Use Case: End-to-end Förderabwicklung in der öffentlichen Verwaltung: Von RAG über Agenten bis zur souveränen Enterprise-KI-Plattform

herbertwagger
vor 13 Stunden
7 Min. Lesezeit

Künstliche Intelligenz im Unternehmen wird oft noch immer auf einzelne Begriffe reduziert: Chatbot, Large Language Model, Copilot, RAG oder AI Agent. In produktiven Unternehmensumgebungen reicht diese Sichtweise jedoch nicht aus. Entscheidend ist nicht nur, welches Modell verwendet wird, sondern wie Wissen, Prozesse, Sicherheit, Governance und menschliche Kontrolle zu einer belastbaren Architektur verbunden werden.

Mit BubbleGPT verfolgt INTRANET Software & Consulting GmbH einen Plattformansatz: Unternehmenswissen bleibt kontrolliert innerhalb einer sicheren Umgebung, relevante Informationen werden über Bubble RAG gezielt bereitgestellt, Agenten unterstützen konkrete Aufgaben und Workflows, und kritische Entscheidungen können über Human-in-the-Loop nachvollziehbar geprüft und freigegeben werden.

Dieser Beitrag beschreibt die Solution Architecture hinter BubbleGPT anhand von drei typischen Architekturmustern:

Sovereign Platform for Funding Programs
Bubble RAG als Enterprise Retriever
Bubble AI Agentenplattform für Industriebetriebe

Der Antragsprozess: aus Uploads werden prüfbare Förderfälle

Im Förderprozess beginnt die Arbeit nicht erst im Backoffice. Bürger:innen, Unternehmen oder Gemeinden starten den Antrag im Förderportal, erfassen ihre Stammdaten, beschreiben die Maßnahme und laden die erforderlichen Unterlagen hoch – etwa Netzzugangsvertrag, Fertigstellungsmeldung, Abnahmeprotokoll, Rechnung und Zahlungsnachweis.

Bubble AI / BubbleGPT übernimmt danach die strukturierte Vorarbeit. KI-Agenten lesen die hochgeladenen Dokumente, erkennen relevante Daten, prüfen Vollständigkeit und Plausibilität und bereiten den Antrag für die weitere Bearbeitung auf. Aus einem Formular mit Anhängen wird dadurch ein strukturierter Förderfall.

Im HITL Control Center sieht der Sachbearbeiter anschließend nicht nur den Antrag, sondern auch die extrahierten Werte, Dokumentenstatus, Regelprüfungen, Hinweise auf fehlende Unterlagen und eine nachvollziehbare KI-Empfehlung. Die Entscheidung bleibt bewusst beim Menschen: genehmigen, ablehnen, Änderungen anfordern oder eskalieren.

So entsteht eine souveräne KI-gestützte Förderabwicklung: automatisiert in der Vorbereitung, transparent in der Prüfung und kontrolliert in der Entscheidung.

1. Warum Enterprise-KI mehr braucht als ein LLM

Large Language Models sind leistungsfähig, aber sie kennen nicht automatisch die internen Daten, Dokumente, Prozesse, Berechtigungen oder fachlichen Regeln eines Unternehmens. Wird ein Modell ohne kontrollierten Kontext eingesetzt, entstehen typische Risiken:

Antworten basieren auf unvollständigem oder falschem Kontext.
Interne Dokumente werden unkontrolliert in externe Tools hochgeladen.
Berechtigungen und Rollen werden nicht ausreichend berücksichtigt.
Quellen und Entscheidungswege bleiben schwer nachvollziehbar.
Tokenverbrauch und Betriebskosten steigen unnötig.
Agenten können auf Basis falscher Informationen falsche Aktionen auslösen.

Für produktive Enterprise-KI braucht es daher eine Architektur, die mehrere Ebenen integriert:

Ebene	Aufgabe
Daten- und Wissensebene	Dokumente, Datenbanken, E-Mails, ERP, CRM, DMS, SOPs
RAG / Retriever Layer	relevanten Kontext finden, filtern, gewichten und bereitstellen
LLM / Modell Layer	Antworten generieren, klassifizieren, strukturieren, planen
Agent Layer	Aufgaben ausführen, Tools verwenden, Workflows unterstützen
Governance Layer	Sicherheit, Rollen, Rechte, Audit, Monitoring, HITL
Integration Layer	Anbindung an ERP, DMS, E-Mail, Fachsysteme und Portale

BubbleGPT verbindet diese Ebenen zu einer kontrollierten Plattformarchitektur.

