vExpertAI.gebaut auf aws
EN · DE

Feldnotizen — kein Verkaufsgespräch

Vom Solo-Gründer
zum vollständigen
Unternehmen.
Gebaut auf AWS.

Ein Gründer. Null Mitarbeiter. Ein vollständiges Unternehmen — Marketing, Vertrieb, Engineering, Finanzen, Operations — auf zwölf AWS-Services. Was an einem Dienstag tatsächlich funktioniert.

Täglicher Stack: Amazon Bedrock · Amazon SageMaker · AWS Step Functions · AWS Lambda · Amazon Neptune · Amazon S3 · Amazon EventBridge · Amazon SES · Amazon DynamoDB · Amazon CloudWatch · Amazon ECS Fargate · AWS IAM

Ed Dulharu  ·  Gründer & CTO, vExpertAI GmbH  ·  München

01 — Die Realität

Jede Abteilung.
Jeden Tag. AWS-nativ.

Keine Praktikanten. Keine Freelancer. Keine Agentur. Nur ein AWS-Konto und ein Workflow rund um Bedrock, Step Functions und eine Handvoll Lambdas, die im Hintergrund die Schwerarbeit erledigen.

1
Gründer.
Das ist die gesamte Belegschaft.
6
Abteilungen
täglich im Einsatz — durchgängig KI-unterstützt.
12+
AWS-Services
täglich in Produktion im Einsatz.
10×
Output-Multiplikator
gegenüber manueller Arbeit.

Es geht nicht um die Zahlen. Es geht darum, dass nichts davon zusätzliche Mitarbeiter, ein Tooling-Budget oder ein sechsmonatiges Transformationsprogramm benötigte. Es brauchte ein AWS-Konto und einen Dienstag.

02 — Kontext, keine Credentials

Wer hier spricht.

Zwanzig Jahre Netzwerk- und Sicherheitsarchitektur davor — AT&T, Infosys, Kyndryl. Lehrbeauftragter an der TU München und der Politehnica Bukarest. Autor der vierbändigen Reihe Generative AI for Networking Engineers, Launch auf der Autocon5 in München am 9. Juni.

Gründung der vExpertAI 2024. Eigenfinanziert. Pre-Seed. München. Das gesamte Unternehmen läuft auf AWS — Bedrock für Reasoning, SageMaker für Fine-Tuning, Step Functions für Orchestrierung, Neptune für den Knowledge-Graphen, Lambda für alles dazwischen.

Das Unternehmen existiert, weil ich herausfinden wollte, was ein technisch versierter Gründer — ehrlich gepaart mit aktuellen Modellen, auf einer ernstzunehmenden Cloud — tatsächlich über alle Funktionen eines echten Geschäfts hinweg leisten kann. Die Antwort lautet: mehr als ich erwartet habe — aber nur, wenn man es bewusst angeht.

03 — Die Architektur

Fünfschichtige agentische
Guild — vollständig AWS-nativ.

Jeder Agent im System gehört zu genau einer dieser Schichten. Die Grenzen sind bewusst scharf — jede Schicht ist isoliert testbar, austauschbar und beobachtbar.

01

Orchestrierung

Multi-Agenten-Koordination, Routing, State Management.

Step Functions steuern den Fluss: welcher Agent wann läuft, was er erhält, wie Fehler kaskadieren. Bedrock Agents fungieren als typisierte Einstiegspunkte — jede Action Group ist ein Vertrag, den der Supervisor aufrufen kann.

awsStep Functions · Bedrock Agents · EventBridge
02

Foundation Models

Reasoning, Generierung, Tool Use.

Bedrock als Inferenz-Plane. Claude-Familie für Reasoning und Schreiben; Mistral-Varianten für günstigere, engere Aufgaben. Keine Schlüssel zu rotieren, keine separate Vendor-Beziehung, eine Rechnung.

awsAmazon Bedrock (Claude · Mistral) · Bedrock Action Groups
03

Wissen

Graph-Beziehungen, RAG-Retrieval, Dokumenten-Speicher.

Neptune hält den Graphen — wer weiß was, was hängt von was ab, wer wurde wann angesprochen. Bedrock Knowledge Bases auf S3 übernehmen Retrieval gegen den Long Tail an Dokumenten. OpenSearch indiziert alles für hybride Keyword- und Vektor-Suche.

awsAmazon Neptune · Bedrock Knowledge Bases · Amazon S3 · OpenSearch
04

Ausführung

Containerisierte Agent-Tasks, Serverless Compute.

