Was ist Stack AI?
Stack AI ist eine visuelle Plattform zum Erstellen von Enterprise-KI-Agents und Workflows. Ersteller verbinden Knoten für Modelle, Wissen, Eingaben, Logik, Integrationen und Ausgaben auf einer zweidimensionalen Arbeitsfläche. Ein Projekt kann PDFs, Word-Dokumente, Präsentationen, Websites, Cloud-Dateien oder Datenbanken lesen, relevanten Kontext abrufen, ein oder mehrere Modelle den Kontext auswerten lassen, Geschäftssysteme aufrufen und ein Ergebnis über eine Oberfläche oder API zurückgeben.
Damit geht das Produkt über einen Chatbot-Builder hinaus. Geeignete Prototypen sind Dokumentenerfassung, Unterstützung bei Due Diligence, Richtliniensuche, Berichtserstellung, Support-Triage, Datenextraktion, interne Recherche und kontrollierte Aktualisierungen operativer Systeme. Zu den Oberflächen können eine Chat-Oberfläche ähnlich ChatGPT, ein eingebetteter Website-Assistent, Sprach- oder Messaging-Kanäle und eine eigene Anwendung gehören, die die API aufruft.
Die Arbeitsfläche macht einen Prozess sichtbar, aber nicht sicher. Jede Verbindung bringt Berechtigungen mit. Jedes abgerufene Dokument kann veraltete Informationen oder Prompt-Injection enthalten. Jedes Modell kann unbelegte Ausgaben erzeugen. Jede Schreibaktion kann ein Duplikat anlegen, Informationen offenlegen oder einen Datensatz falsch ändern. Behandeln Sie ein Stack-AI-Projekt als Produktionssoftware, sobald es reale Daten berührt oder eine externe Aktion ausführt.
Einen produktionsreifen Workflow erstellen
Beginnen Sie mit einem eng abgegrenzten Ergebnis. Definieren Sie akzeptierte Eingaben, maßgebliche Quellen, erforderliche Zitate, zulässige Modelle und Tools, maximale Laufzeit, maximale Aufrufe, Konfidenzschwelle, verbotene Aktionen, Freigabepunkte, Eskalationsweg und messbare Erfolgskriterien. Trennen Sie Entwicklungs-, Test- und Produktionsprojekte, Zugangsdaten, Datensätze und Endpunkte.
Verwenden Sie die verfügbare Verbindung mit den geringsten Rechten. Ein Agent für Dokumentenantworten benötigt normalerweise keinen Schreibzugriff auf das Quell-Repository. Ein CRM-Recherche-Agent sollte weder Kontakte löschen noch Eigentümer ändern können. Setzen Sie deterministische Validierung außerhalb des Modells ein, bevor ein Agent E-Mails sendet, Dateien hochlädt, Finanzdatensätze bearbeitet, Code ausführt oder eine Antwort veröffentlicht. Ergänzen Sie Idempotenz und Duplikaterkennung, wenn ein Wiederholungsversuch eine Aktion wiederholen könnte.
Stack AI unterstützt Wissensdatenbanken und Zitate, der Abruf muss jedoch mit repräsentativen Fragen evaluiert werden. Messen Sie die Abrufquote relevanter Quellen, Belegbarkeit der Zitate, Verweigerung bei fehlender Evidenz, Mandantentrennung, Aktualität und das Verhalten, wenn ein Dokument feindliche Anweisungen enthält. Vergleichen Sie bei der Dokumentenextraktion jedes erforderliche Feld mit gekennzeichneten Beispielen, einschließlich Scans, Tabellen, fehlender Seiten, mehrdeutiger Daten, handschriftlicher Inhalte und Dateien geringer Qualität.
Analysen können Laufstatus, Dauer, Tokenverbrauch sowie Workflow-Ein- und -Ausgaben offenlegen. Diese Sichtbarkeit hilft beim Debugging, bei der Evaluierung und bei der Kostenkontrolle; sie bedeutet aber auch, dass Logs dasselbe sensible Material wie der Workflow enthalten können. Entscheiden Sie vor der Verarbeitung vertraulicher Daten, wer Unterhaltungen anzeigen oder exportieren darf, was geschwärzt werden soll, wie lange Logs aufbewahrt werden und wie sich Löschungen fortpflanzen.
Modelle, Integrationen und Bereitstellung
Die Plattform bietet mehrere Modellanbieter, Kunden-API-Schlüssel, Fallback-Modelle, PII-Filterung, Speicher und Zitate. Die Dokumentation zum Einbringen eigener Modelle besagt, dass Administratoren öffentliche oder private Verbindungen konfigurieren, lokale LLMs anschließen, Anbieter aktivieren oder deaktivieren und die von Stack AI bereitgestellten Schlüssel deaktivieren können, sodass Erstellende auf freigegebene, auf ihrem Server konfigurierte Modelle beschränkt sind.
Diese Kontrollen sind für Governance wertvoll, schaffen aber keinen universellen Pfad für private Daten. Verfolgen Sie jedes Projekt Knoten für Knoten: Stack-AI-Infrastruktur, Modellendpunkt, Embeddings, Vektorspeicher, Dateiparser, Integration, Analysen, Beobachtbarkeit und menschlicher Support. Halten Sie fest, was jedes System erhält, in welcher Region, unter welchem Konto und Vertrag, für wie lange und mit welchem Löschmechanismus.
