[{"data":1,"prerenderedAt":916},["ShallowReactive",2],{"search-de":3,"content-de-vision":4,"surround-de-\u002Fvision":907},[],{"id":5,"title":6,"body":7,"description":899,"extension":900,"meta":901,"navigation":902,"path":903,"seo":904,"stem":905,"__hash__":906},"content_de\u002F5.vision\u002F0.index.md","Vision",{"type":8,"value":9,"toc":876},"minimark",[10,15,19,43,48,55,61,67,73,77,80,112,115,121,126,129,132,135,139,146,152,165,222,225,229,236,247,257,278,284,290,304,326,329,333,340,343,377,380,383,387,390,393,410,428,434,449,455,459,462,480,502,511,515,518,521,524,528,531,534,544,559,562,566,572,578,592,610,632,637,649,655,659,662,668,674,680,698,705,709,712,722,740,746,769,772,776,779,782,801,805,808,839,843,846,849,852,873],[11,12,14],"h1",{"id":13},"wohin-sich-owlat-entwickelt","Wohin sich Owlat entwickelt",[16,17,18],"p",{},"Owlat begann als E-Mail-Plattform. Doch das Problem, das wir lösen wollten — Unternehmen dabei zu helfen, wirksam zu kommunizieren — reicht weit über E-Mail hinaus. Unternehmen ertrinken in fragmentierter Kommunikation über Dutzende von Tools hinweg, ohne eine Intelligenzschicht, die sie verbindet. Wir bauen das System, das die gesamte Unternehmenskommunikation als eine einzige, KI-gestützte Pipeline behandelt.",[20,21,24],"callout",{"title":22,"type":23},"Was heute existiert","info",[16,25,26,27,32,33,37,38,42],{},"Das meiste davon ist bereits gebaut. Über E-Mail-Kampagnen, transaktionale E-Mails, Automatisierungen und Zielgruppenverwaltung hinaus liefert Owlat die Verarbeitung eingehender E-Mails und Kanäle, die mehrstufige Agent-Pipeline mit abgestufter Autonomie, die Verifikationswarteschlange mit einer aktiven Feedback-Schleife, den Knowledge Graph mit automatischer Extraktion und echtem Vektor-Retrieval, ein semantisches Dateisystem mit einer aktiven Verarbeitungspipeline (einschließlich PDF-Textextraktion), internen Team-Chat, einheitliches Multi-Channel-Messaging, Ask-Anything-Abfragen, einen Visualisierungsagenten, der echte Kontodaten liest, aus eingehenden Feature-Anfragen erzeugte Code-Work-Aufgaben sowie eine Desktop-App — alles aufbauend auf einem ",[28,29,31],"a",{"href":30},"\u002Fdeveloper\u002Fdecisions\u002F001-custom-email-renderer","eigenen E-Mail-Renderer",", einem ",[28,34,36],{"href":35},"\u002Fdeveloper\u002Fdecisions\u002F002-convex-backend","Echtzeit-Convex-Backend"," und einem ",[28,39,41],{"href":40},"\u002Fdeveloper\u002Fdecisions\u002F005-custom-mta","eigenen MTA",". Die folgenden Abschnitte beschreiben das Gesamtbild und benennen die kleinere Menge an Teilen, die noch verdrahtet werden.",[44,45,47],"h2",{"id":46},"das-problem-der-unternehmenskommunikation-heute","Das Problem der Unternehmenskommunikation heute",[16,49,50,54],{},[51,52,53],"strong",{},"Fragmentierung."," Unternehmen nutzen getrennte Tools für E-Mail-Marketing, Kundensupport, internen Chat, Ticketing und CRM. Jedes Tool hat sein eigenes Datensilo. Wenn ein Kunde wegen einer Buchung schreibt, wechselt die Supportkraft per Alt-Tab durch drei verschiedene Systeme, um den nötigen Kontext für die Antwort zu finden.",[16,56,57,60],{},[51,58,59],{},"Manuelles Routing."," Menschen verbringen ihre Tage damit, zu klassifizieren, zu routen und Antworten zu entwerfen. Der Großteil dieser Arbeit ist mechanisch: Daten nachschlagen, Template anwenden, senden. Die kreative, urteilsintensive Arbeit — über Ausnahmen entscheiden, Eskalationen behandeln, Beziehungen aufbauen — geht unter der Routine unter.",[16,62,63,66],{},[51,64,65],{},"Kein institutionelles Gedächtnis."," Die erfahrene Supportkraft, die weiß: „Wenn Kunde X sagt Y, meint er eigentlich Z“ — dieses Wissen steckt im Kopf einer einzelnen Person. Geht sie, verschwindet es. Es gibt kein System, das aus jeder Interaktion lernt und dieses Wissen der gesamten Organisation zugänglich macht.",[16,68,69,72],{},[51,70,71],{},"Kommunikation ist nicht nur ausgehend."," Unternehmen behandeln Mensch-zu-Mensch-Gespräche und automatisierte Nachrichten als getrennte Belange — das eine lebt in Slack- und E-Mail-Threads, das andere in Marketing-Tools. Doch all das ist Unternehmenskommunikation. Sie erzeugt Wissen, baut Beziehungen auf und treibt Entscheidungen. Jedes System, das nur eine Seite abdeckt, bleibt unvollständig.",[44,74,76],{"id":75},"der-communication-hub","Der Communication Hub",[16,78,79],{},"Owlat ist der eine Ort, durch den die gesamte Unternehmenskommunikation fließt — eingehend und ausgehend, kundenzugewandt und intern, Mensch-zu-Mensch und KI-unterstützt.",[16,81,82,83,87,88,92,93,95,96,99,100,103,104,107,108,111],{},"E-Mail und interner Chat sind heute vollständig verdrahtet. SMS, WhatsApp und generische Drittanbieter-Kanäle existieren in derselben einheitlichen Pipeline und teilen sich ein Threading-, Identitäts- und Statusmodell. ",[84,85,86],"em",{},"Konversationelle"," E-Mail liegt inzwischen im selben ",[89,90,91],"code",{},"unifiedMessages","-Speicher wie die anderen Kanäle: Eingehende E-Mails und bestätigte Agentenantworten werden in ",[89,94,91],{}," gespiegelt (idempotent, adressiert über die externe Message-ID), sodass die Zeitleiste pro Kontakt E-Mail-Konversationen mit SMS\u002FWhatsApp\u002Fgenerischen Kanälen\u002FChat verschränkt. Kampagnen-, transaktionale und Automatisierungssendungen werden bewusst ",[84,97,98],{},"nicht"," gespiegelt — sie sind keine Gesprächsbeiträge und erscheinen bereits über ",[89,101,102],{},"contactActivities"," im Aktivitäts-Tab. Eingehende Zustellung und Health-Monitoring pro