Lambda für alles Zustandslose und Kurzlebige (das ist das meiste). ECS Fargate für die wenigen Agenten, die einen längeren Lauf, einen echten Container oder eine GPU brauchen. DynamoDB für State mit niedriger Latenz.

awsAWS Lambda · ECS Fargate · DynamoDB · API Gateway
05

Observability & Guardrails

Monitoring, Kostenkontrolle, Responsible AI.

CloudWatch sieht alles. Cost Explorer schickt wöchentliche E-Mails — Überraschungen verzinsen sich, sie sollten bis Freitag entdeckt sein. Bedrock Guardrails erzwingen Content-Policies an der Inferenz-Grenze. IAM mit Least-Privilege überall.

awsCloudWatch · Cost Explorer · Bedrock Guardrails · IAM · AWS CDK

04 — Sechs Abteilungen, ein Gründer

Wie das konkret
aussieht.

Jede Karte ist ein realer Workflow, der jede Woche läuft. AWS-Services unter jedem Punkt — der tatsächliche Stack, kein Marketing-Diagramm.

DEPT / 01

Marketing & Content

Ein Solo-Gründer, eine Content-Maschine.

  • Outbound-Automatisierung Bedrock generiert personalisierte Outbound-Sequenzen. Lambda übernimmt das Scheduling. EventBridge löst Follow-ups aus. SES versendet. Ich prüfe und gebe jeden Versand frei. awsBedrock · Lambda · EventBridge · SES
  • Technischer Content Bedrock (Claude) verfasst Langtexte aus meinem Outline. S3 speichert Vorlagen und Brand Voice. Knowledge Bases liefern frühere Stücke für Tonalitätskonsistenz. Etwa 3× schneller als bei null beginnend. awsBedrock · Bedrock Knowledge Bases · S3
  • LinkedIn (DACH) Tonalität für den deutschen Markt über 50+ Prompt-Iterationen kalibriert, in S3 versioniert. Kulturelle Nuance, kein Roboter-Output. awsBedrock · S3 Prompt-Bibliothek
  • Buchreihe Vierbändige Reihe Generative AI for Networking Engineers. Bedrock-gestützte Recherche und Strukturierung; SageMaker für die domänenspezifischen Fine-Tunes, die die technischen Kapitel speisen. awsBedrock · SageMaker · S3
DEPT / 02

Vertrieb & Outreach

KI schließt keine Deals. Sie bringt mich 10× schneller an den Tisch.

  • DealMind Echtzeit-KI-Coaching während laufender Verkaufsgespräche. Bedrock Agents liefern Kontext, Einwand-Behandlung, nächsten besten Schritt — DynamoDB hält State über die gesamte Konversation hinweg. awsBedrock Agents · Lambda · DynamoDB
  • Pipeline-Automatisierung KI-gestütztes Outbound im großen Stil. Step Functions orchestrieren den mehrstufigen Prospecting-Workflow Ende zu Ende; SES übernimmt den Versand; S3 speichert jedes Artefakt. awsStep Functions · Bedrock · SES · S3
  • Angebotserstellung 988-Absatz-Curriculum für Airbus DS in Tagen statt Wochen mit Bedrock erstellt. Knowledge Bases liefern den Domänenkontext. Starkes positives Kunden-Feedback. awsBedrock · Bedrock Knowledge Bases · S3
  • Pipeline-Intelligenz Bedrock analysiert Gespräche, schlägt Prioritäten vor, formuliert Follow-ups. Neptune kartiert den Beziehungs-Graphen — wer kennt wen, wer hat wen vermittelt. awsBedrock · Neptune · CloudWatch
DEPT / 03

Engineering & F&E

KI schreibt produktiven Code. Ich entwerfe und reviewe.

