Ihr Unternehmenswissen, durchsuchbar per KI - ohne dass es je den Bienenstock verlässt.

MadHoney RAG indexiert Confluence, Jira, Azure DevOps, GitHub, GitLab, Forgejo, SharePoint, OneDrive, Google Drive, Slack, Datenbanken und lokale Laufwerke in eine private Vektordatenbank auf Ihrer eigenen Hardware und stellt sie jedem KI-Agenten und Assistenten über MCP zur Verfügung.

localhost:3333 · RAG Inspector · Arbeitsbereich acme-finance
Embedding 29 ms (lokal bge-m3)Vektorsuche 5 ms (LanceDB)gesamt 34 ms
  1. [1]Finanzergebnis Q3 und Vertriebsprovisionen

    localScore 0.914

    Finanzen / FY25 / Quartalsberichte / Q3

    Der Enterprise-ARR schloss in Q3 bei 2,4 Mio. USD (112 % des Ziels). Die Provisionsauszahlungen beliefen sich auf insgesamt 185.000 USD für 8 Senior Account Executives. Top-Performer Marcus Vance erreichte 142 % der Quote und löste Tier-3-Beschleuniger aus (34.500 USD Auszahlung).

  2. [2]Headcount-Budget und Vergütungsplan Q4

    gdriveScore 0.831

    HR und Finanzen / Headcount / Vertriebsorganisation

    Das genehmigte Q4-Budget umfasst Stellen für +3 Senior AEs und +2 Solutions Engineers (gefiltert nach Sales Org / Enterprise NA). Das Grundgehalt ist auf 130-150 Tsd. USD festgelegt, bei einer OTE-Aufteilung von 50/50 und vierteljährlichen Provisionsplänen.

  3. [3]Vergütungsrichtlinie Vertrieb und Quotenschwellen

    confluenceScore 0.692

    Revenue Ops / Richtlinien und Leitfäden

    Auszahlungsregeln pro Quartal: Vertriebsmitarbeiter müssen in Q3/Q4 mindestens 80 % der Quote erreichen, um den variablen Anteil freizuschalten. Provisionsauszahlungen werden am 10. Werktag nach Quartalsende von RevOps gefiltert und geprüft.

Warum MadHoney RAG

Datenschutz von Grund auf

Kein Datenabfluss

Dokumente, Embeddings und der Vektorindex verlassen Ihren Rechner nie. Das Cloud-Portal verwaltet nur Ihre Lizenz.

0 USD API-Kosten bei der Indexierung

bge-m3 läuft lokal über ONNX - indexieren Sie Millionen von Chunks, ohne pro Token zu zahlen.

On-Premise-Leistung

LanceDB auf der lokalen Festplatte antwortet in Millisekunden, mit strikter Isolation pro Arbeitsbereich (workspace_id-Pushdown-Filter).

Audit-bereit für ISO 27001 und SOC 2

Auf Ihrer Hardware gespeichert, bereit für Ihre Auditoren. In jedem Tarif.

So funktioniert es

Die RAG-Pipeline

Konnektoren füllen einen privaten Vektorindex auf Ihrer Hardware. KI-Agenten fragen ihn über MCP ab und erhalten fundierten, aktuellen Kontext.

Alles läuft innerhalb Ihrer Infrastruktur: Konnektoren für Dateien und S3, Datenbanken, REST-APIs, Confluence und Jira, Azure DevOps, GitHub und GitLab, SharePoint, OneDrive, Google Drive und Slack laufen parallel und speisen die Ingestion-Pipeline der MadHoney-Engine auf Ihrer Hardware. Ein regelbasierter Qualitätsfilter entfernt Rauschen und Duplikate, anschließend wird der Inhalt in Chunks zerlegt, lokal mit bge-m3 eingebettet und in der lokalen Vektordatenbank indexiert. KI-Agenten durchsuchen sie über den MCP-Server, optional nur mit einem von Ihnen ausgestellten Zugriffstoken. Die gehostete Control Plane unter rag.madhoney.cz verwaltet nur Ihr Konto, die Abrechnung, den Engine Token und die Engine-Downloads und erhält nie Ihre Dokumente, Anfragen oder Embeddings.
Ihre Infrastruktur

Konnektoren

  • Dateien & S3

    Lokales Laufwerk, S3 - MD, PDF, DOCX, XLSX

  • Datenbanken

    PostgreSQL, MySQL, SQL Server

  • REST-APIs

    Interne Systeme - JSON, CSV, HTML

  • Confluence & Jira

    Spaces, Seiten, Tickets

  • Entwicklerplattformen

    Azure DevOps, GitHub, GitLab

  • Arbeitsplatz

    SharePoint, OneDrive, Drive, Slack

Laufen parallel, jeder mit eigenen Zugangsdaten.

MadHoney-Engine

Ingestion- und Embedding-Pipeline

Ein regelbasierter Qualitätsfilter entfernt Rauschen und Duplikate; der Inhalt wird dann in Chunks zerlegt und lokal mit bge-m3 eingebettet (Cloud-Embeddings nur auf Ihren Wunsch).

