Mammouth AI

ist eine französische KI-Plattform, die seit 2024 besteht und sich auf den erschwinglichen, zentralisierten Zugang zu führenden Sprach- und Bildmodellen spezialisiert hat. Das Unternehmen sollte nicht mit Mammoth-AI (aus den USA) verwechselt werden, da es sich um zwei verschiedene Firmen handelt.

Überblick

Mammouth AI wurde 2024 in Paris gegründet. Es handelt sich um eine abonnementbasierte Plattform, die den Zugang zu mehreren generativen KI-Modellen wie GPT‑4o, Claude, Gemini, Llama, Mistral, Midjourney, Stable Diffusion, DALL‑E3, FLUX und weiteren bündelt – alles zu einem monatlichen Preis von etwa 10€.

Hauptfunktionen

• Multi‑Model‑Zugriff: Nutzer können innerhalb einer Oberfläche zwischen führenden Sprach‑ und Bild‑KI‑Modellen wechseln und Ausgaben vergleichen.
• One‑Click‑Reprompting: Wiederverwendung und Vergleich derselben Prompts in verschiedenen Modellen ohne die Plattform zu verlassen.
• Projekt‑Mammouths: Möglichkeit, Projekte, Dateien und benutzerdefinierte Anweisungen thematisch zu organisieren, um kontextbezogene KI‑Assistenten zu schaffen.
• Upload‑Funktionen: Hochladen von Bildern und Dokumenten für Analyse, Zusammenfassungen und Informationen durch KI.
• Mehrsprachigkeit: Unterstützung mehrerer Sprachen für Textgenerierung und Interaktion.
• Synchronisierung und Multiplattform‑Zugriff: Verwendung auf Desktop, Android und iPhone mit synchronisierter Chat‑Historie.

Zielsetzung und Philosophie

Mammouth AI verfolgt das Ziel, modernste KI‑Modelle für alle zugänglich zu machen, indem es verschiedene Dienste in einem kostengünstigen Abonnement vereint. Das Symbol des „Mammuts“ steht dabei metaphorisch für Anpassung und Weiterentwicklung in einer schnelllebigen Technologieumgebung – ein Aufruf, nicht „auszusterben“, sondern mit der Innovation Schritt zu halten.

Datenschutz

Mammouth AI unterliegt strengen europäischen Datenschutzstandards (DSGVO) und legt Wert auf Datensicherheit, Transparenz und begrenzte Datenspeicherung. Nach eigenen Angaben werden Nutzerdaten ausschließlich zur Bereitstellung ihrer Dienste verwendet und nicht zur Modellschulung oder zu Werbezwecken weitergegeben.

Datenschutzrichtlinien

• Keine Nutzung für KI-Training: Nutzereingaben (Prompts) werden ausschließlich zur Darstellung früherer Konversationen oder zur Nutzerunterstützung gespeichert, aber nicht zum Training von KI-Modellen verwendet.
• Datenspeicherung:
  – Promptdaten werden maximal 30 Tage nach Löschung eines Kontos aufbewahrt, um Missbrauch zu verhindern.
• Accountdaten (Name, E-Mail, Zahlungsinformationen) bleiben bis ein Jahr nach Vertragsende zu Nachweiszwecken erhalten.
• Sicherheitslogs werden bis zu ein Jahr gespeichert.
• Zweckbindung: Erhobene Daten (Nutzungs‑, Konto‑, Sicherheits‑ und Kommunikationsdaten) werden ausschließlich zur Serviceverbesserung, Betrugsprävention und Support verwendet.
• Rechtsgrundlage: Verarbeitung gemäß Art. 6 DSGVO; Nutzer haben gem. Art. 15–20 DSGVO Rechte auf Auskunft, Berichtigung, Löschung und Widerspruch.

Sicherheitspraktiken

• Verschlüsselung & Zugriffsbeschränkung: Datenübertragung und ‑speicherung erfolgen mithilfe aktueller Verschlüsselungsstandards, um unbefugte Zugriffe zu verhindern.
• Rollenspezifische Zugriffskontrollen: Nur autorisierte Mitarbeitende mit notwendigem Zweck erhalten Zugriff auf personenbezogene Daten.
• Logging und Missbrauchsüberwachung: Sicherheitsprotokolle werden geführt, um ungewöhnliche Aktivitäten zu erkennen und Angriffe zu verhindern.
• Kein Datenexport: Alle Daten werden innerhalb der EU‑Serverinfrastruktur verarbeitet, wodurch die DSGVO‑Konformität gewährleistet bleibt.

