Häufige Fragen

kayetana ist eine selbst gehostete KI-Plattform für Unternehmen. Die Plattform läuft auf einem Mac Studio in deinem Büro bzw. Netz und bringt Chat, Antworten aus Dokumenten, Suche, Klassifizieren, Transkription und Fine-tuning mit. Du nutzt sie im Browser oder per REST-API.

Für Teams, die KI nutzen wollen, ohne Daten an Cloud-KI-Dienste zu geben. Im Paket sind unbegrenzte Nutzer und Anfragen enthalten, die Größe deines Teams spielt also keine Rolle für den Preis.

Du chattest mit offenen Modellen, stellst Fragen zu deinen Dokumenten und bekommst Antworten mit Quellen je Satz. Außerdem sortierst du Texte nach Labels, transkribierst Aufnahmen, sortierst Dokumente nach Relevanz und trainierst eigene Modelle nach.

Ja. Internet brauchst du nur, um Modelle und Updates zu laden. Danach läuft der Betrieb vollständig in deinem eigenen Netz.

Frag eine Demo an. In 30 Minuten zeigen wir dir die Plattform mit deinen eigenen Beispielen.

Einen Mac Studio mit Apple-Chip. Wir empfehlen 36 GB Speicher oder mehr, damit Modelle bis etwa 20 Milliarden Parameter neben Suche und Transkription laufen. Mit mehr Speicher passen größere Modelle.

qwen3:4b-instruct, qwen3:14b und gpt-oss:20b für Chat und Reasoning, bge-m3 für Suche, Rerank und Klassifikation sowie Whisper large-v3-turbo für Sprache. Alle sind offen lizenziert (Apache 2.0 bzw. MIT).

Ja. Neue offene Modelle lädst du per Name aus der Ollama-Bibliothek. Für Chat, Embed und Rerank legst du jeweils ein Standardmodell fest, nicht mehr benötigte Modelle löschst du.

Für Antworten aus Dokumenten PDF, Word (docx/doc), RTF, ODT und HTML oder eingefügten Text. Für Audio MP3, M4A, WAV, AIFF, FLAC u. a. bis 100 MB. Datasets lädst du als CSV, JSONL, TXT, PDF oder Word hoch.

Ja. Ein Chat-Modell (derzeit qwen3:4b-instruct) trainierst du per LoRA mit eigenen Gesprächsbeispielen nach und erhältst ein Modell „ft-name“. Aus Datasets mit Labels baust du Klassifikatoren „clf-name“ auf einem Embedding-Modell.

Updates spielst du per Skript ein, nach einem Neustart starten alle Dienste von selbst. Jede Nacht um 3:15 Uhr sichert kayetana Datenbank und Dateien und hält die Sicherungen 14 Tage; ein zusätzliches externes Backup empfehlen wir.

Nur du und dein Team. Modelle, Dokumente und Protokolle liegen auf deinem eigenen Rechner, kein Prompt geht an einen Cloud-Anbieter.

Prompts und Antworten werden nie gespeichert. Protokolliert werden nur Zeit, Endpunkt, Modell, Status, Tokens und Dauer. Das Protokoll kannst du jederzeit löschen.

Für Nutzungsprotokoll und Datasets wählst du eine Aufbewahrungsfrist: unbegrenzt, 7, 30, 90 oder 365 Tage. Danach löscht kayetana die Daten automatisch.

Ja. kayetana nutzt HTTPS im eigenen Netz mit eigenem Zertifikat. Die Anwendung selbst lauscht nur lokal.

Es gibt die Rollen Owner, Admin und Member, neue Personen lädst du per Link ein. Eine Anmeldung gilt 14 Tage, nach 10 Fehlversuchen ist das Konto 15 Minuten gesperrt.

Nein, eine solche Zertifizierung haben wir nicht. kayetana unterstützt dich beim Datenschutz, weil die Daten das Haus nicht verlassen. Eine Garantie oder Rechtsberatung ist das nicht.

Die REST-API unter /v2 bietet chat, embed, rerank, classify, tokenize, detokenize, transcribe, parse, models, datasets, embed-jobs und finetuning. Damit erreichst du alle Funktionen der Plattform aus eigenen Anwendungen.

Mit einem API-Key als Bearer-Token. Je Key legst du ein Monatslimit fest; wird es überschritten, antwortet die API mit Status 429.

Ja. Chat-Antworten kommen per Server-Sent Events Stück für Stück. Auch Antworten aus Dokumenten mit Quellen lassen sich streamen.

Du übergibst deine Texte im Parameter documents. Die Antwort enthält dann citations, also die Zuordnung der Aussagen zu den Quellen.

Ja. Der Playground zeigt zu jeder Anfrage fertigen Code in Python, TypeScript und curl. Den kopierst du direkt in deine Anwendung.

Ja. Mit Embed-Jobs bettest du ganze Datasets im Hintergrund ein. Den Fortschritt siehst du laufend, das Ergebnis lädst du als JSONL herunter.

Den Preis bekommst du auf Anfrage. Es ist eine Pauschale für die Plattform, ohne Abrechnung pro Token oder Nutzer.

Alle Funktionen, unbegrenzte Nutzer und Anfragen, Einrichtung vor Ort oder remote, Updates für Plattform und Modelle, nächtliche Backups, Support per Mail und Telefon sowie Tutorials und Einweisung. Die API kostet keinen Aufpreis.

Du kannst einen eigenen Mac Studio nutzen oder ihn von uns liefern lassen. Wir beraten dich, wie viel Speicher für deine Aufgaben sinnvoll ist.

Du stellst den Mac Studio auf, Strom und Netzwerk genügen. Wir laden passende Modelle und richten HTTPS und Backups ein, du lädst dein Team ein. Danach geht es im Browser oder per API los.

Es gibt kurze Videos und Schritt-für-Schritt-Anleitungen für jede Funktion. Dazu kommt eine Einweisung bei der Einrichtung.