KI-Lösungen, die Ihr Unternehmen voranbringen
Eine mandantenfähige KI-Commerce-Plattform für die Erlebnis- und Ticketing-Branche. Händler binden sich einmal an und verkaufen Erlebnisse vieler Anbieter in natürlicher Sprache: über eine einheitliche Suche, KI-Buchungsagenten und einbettbare Widgets, alles unter eigener Marke. Entwickelt für die Exfinity GmbH.
Der Markt für Erlebnisse ist fragmentiert. Jeder Händler baut dieselben Anbieteranbindungen immer wieder neu, Anbieterkataloge kommen in unterschiedlichsten Formaten an, und niemand kann KI-gestützte Suche oder Buchung anbieten, ohne zuerst eigene KI-Systeme zu entwickeln. Es gibt keinen einheitlichen, sicheren Weg, über alle Anbieter hinweg zu suchen oder einen KI-Agenten im Auftrag eines Kunden buchen zu lassen.
Exfinity funktioniert wie ein Stripe für Erlebnisse. Ein Händler bindet sich einmal an und erhält Suche, Buchung und Support über alle Anbieter hinweg, alles unter eigener Marke. Hinter dieser Einfachheit werden Anbieterkataloge automatisch eingelesen, in ein gemeinsames Format bereinigt und nach Bedeutung durchsuchbar gemacht, nicht nur nach Stichworten. Ein Team aus acht KI-Agenten übernimmt Angebotssuche, Buchung und Support und darf nur über einen kontrollierten Satz von Werkzeugen handeln, mit strengen Regeln pro Händler, Ratenlimits und einem vollständigen Audit-Trail. Alles läuft in der EU, in Frankfurt, und personenbezogene Daten werden maskiert, bevor sie je ein KI-Modell erreichen.
Systemarchitektur: Suppliers: API, crawler, feeds, Ingestion, Kafka: ProductFetched, Processor: normalize and embed, OpenSearch: keyword and vector, Merchant site and embeddable widgets, Search API, AI Runtime: Mastra agents, ex-mcp: 27 governed tools, Checkout, SQS FIFO, Supplier connector
Die KI-Ebene ist der Kern von Exfinity: eine Mastra-Agent-Runtime, ein Tool-Server für das Model Context Protocol, berechtigungsbewusstes Retrieval und eine Lernschleife pro Mandant, alles gebaut für Sicherheit auf DSGVO-Niveau.
Eine Mastra-Runtime betreibt einen Master-Orchestrator und sieben Spezialisten (Suche, Buchung, Helpdesk, Empfehlung, Ops, PIM-Copilot und Preisoptimierung). Modelle werden über Anthropic Claude und OpenAI geroutet, Antworten streamen über Server-Sent Events, und jeder Turn ist durch Schritt-, Delegations- und Token-Limits begrenzt.
Der ex-mcp-Server stellt 27 Tools für Commerce, Empfehlungen, Analytics, Content, Wissen, Betrieb und Marktintelligenz bereit, über Streamable HTTP und Server-Sent Events. Jeder Aufruf wird pro Mandant gegen Richtlinien geprüft, ratenlimitiert und auditiert, und Schreibvorgänge folgen dem Fail-closed-Prinzip.
Die Produktsuche ist hybrid aus Stichwort- und Vektorsuche über OpenSearch mit Embeddings in 1024 Dimensionen. Eine Wissensbasis pro Mandant wird gechunkt, eingebettet und im Mandanten-Scope durchsucht und speist eine Kontext-Pipeline mit sieben Schichten, in der alle abgerufenen Daten als nicht vertrauenswürdige Eingabe abgeschirmt werden.
Das Agenten-Memory läuft auf LibSQL, mit aktuellen Nachrichten, Working Memory und semantischem Recall, gescopet pro Mandant und Principal. Lange Threads werden kompaktiert, und ein Wissensgraph pro Mandant mit acht Knotentypen und neun Kantentypen macht beliebte Produkte und unbeantwortete Fragen sichtbar.
Ein Wissensgraph pro Mandant auf LibSQL erfasst Anfragen, Antworten, Produkte, Dokumente und Tool-Aufrufe als acht Knotentypen, verknüpft über neun Kantentypen. Kantengewichte klingen mit der Zeit ab, sodass der Graph wirklich beliebte Produkte und die Fragen sichtbar macht, die der Assistent nicht beantworten konnte, und damit sowohl das Retrieval als auch die Lernschleife pro Mandant speist.
Personenbezogene Daten werden vor jedem Modellaufruf tokenisiert, abgerufene Inhalte werden gegen Prompt Injection abgeschirmt, Preise und Buchungen bleiben serverautoritativ, und Human-in-the-Loop-Gates halten sensible Aktionen an. Kostenobergrenzen pro Tarifstufe begrenzen die Ausgaben, und eine Auto-Learn-Schleife leitet Antworten mit geringer Konfidenz zur menschlichen Prüfung, bevor sie zu Wissen werden.