Monetarisierung und Transparenz

Mammouth AI finanziert sich ausschließlich über Abonnements und verkauft oder teilt keine Nutzerdaten; es erfolgen keine Werbe‑ oder Trackingmaßnahmen Dritter.

Fazit
Mammouth AI setzt auf datenschutzfreundliche Architektur nach europäischem Standard, kombiniert transparente Datennutzung mit minimierter Speicherdauer und technischer Zugriffssicherheit. Nutzer behalten die Kontrolle über ihre Daten und können Löschungen selbstständig ausführen, was Mammouth AI besonders für datensensible Anwender in der EU interessant macht.

Mit Comet, dem neuen Browser von Perplexity AI, beginnt eine neue Ära des Internets: Surfen, Recherchieren und Arbeiten im Web werden dank integrierter künstlicher Intelligenz intelligenter, schneller und effizienter als je zuvor. Comet ist weit mehr als nur ein klassischer Browser – er ist ein digitaler Assistent, der aktiv mitdenkt, kontextbezogene Informationen liefert und alltägliche Aufgaben automatisiert.

Was ist der Comet Browser?

Comet basiert auf der Chromium-Architektur, was bedeutet, dass alle gängigen Erweiterungen von Chrome unterstützt werden. Doch im Gegensatz zu herkömmlichen Browsern setzt Perplexity auf eine nahtlose Integration von KI-Funktionen: Der Browser versteht, was du liest, suchst oder planst – und bietet passende Unterstützung direkt im Arbeitsfluss.

Ob du eine E-Mail schreibst, einen Artikel recherchierst oder online einkaufst: Comet hilft dir dabei, Texte zu verstehen, Informationen zu verknüpfen, Inhalte zusammenzufassen und Aktionen auszuführen, ohne dass du zwischen Tabs oder Tools wechseln musst.

Wichtige Funktionen im Überblick

• KI-gestützte Suche und Zusammenfassungen:
  Comet analysiert Webseiten und liefert auf Wunsch eine präzise Zusammenfassung oder weiterführende Quellen – ähnlich wie ein intelligenter Recherche-Assistent.

• Automatisierte Aufgaben:
  Der Browser kann Formulare ausfüllen, Termine organisieren, E-Mails sortieren oder beim Online-Shopping unterstützen.

• Kontextbewusstsein:
  Anders als herkömmliche Browser behält Comet den Überblick über deine aktuellen Tabs und Themen, um dir relevante Vorschläge zu machen.

• Datenschutz und Sicherheit:
  Perplexity betont, dass persönliche Daten nicht für KI-Training verwendet werden. Ein Großteil der Verarbeitung findet lokal statt, was den Schutz sensibler Informationen stärkt.

• Kostenlose Verfügbarkeit:
  Während Comet zunächst nur für Premium-Nutzer zugänglich war, ist der Browser nun für alle Anwender kostenlos verfügbar – inklusive aller KI-Funktionen.

Produktivität trifft auf Benutzerfreundlichkeit

Comet vereint das Beste aus zwei Welten: die Stabilität eines modernen Chromium-Browsers und die Leistungsfähigkeit künstlicher Intelligenz. Durch intuitive Bedienung, klare Benutzeroberfläche und smarte Automatisierung wird der Browser zum Werkzeug für digitales Arbeiten und Lernen.

Gerade für Content-Creator, Studierende, Forscher oder Wissensarbeiter eröffnet Comet neue Möglichkeiten, Informationen zu erfassen, zu verarbeiten und kreativ zu nutzen – in einem Bruchteil der üblichen Zeit.

Grenzen und Kritikpunkte

Trotz der innovativen Funktionen gibt es noch kleine Einschränkungen: So lässt sich die Startseite („Neuer Tab“) derzeit nicht individuell anpassen – sie verweist standardmäßig auf Perplexity.ai. Auch einige Nutzer wünschen sich feinere Kontrolle über KI-Empfehlungen. Dennoch gilt Comet schon jetzt als Vorreiter im Bereich der KI-gestützten Browsertechnologie.

Fazit: Der Browser der Zukunft?