Kanal sind aktiv, und eingehende Kanalnachrichten durchlaufen nun ",[84,105,106],{},"dieselbe"," Agent-Pipeline wie E-Mail — der Kanal-Webhook projiziert die Nachricht auf eine Inbound-Zeile und startet den Agent-Walker. Auch für den ausgehenden Versand per SMS und WhatsApp existiert ein gebauter Dispatch-Pfad (",[89,109,110],{},"channels\u002Foutbound.ts dispatchOutbound"," entschlüsselt die Zugangsdaten des Kanals und ruft die SMS-\u002FWhatsApp-\u002Fgenerischen Adapter auf), er ist jedoch inert: Nichts in der Routing-Pipeline ruft ihn bislang auf, und er bleibt eine No-Op, bis ein Betreiber Anbieter-Zugangsdaten konfiguriert. Voice wird noch verdrahtet. Die Architektur ist kanalagnostisch: Jede Nachricht wird zu einem strukturierten Event in derselben Pipeline, unabhängig davon, wo sie entsteht oder wohin sie muss.",[113,114],"arch-communication-hub",{},[16,116,117,120],{},[51,118,119],{},"Channel Adapters"," sind einsteckbare Konnektoren, die unterschiedliche Kommunikationskanäle in ein einheitliches Nachrichtenformat normalisieren. Einen neuen Kanal hinzuzufügen — etwa WhatsApp oder einen eigenen Webhook — bedeutet, einen Adapter zu schreiben, nicht die Pipeline neu zu entwerfen.",[122,123,125],"h3",{"id":124},"mensch-zu-mensch-kommunikation-hat-vorrang","Mensch-zu-Mensch-Kommunikation hat Vorrang",[16,127,128],{},"Die Pipeline ersetzt das direkte Gespräch nicht. Wenn eine Person einer anderen schreibt — ob einer Kollegin im Team oder einem Kunden per E-Mail — fließt die Nachricht hindurch und wird direkt zugestellt. Keine Schranken, keine Freigabewarteschlangen, keine Reibung.",[16,130,131],{},"Die KI beobachtet und reichert an. Sie holt relevanten Kontext aus dem Knowledge Graph hervor („dieser Kunde hatte letzten Monat einen Abrechnungsstreit“), schlägt Follow-ups vor („Sie haben zugesagt, den Bericht bis Freitag zu schicken“) und markiert Zusagen, die sonst untergehen könnten. Bei externen Adaptern wie E-Mail oder SMS bleibt das ursprüngliche Nachrichten-Threading vollständig erhalten. Die Empfänger sehen ein normales Gespräch in ihrem Postfach. Sie müssen nie erfahren, dass Owlat existiert.",[16,133,134],{},"Die Agent-Pipeline ist Verstärkung, keine Schranke. Menschen sprechen mit Menschen. Die KI macht diese Gespräche fundierter.",[122,136,138],{"id":137},"owlat-als-eigener-kanal","Owlat als eigener Kanal",[16,140,141,142,145],{},"Owlat ist auch ein eigener Kommunikationskanal — eine Desktop-App, in der Mitglieder der Organisation ihre Kommunikation an einem Ort erledigen. Die Desktop-App ist gebaut: eine Tauri-2-+-Rust-Hülle, die die Owlat-Web-UI bündelt, sich mit einer oder mehreren entfernten Instanzen verbindet (Multi-Workspace), sich pro Workspace über den Systembrowser mit Zugangsdaten im OS-Keychain authentifiziert und native Benachrichtigungen, ein Ungelesen-Badge in Dock\u002FTaskleiste sowie ",[89,143,144],{},"owlat:\u002F\u002F","-Deep-Links ergänzt.",[16,147,148,151],{},[51,149,150],{},"Interner Chat."," Kolleginnen und Kollegen sprechen direkt miteinander, in Threads organisierten Räumen und Direktnachrichten mit Erwähnungen. Das wird heute ausgeliefert.",[16,153,154,157,158,161,162,164],{},[51,155,156],{},"Externe Kommunikation."," Gespräche mit Kontakten erscheinen im gemeinsamen Posteingang, und die kanalübergreifende einheitliche Zeitleiste ist ausgeliefert — eine Ansicht pro Kontakt (",[89,159,160],{},"UnifiedTimelineTab","), die konversationelle E-Mail (eingehende Nachrichten und Agentenantworten) mit den Kanälen SMS\u002FWhatsApp\u002Fgenerisch\u002FChat aus demselben ",[89,163,91],{},"-Speicher zu einem chronologischen Verlauf verschränkt. (Kampagnen-, transaktionale und Automatisierungs-E-Mails liegen nicht in diesem Speicher; sie erscheinen im Aktivitäts-Tab.)",[16,166,167,170,171,174,175,178,179,182,183,186,187,190,191,194,195,198,199,201,202,205,206,209,210,213,214,217,218,221],{},[51,168,169],{},"Schnellabfragen."," Mitglieder der Organisation können dem System frei formulierte Fragen stellen und erhalten eine synthetisierte Antwort. Das Backend (",[89,172,173],{},"quickQuery.ask",", eine ",[89,176,177],{},"authedAction",", abgesichert über das Flag ",[89,180,181],{},"ai.knowledge"," ",[84,184,185],{},"und"," die Berechtigung ",[89,188,189],{},"knowledge:read",") fächert über ",[51,192,193],{},"beide"," Retrieval-Nähte auf — hybride Vektor- plus Volltextsuche über Knowledge-Graph-Einträge (",[89,196,197],{},"knowledge\u002Fretrieval.semanticSearch",") ",[84,200,185],{}," den semantischen Dateispeicher (",[89,203,204],{},"semanticFileProcessing.semanticSearch",", ",[89,207,208],{},"vector_files",") — und bittet dann das LLM, eine fundierte Antwort zu synthetisieren, die jede herangezogene Quelle nummeriert ",[51,211,212],{},"zitiert",". Die zurückgegebenen ",[89,215,216],{},"sources"," umfassen beide Arten (Knowledge-Einträge und Dateien); jeder abgerufene Titel und Textkörper wird auf Prompt Injection bereinigt und gekürzt, bevor er das Modell erreicht. Das Ask-Anything-Feld (",[89,219,220],{},"QuickQueryPanel",") befindet sich heute auf dem Knowledge-Dashboard.",[16,223,224],{},"Owlat ist ein erstklassiger Adapter in derselben Architektur. Er wird nicht bevorzugt behandelt — er folgt derselben Pipeline, demselben Sicherheitsmodell und demselben Audit-Trail wie jeder andere Kanal. Das bedeutet: Alles, was für einen Kanal gebaut wird, funktioniert für alle.",[44,226,228],{"id":227},"die-agent-pipeline","Die Agent-Pipeline",[16,230,231,232,235],{},"Jede