Enterprise
Bring dein eigenes Modell mit: Keys, Endpunkte, Verträge
Richte Ciao auf die Modellbeziehungen, denen du bereits vertraust — deine eigenen Provider-Keys, OpenAI-kompatible Endpunkte und Zero-Retention-Verträge — statt die Anbieterwahl eines anderen zu erben.
Eigenes LLM auf Ciao bedeutet, dass deine Organisation den Modellanbieter hinter ihren Workspaces wählt: Bring deine eigenen Keys mit, verbinde OpenAI-kompatible Endpunkte, und halte Inferenz unter Zero-Retention-Verträgen. Anders als Plattformen, die fest mit einem Anbieter verdrahtet sind, betreibt Ciao eine Multi-Provider-Modellleiter mit Fallback, sodass dein KI-SDLC nicht von einem einzelnen Modellunternehmen abhängt — und Kundencode wird nie zum Training von Modellen verwendet.
Veröffentlicht 2026-07-03 · Zuletzt aktualisiert 2026-07-03
Deine Modellverträge sind Teil deiner Risikohaltung
Die meisten Unternehmen haben die harte Arbeit inzwischen einmal gemacht: Datenhandhabungs-Bedingungen mit einem Modellanbieter ausgehandelt, Aufbewahrungs- und Trainingsklauseln geprüft und einen bestimmten Anbieter durch Sicherheit und Recht freigegeben. Das Letzte, was dieses Team will, ist eine Entwicklungsplattform, die still Unternehmenscode durch eine andere Modellbeziehung leitet, deren Bedingungen niemand geprüft hat.
Das ist eine echte Lücke im KI-Tooling-Markt. Viele Produkte behandeln das Modell als internes Implementierungsdetail — du bekommst, welchen Anbieter auch immer die Plattform gewählt hat, unter welchen Bedingungen auch immer die Plattform für sich selbst ausgehandelt hat. Für einen einzelnen Entwickler ist das eine Bequemlichkeit. Für ein Unternehmen ist es ein ungeprüfter Unterauftragsverarbeiter mitten in der Software-Lieferkette.
Ciao behandelt die Modellwahl als Unternehmensentscheidung. Du kannst deine eigenen Provider-Keys mitbringen, OpenAI-kompatible Endpunkte verbinden, und Inferenz an die Zero-Retention-Verträge anpassen, die dein Rechtsteam bereits abgesegnet hat — während Ciaos eigene Multi-Provider-Modellleiter mit Fallback die Lieferung widerstandsfähig hält, wenn ein einzelner Anbieter sich verschlechtert.
Es gibt hier auch ein Argument für Beschaffungseffizienz. Jede Modellbeziehung, die eine Plattform einführt, ist eine Anbieterbewertung, die dein Team durchführen muss — Aufbewahrungsbedingungen, Trainingsklauseln, Vorfallshaltung. KI-Entwicklung durch bereits bewertete Anbietervereinbarungen zu leiten bedeutet, dass die neue Plattform fertige Arbeit erbt, statt neue Prüfungen zu erzeugen, was oft den Unterschied zwischen einem Quartal und einem Jahr in einem Enterprise-Rollout-Zeitplan ausmacht.
Was Ciao bereitstellt
- Deine eigenen Provider-Keys — Leite Modellnutzung über Keys, die deine Organisation kontrolliert, sodass Verbrauch, Bedingungen und Anbieterbeziehungen unter Vereinbarungen bleiben, die du ausgehandelt hast — konfiguriert mit dem Enterprise-Team während des Onboardings.
- OpenAI-kompatible Endpunkte — Verbinde Endpunkte, die die OpenAI-kompatible API-Oberfläche sprechen, wie die meisten Enterprise-Modell-Gateways, Proxys und genehmigten Anbieter-Setups bereits intern verfügbar gemacht werden.
- Zero-Retention-Inferenz — Inferenz läuft unter Zero-Retention-Modellverträgen, und Kundencode wird nicht zum Training von Modellen verwendet — die beiden Klauseln, nach denen deine Prüfung zuerst sucht.
- Eine Multi-Provider-Leiter mit Fallback — Ciaos Modellleiter umfasst mehrere Anbieter mit Fallback und reduziert die Abhängigkeit von einem einzelnen Modellanbieter — eine Verfügbarkeitseigenschaft und eine Verhandlungsposition gleichzeitig.
- Audit über den gesamten Kreislauf — Das unveränderliche Audit-Protokoll erfasst Prompts, Merges, Deploys und administrative Aktionen, sodass modellgestützte Arbeit end-to-end zuordenbar ist, unabhängig davon, welcher Anbieter die Tokens geliefert hat.
- Governance unabhängig vom Modell — Guardrails wendet Richtlinien in einfacher Sprache an und protokolliert menschliche Prüfung bei riskanten Änderungen — die Kontrollschicht schwächt sich nicht ab oder ändert sich nicht, wenn sich das dahinterliegende Modell ändert.
Wie die Einrichtung eines eigenen LLM in der Praxis funktioniert
1. Deinen aktuellen Modellbestand abbilden
Liste mit dem Enterprise-Team die Anbieter, Gateways und Verträge auf, die du bereits hast — die meisten Organisationen entdecken, dass sie bereits die richtigen Vereinbarungen dafür haben.