  • Agentic Guild Fünfschichtiges agentisches System. Step Functions für den Fluss, Bedrock Agents als typisierte Einstiegspunkte, Neptune für den Knowledge-Graphen, den alle Agenten lesen und schreiben. awsStep Functions · Bedrock Agents · Neptune
  • NeT/RED Hybride Red/Blue-Team-Cybersecurity-Plattform. Bedrock-gesteuerte Angriffs- und Verteidigungssimulation in derselben Umgebung. Lambdas führen die Playbooks aus. awsBedrock · Lambda · ECS Fargate
  • Netzwerk-Digital-Twin Containerlab auf EC2. Die KI schlägt eine Änderung vor; der Twin beweist sie, bevor die Produktion sie sieht. Die Änderung besteht den Twin und geht live — oder sie geht eben nicht. awsEC2 · CloudWatch · Bedrock
  • Domänen-Fine-Tunes Mistral-7B auf SageMaker gegen NOC/SOC-Domänendaten feinabgestimmt. Günstiger, enger, deploybar innerhalb derselben AWS-Konto-Grenze. awsSageMaker · S3 · Bedrock (Custom Model Import)
DEPT / 04

Operations & Wissen

Das Unspektakuläre, das alles andere erst möglich macht.

  • Wissens-Pipeline 599 F&E-Gespräche klassifiziert, getaggt, durchsuchbar via Bedrock Knowledge Bases. S3 als Dokumenten-Speicher, OpenSearch für hybrides Retrieval. Auto-Indizierung beim Upload. awsBedrock Knowledge Bases · S3 · OpenSearch
  • Finanzen & Verwaltung Bedrock verfasst Verträge, Angebote, Rechnungen. Lambda automatisiert Formatierung und Routing. Ich prüfe und unterzeichne. awsBedrock · Lambda · S3
  • Tägliche Automatisierung EventBridge löst Morgen-Briefings aus. Bedrock fasst E-Mails über Nacht zusammen. Lambda erstellt die Prioritätenliste für den nächsten Tag, bevor ich wach bin. awsEventBridge · Lambda · Bedrock · SES
  • Guardrails & Kosten Bedrock Guardrails erzwingen Content-Policies an der Inferenz-Grenze. CloudWatch überwacht Kosten und Latenz. IAM mit Least-Privilege über jeden Service. awsBedrock Guardrails · CloudWatch · IAM

05 — Ein Tag, Stunde für Stunde

Ein Dienstag
auf AWS.

Kein erfundener Idealtag. Der tatsächliche Rhythmus, ein Unternehmen alleine zu führen — jede Stunde übernimmt ein AWS-Service die Schwerarbeit.

06:00

Briefing zur Welt.

EventBridge feuert eine geplante Regel. Lambda ruft Bedrock auf, um nächtliche E-Mails, Slack und Branchen-News zusammenzufassen. SES schickt mir das Digest, bevor ich den Laptop aufklappe.

awsEventBridge → Lambda → Bedrock → SES
07:00

Forschung trifft ein.

Knowledge Bases liefern die drei Papers, die wirklich zählen — aus 20+ über Nacht hochgeladenen. Bedrock destilliert sie zu einer Seite, die ich bei Kaffee lesen kann.

awsS3 → Bedrock Knowledge Bases → Bedrock
09:00

Meetings, vorbereitet.

Bedrock Agents ziehen aus dem Neptune-Beziehungsgraphen und aktuellen CRM-Notizen in S3, um Briefing-Dokumente zu generieren. Ich gehe in jedes Gespräch und kenne den Raum bereits.

awsBedrock Agents → Neptune → S3
12:00

Content entworfen.

Bedrock verfasst den nächsten Substack-Artikel aus einer Stichpunktliste. S3 hält die Prompt-Vorlagen und Brand-Voice-Beispiele. Ich überarbeite für Stimme und Urteilskraft.

awsBedrock → S3 Prompt-Templates
15:00

Engineering bewegt sich.

Das auf SageMaker gehostete, feinabgestimmte Mistral-7B führt Inferenz für NOC/SOC-Analyse aus. Lambda routet Ergebnisse zum nächsten Agenten. Architektur, die ich heute Morgen entworfen habe, geht am Nachmittag live.

awsSageMaker Endpoints → Lambda → Bedrock
18:00

Morgen ist vorbereitet.

Step Functions führt den End-of-Day-Workflow aus: Follow-ups von Bedrock entworfen, CRM aktualisiert, Prioritätenliste generiert. SES liefert sie um 18:15 in mein Postfach. Der Tag schließt sich selbst ab.

awsStep Functions → Bedrock → SES

06 — Die Frontier, an der wir arbeiten

Wo sich die Linie
als Nächstes verschiebt.

Vier Themen in aktiver F&E — jedes adressiert eine Frage, die die nächsten zwei Jahre jedem ernsthaften Unternehmen stellen werden: Wie lässt man KI handeln — sicher, innerhalb eines regulierten Geschäfts, auf AWS?