eingehende Nachricht durchläuft eine mehrstufige Verarbeitungskette. Das ist das technische Herz des Systems, und es läuft heute: Jeder Schritt ist ein Modul unter ",[89,233,234],{},"apps\u002Fapi\u002Fconvex\u002Fagent\u002Fsteps\u002F",", der Reihe nach vom Agent-Walker aufgerufen.",[16,237,238,239,242,243,246],{},"Noch bevor die Kette beginnt, fasst eine optionale Coalescing-Schranke (",[89,240,241],{},"agent\u002Fcoalescing.ts",") schnelle Nachrichtensalven im selben Thread zusammen — eine CC-Kette mit drei Antworten in 30 Sekunden — zu einem einzigen Pipeline-Durchlauf auf der neuesten Nachricht und archiviert die überholten (ihr Inhalt erreicht den Agenten weiterhin über die Thread-Historie). Sie ist über ",[89,244,245],{},"agentConfig.coalesceWindowMs"," opt-in; der Standardwert null bedeutet, dass jede Nachricht sofort verarbeitet wird.",[16,248,249,252,253,256],{},[51,250,251],{},"Schritt 1: Security-Scan."," Noch vor allem anderen durchläuft die Nachricht den Content-Security-Scanner — eine deterministische Mustersuche nach Prompt Injection, eingeschmuggelten Anweisungen und Spam-Heuristiken, nun ergänzt um einen LLM-Klassifikator der Guard-Stufe (",[89,254,255],{},"getLLMProvider('guard')","), der neuartige oder verschleierte Formulierungen erkennt. Der LLM-Aufruf schlägt fail-open fehl, damit ein instabiles Modell die Pipeline nie blockiert. Alles Markierte wird in Quarantäne gestellt, statt an den Agenten übergeben zu werden.",[16,258,259,262,263,266,267,269,270,273,274,277],{},[51,260,261],{},"Schritt 2: Kontextabruf."," Der Agent stellt ein Briefing mit allem für diese Nachricht Relevanten zusammen: das Kontaktprofil, die jüngste Aktivität und die Thread-Historie, dazu zwei semantische Retrieval-Durchläufe — Vektorsuche über den Knowledge Graph (",[89,264,265],{},"knowledge.retrieval.semanticSearch",") nach relevanten typisierten Fakten und Entscheidungen sowie Vektorsuche über den Dateispeicher (",[89,268,204],{},") nach den eigentlichen Quelldokumenten. Beide speisen die Abschnitte ",[89,271,272],{},"[KNOWLEDGE]"," und ",[89,275,276],{},"[RELEVANT FILES]"," eines Briefings mit Token-Budget — jüngerer Kontext wortgetreu, älterer Kontext verdichtet — und die Review-Warteschlange hält fest, welche Verdichtungsstufe verwendet wurde.",[16,279,280,283],{},[51,281,282],{},"Schritt 3: Klassifikation."," Der Agent bestimmt Intent und Dringlichkeit mit einem schnellen, kosteneffizienten Modell. Ist das eine Abrechnungsfrage? Eine Feature-Anfrage? Eine Beschwerde? Eine interne Aufgabe?",[16,285,286,289],{},[51,287,288],{},"Schritt 4: Entwurfserstellung."," Der Agent erzeugt eine Antwort, verankert im konfigurierten Tonfall und in der Signatur der Organisation. Das ist keine generische LLM-Ausgabe — sie spiegelt wider, wie Ihre Organisation kommuniziert.",[16,291,292,295,296,299,300,303],{},[51,293,294],{},"Schritt 5: Routing."," Der Entwurf wird auf Konfidenz bewertet und anschließend in drei sicherheitsorientierten Stufen geroutet (",[89,297,298],{},"agent\u002Fsteps\u002Froute\u002Findex.ts","): (1) Ist ",[84,301,302],{},"irgendein"," Circuit Breaker offen, geht die Nachricht in jedem Fall in die menschliche Prüfung; (2) bei aktivierter abgestufter Autonomie entscheidet die Autonomieregel der jeweiligen Kategorie — eine Kategorie ohne Regel wird nie automatisch freigegeben, und Freigaben belasten das Tageslimit dieser Kategorie; (3) andernfalls gilt die klassische globale Einstellung — automatische Antwort an\u002Faus, ein Konfidenzschwellenwert, ein Tageslimit. Alles, was seine Stufe nicht besteht, landet in der Verifikationswarteschlange.",[20,305,307],{"title":306,"type":23},"Abgestufte Autonomie ist aktiv",[16,308,309,310,313,314,317,318,321,322,325],{},"Das Routing zieht bei aktiviertem Autonomie-Flag nun die kategoriebezogenen ",[89,311,312],{},"autonomyRules"," heran (über ",[89,315,316],{},"autonomy.checkPermissionInternal","), und die Feedback-Schleife ist geschlossen: Freigeben \u002F Bearbeiten \u002F Ablehnen in der Review-Warteschlange ruft ",[89,319,320],{},"autonomy.recordFeedback"," auf, was den wöchentlichen Cron ",[89,323,324],{},"adjustThresholds"," speist, der den Schwellenwert jeder Kategorie anhand menschlicher Korrekturen nachjustiert. Der einzelne globale Schwellenwert bleibt als Fallback bestehen, wenn die abgestufte Autonomie ausgeschaltet ist. Noch unterwegs ist die parallele Verzweigung bei mehreren Intents — eine Nachricht, die mehrere gleichzeitig arbeitende Agenten erfordert.",[327,328],"arch-agent-pipeline",{},[44,330,332],{"id":331},"die-verifikationswarteschlange","Die Verifikationswarteschlange",[16,334,335,336,339],{},"Für Mitglieder der Organisation wird Arbeit zu ",[51,337,338],{},"einer Liste von Verifikationen und Freigaben",". Das ist keine Einschränkung — es ist der richtige Standard. Die KI soll entwerfen, Menschen sollen entscheiden. Die Agent-Warteschlange ist heute im Dashboard-Posteingang aktiv.",[16,341,342],{},"Jede Agentenaktion erzeugt ein prüfbares Artefakt: einen E-Mail-Entwurf, ein vorgeschlagenes Ticket, eine Datenaktualisierung. Mitglieder sehen eine priorisierte Warteschlange — kein Benachrichtigungs-Wasserfall, sondern eine fokussierte Liste von Punkten, die ihre Aufmerksamkeit brauchen.",[344,345,346,353,359,365,371],"ul",{},[347,348,349,352],"li",{},[51,350,351],{},"Freigabe mit einem Klick",", wenn der Entwurf versandfertig ist",[347,354,355,358],{},[51,356,357],{},"Bearbeiten und freigeben",", wenn Anpassungen nötig sind — manuell oder im Chat mit dem Agenten",[347,360,361,364],{},[51,362,363],{},"Ablehnen",", wenn der Agent danebenlag, mit Feedback, das künftige Entwürfe verbessert",[347,366,367,370],{},[51,368,369],{},"Konfidenzbewertung"," bestimmt das Routing: Punkte mit hoher Konfidenz können gemäß Organisationsrichtlinie automatisch freigegeben werden",[347,372,373,376],{},[51,374,375],{},"Vollständiger Audit-Trail"," für jede Aktion, ob von Menschen oder von Agenten angestoßen",[378,379],"arch-verification-queue",{},[16,381,382],{},"Mit der Zeit können Organisationen die Grenze der automatischen Freigabe ausweiten, während ihr Vertrauen in das System wächst. Ziel ist nicht, Menschen aus der Schleife zu nehmen — sondern sie nur dort hineinzunehmen, wo sie Wert stiften.",[44,384,386],{"id":385},"der-knowledge-graph","Der Knowledge Graph",[16,388,389],{},"Jede Organisation sammelt Wissen an: wer ihre Kunden sind, was entschieden wurde, was letzte Woche geschah, wie Dinge gemacht werden. Heute ist dieses Wissen über Postfächer, Dokumente, Chat-Threads und Köpfe verstreut. Der Knowledge Graph ändert das. Er ist gebaut — Einträge, typisierte Relationen, Durchsuchen, Suche, echtes Vektor-Retrieval, automatische Extraktion aus Gesprächen und Dateien sowie Konfidenzverfall werden heute allesamt ausgeliefert, mitsamt Dashboard-UI.",[391,392],"arch-knowledge-graph",{},[16,394,395,398,399,401,402,405,406,409],{},[51,396,397],{},"Typisiertes Wissen, keine Rohdaten."," Der Graph speichert kategorisiertes Wissen — Fakten, Entscheidungen, Ereignisse, Präferenzen, Ziele, dazu Beziehungen und Aktionspunkte — jeweils mit einem Konfidenzwert und optionalem Ablaufdatum. Einträge sind über typisierte Relationen miteinander verknüpft (unterstützt, widerspricht, ersetzt, bezieht sich auf, verursacht, blockiert) sowie mit Kontakten und Konversations-Threads. Das Retrieval ist inzwischen echt semantisch: ",[89,400,265],{}," bettet die Anfrage ein und nutzt den Index ",[89,403,404],{},"vector_knowledge",", sodass Agenten beim Bearbeiten einer Nachricht die ",[84,407,408],{},"relevanten"," Einträge ziehen — Fakten zum Tarif des Kunden und zu vergangenen Abrechnungsentscheidungen, nicht jede Nachricht, die zufällig das Wort „Abrechnung“ enthält.",[16,411,412,415,416,419,420,423,424,427],{},[51,413,414],{},"Baut sich selbst aus Gesprächen auf."," Die Extraktion ist nun in die laufende Pipeline eingebunden. Wenn eine Nachricht die Klassifikation abschließt, durchsucht ",[89,417,418],{},"knowledge.extraction.extractFromMessage"," sie nach typisierten Einträgen — sowohl für eingehende E-Mails ",[84,421,422],{},"als auch"," für eingehende Kanalnachrichten (SMS\u002FWhatsApp\u002Fgenerisch), die durch den Agenten laufen. Das ist idempotent (erneute Durchläufe erzeugen keine Duplikate) und Best-Effort (eine gescheiterte Extraktion lässt die Nachricht nie scheitern). Auch Dateien speisen den Graphen: Sobald eine Datei verarbeitet ist, destilliert ",[89,425,426],{},"extractFromFile"," ihren Text zu Einträgen.",[16,429,430,433],{},[51,431,432],{},"Wissenspflege."," Der Graph ist ein lebendes System, kein reines Schreibprotokoll. Einträge tragen eine Konfidenz, einen Zeitstempel der letzten Validierung und ein optionales Ablaufdatum, sodass veraltetes Wissen verfallen und im Lauf der Zeit erneut validiert werden kann.",[20,435,438],{"title":436,"type":437},"Noch unterwegs","warning",[16,439,440,441,444,445,448],{},"Das tiefere Schlussfolgern des Graphen ist der Teil, der noch gebaut wird. Die Extraktion speichert Einträge, führt aber ",[84,442,443],{},"noch"," kein Vektor-Merging von Beinahe-Duplikaten durch und erzeugt die typisierten Relationen zwischen ihnen nicht automatisch (",[89,446,447],{},"saveEntry"," dedupliziert nur exakte Source-plus-Titel-Übereinstimmungen). Die Pflege beschränkt sich weiterhin auf Verfall und Ablauf — eine Auflösung von Widersprüchen oder einen Validierungs-Boost-Durchlauf gibt es noch nicht. Es gibt keine Memory-as-Tools, die der Agent mitten im Entwurf aufrufen könnte, um in den Graphen zurückzuschreiben. Und interner Chat zwischen Mitgliedern wird nicht auf Wissen hin ausgewertet — nur Nachrichten aus der Inbound-Pipeline. Durchsuchen, Suche, typisierte Einträge, Relationen, Vektor-Retrieval, automatische Extraktion und Verfall sind voll funktionsfähig.",[20,450,452],{"title":451,"type":437},"Datenisolation ist nicht verhandelbar",[16,453,454],{},"Der Knowledge Graph jeder Organisation ist vollständig isoliert. Agenten-Kontextfenster vermischen niemals Daten verschiedener Organisationen. Das erweitert dasselbe Mandantenfähigkeitsmodell, das Owlat heute nutzt — jeder Datensatz auf eine Organisation begrenzt — auf die Wissensschicht. Strikte Mandantengrenzen werden auf der Speicher-, Retrieval- und Inferenzschicht durchgesetzt.",[44,456,458],{"id":457},"interne-kommunikation-und-aufgaben-agenten","Interne Kommunikation und Aufgaben-Agenten",[16,460,461],{},"Dieselbe Pipeline, die „Kunde schreibt wegen einer Buchung“ verarbeitet, verarbeitet auch interne Arbeit. Die Architektur ist identisch — die Agenten sind andere.",[16,463,464,467,468,471,472,475,476,479],{},[51,465,466],{},"Code-Work-Aufgaben."," Owlat führt Code-Work-Aufgaben als erstklassige Artefakte mit eigenem Lebenszyklus — eingereiht, übernommen, verzweigt, im Test, abgeschlossen mit einem Pull Request, fehlgeschlagen. Sie werden nun automatisch erstellt: Eine Nachricht, die der Agent als ",[89,469,470],{},"feature_request"," klassifiziert, plant ",[89,473,474],{},"codeWorkTasks.createFromInbound"," ein (abgesichert über das Flag ",[89,477,478],{},"inbox.codeTasks",", idempotent bezogen auf die Nachricht), sodass eine Kundenanfrage ohne manuellen Schritt zur Entwicklung fließt.",[16,481,482,485,486,489,490,493,494,497,498,501],{},[51,483,484],{},"Code-Review in derselben Warteschlange."," Eine Feature-Anfrage von Kunden fließt automatisch zur Entwicklung — der Agent klassifiziert sie und erstellt die Code-Work-Aufgabe. Auch das andere Ende der Schleife ist verdrahtet: Ein GitHub-Merge-Webhook (",[89,487,488],{},"webhooks\u002FgithubHttp.ts",", HMAC-verifiziert, ",[89,491,492],{},"POST \u002Fwebhooks\u002Fgithub",") setzt die passende Aufgabe über ",[89,495,496],{},"markMergedByPrUrl"," auf ",[84,499,500],{},"merged",", sobald ihr PR landet. Das eigentliche Ziel ist die Prüfung in der Warteschlange einer Entwicklerin — dasselbe Muster wie bei einem Support-Entwurf.",[20,503,504],{"title":436,"type":437},[16,505,506,507,510],{},"Die beiden Enden der Schleife — von Inbound zur Aufgabe und von Merge zu Fertig — sind verdrahtet; die Mitte ist noch nicht vollständig autonom. Den Coding-Agenten ",[84,508,509],{},"tatsächlich auszuführen",", der eine Aufgabe in einen Pull Request verwandelt, erfordert weiterhin den Code-Worker-Sidecar und OpenCode neben dem Backend. Bis das deployt ist, werden Aufgaben erstellt und Merges automatisch erfasst, doch der Code selbst entsteht von Hand oder durch einen betreibergesteuerten Worker.",[122,512,514],{"id":513},"agenten-pausieren-fragen-nach-und-setzen-fort","Agenten pausieren, fragen nach und setzen fort",[16,516,517],{},"Agenten raten nicht, wenn sie auf Mehrdeutigkeit stoßen. Trifft ein Coding-Agent auf eine unklare Anforderung, ein Support-Agent auf einen Richtlinien-Grenzfall oder braucht ein Daten-Agent eine Freigabe für eine sensible Operation — der Agent pausiert. Er formuliert eine strukturierte Frage mit vollem Kontext und legt sie in die Warteschlange der zuständigen Person.",[16,519,520],{},"Die Frage ist keine nackte Benachrichtigung. Sie enthält, was der Agent gerade tat, was er bereits weiß, welche Optionen es gibt und was er empfiehlt. Der Mensch antwortet — manchmal mit einem einzigen Klick, manchmal mit einer ausführlichen Antwort. Der Agent setzt dann genau dort fort, wo er stehen geblieben ist, und bezieht die Antwort ein.",[16,522,523],{},"Mehrere Agenten können offene Fragen an dieselbe Person haben. Das System priorisiert sie nach Dringlichkeit und Auswirkung, genau wie jeden anderen Eintrag in der Warteschlange. Mit der Zeit lernt das System aus wiederkehrenden Fragen und schlägt organisatorische Richtlinien vor, um sie zu beseitigen — es macht aus Ad-hoc-Entscheidungen kodifizierte Regeln.",[122,525,527],{"id":526},"der-visualize-agent","Der Visualize-Agent",[16,529,530],{},"Ein spezialisierter Agent, der aus einem natürlichsprachlichen Prompt eine interaktive visuelle Komponente baut — Diagramme, Dashboards, Datentabellen, Fortschrittsanzeigen. Keine statischen Bilder oder Screenshots, sondern eigenständiges HTML\u002FCSS\u002FJS, das in einem sandboxed iframe rendert, mit Hover-Effekten, Tooltips und Animationen. Dieser Agent ist heute gebaut, und erzeugte Visualisierungen lassen sich ans Dashboard anheften.",[16,532,533],{},"Fragen Sie „Zeig mir unsere E-Mail-Zustellraten der letzten 30 Tage“, und der Visualize-Agent wählt einen passenden Diagrammtyp und erzeugt eine interaktive Komponente.",[20,535,537],{"title":536,"type":23},"Liest echte Daten für bekannte Datensätze",[16,538,539,540,543],{},"Der Visualize-Agent liest nun Ihre echten Kontodaten für eine feste Allowlist von vier Datensätzen — E-Mail-Zustellung (30 Tage), Agenten-Health, Kontaktwachstum und Kampagnen-Performance — jeweils gestützt auf einen handgeschriebenen, ausschließlich lesenden Fetcher (",[89,541,542],{},"visualizationAgent.ts","). Passt ein Prompt zu einem davon, nutzt das Diagramm Ihre tatsächlichen Zahlen; für alles andere fällt es auf klar gekennzeichnete illustrative Beispieldaten zurück („Illustrative example — not your account data“). Es gibt keinen frei formulierbaren Abfragekanal — nur die feste Allowlist. Die Visualisierungsseite besitzt nun einen Datensatz-Auswähler, um ein Diagramm auf einen dieser Live-Datensätze zu setzen, sowie eine Aktualisierungsaktion pro Diagramm, die den Abruf auf Anforderung erneut ausführt.",[16,545,546,549,550,552,553,555,556,558],{},[51,547,548],{},"Interne Wissensabfragen."," Teammitglieder stellen dem System Fragen: „Wie lautete unsere Entscheidung zur Rückerstattungsrichtlinie im letzten Quartal?“ oder „Wie sind wir beim letzten Ausfall vorgegangen?“ ",[89,551,173],{}," ruft über ",[51,554,193],{}," Quellen ab — den Knowledge Graph ",[84,557,185],{}," den Dateispeicher — und bittet das LLM, eine fundierte Antwort zu synthetisieren, die jede genutzte Quelle zitiert — heute ausgeliefert über das Ask-Anything-Feld (siehe Schnellabfragen oben).",[16,560,561],{},"Die entscheidende Einsicht: Für alle Mitglieder der Organisation, unabhängig von ihrer Rolle, läuft Arbeit auf eine einzige Oberfläche zu — eine Warteschlange aus Verifikationen, Freigaben und zu liefernden Antworten.",[44,563,565],{"id":564},"das-dateisystem","Das Dateisystem",[16,567,568,569,571],{},"Jede Organisation hat Dateien — Verträge, Rechnungen, Präsentationen, Design-Assets, Dokumentation. Heute liegen sie in Google Drive, Dropbox, SharePoint, E-Mail-Anhängen und Slack-Threads. Die richtige Datei zu