Tragendes Prinzip: Anwendungen sind reine Orchestrierung — die AI nimmt wahr, entscheidet und handelt auf Geschäftsobjekten.
11 Knotentypen plus eine Append-only-Ausführungsspur, der Zustand wird aus Ereignissen abgeleitet. Manuelle, Unterprozess-, Schleifen-, Parallel- und geplante Schritte pausieren persistent und setzen nach einem Neustart fort, mit Breakpoint-Schrittdurchlauf.
Geschäftsanwender beschreiben die Absicht, der Co-Pilot erstellt eine fachliche Spezifikation, und ein deterministischer Compiler wandelt sie in einen gültigen Ablauf um. Das LLM zeichnet nie direkt — der Compiler garantiert die strukturelle Gültigkeit, und das Ergebnis kann veröffentlicht werden.
Entwurfs- und veröffentlichte Versionen sind isoliert; vor der Veröffentlichung läuft eine Abnahmesuite (gestubbte AI-Ausgaben + skriptete menschliche Prüfung + deterministischer Replay gestubbter Fähigkeiten), und die Veröffentlichung ist an einen vollständig grünen Lauf geknüpft. AI-Orchestrierung wird qualitätsgesichert wie Software-Engineering.
Ein Primitive treibt Klassifikation, Beurteilung, Extraktion, Bildverständnis und autonomen Werkzeugeinsatz: strukturierte JSON-Ausgabe mit strikter Schema-Validierung, eine Agenten-Werkzeugschleife, multimodales Sehen und konfigurierbares Modell-Routing.
AI-Mitarbeiter-Knoten delegieren Arbeit an die Stammdaten-AI (in cohort), Menschen-Review-Knoten pausieren für eine menschliche Entscheidung. Beide Akteur-Typen haben SLA und eine Eskalationskette zur organisatorischen Führung und sind auditierbare Peer-Knoten.
Ein One-Click-Unterbrechungsschalter (Circuit Breaker), Rate-Limits pro App, Token-Budgets pro Ausführung und ein Content-Safety-Gate (geblockte Wörter plus PII wie Telefon, E-Mail und Ausweisnummern). Die Auditierung wird aus der Ausführungsspur projiziert und ist exportierbar.
AI-Mitarbeiter rufen Anwendungen echt im Chat auf, Ergebnis-Karten kehren in den Thread zurück, und Freigabe-Karten werden direkt freigegeben. Die Formular-Vorbefüllung durchläuft ein Provenienz-Gate (nichts wird ohne Beleg vorausgefüllt), und Ergebnisberichte ersetzen Platzhalter durch echte Werte — null Erfindung.
Ein Design-Tab lässt die AI deklarative Blocklayouts aus echten Ausgabefeldern erzeugen, mit serverseitiger Validierung gegen Erfindung. Die vier Panels von cohort, Unternehmens-IM (WeCom / DingTalk / Lark-Karten) und Web-Widgets laufen auf eine einzige Quelle zusammen.
Apps gehen von manuellen Aufrufen zu geplanten oder per Webhook ausgelösten Automatisierungen über; jede veröffentlichte App wird als Standard-MCP-Werkzeug exponiert, das jeder Agent aufrufen kann — keine geschlossene Welt.
Ein dreistufiger Lebenszyklus, den Fachanwender selbst durchlaufen können.
Dialog-Copilot + Canvas: machen Sie aus einem Ablauf eine AI-Anwendung.
Live-Validierung nutzt denselben Prüfer wie das Veröffentlichungs-Gate; Canvas-Abzeichen weisen auf Probleme hin.
Versionsisolierte Snapshots; Berechtigungs- und Kontingent-Governance wirken mit der Veröffentlichung.
Von Menschen, AI und externen Agenten aufgerufen, mit vollständiger Laufzeit-Beobachtbarkeit.
Vereinbaren Sie eine Demo und sehen Sie, wie in studio aus einem Gespräch eine Anwendung wird.