Thema / 01

Autonomer F&E-Agent

EventBridge plant eine tägliche Lambda, die aus arXiv, Hacker News, YouTube-Transkripten und kuratierten Vendor-Changelogs zieht. Bedrock gruppiert, dedupliziert und reiht nach Ihren Interessensgebieten ein. Knowledge Bases halten den Long Tail durchsuchbar. SES liefert das Morgen-Briefing.

awsEventBridge · Lambda · Bedrock · Bedrock Knowledge Bases · SES
Status: bei mir täglich in Produktion seit Q1.
Thema / 02

Multi-Agenten-Operations

Fünf spezialisierte Agenten — Beobachten, Diagnostizieren, Planen, Handeln, Verifizieren — arbeiten an komplexen Netzwerk- und Sicherheitsaufgaben zusammen. Step Functions koordiniert; Bedrock Agents sind die typisierten Einstiegspunkte; jeder Agent hat eine eng umrissene, testbare Rolle. Verhalten ist Ende-zu-Ende auditierbar über CloudWatch.

awsStep Functions · Bedrock Agents · Neptune · CloudWatch
Einsatz: autonome Fehlererkennung & -behebung im NOC/SOC.
Thema / 03

Sichere Ausführung über Digital Twins

Bevor irgendeine KI-generierte Änderung die Produktion berührt, führt ein Containerlab-basierter Digital Twin auf EC2 sie zuerst aus. Der Twin meldet, was passieren würde. Die Änderung besteht den Twin und geht live — oder sie geht eben nicht. KI darf schnell handeln, gerade weil sie nicht blind handeln darf.

awsEC2 · CloudWatch · Bedrock · Lambda
Warum: KI-Geschwindigkeit ohne KI-Risikofläche.
Thema / 04

In-Account-KI für Compliance

Mistral-7B auf SageMaker feinabgestimmt. Inferenz innerhalb der AWS-Konto-Grenze des Kunden, Region-pinned auf die EU. Bedrock Guardrails an der Inferenz-Kante. IAM Least-Privilege überall. Ausgelegt für Umgebungen, in denen DORA, NIS2 und der EU AI Act externes Inferencing zum No-Go machen — Modellfähigkeit, ohne dass die Daten das Konto je verlassen.

awsSageMaker · Bedrock (Custom Model Import) · Bedrock Guardrails · IAM
Haltung: compliance-fest by construction, nicht by promise.

07 — Die Fragen, die ein Auditor tatsächlich stellt

Governance,
im Klartext.

Sechs Fragen, die ein Regulator, ein Vorstand oder ein CISO irgendwann zu Ihrer KI stellen wird. Jede hat einen konkreten AWS-Service — kein Policy-Dokument — der die Antwort liefert.

Die FrageWer hat welche Daten wann gesehen?
awsCloudTrail · S3 Access Logs · CloudWatch
Jeder Zugriff, jede Schreiboperation — unveränderlich erfasst, mit konfigurierbarer Aufbewahrungsdauer. Abfragbar nach User, Rolle oder Objekt. Der Audit-Trail entsteht von selbst.
Die FrageHat das Modell etwas ausgegeben, was es nicht hätte ausgeben sollen?
awsBedrock Guardrails
Content-Policies werden AM Inferenz-Aufruf erzwungen, nicht danach. Blockierte Outputs werden mit Grund protokolliert. Pro Use Case einstellbar — klinische Inhalte erhalten strengere Regeln als interne Entwürfe.
Die FrageKönnte ein Agent eine nicht autorisierte Aktion ausführen?
awsIAM Least-Privilege · Bedrock Action Groups · SCPs
Jeder Agent hat eine eigene IAM-Rolle mit den minimal nötigen Berechtigungen. Action Groups definieren die einzige API-Oberfläche, die er anfassen darf. Alles außerhalb wird mit 403 abgewiesen — protokolliert.
Die FrageWo leben die Daten physisch?
awsRegion-Pinning · VPC-Endpoints · KMS
Nur EU-Regionen, durch IAM-Policy erzwungen. Inferenz-Traffic läuft über private VPC-Endpoints, nie über das öffentliche Internet. Verschlüsselung at rest mit kundenverwalteten Schlüsseln.
Die FrageKönnen wir eine Entscheidung von vor sechs Monaten reproduzieren?
awsCloudTrail · CloudWatch Logs · Bedrock Invocation Logging
Jeder Prompt, jede Modellversion, jeder Output — erfasst und aufbewahrt. Audit-fähig. Jede Inferenz lässt sich exakt so wiedergeben, wie sie damals lief — mit dem Modell-Snapshot des jeweiligen Tages.
Die FrageSind wir EU-AI-Act-konform klassifiziert?
awsBedrock Model Evaluation · dokumentierte Human-Review-Gates · AWS Audit Manager
Risikoklassifizierung auf Use-Case-Ebene, nicht auf Applikations-Ebene. High-Impact-Workflows haben verpflichtenden Human-in-the-Loop. Jede Klassifizierung und Review-Policy ist ein dokumentiertes, exportierbares Artefakt.