2. Sovereign Platform for Funding Programs

Die erste Architektur zeigt BubbleGPT als souveräne Plattform für Förderprogramme. Dieses Szenario ist besonders gut geeignet, um die Verbindung aus Bürger-/Antragsportal, Dokumentenverarbeitung, RAG, Agenten, HITL und Fachsystemintegration zu erklären.

Typische Eingangsquellen sind:

gesetzliche Grundlagen,
Förderrichtlinien,
Programmregeln,
Antragsformulare,
Beilagen,
Nachweise,
FAQ- und Wissensdatenbanken.

Diese Informationen werden nicht einfach direkt an ein Modell geschickt. Stattdessen werden sie innerhalb der Plattform verarbeitet, strukturiert, durchsucht und den Agenten kontrolliert zur Verfügung gestellt.

Zentrale Komponenten

Komponente	Funktion
Website Assistant / Funding Portal	Interaktion mit Bürgern oder Antragstellern
Intake Agent	Erfassung und Vorprüfung eingehender Anträge
Document Understanding Agent	Analyse von Formularen, PDFs, Tabellen und Beilagen
Eligibility / Rules Agent	Prüfung gegen Förderregeln und Richtlinien
RAG Agent	Abruf relevanter Wissens- und Kontextinformationen
SAP Agent	Anbindung an ERP-/Finanzprozesse
DMS Agent	Integration in elektronische Akten und Dokumentenmanagement
Notification Agent	Kommunikation, Statusmeldungen und Benachrichtigungen
HITL Control Center	menschliche Prüfung, Validierung und Freigabe
Audit Log / Monitoring	Protokollierung, Nachvollziehbarkeit und Reporting

Der entscheidende Punkt: Die Plattform ist nicht nur ein Chatbot. Sie ist eine souveräne Prozess- und KI-Infrastruktur, in der Agenten, RAG, lokale Modelle, externe Systeme und menschliche Freigaben zusammenspielen.

3. Bubble RAG: Der Golden Retriever für Unternehmenswissen

[Hier Screenshot 2 einfügen: Bubble RAG – Der Golden Retriever für Ihr Unternehmenswissen]

Bubble RAG ist der zentrale Wissens- und Kontextlayer der BubbleGPT-Plattform. Die Metapher des Golden Retrieverbeschreibt den Ansatz sehr gut:

Der Retriever bringt nicht möglichst viele Informationen, sondern genau den relevanten Kontext.

Das ist ein wesentlicher Unterschied zu einfachen Chatbot- oder Datei-Upload-Lösungen. In produktiven Unternehmensszenarien geht es nicht darum, möglichst viele Dokumente in ein Modell zu laden. Es geht darum, die richtigen Informationen kontrolliert, sicher und nachvollziehbar bereitzustellen.

Von Rohdaten zu relevantem Kontext

Bubble RAG verarbeitet unterschiedliche Datenquellen:

Dokumente wie PDF, DOCX, PPTX, TXT,
Datenbanken wie SQL, Oracle oder PostgreSQL,
E-Mails und Archive,
ERP-, PIM- und CRM-Systeme,
Workflows, Wikis, Intranets und Fachsysteme.

Diese Inhalte werden über eine mehrstufige Pipeline aufbereitet:

Dokumenten-ParsingExtraktion von Text, Tabellen, Strukturen und gegebenenfalls OCR.
Intelligentes ChunkingSemantische und strukturierte Aufteilung langer Dokumente.
Vektorisierung / EmbeddingsUmwandlung von Inhalten in semantisch durchsuchbare Repräsentationen.
Metadaten-AnreicherungErgänzung von Titel, Quelle, Datum, Kategorien, Berechtigungen und weiteren Kontextinformationen.
QualitätschecksPrüfung auf Duplikate, Format, Vollständigkeit und Verarbeitbarkeit.
Indexierung in der Vektor-DatenbankSpeicherung im Wissensindex, getrennt nach Mandanten, Workspaces oder Berechtigungskonzepten.

4. Warum der Retriever-Ansatz ein zentraler USP ist

Viele KI-Lösungen konzentrieren sich auf das Modell. BubbleGPT setzt bewusst früher an: beim Kontext.

Denn die Qualität einer Antwort oder Agentenentscheidung hängt wesentlich davon ab, welcher Kontext dem Modell zur Verfügung gestellt wird.

