifizierte Nutzer-Token an MCP-Server weiter
Token Exchange nach RFC 8693: pro Zielsystem ein eigenes Token mit eigener Audience und reduziertem Scope
Delegation mit act-Claim – Zielsysteme wie das Gate unterscheiden direkte Nutzeraktion und Agent im Auftrag
Transaktions-Token pro Tool-Aufruf, asymmetrisch signierbar (ES256/EdDSA) und per Audience auf genau einen Dienst begrenzt
Search und Gate werten nur die verifizierte Identität aus – nie ein Feld, das der Client mitschickt

Dokumentation

# FLOWS_DIR/mcp.yaml – one MCP server, user identity end to end
servers:
  - name: erp
    url: https://erp-gate.internal/mcp/v2026
    transport: http
    profile: "2026-07-28"
    forwardAuthToken: true            # pass the verified user token on …
    tokenExchange:                    # … exchanged per RFC 8693
      issuer: https://sso.example/realms/corp
      clientId: atf-runtime
      clientSecretEnv: MCP_TX_SECRET  # name of the env var, never the secret
      audience: erp-gate              # token valid for this system only
      scope: "openid erp:read erp:write"
      actor:                          # delegation: act.sub = Runtime
        grant: client_credentials
        clientId: atf-runtime-actor
        clientSecretEnv: MCP_TX_ACTOR_SECRET

Anwendung: Runtime · atf-verify

Signierte Nachweise

Compliance ist Beweis, keine Behauptung.

In einem Satz

Jede Ausführung kann als digital signiertes Beweis-Paket exportiert werden. Ihr Wirtschaftsprüfer prüft es auf seinem eigenen Laptop – ohne Zugang zu Ihrer Plattform und ohne Ihnen vertrauen zu müssen.

Für Ihr Plattform-Team

Evidence Bundle: Ausführung, Eingaben, Policy-Entscheidungen, Quellen und Antwort, Ed25519-signiert
Öffentlicher Schlüssel als JWKS unter /.well-known/atf-evidence-jwks.json – kein geteiltes Geheimnis
atf-verify prüft Bundles, Decision-Receipts (COSE_Sign1 + Merkle-Proof), Löschbelege, Release-Receipts und Audit-Exporte offline
Hash-verkettetes Audit-Log mit signierten Ankern; Manipulation ist nachweisbar
Debug-Trace mit flow_version, flow_digest und Subflow-Versionen – was lief, ist eindeutig
Strikte Algorithmus-Verzweigung: nie ein stiller Fallback zwischen Ed25519 und HMAC

Dokumentation

Anwendung: Runtime · Control

Policy as Code

Regeln, die vor der Ausführung greifen.

In einem Satz

Welche Daten zu welchem Anbieter dürfen, welche Aktionen eine Freigabe brauchen und wie lange etwas gespeichert wird, steht in einer prüfbaren Datei – und ATF hält sich daran, bevor ein Modell aufgerufen wird.

Für Ihr Plattform-Team

compliance-policy.yaml: Datenklassen, Provider-Regionen, Modell-Allow/Block, Freigaben, Aufbewahrung, Audit
Ungültige Policy beim Start = Chat antwortet 503 statt ohne Regeln zu laufen
Dry-Run und Policy-Replay gegen gespeicherte Ausführungen in Control
Löschung über alle Dienste (DSGVO Art. 17) mit signiertem Löschbeleg und ehrlichem partial-Status
Generiertes Compliance-Dossier: Policy, Ketten-Prüfung, Löschungen, Aufbewahrung, Evals, Red-Team-Score
Vorlagen für DSFA und Verarbeitungsverzeichnis sowie EU-AI-Act-Mapping im Repository

Dokumentation

Anwendung: Runtime · Control

Flows & Studio

KI-Abläufe, die man reviewen kann.

In einem Satz

Was ein Assistent oder Agent tut, ist ein Ablaufplan in einer Textdatei. Fachbereich und IT sehen ihn im Studio als Grafik, testen ihn per Klick und ändern ihn wie Quellcode – mit Versionsnummer.