Der Comet Browser von Perplexity AI zeigt eindrucksvoll, wie künstliche Intelligenz das Surferlebnis transformieren kann. Er verbindet Komfort, Effizienz und Datenschutz in einem modernen Tool, das nicht nur Zeit spart, sondern auch neue kreative Möglichkeiten eröffnet.

Wer das Internet wirklich smart nutzen möchte, sollte Comet unbedingt ausprobieren – und erleben, wie intelligentes Surfen heute funktioniert.

Was ist AnythingLLM?

AnythingLLM ist eine Open-Source-Anwendung für den Umgang mit großen Sprachmodellen (Large Language Models, LLMs) – entwickelt von Mintplex Labs, Inc.. Kurz gesagt: Du kannst damit Dokumente (z. B. PDFs, Word, CSV), Sprachmodelle, Vektordatenbanken etc. zusammenbringen und eine eigene „Chat- mit Dokumenten und Modellen“-Lösung betreiben.

Hauptfunktionen

• Unterstützt beliebige LLMs – sowohl lokal ausgeführte Modelle als auch Cloud-Anbieter (z. B. Ollama, LMStudio, LocalAI) und APIs.

• Dokumenten-Chat: Du lädst Dokumente hoch und kannst mit ihnen interagieren, Fragen stellen, Zusammenfassungen bekommen etc.

• Retrieval-Augmented Generation (RAG): Eine Technik, bei der Informationen aus Dokumenten/Vektoren gezogen werden, um das LLM mit relevantem Kontext zu versorgen.

• Vektordatenbanken + Einbettungen: Unterstützung von Vektor-DBs (z. B. LanceDB, Milvus, Weaviate etc) für semantisches Suchen durch eigene Daten.

• Lokale Ausführung & Datenschutz-Fokus: Standardmäßig läuft vieles lokal, ohne dass ein Konto notwendig ist.

• Multi-User und Deployment-Optionen: Neben Desktop für Einzelpersonen gibt es auch Optionen für Cloud oder Server für mehrere Nutzer.

Warum könnte man es nutzen?

• Wenn man eigene Dokumente hat und mit ihnen per Chat interagieren will – z. B. Berichte, Vertragswerke, Forschungspapiere.

• Wenn man Wert legt auf Privatsphäre und/oder lokale Ausführung ohne große Cloud-Abhängigkeit.

• Wenn man flexibel sein will bei der Wahl des Modells und der Infrastruktur (nicht nur ein LLM, eine Datenbank, eine Lösung).

• Wenn man „Chatbot mit Eigenkomponenten“ bauen möchte, z. B. für Unternehmen, Teams oder interne Tools.

Mögliche Einschränkungen / Dinge zu beachten

• Auch wenn vieles lokal läuft: Je nach Modell brauchst du Hardwareressourcen (GPU, RAM) – oder du nutzt Cloud-Modelle, was wieder Kosten/Datenschutz mit sich bringen kann.

• Trotz Open-Source und „out-of-the-box“ gibt’s möglicherweise Konfigurationen (z. B. Auswahl des Modells, Einbindung von Vektordatenbank), die technisches Know-how erfordern.

• Qualität der Antworten hängt stark vom gewählten LLM, vom Daten-Input und von der Systemkonfiguration ab – wie bei allen Tools dieser Art.

• Datenschutz und Lizenzierung: Wenn du fremde Dokumente einbindest oder Modelle nutzt, musst du die Lizenz- und datenschutzrechtlichen Rahmenbedingungen prüfen.

Entwicklung einer mehrsprachigen Progressive Web App (PWA) / E-Commerce Shopping App mit Replit, Openrouter (für Chatbot), WordPress & WooCommerce Rest API sowie Google Firebase für Push Notifications.  Via Chatbot, welcher direkt in die App integriert wurde, hat der User (potentieller Käufer) die Möglichkeit, Fragen zu stellen wie zum Beispiel „Ich suche nach Produkt xy in Größe S, der Preisspanne zwischen 50 und 100 Euro“ oder „Wie hoch sind die Versandkosten?“ oder „Wie lang sind die Lieferzeiten?“ etc. Zudem werden Push Notifications automatisch gesendet sobald ein Produkt im Webshop einen Rabatt/ Sonderpreis erhält als auch sobald sich der Bestellstatus einer aus der App getätigten Bestellung ändert. Die Datenbasis für Produkte, Kategorien, Zahlungsarten, den Blog etc. der App bildet der WooCommerce Shop unter https://store.reneki.de. Alle in der App vorhandenen Produkte, Kategorien sowie Blog-Post werden über die REST API’s (WordPress als auch WooCommerce) synchronisiert. Die Mehrsprachigkeit wurde sowohl via Replit direkt (i18n) als auch via KI (Openrouter/ Deep Seek LMM) realisiert. Die App lässt sich sowohl auf iOS als auch Android Geräten installieren und fungiert dabei als PWA, was die Push Notifications ermöglicht. 