KI-Ebene: User message, Auth and tenant scope, Context assembly: 7 fenced layers, Master agent: intent and delegate, Specialist agent, MCP tool call, Policy and rate limit, Denied, Policy error, Allowed, Tool: search, RAG, checkout, Hybrid search and tenant KB, LLM: Claude or GPT, Guarded response, Audit log: long retention, Knowledge graph and auto-learn
Exfinity läuft vollständig auf AWS in Frankfurt (eu-central-1), als Code provisioniert und über isolierte Accounts ausgerollt. So ist die Plattform reproduzierbar, EU-resident und sicher veränderbar.
Zustandslose Request-Pfade laufen als AWS-Lambda-Funktionen (Kern-API, Checkout, Benachrichtigungen, PDF-Erzeugung). Langlaufende und streamende Dienste (Ingestion, Suche, die KI-Runtime, der MCP-Server und das Dashboard) laufen als Container auf ECS Fargate. Es gibt keine Server zu patchen, und jede Workload skaliert eigenständig.
DynamoDB hält die Control Plane und die operativen Tabellen (Mandanten, Bestellungen, Richtlinien, Audit, Nutzung). OpenSearch bedient die hybride Stichwort- und Vektorsuche. ElastiCache Redis cacht Anfragen, Verfügbarkeiten und Ratenlimit-Status. S3 speichert Gutscheine, Crawl-Snapshots und das Audit-Archiv mit langer Aufbewahrung, und Agenten-Memory und Wissensgraph liegen in Turso, einem gehosteten LibSQL.
Eingelesene Kataloge fließen über einen Kafka-Stream auf Amazon MSK. Bestell- und Benachrichtigungsjobs laufen über SQS-FIFO- und Standard-Queues, jeweils mit Dead-Letter-Queue, und EventBridge plant Crawls und Aktualitätsprüfungen. Transaktionale E-Mails werden über Amazon SES versendet, SMS über SNS.
AWS Cognito stellt rollenbezogene Tokens aus. Ein Application Load Balancer und API Gateway sitzen vor den Diensten, CloudFront und Route53 übernehmen Edge und DNS, und jedes Secret liegt im AWS Secrets Manager unter KMS. CloudWatch und Korrelations-IDs liefern End-to-End-Tracing.
Jede Ressource ist in Terraform mit Terragrunt definiert, mit Remote State und Locking, sodass Umgebungen reproduzierbar und reviewbar sind. Bitbucket Pipelines deployt über getrennte Development-, Staging- und Produktions-Accounts, wobei Produktion hinter einer manuellen Freigabe liegt.
Die kundenseitige Oberfläche wird als einbettbares Widget-SDK ausgeliefert: sechs Web Components auf Basis von Lit 3.0 (Suche, Chat, Checkout, Helpdesk, Empfehlungen und Copilot) mit Shadow-DOM-Isolation, Theming und sechs Sprachen, ausgeliefert über CloudFront. Der Protobuf-Vertrag wird in Go-, TypeScript- und Python-Clients generiert, sodass jeder Dienst und jede Integration dieselben Typen spricht.
Infrastruktur und Deployment: CloudFront and Route53, ALB and API Gateway, Lambda: core API, checkout, notifications, ECS Fargate: search, AI runtime, ex-mcp, ingestion, DynamoDB, OpenSearch, ElastiCache Redis, Turso LibSQL: memory and graph, Kafka on MSK, SQS FIFO, SES email and SNS SMS, Terraform and Terragrunt, Bitbucket CI/CD
Agenten greifen nie direkt auf Datenspeicher zu. Sie rufen Tools über den ex-mcp-Server auf, in dem Richtlinien pro Mandant, Ratenlimits und Audit verankert sind. Diese eine Grenze macht explizit und überprüfbar, was ein Agent tun darf.
Ein kanonisches Schema umfasst Ingestion, Verarbeitung, Suche und Checkout und wird nach Go, TypeScript und Python generiert. Die Services bauen gegen denselben Vertrag, statt in inkompatible Formen auseinanderzudriften.
Jedes Katalogergebnis, jeder Wissens-Chunk und jede Tool-Ausgabe wird auf Ebene der Nutzerrolle abgeschirmt und durch die Plattformregeln als nicht maßgeblich deklariert. Das schließt die Prompt-Injection-Angriffsfläche, die die meisten Agentensysteme offen lassen.
Reine EU-Infrastruktur, vor der Inferenz tokenisierte personenbezogene Daten, manipulationsgeschütztes Audit mit langer Aufbewahrung und Löschung pro Thread waren Designvorgaben ab dem ersten Commit, keine nachgerüstete Compliance.
Eine einzige Integration gibt einem Händler KI-gestützte Suche, Buchung und Support über alle angebundenen Anbieter hinweg. Die Plattform ist vom ersten Tag an auf Produktionsniveau gebaut: schnelle Suche, strikte Trennung der Daten jedes Händlers und eine Lernschleife, die schwache Antworten über die Zeit in geprüftes Wissen verwandelt. Seit 2025 für die Exfinity GmbH konzipiert und entwickelt.
Exfinity ist eine vollständige mandantenfähige KI-Plattform und zeigt damit die Disziplinen, die wir in ein KI- oder Commerce-Projekt einbringen.