Zentraler Wissensspeicher

Vektordatenbank

LanceDB auf Ihrer Festplatte - nach Arbeitsbereichen isolierter Index für Vektor- oder Hybridsuche in Millisekunden.

MCP-Server

Model-Context-Protocol-Endpunkt, der search_knowledge_base als Tool bereitstellt. Optionale Zugriffstokens - Sie entscheiden, wer sucht

Agenten

KI-Agenten

Autonome Agenten und Assistenten

  • Semantische Suche
  • Kontext-Abruf
  • Fundierte Antworten

rag.madhoney.cz - Control Plane

Von MadHoney betrieben: Ihr Konto, die Abrechnung, der Engine Token und die Engine-Downloads. Sie kommuniziert nie mit Ihrer Engine und speichert weder Ihre Dokumente noch Anfragen oder Embeddings.

  • Konto
  • Engine Token
  • Downloads
Tour

Die Engine in Aktion

Fünf kurze Kapitel vom Anbinden Ihrer Quellen bis zur Antwort mit Quellenangaben in Ihrem KI-Assistenten - Beispielansichten der lokalen Admin UI.

Admin UI · Quellen · Arbeitsbereich acme-finance
QuelleDokumenteStatus
  • Confluence0synchronisiert
  • Jira0synchronisiert
  • GitHub0synchronisiert
  • SharePoint0synchronisiert
  • Google Drive0synchronisiert
  • Lokaler Ordner0synchronisiert

Kapitel 1 von 5

Fügen Sie Ihre Quellen in der lokalen Admin UI hinzu. Jeder Konnektor läuft als eigener Prozess mit eigenen Zugangsdaten, alle parallel.

Geschäftsnutzen

Eine Engine, Nutzen für jede Rolle

Wählen Sie Ihre Rolle und sehen Sie, welche Schichten für Sie wichtig sind und was sie leisten.

Hauptfokus

Zero Trust und Schutz geistigen Eigentums

On-Premise-Grenze

0 Dokumente nach außen

Dokumente, Vektoren und Suche bleiben in Ihrem Netzwerk. Was Ihr KI-Assistent an seinen Anbieter sendet, bleibt unter Ihrer Kontrolle.

Isolation der Control Plane

Nur Konto und Abrechnung

rag.madhoney.cz verwaltet Ihr Konto, die Abrechnung, den Engine Token und die Engine-Downloads. Es erhält nie Dokumente, Anfragen oder Embeddings.

KI-Zugriff per Token

Widerrufbare Tokens

Aktivieren Sie MCP-Zugriffstokens, und nur Assistenten mit einem von Ihnen ausgestellten Token können suchen. Gültigkeit 1 bis 12 Monate, nur Hashes werden gespeichert, widerrufener Zugriff endet mit der nächsten Anfrage.

Ihre Infrastruktur
  1. Eingabe

    Synchronisierung aus mehreren Quellen

  2. Verarbeitung

    Qualitätsfilter und bge-m3

  3. Speicher

    LanceDB auf Ihrer Festplatte

    Vektor- und Stichwortindex mit Abruf in Millisekunden - keine Cloud-Datenbank.

  4. Integration

    MCP-Wissensserver

    search_knowledge_base für Ihre KI-Assistenten und Coding-Agenten - optional durch Zugriffstokens geschützt.

rag.madhoney.cz - Control PlaneNur Konto, Abrechnung und Engine Token - nie Ihre Dokumente.
Konnektoren

Jede Quelle, ein privater Index

Parallele Konnektoren holen Daten aus all Ihren Tools, filtern Rauschen automatisch heraus und bauen einen einheitlichen lokalen Vektorindex auf - Ihre Unternehmensdaten bleiben vollständig privat.

ConfluenceSpaces und Seiten, von XHTML in sauberes Markdown umgewandelt.

Loslegen

Vom Tarif zur ersten Antwort

  1. Tarif wählen

    Abonnieren Sie auf rag.madhoney.cz und erzeugen Sie Ihren Engine Token.

  2. Herunterladen und starten

    Führen Sie start.bat oder start.sh aus dem Engine-Paket aus - die Engine läuft als Docker-Image auf Ihrer Hardware.

  3. Offline aktivieren

    Fügen Sie den Engine Token ein und legen Sie Ihren Super Admin in der lokalen Admin-Oberfläche an.

  4. Assistenten verbinden

    Fügen Sie Quellen hinzu, starten Sie die Indexierung und tragen Sie die erzeugte .mcp.json in Ihren KI-Assistenten ein.

Docker-Image

Läuft auf Docker Desktop (Windows, macOS), Docker Engine (Linux) oder Podman.

Windows-Installer (ohne Docker)

Läuft als nativer Windows-Dienst unter Windows 10 / 11 und Server 2019+ - für Server, auf denen Container keine Option sind.

Läuft auf Ihrer Hardware und wird offline aktiviert - Ihre Dokumente bleiben bei Ihnen.

Tarife ansehen