Zielstellung

Ein n8n Workflow, der einen ChatBot auf einer WordPress Seite mit WooCommerce Plugin (Webshop) ermöglicht. Hierbei soll der User (potentieller Käufer) die Möglichkeit haben, den Kunden ChatBot Fragen zu stellen wie zum Beispiel „Ich suche nach Produkt xy in Größe S in der Preisspanne zwischen 50 und 100 Euro“ oder „Wie hoch sind die Versandkosten?“ oder „Wie lang sind die Lieferzeiten?“ etc.

Dieses Pilotprojekt wurde von mir im Rahmen meiner Weiterbildung zum KI Consultant realisiert. 

Zielstellung

Ein n8n Workflow, der einen Newsletter – betsehend aus zufällig ausgewählten WordPress Blog-Beiträgen und zufällig ausgewählten Produkten (WooCommerce) – kreiert, filtert und anschließend eine Listmonk Kampagne erstellt und den Newsletter automatisch an eine vordefinierte Abonnenten Liste aus Listmonk versendet. Für diesen Zweck wurde in Listmonk eine eigene HTML-Vorlage erstellt, die dann für den Newsletter Versand immer herangezogen wird – also ihren Content/ Newsletter Inhalt aus dem Workflow erhält.

Dieses Pilotprojekt wurde von mir im Rahmen meiner Weiterbildung zum KI Consultant realisiert. 

Unternehmensprofil

LANAKILA SPORTS ist ein 2017 gegründetes mittelständisches Unternehmen mit Sitz in Sachsen, das sich auf nachhaltige, maßgeschneiderte Sportbekleidung für Triathlon, Radfahren, Laufen und Schwimmen spezialisiert hat. Das Geschäftsmodell kombiniert Individualisierung, Nachhaltigkeit (Produktion nach Bestellung, Verwendung recycelter Materialien), hochwertiges Design und eine große Community als Differenzierungsfaktoren im Wettbewerb. Vor dem Hintergrund zunehmender Marktdynamik, wachsender Kundenerwartungen an Schnelligkeit, Personalisierung und Service sowie des steigenden Drucks durch Wettbewerber, bietet der Einsatz von Künstlicher Intelligenz (KI) signifikante Chancen für Effizienzsteigerung, Kostenoptimierung und Kundenzufriedenheit.

Dieses Pilotprojekt wurde von mir im Rahmen meiner Weiterbildung zum KI Consultant realisiert. 

Ausgangslage und Unternehmensprofil

LANAKILA SPORTS ist ein 2017 gegründetes mittelständisches Unternehmen mit Sitz in Sachsen, das sich auf nachhaltige, maßgeschneiderte Sportbekleidung für Triathlon, Radfahren, Laufen und Schwimmen spezialisiert hat. Das Geschäftsmodell kombiniert Individualisierung, Nachhaltigkeit (Produktion nach Bestellung, Verwendung recycelter Materialien), hochwertiges Design und eine große Community als Differenzierungsfaktoren im Wettbewerb. Vor dem Hintergrund zunehmender Marktdynamik, wachsender Kundenerwartungen an Schnelligkeit, Personalisierung und Service sowie des steigenden Drucks durch Wettbewerber, bietet der Einsatz von Künstlicher Intelligenz (KI) signifikante Chancen für Effizienzsteigerung, Kostenoptimierung und Kundenzufriedenheit.

Beratungsansatz und Analyse

Die Beratung umfasst eine strukturierte KI-Readiness-Analyse entlang von sieben Dimensionen (Strategie, Prozesse, Daten, Organisation, Kompetenzen, Compliance, Ressourcen). Dazu wurden folgende Schritte definiert:

1. Ist-Analyse der Unternehmensziele, Prozesse, Daten und Kompetenzen.
2. Identifikation relevanter Use Cases in Kundenservice, Marketing, Produktion und Wettbewerb.
3. Bewertung der Use Cases nach Wirkung und Machbarkeit mittels Scoring-Modell.
4. Pilotierung mit klar priorisierten Quick-Wins.
5. Entwicklung einer Roadmap mit kurzfristigen, mittelfristigen und langfristigen Maßnahmen.