Für Ihr Plattform-Team

Zwölf eingebaute Knotentypen: llm, tool, router, classifier, parallel, retrieval, memory, agent-harness, transform u. a.
Bedingte Kanten über einen sicheren Ausdrucks-Evaluator – kein eingebetteter Code
Hot Reload aus FLOWS_DIR, JSON-Schema-Validierung, CI-Pflicht für metadata.version-Bumps
Studio: Canvas, Prompt-Editor, Variablen, Drafts, Copilot-Vorschläge als Overlay, Run & Trace pro Knoten
Flow als MCP-Server, Webhook- und Zeit-Trigger, asynchrone Jobs mit Lease-Recovery
Release-Gate mit Bench-Datei und Ed25519-signiertem Release-Receipt

Dokumentation

Anwendung: Runtime

Agent-Harness

Mehrschrittige Agenten mit Budget und Prüfer.

In einem Satz

Für komplexe Fragen zerlegt ein Planer die Aufgabe in Teilschritte, verteilt sie an spezialisierte Bausteine und plant mit den Ergebnissen neu – bis ein Prüfer das Ergebnis abnimmt oder ein Budget erreicht ist.

Für Ihr Plattform-Team

Planer/Worker-Schleife: delegiert nur an Knoten aus einer allowlist, nie an beliebige Tools
Harte Grenzen: maxIterations, maxCost, maxTimeMs, Delegationstiefe, parallele Tasks
Verifikation durch einen Reviewer-Knoten mit Pass-Signal, optional fail-closed
consequentialTargets: Delegationen an folgenreiche Knoten pausieren für eine menschliche Freigabe
Plannerless-Modus mit deterministischer Coverage-Queue für erschöpfende Recherche über einen Korpus
Fortschritt als atf.progress-Event mit Phase, Coverage und ETA – im Stream, Trace und Job-API

Dokumentation

- id: research
  type: agent-harness
  label: Recherche-Agent
  config:
    allowlist: [search_contracts, search_mail, summarize]
    maxIterations: 8
    maxCost: 0.50
    maxTimeMs: 180000
    maxConcurrentTasks: 3
    consequentialTargets: [notify_customer]   # pauses for approval
    verification:
      target: reviewer
      passSignal: APPROVED
      failClosed: true

Anwendung: Runtime

Guided Decoding & strukturierte Ausgaben

Antworten in der Form, die Ihr System erwartet.

In einem Satz

Wo eine Antwort weiterverarbeitet wird – etwa eine Einstufung oder ein Datensatz –, zwingt ATF das Modell in ein festes Format. So entsteht kein „fast richtiges“ JSON, das in Ihrem System zu Fehlern führt.

Für Ihr Plattform-Team

outputSchema und classifier: JSON-Schema per nativem Structured Output (response_format: json_schema) – Constrained Sampling auf vLLM, LM Studio und Cloud-Providern
Fallback ohne native Unterstützung: Schema-Hinweis plus toleranter Parser
Modell-Pools rotieren bei unparsbarer Antwort zum nächsten Modell, sonst greift config.fallback
Reasoning-Modelle: JSON, das im Thinking-Kanal landet, wird erkannt und sicher übernommen – ohne Gedankengang zu leaken
finalAnswerContract: nur der Text zwischen zwei Markern ist die Antwort; Plan und Notizen werden verworfen
Klassifikation steuert Routing über bedingte Kanten – ohne eingebetteten Code

Dokumentation

- id: triage
  type: classifier
  classifierSchema:
    classKey: intent
    schema:
      type: object
      properties:
        intent: { type: string, enum: [claim, question, complaint] }
        urgency: { type: string, enum: [low, normal, high] }
      required: [intent, urgency]

- id: extract_claim
  type: llm
  config:
    outputSchema:
      name: claim
      schema:
        type: object
        properties:
          policyNo: { type: string, pattern: "^[A-Z]{2}-\\d{6}$" }
          amount:   { type: number, minimum: 0 }
        required: [policyNo, amount]

Anwendung: Search

Search

Unternehmens-RAG auf PostgreSQL.