Nichts davon ist eine Checkliste. Jede Zeile ist eine Frage, die jemand irgendwann stellen wird — und ein Service, der sie ab Tag eins bereits beantwortet.

08 — Was wir bereits tun, was Sie nächste Woche live haben könnten — auf Ihrem AWS-Konto

Drei Hebel,
die schnell greifen.

Dieselben Agenten. Dieselben Muster. Dieselben AWS-Services. Neu ausgerichtet auf die Arbeit, die ein regulierter, dokumentenintensiver Multi-Markt-Akteur jeden Tag erledigt. Jeder Hebel entlastet etwas Konkretes — heute.

01

Ein Agent für klinische & regulatorische Intelligenz.

Derselbe autonome Forschungsagent, der für mich arXiv und Hacker News scannt — neu ausgerichtet auf PubMed, EMA- und FDA-Leitlinien, MDCG-Dokumente, Änderungen am EU AI Act, MDR-Updates und Patentanmeldungen von Mitbewerbern. Jeden Morgen erhalten Ihre Regulatory-Affairs- und Klinik-Teams ein einseitiges Briefing: was sich geändert hat, was zählt, was vollständig zu lesen ist.

awsEventBridge → Lambda → Bedrock → Bedrock Knowledge Bases → SES

Was es ersetzt
Etwa eine Vollzeitstelle pro Woche an Quellen-Sichtung.
Was es entlastet
„Wir haben das Guidance-Update verpasst" — entfällt. Drift zwischen Märkten — früh erkannt.
Time-to-Ship
Zwei Wochen bis zum funktionierenden Pilot. Wir haben genau diese Form auf genau diesem Stack bereits gebaut.
Wo der Mensch bleibt
Jede Beurteilung, jede Interpretation, jede Entscheidung. Der Agent zeigt; der Mensch entscheidet.
02

Mehrsprachige, compliance-feste Dokumentation.

Der Agent, der für Airbus DS in wenigen Tagen ein 988-Absatz-Curriculum verfasst hat — neu ausgerichtet auf Gebrauchsanweisungen, Technische Dokumentationen, Patientenmerkblätter und Produktkennzeichnung. Generiert in 20+ EU-Sprachen aus einer einzigen strukturierten Quelle der Wahrheit in S3. Regulatory Affairs prüft, statt zu schreiben. Versionen bleiben über Märkte hinweg konsistent — by design, nicht per Excel-Tabelle.

awsBedrock · Bedrock Knowledge Bases · S3 · Step Functions · Lambda

Was es ersetzt
6 bis 12 Wochen Dokumentationsarbeit pro Produkteinführung, pro Markt.
Was es entlastet
Übersetzungsdrift, Versionsinkonsistenz über Märkte hinweg, Audit-Findings durch Textabweichungen.
Time-to-Ship
Vier bis sechs Wochen für eine erste Produktlinie. Danach skaliert es seitwärts.
Wo der Mensch bleibt
Regulatorische Freigabe für jedes veröffentlichte Artefakt. Die KI publiziert nie allein.
03

Ein Multi-Agenten-Team für Ausschreibungen & RFPs.