Der Bubble-RAG-Ansatz

Unternehmenswissen bleibt in der Bubble
        ↓
Bubble Retriever sucht relevanten Kontext
        ↓
Rechte, Metadaten und Filter werden angewendet
        ↓
Kontext wird reduziert, optional maskiert und optimiert
        ↓
Nur der notwendige Kontext geht an das Modell oder den Agenten
        ↓
Antwort, Aktion, Quellen und Audit

Das bringt mehrere Vorteile:

Vorteil	Wirkung
Mehr Sicherheit	Unternehmenswissen muss nicht vollständig an externe Modelle gesendet werden
Weniger Tokenverbrauch	Nur relevante Kontextfragmente werden verarbeitet
Geringere Kosten	Weniger unnötiger Modellkontext reduziert laufende Kosten
Bessere Qualität	Antworten basieren auf relevanten, geprüften Quellen
Mehr Governance	Rollen, Rechte, Mandanten und Quellen können berücksichtigt werden
Nachvollziehbarkeit	Antworten können mit Quellen, Zitaten und Audit Trail versehen werden
Souveräner Betrieb	Betrieb On-Prem, Private Cloud oder EU-Cloud möglich

Gerade bei Agentic AI wird dieser Punkt noch wichtiger: Ein Chatbot mit falschem Kontext gibt eine falsche Antwort. Ein Agent mit falschem Kontext kann falsche Aktionen auslösen.

Deshalb ist Bubble RAG nicht nur für Frage-Antwort-Assistenten relevant, sondern für die gesamte Agentenplattform.

5. RAG für Chatbot Agents und Workflow Agents

Ein häufiger Irrtum ist, RAG nur als Funktion für Chatbots zu verstehen. In BubbleGPT ist Bubble RAG jedoch der gemeinsame Kontextlayer für unterschiedliche Arten von KI-Anwendungen.

Bubble RAG unterstützt:

klassische Chatbot Agents,
Website-Assistenten,
interne Fachassistenten,
Dokumentenanalyse-Agenten,
Workflow Agents,
Supervisor-Agenten,
Multi-Agent-Systeme,
Human-in-the-Loop-Anwendungen.

Damit wird Bubble RAG zum Unternehmensgedächtnis der Agentenplattform.

Chatbot Agents können damit präzise Fragen beantworten. Workflow Agents können damit Dokumente prüfen, Prozessentscheidungen vorbereiten oder Daten aus unterschiedlichen Quellen zusammenführen. Supervisor-Agenten können damit Qualität, Plausibilität und Eskalationsbedarf beurteilen.

6. Bubble AI Agentenplattform für Industriebetriebe

Die dritte Architektur zeigt BubbleGPT als Agentenplattform für industrielle Prozesse. In Industriebetrieben entstehen KI-Potenziale meist nicht durch einen einzelnen Chatbot, sondern durch die Verbindung vieler Prozessschritte.

Typische Bereiche sind:

Kundenservice,
Auftragsanalyse,
Kalkulation,
Konstruktion und Arbeitsvorbereitung,
ERP-Validierung,
Auftragsbestätigung,
Fakturierung,
Logistik,
Einkauf,
Rechnungsprüfung,
Service und Support.

Die BubbleGPT-Plattform bildet in diesem Szenario die zentrale Daten- und KI-Schicht über bestehenden Systemen.

Wichtig ist:

BubbleGPT ersetzt nicht ERP, PIM, DMS, CRM oder BI-Systeme.BubbleGPT schafft eine intelligente Schicht darüber, die Wissen und Prozesse nutzbar macht.

7. Agenten mit klaren Rollen

In der Industriearchitektur werden verschiedene Agenten mit klar definierten Aufgaben dargestellt.

Beispiele:

Agent	Aufgabe
Supervisor-Agent	überwacht Agenten, Qualität und Eskalationen
Kundenservice-Agent	beantwortet Anfragen, FAQs und Terminfragen
Auftragsanalyse-Agent	liest E-Mails und PDFs, klassifiziert Aufträge
Kalkulations-Agent	unterstützt Angebot und Preisfindung
Konstruktions-/AV-Agent	prüft technische Machbarkeit und Stücklisten
ERP-Gatekeeper	validiert Kunden, Artikel und Verfügbarkeiten
Auftragsbestätigungs-Agent	erstellt und versendet Auftragsbestätigungen
Fakturierungs-Agent	erzeugt Rechnungen und Abrechnungen
Logistik-Koordinator	unterstützt Lieferscheine, Versand und Status
Einkaufs-Agent	erstellt Bestellvorschläge und Materialbedarfe
Rechnungsprüfungs-Agent	unterstützt 3-Wege-Abgleich und Freigabevorschläge
Service-/Support-Agent	bearbeitet Tickets und nutzt Wissenszugriff

Diese Agenten arbeiten nicht isoliert. Sie greifen auf zentrale Wissensbestände, Prozessdaten und externe Systeme zu. Bubble RAG liefert den relevanten Kontext. Das Bubble Control Center ermöglicht Freigaben, Validierung und Monitoring.