In einem Satz

ATF findet in Ihren Dokumenten die Stellen, auf die sich eine Antwort stützen muss – und zeigt nur Dokumente, die die fragende Person auch sehen darf.

Für Ihr Plattform-Team

Hybrid: pgvector-Dichte + Volltext, fusioniert per Reciprocal Rank Fusion; optional SPLADE-Sparse
Reranking, HyDE, semantisches und Late Chunking, kontextuelle Präfixe – einzeln schaltbar
retrieve_for_answer: Teilfragen, Fusion, Deduplizierung, Token-Budget, Passagen als untrusted markiert
Zugriff über verifizierte Identität und Gruppen, mandantengetrennt per Row-Level-Security
Collections mit eigener Sprachkonfiguration, stabile Score-Keyset-Paginierung
Embedding-Drift-Schutz: Modellwechsel ohne Reindex schlägt laut fehl

Dokumentation

Anwendung: Search

Dokumentversionen & Zeitreisen

Was galt am 1. März – und was hat sich seitdem geändert?

In einem Satz

Richtlinien, Verträge und Handbücher ändern sich. ATF behält jede Version und beantwortet Fragen auf Wunsch so, wie der Stand zu einem bestimmten Datum war – und zeigt, was sich zwischen zwei Daten geändert hat.

Für Ihr Plattform-Team

X-Valid-From pro Dokument, Abfrage mit X-Valid-At (Stand zu einem Zeitpunkt) oder X-Include-All-Versions
Versionsreihenfolge numerisch (1.10 > 1.9), dann nach Datum – eine ältere Version wird nie zur aktuellen
document_diff: Abschnitte, die zwischen zwei Zeitpunkten hinzugekommen, entfallen oder geändert sind
trace: verfolgt einen Bezeichner (z. B. eine Klausel-ID) über zwei Zeitpunkte durch alle Dokumente
Atomarer Revisionswechsel; progressive Revisionen sind schon während der Verarbeitung durchsuchbar
Derselbe valid_at-Vertrag in Retrieval-Eval und den MCP-Tools – mit denselben Rechten pro Dokument

Dokumentation

# Current version
curl -H 'X-Collection: policies' --data 'retention' https://search.internal/search

# As it stood on 1 March 2026
curl -H 'X-Collection: policies' \
     -H 'X-Valid-At: 2026-03-01T00:00:00Z' --data 'retention' https://search.internal/search

# What changed in one document between two dates
GET /v2/documents/policies:retention/diff?collection=policies
    &from=2026-01-01T00:00:00Z&to=2026-10-01T00:00:00Z

Anwendung: Extract

Extract

Dokumente, die ein Modell wirklich versteht.

In einem Satz

ATF verwandelt PDFs, Office-Dateien, Scans und E-Mails in sauber strukturierten Text mit Seiten, Tabellen und Abbildungen – damit Antworten auf die richtige Seite verweisen.

Für Ihr Plattform-Team

PDF, DOC/DOCX, XLS/XLSX, PPTX, VSDX, HTML, Bilder, BPMN 2.0, EML/MSG/mbox
Textebene ist maßgeblich für den Wortlaut, die gerenderte Seite für die Struktur
## Seite N-Marker, Abbildungen mit Geometrie, Tabellen mit verbundenen Zellen
Gehärtet gegen feindliche Dokumente: ZIP-Limits, keine Makros, isolierter Konverter, prlimit
Seitenfenster, Job-Lanes, abgeleiteter PDF-Cache, Tagesbudget für Vision-Seiten
Qualitäts-Eval (CER, Heading-F1, TEDS) als Gate

Dokumentation

Anwendung: Extract · Search

E-Mail-Threads & Deduplizierung

Postfächer, ohne dass jede Antwort den Verlauf doppelt mitschleppt.