Die Sicherheitsseite beschreibt vier Bereitstellungsmodelle von einer mandantenfähigen Cloud bis zu einer isolierten On-Premises-Umgebung, und die Preisseite führt dedizierte Infrastruktur, VPC und On-Premises-Bereitstellung für Enterprise auf. Leiten Sie daraus nicht ab, dass diese Optionen standardmäßig enthalten sind. Bestätigen Sie für die konkret erworbene Bereitstellung Architektur, Betriebsverantwortung, Upgrades, Telemetrie, ausgehenden Datenverkehr, Schlüssel, Backups, Notfallwiederherstellung, Incident Response und Supportzugriff.
Preise und Kostenkontrollen
Die aktuelle öffentliche Preisseite nennt Free für 0 US-Dollar mit 500 Ausführungen (Runs) pro Monat, zwei Projekten, einem Sitzplatz und Community-Support. Enterprise bietet eine individuelle Zahl von Ausführungen (Runs) und Sitzplätzen, unbegrenzte Projekte, alle Funktionen und Datenlader, dedizierte Infrastruktur und Solution Engineers sowie Optionen wie On-Premises- oder VPC-Bereitstellung, Zugriffskontrolle, SSO und Compliance-Support.
Die öffentliche Seite nennt keinen festen kostenpflichtigen Self-Service-Preis. Holen Sie vor einem Anbieter- oder Produktvergleich eine schriftliche Definition einer Ausführung (eines Runs) ein und klären Sie, ob Schleifen, Wiederholungen, verschachtelte Agents, Evaluierungen, fehlgeschlagene Ausführungen, geplante Jobs, Testverkehr, Modell-Token, Embeddings, Speicher, Connectoren, Datenübertragung, Umgebungen und Support separate Kosten verursachen oder Kapazität verbrauchen.
Schätzen Sie die Kosten pro akzeptiertem Geschäftsergebnis, nicht pro nomineller Ausführung (Run). Eine günstige Ausführung, die häufige menschliche Korrektur erfordert oder doppelte Aktionen erzeugt, ist teuer. Führen Sie einen Pilotversuch mit repräsentativem Volumen durch und überwachen Sie Erfolgsrate, p50- und p95-Latenz, Ausfälle von Modellen und Connectoren, menschliche Prüfzeit, Tokenverbrauch, Verbrauch an Ausführungen (Runs) und Wiederherstellungsaufwand. Legen Sie Budgets, Warnungen, Parallelitätsgrenzen, Timeouts, Obergrenzen für Wiederholungen und einen Notausschalter fest, bevor Sie Zeitpläne oder Ereignisauslöser aktivieren.
Datenschutz, Sicherheit und Vertragsprüfung
Die Sicherheitsseite von Stack AI nennt AES-256-Verschlüsselung im Ruhezustand, TLS 1.3 bei Übertragung, kundengesteuerte Aufbewahrung, kein Training mit Kundendaten im Rahmen von DPAs, SAML-SSO, regelmäßige Schwachstellenscans sowie Aussagen zu SOC 2 Type II, ISO 27001, DSGVO und HIPAA-orientierter Behandlung. Dies sind Herstellerangaben und kein Ersatz für die Prüfung der aktuellen Berichte, Geltungsbereiche, Ausnahmen und des für Ihre Bereitstellung relevanten Vertrags.
Besonders wichtig ist die Datenschutzrichtlinie. Sie besagt, dass Kundendaten nicht zum Trainieren von KI-Modellen verwendet und nicht mit Modellanbietern geteilt werden, um deren Produkte zu verbessern. Sie besagt auch, dass hochgeladene Daten zur Inferenz an Drittanbieter für Modelle gesendet werden können, wenn ein Nutzer ein Projekt ausführt. Allgemeine personenbezogene Daten werden so lange aufbewahrt, wie es zur Bereitstellung der Dienste erforderlich ist, und länger, wenn rechtliche Pflichten dies verlangen. Die Plattformübersicht beschreibt außerdem Analysen, die Workflow-Ein- und -Ausgaben enthalten können.
Vermeiden Sie deshalb die pauschale Aussage „keine Datenaufbewahrung“. Fragen Sie Stack AI und jeden ausgewählten Anbieter nach Prompts, Ausgaben, Dateien, Embeddings, Logs, Missbrauchsüberwachung, Backups, Supportzugriff, Löschfristen und Ausnahmen. Prüfen Sie DPA, Unterauftragsverarbeiterliste, regionale Übertragungen, Benachrichtigung bei Datenschutzverletzungen, Abdeckung von Auditlogs, Penetrationstests, gegebenenfalls BAA und Kundenpflichten. Die Bedingungen weisen dem Kunden außerdem die Verantwortung für Rechtmäßigkeit, Genauigkeit, Rechte und Angemessenheit seiner Daten zu und besagen, dass Backups nicht die Wiederherstellung jedes Elements garantieren.
Fazit
Stack AI ist ein starker Kandidat für Organisationen, die eine visuelle Ebene für Enterprise-Agents wollen, ohne auf Modellauswahl, APIs, private Verbindungen oder erweiterte Bereitstellungspfade zu verzichten. Der kostenlose Plan ist für einen begrenzten Proof of Concept nützlich, während die Enterprise-Kontrollen Anforderungen abdecken, die leichtere Chatbot-Tools oft auslassen.
Die Kaufentscheidung sollte von der Evidenz eines kontrollierten Workflows abhängen. Testen Sie zunächst mit synthetischen oder risikoarmen Daten. Fordern Sie belegte Antworten, sicheres Verhalten bei Fehlern, vollständige Protokolle, Berechtigungsgrenzen, vorhersehbare Kosten, Löschtests und manuelle Wiederherstellungsprozesse. Erweitern Sie Daten- und Schreibzugriff erst, wenn der Workflow eine dokumentierte Schwelle für Zuverlässigkeit und Governance erfüllt.