Zentrale KI-Potenziale für LANAKILA

Die Analyse zeigt mehrere relevante Anwendungsfelder. Besonders hervorzuheben:

• Kundenservice (Quick-Win): Einführung eines KI-gestützten Chatbots für FAQs, Lieferstatus, Retouren und Produktempfehlungen. → Hoher Impact (Kundenzufriedenheit, Kostenreduktion) bei gleichzeitig hoher Machbarkeit.
• Marketing: Automatisierte Newsletter, Social-Media-Posts und SEO-optimierte Produktbeschreibungen. → Stärkung der Markenkommunikation, geringere manuelle Aufwände.
• Produktion & E-Commerce: Automatisierte Produktbilderstellung und Datenpflege. → Effizienzsteigerung und konsistente Qualität im Online-Shop.
• Wettbewerbsanalyse: KI-gestützte Beobachtung von Markt- und Preisentwicklungen. → Strategische Steuerung und verbesserte Reaktionsgeschwindigkeit.

Pilotprojekt – Chatbot für Kundenservice

Als erstes Pilotprojekt wird die Einführung eines Chatbots vorgeschlagen.

• Funktionalitäten: Produktempfehlungen, Lieferzeiten, Versandkosten, Retourenprozess, Custom Designs.
• Technische Basis: WooCommerce/WordPress-Datenbank als Single Source of Truth, JSON-Datenexport via Cronjob, Anbindung an ein Chatbot-Framework (z. B. n8n + Ollama oder externe Lösung).
• Zeitplan: ca. 12–16 Wochen bis Go-Live.
• Ressourcenbedarf: 2–3 Kernpersonen (Projektleitung, Entwickler, KI-Experte) plus QA/Support.
• Budget:
  + MVP mit Basisfunktionen: ca. 40–60k € (bei externer Umsetzung).
  + Vollausbau mit intelligenter Produktempfehlung: 75–90k €.

Datenstrategie und Infrastruktur

• Single Source of Truth: WooCommerce/WordPress als zentrale Datenquelle.
• ETL-Prozess: Stündliche JSON-Generierung (Produkte, Versand, Retouren, Custom Designs).
• Governance: Sicherstellung von Datenqualität, DSGVO-Compliance und Monitoring.
• Technologiepfad: Von MVP-Architektur (lokal, Docker-basiert) bis zur skalierbaren Cloud-/Kubernetes-Infrastruktur.

Change Management & Schulung

• Ziele: Mitarbeiterakzeptanz, Transparenz, aktive Einbindung.
• Maßnahmen: Kick-Off, Pilotphase mit Testgruppen, abteilungsbezogene Schulungen (Customer Service, Marketing, IT).
• Kommunikation: Regelmäßige Updates (Slack/Intranet), Feedback-Kanäle, Champions in jeder Abteilung.
• Erfolgskriterien: Reduktion von Routineanfragen, Mitarbeiterzufriedenheit, Akzeptanzraten.

Erfolgsmessung & Skalierung

• KPIs: Answer Resolution Rate, Escalation Rate, CSAT, Conversion Rate, ROI.
• Evaluationsprozess: 3-monatiger Pilot → KPI-Review → Entscheidung Rollout/Optimierung.
• Skalierungspfad:
  + Phase A: Stabilisierung & Governance
  + Phase B: Erweiterung Chatbot (CRM-/ERP-Integration, Multichannel)
  + Phase C: Weitere KI-Anwendungen (Marketing, Nachfrageprognosen, Support)
  + Phase D: Aufbau einer unternehmensweiten KI-Infrastruktur.

Fazit

Die Einführung eines Chatbots als Pilotprojekt ist ein idealer Einstieg in die KI-Transformation bei LANAKILA SPORTS.
Er kombiniert hohen Geschäftswert (Kundenzufriedenheit, Kostenersparnis) mit schneller Umsetzbarkeit.

Die mittel- bis langfristige Roadmap ermöglicht eine schrittweise Skalierung weiterer KI-Anwendungen (Marketing, Produktion, Operations) und führt zu einer nachhaltigen Wettbewerbs- und Innovationsfähigkeit.