Dasselbe Multi-Agenten-Muster hinter DealMind und unserer Pipeline-Intelligenz, angewandt auf die Dokumenten-Monster, die Krankenhaus- und Beschaffungsausschreibungen tatsächlich sind. Bedrock Agents lesen die Ausschreibung. Einer zieht passende Evidenz aus Ihrer internen Bibliothek in S3. Einer verfasst compliance-konforme Antworten. Einer verifiziert jede Aussage gegen die Quelle. Ihr Bid-Team wird zum Editor eines fast fertigen Entwurfs — nicht zum Verfasser eines weißen Blatts.

awsBedrock Agents · Step Functions · Bedrock Knowledge Bases · Neptune · S3

Was es ersetzt
60 bis 80 % der Bid-Team-Stunden pro Antwort. Ausschreibungen, die Sie heute auslassen, werden zu Ausschreibungen, auf die Sie antworten können.
Was es entlastet
Verpasste Fristen. Schwache Antworten. Compliance-Aussagen, die nicht zur Evidenz zurückgeführt werden können.
Time-to-Ship
Drei bis vier Wochen bis zu einem funktionierenden Team auf einem Ausschreibungsformat. Skaliert von dort.
Wo der Mensch bleibt
Strategie, Pricing, Beziehung — die Teile, die den Auftrag gewinnen. Nicht die Teile, die das Formular füllen.

09 — Die Rechnung, ungeschminkt

Was das tatsächlich
kostet.

Ein bootstrapped Startup, sechs Abteilungen, zwölf Services, Produktions-Workloads. Keine versteckten Posten. Die Zahlen unten sind reale Monatsdurchschnitte.

BEDROCKFoundation Models
~150 $
Claude- und Mistral-Inferenz plus Knowledge-Bases-Retrieval. Volumen skaliert mit Nutzung; das ist der Steady State.
SAGEMAKERFine-Tuning & Endpoints
~80 $
Mistral-7B-Trainingsläufe + Serving-Endpoints auf Spot-Instanzen. Trainiert weniger als einmal im Monat, serviert 24/7.
NEPTUNEKnowledge-Graph
~120 $
Serverless Neptune. Skaliert nahe Null im Leerlauf. Einer der höheren Posten, leicht durch das gerechtfertigt, was er ermöglicht.
LAMBDAServerless Compute
~5 $
Millionen Aufrufe pro Monat, überwiegend im Free Tier. Der günstigste zuverlässige Klebstoff, der je gebaut wurde.
S3 + EVENTBRIDGE + SES + CLOUDWATCHStorage, Events, E-Mail, Observability
~30 $
Das gesamte Bindegewebe. Einzeln vernachlässigbar; zusammen halten sie das System gesund.
Voller Stack
~385 $
Pro Monat. Sechs Abteilungen. Zwölf Services. Produktions-Workloads.

Das ist weniger als das Mittagsbudget eines Gründers — und betreibt ein vollständiges KI-augmentiertes Unternehmen.

10 — Ehrliche Lehren

Was auf AWS funktioniert.
Was leise Monate verbrennt.

Auf dem harten Weg gelernt, nach den einfachen Demos und den hässlichen Wochenenden. Kein Hype in beiden Spalten.

Das tun auf AWS.

Die Muster, die sich verzinsen.

  • Mit Bedrock beginnen. Keine Inferenz-Infrastruktur zuerst bauen.
  • Bedrock Knowledge Bases vor Fine-Tuning ausprobieren.
  • Lambda als Klebstoff. Step Functions für den Fluss. Beides nicht neu erfinden.
  • Bedrock Guardrails ab Tag eins. Nicht ab Tag neunzig.
  • Cost Explorer wöchentlich. Überraschungen verzinsen sich — bis Freitag fangen.
  • Ein Mensch prüft alles, was zum Kunden geht. Ohne Ausnahme.

Das nicht tun.

Die Muster, die leise Monate verbrennen.

  • Nicht fine-tunen, wenn Prompting reicht. Es reicht meistens.
  • Keine Agenten bauen, bevor die Prompts, die sie aufrufen, sitzen.
  • IAM Least-Privilege nicht auslassen. Die Rechnung und der Breach stecken beide darin.
  • Bedrock Guardrails nicht ignorieren. Das ist keine Checkbox.
  • Nicht KI-Geschwindigkeit mit KI-Genauigkeit verwechseln. Verschiedene Metriken.
  • Nicht auf den „perfekten" Service-Launch warten. Der Zinseszins beginnt jetzt.

11 — Das Fazit

KI auf AWS wird Ihr
Unternehmen nicht ersetzen.
Aber ein Unternehmen,
das KI auf AWS nutzt,
wird eines ersetzen,
das es nicht tut.

Sie brauchen kein KI-Team aus fünfzig Leuten. Sie brauchen eine Person, ein AWS-Konto und die Bereitschaft, am Dienstag anzufangen.