In einem Satz

ATF liest E-Mails und ganze Postfächer, ordnet Antworten ihren Gesprächen zu und entfernt zitierte Verläufe, die schon vorhanden sind. Antworten stützen sich so auf jede Aussage genau einmal – statt auf zehn Kopien derselben Mail.

Für Ihr Plattform-Team

EML, MSG (Outlook) und mbox nativ, ohne Modellaufruf; ein mbox wird in einzelne Nachrichten zerlegt
Signaturen werden entfernt; zitierter Verlauf nur dann, wenn die zitierte Nachricht bereits in der Collection liegt – sonst bleibt er als „Zitierter Verlauf“ erhalten
Inline-Antworten behalten genau die Zeilen, auf die sie antworten
Threading über Message-ID, In-Reply-To, References und Outlook-Thread-Index; Anhänge gehören zum Thread
Duplikate per SHA-256, Texthash und Message-ID, Fast-Duplikate per MinHash – nur innerhalb derselben Rechte
Treffer pro Thread gruppiert; get_thread liest einen Verlauf chronologisch mit Quellen pro Nachricht

Dokumentation

# A mailbox export: one document per message, threads linked
curl -X POST https://search.internal/ingest-file \
     -H 'X-Collection: support-mail' \
     -H 'X-Reference: postfach-2026-10.mbox' \
     -H 'Content-Type: application/mbox' \
     --data-binary @postfach-2026-10.mbox

# One hit per conversation instead of ten copies of the same mail
curl -H 'X-Collection: support-mail' -H 'X-Group-By-Document: true' \
     --data 'Lieferverzug Auftrag 4711' https://search.internal/search

Anwendung: Outpost

Outpost

Dokumente kommen zu ATF – nicht umgekehrt.

In einem Satz

Ein kleiner Synchronisations-Agent läuft bei Ihnen – auf dem Fileserver oder als Desktop-App – und schiebt Ordner, S3, Google Drive oder Dropbox in die Plattform. Die Cloud bekommt nie Lesezugriff auf Ihre Quellen.

Für Ihr Plattform-Team

Eine Sync-Engine (outpost-core) für Docker-Daemon und Desktop-App
Spiegeln mit Bremse: große Löschmengen pausieren bis zur Bestätigung des exakten Kandidaten-Hashes
Least Privilege: Read-only-Scopes, nur extract.ingest
Desktop: Tokens im OS-Schlüsselbund, WebView sieht keine Zugangsdaten
Jedes Secret auch als _FILE; der Logger schwärzt registrierte Secrets
Health-Endpunkt für das Monitoring

Dokumentation

# /config/outpost.yaml
extractUrl: https://extract.internal
collection: handbook
syncIntervalSec: 900
mirrorDelete: true          # deletions propagate …
deleteThresholdPercent: 20  # … large sets wait for confirm-deletes
sources:
  - id: werk-handbuecher
    type: local
    path: /sources/handbuecher
    allowedGroups: [instandhaltung]
  - id: qm-bucket
    type: s3
    bucket: qm-dokumente
    region: eu-central-1

Anwendung: Runtime · Search · Gate

Guardrails & Red Teaming

Auch der Rückkanal wird geprüft.

In einem Satz

ATF prüft nicht nur, was Nutzer eingeben, sondern auch, was aus Dokumenten und Werkzeugen zurückkommt – denn dort verstecken Angreifer ihre Anweisungen. Und es greift sich regelmäßig selbst an.

Für Ihr Plattform-Team

Input- und Output-Guardrails mit Muster- und Modellerkennung
Tool-Output-Validator scannt MCP-Ergebnisse und RAG-Chunks auf indirekte Prompt-Injection
Taint über Dienstgrenzen: nach einem Fund braucht jedes nicht-lesende Tool eine Freigabe
Spotlighting: abgerufene Passagen erreichen das Modell als markierter Untrusted-Block
Deklarative Tool-Autorisierung, fail-closed; Egress-Policy für Tool-Traffic
Kontinuierliches Red Teaming mit Angriffsbibliothek und Posture-Score

Dokumentation

Anwendung: Control · Runtime

Observability

Jede Antwort hat einen Lebenslauf.