2. Die Routing-Konfiguration wählen
Entscheide, welche Workspaces deine Keys und Endpunkte nutzen und wo Ciaos eigene Multi-Provider-Leiter gilt — viele Teams mischen beides und nutzen ihren vertraglich gebundenen Anbieter als primär.
3. Verbinden und verifizieren
Keys und OpenAI-kompatible Endpunkte werden für den Workspace konfiguriert, und dein Team verifiziert, dass Traffic dort landet, wo du es erwartest, bevor Produktionsarbeit beginnt.
4. Die Bedingungen in den Vertrag aufnehmen
Zero-Retention- und Kein-Training-Verpflichtungen sind vertragliche Sprache, die während der Beschaffung geprüft wird, keine Fußnoten — dein Rechtsteam liest die tatsächlichen Klauseln.
5. Mit Fallback betreiben
Wenn sich ein Anbieter verschlechtert, hält der Fallback der Modellleiter die Lieferung in Bewegung, und das Audit-Protokoll erfasst weiterhin, wer was über die Änderung hinweg getan hat.
Verifikations- und kommerzielle Hinweise
Die Eigenes-LLM-Konfiguration ist Teil eines Enterprise-Engagements, eingegrenzt mit dem Team statt Self-Service umgeschaltet, weil die richtige Einrichtung von deinen Gateways, Verträgen und deiner Netzwerkhaltung abhängt. Die Behauptungen, die hier zählen, sind vertraglich: Kundencode wird nicht zum Training von Modellen verwendet, und Inferenz läuft unter Zero-Retention-Modellverträgen — beide während der Beschaffung prüfbar in der Dokumentensammlung, neben SOC 2 Type II Berichten unter NDA. Ernsthafte Produktionsprogramme beginnen bei 10.000 USD pro Jahr. Wenn sich deine Modellstrategie noch formt, bedeutet die Multi-Provider-Leiter, dass du nicht gezwungen bist, heute zu entscheiden: Du kannst mit Ciaos Standardkonfiguration starten und Workspaces zu deinen eigenen Keys verschieben, während sich deine Anbieterstrategie festigt.
Zwei Fragen, die es wert sind, in jeder Evaluierung dieser Fähigkeit gestellt zu werden: was passiert, wenn ein Anbieter seine Bedingungen ändert, und was passiert, wenn einer sich verschlechtert. Die Multi-Provider-Leiter existiert, damit beide Antworten langweilig bleiben — Bedingungen sind vertraglich pro Anbieter, und Fallback hält die Lieferung in Bewegung, während das Anbietergespräch nach deinem Zeitplan stattfindet, nicht nach dem des Ausfalls.
Modellkonfigurationen auf Ciao
| Konfiguration | Wer die Anbieterbeziehung hält | Typische Passung |
|---|---|---|
| Ciao-Modellleiter | Ciao, über mehrere Anbieter mit Fallback | Standard: widerstandsfähige Lieferung ohne Anbieterbindung |
| Deine eigenen Keys | Deine Organisation, unter deinen ausgehandelten Bedingungen | Unternehmen mit bestehenden Anbietervereinbarungen |
| OpenAI-kompatibler Endpunkt | Deine Organisation, über dein Gateway oder Proxy | Teams mit internem Modell-Gateway oder Liste genehmigter Anbieter |
| Gemischt | Beide, pro Workspace | Primär auf deinem Vertrag, Fallback für Widerstandsfähigkeit |
Häufig gestellte Fragen
Welche Anbieter können wir mitbringen?
Jede Anbieterbeziehung, die du über deine eigenen Keys oder einen OpenAI-kompatiblen Endpunkt verfügbar machen kannst, was die gängigen Enterprise-Setups einschließlich interner Modell-Gateways abdeckt. Die Details deines Bestands werden mit dem Enterprise-Team während des Scopings abgebildet.
Wird unser Code zum Training von Modellen verwendet, egal welcher Anbieter ihn bedient?
Nein. Kundencode wird nicht zum Training von Modellen verwendet, und Inferenz läuft unter Zero-Retention-Modellverträgen. Wenn du deine eigenen Keys mitbringst, regeln deine eigenen ausgehandelten Bedingungen diese Beziehung ebenfalls.
Was passiert, wenn unser gewählter Anbieter ausfällt?
Ciao betreibt eine Multi-Provider-Modellleiter mit Fallback, was die Abhängigkeit von einem einzelnen Modellanbieter reduziert. Wie Fallback mit deiner Eigene-Keys-Konfiguration interagiert, wird während der Einrichtung vereinbart, sodass nichts irgendwohin geleitet wird, das deine Prüfung nicht genehmigt hat.
Können wir sehen, welche Modellaktivität welche Änderung erzeugt hat?
Das unveränderliche Audit-Protokoll erfasst Prompts, Merges, Deploys und administrative Aktionen, sodass KI-gestützte Arbeit end-to-end zuordenbar ist. Guardrails protokolliert zusätzlich menschliche Prüfung bei riskanten Änderungen, was üblicherweise der Nachweis ist, nach dem Prüfer fragen.
Hängt Governance davon ab, welches Modell wir nutzen?
Nein. Guardrails, QA und Security arbeiten am Code und der laufenden Anwendung, nicht auf Vertrauen in ein bestimmtes Modell: Richtlinien gelten in einfacher Sprache, Tests laufen vor und nach der Veröffentlichung, und Sicherheitsbefunde werden gegen die Live-App bestätigt, bevor sie markiert werden.