finden heißt, sich zu erinnern, wo sie gespeichert wurde, wer sie geschickt hat oder wie sie hieß. Owlats Dateisystem funktioniert anders — und es ist gebaut: Upload, Durchsuchen, Suche, Tagging, Versionshistorie ",[84,570,185],{}," eine aktive KI-Verarbeitungspipeline (Textextraktion, Zusammenfassungen, Embeddings, Auto-Tags, semantische Suche) werden heute allesamt ausgeliefert.",[16,573,574,577],{},[51,575,576],{},"Speicherung und Abruf."," Dateien werden mit ihrer Herkunft gespeichert — wer sie hochgeladen hat und ob sie aus einem Upload, einem E-Mail-Anhang oder von einem Agenten stammen — und mit den Kontakten und Konversations-Threads verknüpft, zu denen sie gehören. Sie durchsuchen und suchen Dateien im Dashboard, statt durch Ordnerhierarchien zu navigieren.",[16,579,580,583,584,587,588,591],{},[51,581,582],{},"Versionshistorie mit Herkunft."," Das System verfolgt nicht nur, ",[84,585,586],{},"was"," sich in einer Datei geändert hat, sondern auch, ",[84,589,590],{},"wer"," sie geteilt hat und woher sie kam, wobei jede Version auf ihren Vorgänger verweist. Wenn drei Versionen eines Vertrags kursieren, können Sie die Revisionskette nachvollziehen.",[16,593,594,597,598,601,602,605,606,609],{},[51,595,596],{},"Tags und semantische Organisation."," Dateien tragen manuelle Tags plus KI-erzeugte Auto-Tags und Embeddings, sodass sie sich nach Bedeutung statt nach Dateiname organisieren lassen. Auto-Tags werden zudem aus dem Gespräch geerbt, in dem eine Datei geteilt wurde — legen Sie eine Datei in einen Thread „Q3-Finanzen“ mit Acme Corp, erhält sie automatisch ",[89,599,600],{},"q3-financials"," \u002F ",[89,603,604],{},"acme-corp"," — und jede neue Version trägt eine grobe ",[89,607,608],{},"changeSummary",", die beschreibt, wie sie sich von ihrem Vorgänger unterscheidet.",[16,611,612,615,616,619,620,623,624,627,628,631],{},[51,613,614],{},"Verarbeitungspipeline."," Wird eine Datei hochgeladen, plant ",[89,617,618],{},"semanticFiles.create"," den Aufruf ",[89,621,622],{},"semanticFileProcessing.processFile"," ein, der Text extrahiert, per LLM Titel\u002FZusammenfassung\u002FTags erzeugt, ein Embedding berechnet und den Inhalt in den Knowledge Graph einspeist. Ein Cron ",[89,625,626],{},"backfillUnprocessed"," (alle 15 Minuten) plant jede kürzlich erstellte Datei neu ein, die ohne Embedding durchgerutscht ist. Die PDF-Textextraktion ist echt (über den Parser ",[89,629,630],{},"unpdf",", mit Rückfall auf einen Platzhalter im Fehlerfall).",[20,633,634],{"title":436,"type":437},[16,635,636],{},"Zwei engere Lücken bleiben. Nicht-PDF-Binärdateien — Word, Excel, Bilder — liefern weiterhin einen Platzhalter statt extrahierten Texts oder OCR. Und es gibt noch keine automatische Aufnahme eingehender E-Mail-Anhänge oder von Agenten erzeugter Dateien in die Datei-Pipeline — nur Benutzer-Uploads werden indexiert. Tag-Abgleich und Merge-Vorschläge sind ebenfalls nicht gebaut.",[16,638,639,642,643,645,646,648],{},[51,640,641],{},"Kontextabruf für Agenten."," Dateien sind heute Teil des Kontextabruf-Schritts des Agenten: Der Schritt führt ",[89,644,204],{}," aus (eine echte Suche über den Index ",[89,647,208],{},") — parallel zur Wissensabfrage —, sodass ein Agent bei einer Kundenanfrage zum Vertrag das tatsächliche Dokument hervorholen kann, nicht bloß einen Knowledge-Graph-Knoten darüber. Dateisystem und Knowledge Graph ergänzen einander per Design: Der Graph speichert strukturierte Fakten, das Dateisystem speichert das Quellmaterial.",[20,650,652],{"title":651,"type":23},"Dateien sind kein separates Produkt",[16,653,654],{},"Das Dateisystem ist eine Schicht innerhalb derselben Architektur. Dateien sind auf die Organisation begrenzt, über dieselbe Retrieval-Pipeline durchsuchbar, vom selben Berechtigungsmodell reguliert und im selben Audit-Trail protokolliert. Es gibt keine separate Oberfläche zur „Dateiverwaltung“ — Dateien erscheinen dort, wo sie gebraucht werden: in Gesprächen, im Agentenkontext, in Suchergebnissen.",[44,656,658],{"id":657},"der-crm-hub","Der CRM-Hub",[16,660,661],{},"Owlat verwaltet bereits Zielgruppen und Kontakte für E-Mail-Kampagnen. Der nächste Schritt ist, es zur maßgeblichen Quelle der Wahrheit für jede Beziehung der Organisation zu machen — nicht nur für E-Mail-Abonnenten.",[16,663,664,667],{},[51,665,666],{},"Jeder Kontakttyp in einem System."," Kunden, potenzielle Kunden, Investoren, Partner, Lieferanten, Pressekontakte, Beiräte. Dem CRM ist das Etikett gleichgültig. Jede Person und jedes Unternehmen, mit dem die Organisation interagiert, ist ein Kontakt mit einem einheitlichen Profil, das alle Kanäle und die gesamte Historie umspannt.",[16,669,670,673],{},[51,671,672],{},"Kommunikationsnativ."," Klassische CRMs verlangen einen separaten Schritt „das CRM aktualisieren“ — den Anruf protokollieren, die Notiz ergänzen, die Deal-Phase ändern. In Owlat baut sich das CRM aus der tatsächlichen Kommunikation selbst auf. Schreiben Sie einem Investor, wird die Interaktion automatisch protokolliert. Beschwert sich ein Kunde im Chat, wird die Stimmung erfasst. Schreitet ein Deal über einen Konversations-Thread voran, aktualisiert sich die Pipeline. Das CRM ist keine Datenbank, die Sie pflegen — es ist eine Sicht auf Ihre Kommunikationshistorie.",[16,675,676,679],{},[51,677,678],{},"Beziehungsintelligenz."," Der Knowledge Graph speist Beziehungserkenntnisse, die über „zuletzt kontaktiert“-Zeitstempel hinausgehen. Das System verfolgt Stimmungstrends, offene Zusagen („Sie haben ein Angebot