Operator · Flottenbetreiber · Public-Sector

Air-Gapped AI Demo-Login

KI-Fehleranalyse für deine Ladeinfrastruktur — auf deinem eigenen Modell, in deinem eigenen Netz. Die Logs verlassen das Haus nie.

Bewertung im eigenen Rechenzentrum: Pipelet als signiertes Container-Bundle (Helm oder Single-Node-Appliance), das KI-Modell auf einer NVIDIA DGX Spark daneben. Kein Outbound-Internet nötig — wir begleiten den Aufbau remote-optional.

☁ Cloud / Internet
kein Outbound · kein Cloud-LLM
Kundennetz — air-gapped
LadepunkteOCPP 1.6 / 2.x
Broker / ServerLogs · Sessions
Postgres+ pgvector · RAG
AI Co-operatorSnapshot · Regeln
NVIDIA DGX SparkGemma · Embeddings
likely_cause · severity · next_steps · sources[]

Andere Ladeportale schicken deine OCPP-Logs und Betriebsdaten zur Fehleranalyse in eine fremde Cloud. Pipelet macht das Gegenteil: der **AI Co-operator** analysiert direkt am OCPP-Log und an der Datenbank — und du entscheidest, **welches Modell** das tut.

In der unabhängigen Variante läuft alles **vollständig in deinem Netz**: Ladestationen → Broker/Server → Postgres → AI Co-operator → ein **selbst-gehostetes Gemma-Modell auf einer NVIDIA DGX Spark**. Kein Cloud-Anbieter, kein Outbound-Internet, keine Datenweitergabe — auch nicht an Pipelet.

Du brauchst die Cloud trotzdem? Dann nutzt derselbe Code die Claude-API. Du willst gar kein LLM? Dann reicht der deterministische Regelkatalog. Ein Code, drei Provider — pro Installation per Config umschaltbar.

Für Prüforganisationen, Behörden, Bus- und LKW-Depots und große Flotten, die Datensouveränität nicht verhandeln: Genau dafür ist Air-Gapped AI gebaut.

Was dich erwartet

Austauschbarer KI-Provider

Ein Code, drei Provider, per Config gewählt: **selbst-gehostetes Gemma** (deine DGX Spark) · **Claude-API** (Cloud) · **Regelkatalog** (kein LLM). Kein Vendor-Lock-in auf ein KI-Modell.

Daten bleiben im Kundennetz

OCPP-Logs, Session-Daten und Support-Fälle werden lokal analysiert — kein Outbound-Internet, keine Übertragung an einen Modell-Anbieter oder an Pipelet. Datensouveränität für DSGVO- und Public-Sector-Anforderungen.

Lernt aus eurer eigenen Historie

Statt Modell-Training: RAG über eure eigene Wallbox- und Support-Historie (pgvector, keine neue Infra). Jede Diagnose **zitiert** den passenden Altfall — frisch, belegbar, vertrauenswürdig. Personalisiert ohne Training.

Läuft auf deiner Hardware

Pipelet als signiertes Container-Bundle (Helm oder Single-Node-Appliance), das Modell auf einer **NVIDIA DGX Spark** daneben. Vom Edge-Box-Depot bis zum eigenen Rechenzentrum — dieselbe Software, dieselbe KI.

Typische Szenarien

1

Prüforganisation / Behörde

Datensouveränität ist nicht verhandelbar: keine Lade- oder Betriebsdaten dürfen das Haus verlassen. Air-Gapped AI gibt den Operatoren dennoch eine KI-Fehleranalyse — komplett lokal, auditierbar, ohne Cloud.

2

Bus- & LKW-Depot

Das Depot muss 24/7 laden, auch wenn die WAN-Leitung ausfällt. Die Fehleranalyse läuft auf der DGX Spark vor Ort weiter — kein Cloud-LLM, das nachts nicht erreichbar ist, blockiert die Störungsbehebung.

3

Großer Flottenbetreiber

Call-Center-Co-Pilot: der Agent sieht zu jeder Störung Rohdaten, eine zitierte Wahrscheinliche-Ursache und One-Click-Actions (Reset · TriggerMessage · Session-Stop). Schnellere Erstlösung, weniger Technikereinsätze.

Wie sich Air-Gapped AI in die Suite einfügt

Häufige Fragen

Ist Pipelet auch als Quellcode verfügbar?
Ja. Jedes Modul ist als Source-Access-Paket verfügbar — komplett mit Docker-Compose, Dokumentation und einem SLA-Support-Kanal. Du kannst auditieren, anpassen und selbst hosten.
Welche OCPP-Versionen werden unterstützt?
Vollständig OCPP 1.6 und 2.0.1, inklusive Security Profiles, Smart Charging, und ISO 15118 Plug & Charge.
Kann ich nur einzelne Module nutzen?
Ja. Jedes Modul ist eigenständig nutzbar — du kannst zum Beispiel nur den OCPP Broker als Infrastruktur-Komponente einsetzen und dein eigenes CPMS oben drauf bauen.
Wie sieht der typische Einstieg aus?
Wir starten mit einem 30-Minuten-Call zum Sortieren der Anforderungen. Danach bekommst du einen konkreten Vorschlag mit Modulen, Zeitplan und Preis. Pilotbetrieb typischerweise in 4–8 Wochen live.

Klingt passend?

Bewertung im eigenen Rechenzentrum: Pipelet als signiertes Container-Bundle (Helm oder Single-Node-Appliance), das KI-Modell auf einer NVIDIA DGX Spark daneben. Kein Outbound-Internet nötig — wir begleiten den Aufbau remote-optional.

Auch interessant

Alle Produkte