8. Human-in-the-Loop als Enterprise-Prinzip

In produktiven Unternehmensprozessen ist vollständige Autonomie nicht immer wünschenswert. Viele Entscheidungen erfordern menschliche Kontrolle, fachliche Bewertung oder rechtliche Verantwortung.

Deshalb ist Human-in-the-Loop ein zentraler Bestandteil der BubbleGPT-Architektur.

Mögliche HITL-Szenarien:

Freigabe eines Angebots,
Validierung einer Förderentscheidung,
Prüfung einer Rechnung,
Genehmigung einer Kundenantwort,
Eskalation bei Unsicherheit,
Korrektur eines extrahierten Datenfeldes,
Freigabe einer ERP- oder DMS-Aktion.

Der Mensch bleibt damit nicht außerhalb des Systems, sondern wird gezielt in kritische Prozesspunkte eingebunden.

https://www.youtube.com/watch?v=JwPkwcHyujU

9. Governance, Sicherheit und Betrieb über alle Ebenen

Eine produktive KI-Plattform muss nicht nur gute Antworten erzeugen, sondern auch kontrollierbar betrieben werden.

BubbleGPT berücksichtigt Governance und Betrieb über alle Ebenen:

Bereich	Bedeutung
Rollen & Rechte	fein granulierte Zugriffskontrolle
Workspace / Tenant Isolation	strikte Trennung von Daten und Mandanten
Verschlüsselung	Schutz von Daten in Transit und At Rest
Audit Trail	lückenlose Nachvollziehbarkeit
HITL	menschliche Freigabe kritischer Aktionen
Monitoring & Alerts	Überwachung von Leistung, Nutzung und Qualität
Deployment-Optionen	Azure, On-Prem, Private Cloud oder EU-Cloud
Model Flexibility	Nutzung verschiedener Modelle, inklusive lokaler Modelle

Diese Ebene ist besonders wichtig, weil sie den Unterschied zwischen einer Demo und produktiver Enterprise-KI ausmacht.

10. BubbleGPT als souveräne Agentic-AI-Plattform

Agentic AI bedeutet nicht einfach, möglichst viele Agenten einzusetzen. Entscheidend ist eine kontrollierte Orchestrierung:

Welcher Agent übernimmt welche Aufgabe?
Welche Daten darf er verwenden?
Welcher Kontext wird weitergegeben?
Wann wird ein Mensch eingebunden?
Welche Aktion darf automatisch erfolgen?
Welche Entscheidung muss protokolliert werden?
Welche Systeme dürfen gelesen oder beschrieben werden?

BubbleGPT verbindet dafür mehrere Bausteine:

BubbleChat
+ Bubble RAG
+ Bubble Retriever
+ Agentenlogik
+ Workflow Services
+ Bubble Control Center
+ Audit & Monitoring
+ Enterprise Integration
= kontrollierte Agentic-AI-Plattform

Damit entsteht eine Architektur, die sowohl einfache Chatbot-Szenarien als auch komplexe mehrstufige Workflow-Agenten unterstützt.

11. Der zentrale Architekturgedanke

Die Solution Architecture von BubbleGPT folgt einem klaren Prinzip:

Agenten dürfen denken und unterstützen.Workflows müssen kontrolliert werden.Bubble RAG liefert den relevanten Kontext.Menschen behalten an kritischen Stellen die Verantwortung.

Oder zugespitzt:

Nicht der größte Agent gewinnt — sondern der Agent mit dem besten Retriever.

Dieser Satz beschreibt den Kern der BubbleGPT-Architektur: Produktive KI entsteht nicht durch immer größere Modelle oder unkontrollierte Autonomie, sondern durch den richtigen Kontext, klare Governance, sichere Integration und menschliche Kontrolle.

Fazit

BubbleGPT ist mehr als ein Chatbot und mehr als ein einzelner AI Agent. Die Plattform verbindet souveräne KI-Infrastruktur, Bubble RAG, Agenten, Workflow-Integration, Human-in-the-Loop und Governance by Design.

Die drei dargestellten Architekturbeispiele zeigen, wie dieser Ansatz in unterschiedlichen Szenarien funktioniert:

Förderprogramme und öffentliche Verwaltung,
Enterprise Retrieval mit Bubble RAG,
industrielle Prozessunterstützung mit Agenten.

Der gemeinsame Nenner ist immer derselbe:

Unternehmenswissen bleibt kontrolliert in der Bubble.

Der Retriever liefert nur den relevanten Kontext.

Agenten handeln auf nachvollziehbarer Wissensbasis.

Menschen behalten Kontrolle über kritische Entscheidungen.

Damit wird aus generativer KI eine produktive, sichere und skalierbare Enterprise-KI-Plattform.