In einem Satz

Für jede KI-Antwort sehen Sie, welcher Ablauf in welcher Version lief, welche Quellen und Modelle beteiligt waren, wie lange es dauerte und was es kostete.

Für Ihr Plattform-Team

OpenTelemetry-Traces, Prometheus-Metriken, strukturierte Logs mit Schwärzung
Debug-Trace pro Ausführung mit Knotenzeiten, Modellaufrufen und Policy-Entscheidungen
Live-Graph über SSE/WebSocket mit Ticket-Autorisierung
Erklärkarte: Modell, Quellen, Policy, Routing – als Markdown oder signiertes Bundle
Governance-Posture-Report: welche Kontrollen aktiv sind, als ok/warn/fail
SLO-Tracking und Alert-Webhooks

Dokumentation

Anwendung: Runtime · Control

Kosten & Ausfallsicherheit

Planbare KI statt Überraschungsrechnung.

In einem Satz

ATF weiß, was jede Anfrage kostet, stoppt bei Budgetgrenzen und weicht automatisch auf einen anderen Anbieter aus, wenn einer ausfällt.

Für Ihr Plattform-Team

Kosten pro Mandant, Tag, Modell, Nutzer und Flow; Prognose und CO₂-Bilanz
Harte Tagesbudgets und Budgets pro Lauf (maxTokens, maxToolCalls, maxWallMs)
Zielgetriebenes Routing und Modell-Kaskade: günstig zuerst, eskalieren bei schwacher Evidenz
Fallback-Ketten mit Circuit Breaker, Modell-Pools, Sticky Pools für Prefix-Caches
Drei Cache-Ebenen; Idempotenz verhindert doppelte Aktionen
Priorisierte Warteschlange, Rate-Limits pro Identität und Nutzer

Dokumentation

Anwendung: Runtime · Control

Qualität: Eval, Canary, Shadow

Änderungen messen, bevor Nutzer sie spüren.

In einem Satz

Bevor eine neue Version eines Assistenten live geht, wird sie gegen echte Beispiele geprüft, zunächst nur für einen Teil der Anfragen ausgerollt oder unsichtbar parallel getestet.

Für Ihr Plattform-Team

Eval-Datensätze, Judge-Scoring, Matrix-Runs; strukturierte Assertions (toolCalled, jsonPath, …)
Canary-Promotion und Rollback nach Kriterien
Shadow Mode auf echtem Traffic – Nutzer erhalten immer die stabile Antwort
Replay früherer Ausführungen; Shadow und Replay wiederholen nie Seiteneffekte
Selbstoptimierende Schleife hinter Canary-Gate, begrenzt durch Drift-Guard
Groundedness-Prüfung gegen die abgerufenen Quellen

Dokumentation

# flows/bench/support-rag.bench.yaml
version: 1
flow: support-rag
thresholds:
  passRate: 0.95
  maxLatencyMsP50: 4000
cases:
  - id: filter-interval
    messages:
      - { role: user, content: "Wie oft muss der Filter gewechselt werden?" }
    assert:
      - { type: contains, value: "500" }
      - { type: toolCalled, name: "vectorsearch/search", min: 1 }
      - { type: noDiagnostic, code: loop_blocked }

$ bun run scripts/cli.ts flows release support-rag \
    --signing-key-file release.pem

Anwendung: Runtime · Search · Gate

Mandanten & Zugriffskontrolle

Wer fragt, bestimmt, was sichtbar ist.

In einem Satz

Abteilungen, Tochterfirmen oder Kunden teilen sich eine Plattform, ohne die Daten der anderen zu sehen – durchgesetzt in der Datenbank, nicht nur in der Oberfläche.