bis nächsten Dienstag zugesagt“), wiederkehrende Themen, Antwortmuster und Kennzahlen zur Beziehungsgesundheit. Wenn ein Treffen mit einem Kontakt ansteht, brieft Sie das System — nicht mit einem flachen Aktivitätsprotokoll, sondern mit einer synthetisierten Zusammenfassung der Beziehung.",[16,681,682,685,686,689,690,693,694,697],{},[51,683,684],{},"Kontaktvereinheitlichung über Kanäle hinweg."," Dieselbe Person schreibt vielleicht von ihrer Arbeitsadresse, textet vom privaten Handy und meldet sich über ein Chat-Handle. Die Auflösung der Kontaktidentität ist gebaut: Jeder Kontakt kann mehrere typisierte Identitäten tragen (E-Mail, Telefon, WhatsApp, Social-Handles), und Nachschlagevorgänge über Kanäle hinweg laufen über diese Identitäten. Duplikate mit exakten Identifikatoren werden nun automatisch zusammengeführt: Ein Cron ",[89,687,688],{},"autoMergeDuplicates"," (alle 6 Stunden) führt Kontakte zusammen, die einen ",[84,691,692],{},"exakt"," gleichen starken Identifikator teilen — dieselbe E-Mail-Adresse oder Telefonnummer — und überträgt alle Identitäten, Beziehungen, Threads und Nachrichten in den verbleibenden Kontakt. Mehrdeutige Treffer erscheinen weiterhin als Merge-",[84,695,696],{},"Vorschläge",", die ein Mitglied bestätigen muss, denn eine Beinahe-Übereinstimmung sollte nicht ohne menschliches Urteil zusammengeführt werden.",[16,699,700,701,704],{},"Noch unterwegs ist die automatische Extraktion von Beziehungen: ",[89,702,703],{},"contactRelationships"," speichert von Betreibern eingetragene Verknüpfungen zwischen Kontakten, doch bislang wertet nichts Gespräche aus, um sie automatisch abzuleiten.",[44,706,708],{"id":707},"sicherheitsmodell","Sicherheitsmodell",[16,710,711],{},"KI-gestützte Kommunikationssysteme bringen echte Risiken mit sich. Wir nehmen sie ernst. Das Sicherheitsmodell ist um vier Schichten herum aufgebaut.",[16,713,714,717,718,721],{},[51,715,716],{},"Mandantenisolation."," Jede Abfrage, jedes Agenten-Kontextfenster, jede Traversierung des Knowledge Graph ist auf eine einzelne Organisation begrenzt. Es gibt keinen gemeinsamen Zustand zwischen Mandanten. Das erweitert Owlats bestehendes, über ",[89,719,720],{},"organizationId"," begrenztes Datenmodell auf jedes neue Subsystem. Ein Agent, der Nachrichten für Organisation A verarbeitet, hat null Einblick in die Daten von Organisation B.",[16,723,724,727,728,731,732,735,736,739],{},[51,725,726],{},"Agenten-Sandboxing."," Agenten, die sich mit externen Systemen verbinden — Buchungs-APIs, Code-Repositories, CRMs — arbeiten in Sandboxes, die auf ihre Zugangsdaten begrenzt sind. Ein Agent, der ein Support-Ticket für Kunde A bearbeitet, kann nicht auf die Daten von Kunde B zugreifen, selbst wenn beide Kunden zur selben Organisation gehören. Zugangsdaten werden sicher verwaltet, nie im Agentenkontext offengelegt und auf die minimal notwendigen Berechtigungen begrenzt. Secrets in Kanalkonfigurationen sind im Ruhezustand verschlüsselt: ",[89,729,730],{},"updateChannelConfig"," plant ",[89,733,734],{},"encryptAndPersistConfig"," ein, das die Konfiguration in einen AES-256-GCM-Umschlag hüllt (",[89,737,738],{},"lib\u002FcredentialCrypto","), bevor sie die Zeile berührt, und der Dispatch-Pfad entschlüsselt nur dann, wenn er senden muss.",[16,741,742,745],{},[51,743,744],{},"Audit und Erklärbarkeit."," Jede Agentenaktion wird mit vollständiger Herkunft protokolliert: welches Wissen abgerufen wurde, welche Klassifikation erfolgte, welcher Entwurf entstand und wer ihn freigegeben hat. Macht ein Agent einen Fehler, können Sie exakt nachvollziehen, warum — und diese Spur fließt zurück in die Verbesserung künftigen Verhaltens.",[16,747,748,751,752,205,755,273,758,761,762,765,766,768],{},[51,749,750],{},"Abgestufte Autonomie."," Organisationen steuern pro Kategorie, wie viel Autonomie Agenten haben. Sie können die automatische Freigabe für bestimmte Kategorien aktivieren — einfache Empfangsbestätigungen, routinemäßige Statusmeldungen, Standard-Buchungsbestätigungen —, jeweils mit eigenem Konfidenzschwellenwert und eigenem Tageslimit, und eine Kategorie ohne Regel wird nie automatisch freigegeben. Der Routing-Schritt zieht diese Regeln live heran, und die Feedback-Schleife ist geschlossen: Jedes Freigeben \u002F Bearbeiten \u002F Ablehnen in der Review-Warteschlange verschärft oder lockert den betreffenden Schwellenwert über den wöchentlichen Tuning-Cron. Drei Circuit Breaker schützen die Pipeline — ",[89,753,754],{},"llm_failure",[89,756,757],{},"confidence_degradation",[89,759,760],{},"rejection_spike"," —, jeweils bei jedem Rollup mit der Hysterese ",[89,763,764],{},"open → half_open → closed"," ausgewertet; solange ",[84,767,302],{}," Breaker offen ist, wird nichts automatisch versendet. Das System erarbeitet sich Vertrauen schrittweise. Es setzt es nicht voraus.",[770,771],"arch-security-model",{},[44,773,775],{"id":774},"das-datenmodell","Das Datenmodell",[16,777,778],{},"Alles bisher Beschriebene — Kanäle, Gespräche, Agenten, Dateien, Wissen, Kontakte — hängt über ein einziges Datenmodell zusammen. Das ist keine Sammlung separater, zusammengeschraubter Funktionen. Es ist ein Graph aus Entitäten und Beziehungen, begrenzt auf die Organisation, in dem jede Oberfläche (die Desktop-App, die Verifikationswarteschlange, das CRM, das Dateisystem) eine andere Sicht auf dieselben Daten ist.",[780,781],"arch-data-model",{},[16,783,784,785,788,789,792,793,796,797,800],{},"Das Modell hat vier Schichten. ",[51,786,787],{},"Die