KI-native Plattform mit AI Concierge

Intro: Verstehen, indem ich es selbst baue

Diese Plattform ist eine Eigenentwicklung, und das aus Überzeugung. Wer KI verantwortungsvoll einsetzen oder empfehlen will, kann sie nicht einfach einkaufen und auf das Beste hoffen. Ich wollte selbst verstehen, wie diese Systeme wirklich funktionieren: wie Halluzinationen entstehen und wie man sie eindämmt, wie Prompt Injection aussieht und wie man sich davor schützt, und nicht zuletzt, wie viel Arbeit in so einer Entwicklung tatsächlich steckt. Dazu kommt ein einfacher Antrieb: Ich baue Innovatives gern selbst.

Also habe ich eine vollständige, KI-native Web-Plattform gebaut. Der Anspruch dahinter: eine Website, die nicht nur für Menschen und Suchmaschinen gemacht ist, sondern auch für KI-Agenten, mit einem Assistenten, der auf echten Inhalten groundet, statt zu raten.

Challenge: Drei Zielgruppen, ein Assistent ohne Halluzinationen

Drei Anforderungen mussten in einer Architektur zusammenkommen:

• Drei Zielgruppen, ein System: Menschen brauchen Design und UX, Suchmaschinen strukturierte Daten, KI-Agenten maschinenlesbare Schnittstellen und verlässliche Inhalte.
• Ein Assistent, der nicht halluziniert und in seiner Spur bleibt: Ein eingebauter Concierge ist nur dann ein Gewinn, wenn er auf den echten Inhalten der Seite groundet und je Themenbereich gezielt antwortet, statt überall dasselbe.
• Sicher gegen Prompt Injection: Ein öffentlich erreichbarer Assistent ist eine Angriffsfläche. Er darf sich nicht durch manipulierte Eingaben aus seiner Rolle locken lassen.

Approach: Multi-Agenten-Concierge, gegroundet per RAG

Die Plattform basiert auf Next.js mit TypeScript, React und Tailwind CSS, dazu PostgreSQL mit der pgvector-Erweiterung und Drizzle ORM. Das Herzstück ist der AI Concierge, und der besteht aus mehreren Bausteinen.

• Spezialisierte Agenten statt Allround-Bot: Statt eines vagen Universal-Bots übernehmen fünf seitenspezifische Spezialagenten (Home, Services, Projekte, Karriere, Research) je nach Bereich automatisch. Jeder hat einen eigenen Systemprompt, ein eigenes Modell und eine eigene Wissensbindung, konfiguriert in der Datenbank, nicht im Code, also ohne Deploy änderbar. Der Wechsel wird eventbasiert von jedem Button der Seite ausgelöst, sodass eine Empfehlung sofort mit dem richtigen Spezialisten startet.
• Grounding per RAG: Damit der Concierge nicht halluziniert, beantwortet er Fragen über Retrieval-Augmented Generation. Inhalte liegen als Embeddings in pgvector, zu jeder Frage werden die relevanten Abschnitte aus zwei Wissensdatenbanken geholt (Website-Inhalte und automatisch aus den Blog-Artikeln erzeugt), und die Antwort entsteht nur daraus. Fehlt etwas in der Wissensbasis, sagt der Assistent das ehrlich.
• Härtung gegen Prompt Injection: Das habe ich nicht nur abgewehrt, sondern gezielt getestet. Zum einen blockiere ich schädliche Eingaben und Code, bevor sie den Agenten erreichen. Zum anderen habe ich dem Agenten bewusst Angriffsflächen mitgegeben: Geheimnisse in seinem Gedächtnis, die er unter keinen Umständen preisgeben darf, sowie APIs, auf die er nur teilweise zugreifen können soll. So lässt sich überprüfen, ob er sich durch manipulierte Eingaben dazu bringen lässt, Geheimnisse zu verraten oder seine Berechtigungen zu überschreiten, und genau diese Lücken lassen sich dann schließen.

Für KI-Agenten ist die Seite zusätzlich maschinell erschließbar, über strukturierte Daten, eine llms.txt und eine MCP-Schnittstelle.

Outcome: Eine Plattform und das Verständnis dahinter

Entstanden ist eine Website, die drei Zielgruppen gleichzeitig bedient: ein schnelles, modernes Frontend für Menschen, strukturierte Inhalte für Suchmaschinen, maschinenlesbare Schnittstellen für KI-Agenten. Statt eines generischen Chatbots beantwortet ein kontextbewusster Multi-Agenten-Concierge Fragen quellenbasiert, und bleibt ehrlich, wenn eine Antwort nicht belegt ist.

Der eigentliche Ertrag ist aber das Verständnis: Wo Halluzinationen entstehen und wie Grounding sie eindämmt, wie Prompt Injection funktioniert und wie man sich schützt, und wie viel Arbeit in einem solchen System wirklich steckt. Genau dieses Wissen fließt direkt in meine Arbeit und Beratung zurück. Und darum geht es im Kern: nicht um ein cleveres Einzel-Feature, sondern um eine integrierte, datenschutzbewusste KI-Plattform, die ich vollständig selbst durchdrungen habe, statt sie aus fremden Blackboxes zusammenzustecken. Genau diese Art von Lösung brauchen regulierte Organisationen wie Stadtwerke.