Für Ihr Plattform-Team

Mandantentrennung mit PostgreSQL Row-Level-Security (TENANT_RLS_REQUIRED)
JWT/JWKS mit mehreren Issuern, Issuer-zu-Mandant-Bindung, OIDC mit Backend-Session
Trusted-Header nur aus konfigurierten Quellen (TRUSTED_IDENTITY_HEADERS)
BYOK: Provider-Schlüssel pro Mandant, verschlüsselt
RBAC aus Token-Claims; Agent-Identity-Broker mit Widerruf
Ein Betriebsprofil ATF_PROFILE=production verweigert unsichere Starts

Dokumentation

ATF_PROFILE=production
AUTHN_MODE=token
JWT_JWKS_URL=https://sso.example/realms/corp/protocol/openid-connect/certs
JWT_AUDIENCE=atf-runtime
JWT_ISSUER_TENANTS={"https://sso.partner.example":["partner-a"]}
TENANT_ISOLATION_ENABLED=true
TENANT_RLS_ENABLED=true
TENANT_RLS_REQUIRED=true
BYOK_ENABLED=true

Anwendung: Runtime

OpenAI-kompatibles API

Bestehende Clients, neue Kontrolle.

In einem Satz

Vorhandene Chat-Oberflächen und Anwendungen sprechen mit ATF wie mit einem bekannten KI-Dienst – nur dass jetzt alle Regeln dazwischen gelten.

Für Ihr Plattform-Team

/v1/chat/completions, /v1/responses, /v1/models, /v1/embeddings mit Streaming
Provider: OpenAI-kompatibel, Anthropic, Google, Azure OpenAI, AWS Bedrock, Ollama, LM Studio, vLLM
Kennzeichnung KI-generierter Antworten (AI_DISCLOSURE)
Signierte Webhooks und Rocket.Chat-Kanal mit Transactional Outbox
Contract-Pakete mit Kompatibilitätsgarantie und OpenAPI-Spezifikationen
Quickstart per Docker Compose mit Mock-Modell – ohne API-Key

Dokumentation

curl https://atf.example/v1/chat/completions \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "support-assistant",
    "stream": true,
    "messages": [{"role": "user", "content": "Status von Ticket #4711?"}]
  }'

Anwendung: Runtime

Open WebUI & Chat-Frontends

Die vertraute Chat-Oberfläche – mit allen Regeln dahinter.

In einem Satz

Mitarbeitende nutzen eine gewohnte Chat-Oberfläche wie Open WebUI. Jeder freigegebene Ablauf erscheint dort als eigenes „Modell“; Quellen, Freigaben und Fortschritt werden direkt im Chat angezeigt.

Für Ihr Plattform-Team

Flows erscheinen als Modelle über /v1/models; Streaming inklusive einklappbarem Reasoning-Block
Quellen als native, klickbare Zitate – nur die, auf die die Antwort tatsächlich mit [n] verweist
Freigabe-Element direkt im Chat (eingebettet, APPROVAL_FRAME_ANCESTORS auf die Open-WebUI-Origin begrenzt)
Identität aus Open WebUI: JWT per OAuth-Cookie oder Pipe-Metadaten, separate JWKS für das Inferenz-API
Knowledge und Functions aus Open WebUI als Client-Tools – pro Knoten abschaltbar (clientTools)
Bereinigung der Chat-Historie: UI-Artefakte früherer Antworten erreichen das Modell nicht als „Beispiel“

Dokumentation

# Open WebUI → Admin → Connections → OpenAI API
URL:   https://atf.example/v1          # every released flow is a "model"

# Runtime
APPROVAL_FRAME_ANCESTORS=https://chat.example   # approval widget in the chat
APPROVAL_BASE_URL=https://atf.example
MEDIA_BASE_URL=https://atf.example              # generated media as links
JWT_JWKS_URL=https://sso.example/.../certs      # user token from Open WebUI

Welche dieser Funktionen braucht Ihr Use-Case zuerst?

Architektur-Call vereinbaren Production-Ready AI Sprint