Mandantenwurzel"," (Organisation) begrenzt alles — keine Entität existiert außerhalb einer Organisation. ",[51,790,791],{},"Akteure und Kanäle"," (Mitglieder, Kontakte, Kanäle, Agenten) sind die Beteiligten. ",[51,794,795],{},"Gespräche"," sind der universelle Knotenpunkt, an dem alle Beteiligten zusammentreffen, unabhängig vom Kanal. ",[51,798,799],{},"Artefakte"," (Nachrichten, Dateien, Knowledge-Knoten) sind das, was Gespräche hervorbringen. Jede Schicht verbindet sich nach unten, und die Intelligenz fließt zurück nach oben — Agenten lesen Wissen, um Gespräche anzureichern, Dateien speisen den Knowledge Graph, und der Knowledge Graph prägt jede künftige Interaktion.",[44,802,804],{"id":803},"die-roadmap","Die Roadmap",[806,807],"arch-roadmap",{},[20,809,811],{"title":810,"type":23},"Offen entwickeln",[16,812,813,814,818,819,821,822,825,826,828,829,833,834,838],{},"Wir dokumentieren die Architekturentscheidungen jeder Phase als ADRs in unserer ",[28,815,817],{"href":816},"\u002Fdeveloper\u002Fdecisions","Entwicklerdokumentation"," — so, wie wir es für den ",[28,820,31],{"href":30},", das ",[28,823,824],{"href":35},"Convex-Backend",", den ",[28,827,41],{"href":40},", die ",[28,830,832],{"href":831},"\u002Fdeveloper\u002Fdecisions\u002F008-process-architecture","Prozessarchitektur"," und das ",[28,835,837],{"href":836},"\u002Fdeveloper\u002Fdecisions\u002F009-model-routing","Model-Routing"," getan haben.",[44,840,842],{"id":841},"warum-wir-das-bauen","Warum wir das bauen",[16,844,845],{},"Jedes Unternehmen baut irgendwann eine Ad-hoc-Version davon: ein Support-Postfach, verbunden mit einem CRM, verbunden mit einem Ticketsystem, verbunden mit Slack, zusammengehalten von Zapier und Hoffnung. Dieses Flickwerk funktioniert, bis es das nicht mehr tut. Das Wissen ist verstreut. Das Routing ist manuell. Die Reaktionszeit ist langsam. Und wenn jemand geht, geht sein Wissen mit.",[16,847,848],{},"Das Dateisystem, das CRM, die Desktop-App, die Visualisierungs-Engine — das sind keine separaten Produkte. Es sind Oberflächen auf demselben Datenmodell, verbunden durch dieselbe Agent-Pipeline, reguliert vom selben Sicherheitsmodell.",[16,850,851],{},"Wir halten die richtige Antwort für ein System, das Kommunikation als erstklassigen Datentyp behandelt, sie intelligent routet und Menschen die Entscheidungen überlässt, die tatsächlich menschliches Urteilsvermögen erfordern — statt der mechanischen Arbeit, Daten nachzuschlagen und Vorlagen auszufüllen.",[16,853,854,855,859,860,859,864,273,868,872],{},"Owlat begann als E-Mail-Schicht. Der Großteil der Kommunikationsschicht ist inzwischen gebaut — die Inbound-Pipeline, die Agent-Pipeline mit abgestufter Autonomie und aktiver Feedback-Schleife, die Verifikationswarteschlange, der Knowledge Graph (automatische Extraktion + echtes Vektor-Retrieval), das Dateisystem (aktive Verarbeitungspipeline + PDF-Extraktion + Agenten-Retrieval), interner Chat, Multi-Channel-Messaging, das dieselbe Agent-Pipeline speist, Ask-Anything-Abfragen, die Desktop-App und ein Visualisierungsagent, der echte Kontodaten liest, werden heute allesamt ausgeliefert. Die verbleibende Verdrahtung ist enger und wird Abschnitt für Abschnitt benannt: der Go-live des ausgehenden SMS-\u002FWhatsApp-Versands (der Dispatch-Pfad existiert, benötigt aber Anbieter-Zugangsdaten und einen aufrufenden Routing-Schritt), der laufende Coding-Agent für durchgängige Code-Work, tieferes Wissens-Schlussfolgern (Relationserzeugung während der Extraktion, Auflösung von Widersprüchen), die automatische Extraktion von CRM-Beziehungen sowie eine Handvoll UI-Nacharbeiten. Die Architektur, die wir gebaut haben — ein ",[28,856,858],{"href":857},"\u002Fdeveloper\u002Fconvex","Echtzeit-Backend",", ein ",[28,861,863],{"href":862},"\u002Fdeveloper\u002Fmta-system","eigener MTA",[28,865,867],{"href":866},"\u002Fdeveloper\u002Femail-renderer","blockbasiertes Content-System",[28,869,871],{"href":870},"\u002Fdeveloper\u002Fauthentication","mandantenfähige Isolation"," — ist das Fundament für alles hier Beschriebene.",[16,874,875],{},"Wir bauen nicht noch einen Posteingang. Wir bauen die Schicht für Kommunikationsintelligenz, die jede Organisation braucht, die aber noch niemand gebaut hat.",{"title":877,"searchDepth":878,"depth":878,"links":879},"",2,[880,881,886,887,888,889,893,894,895,896,897,898],{"id":46,"depth":878,"text":47},{"id":75,"depth":878,"text":76,"children":882},[883,885],{"id":124,"depth":884,"text":125},3,{"id":137,"depth":884,"text":138},{"id":227,"depth":878,"text":228},{"id":331,"depth":878,"text":332},{"id":385,"depth":878,"text":386},{"id":457,"depth":878,"text":458,"children":890},[891,892],{"id":513,"depth":884,"text":514},{"id":526,"depth":884,"text":527},{"id":564,"depth":878,"text":565},{"id":657,"depth":878,"text":658},{"id":707,"depth":878,"text":708},{"id":774,"depth":878,"text":775},{"id":803,"depth":878,"text":804},{"id":841,"depth":878,"text":842},"Wohin sich Owlat entwickelt — von der E-Mail-Plattform zur einheitlichen, von KI-Agenten getragenen Kommunikationsintelligenz.","md",{},true,"\u002Fvision",{"title":6,"description":899},"5.vision\u002F0.index","fFyR4a8ccsS5RIBqcaFafdFqD8NN087GXML9b-kiOko",[908,912],{"title":909,"path":910,"stem":911,"children":-1},"Mehrsprachige E-Mails","\u002Fexamples\u002Fmultilingual-email","4.examples\u002F6.multilingual-email",{"title":913,"path":914,"stem":915,"children":-1},"Self-Hosting-Architektur","\u002Fvision\u002Fself-hosting","5.vision\u002F1.self-hosting",1786915099406]