moresophy macht Enterprise-KI mit ContextChat 2.0 nachvollziehbar und steuerbar.

Neue Skill-Architektur verbindet Live-Daten, organisationsspezifisches Wissen und transparente Herleitung in einer Enterprise-KI-Plattform.

München, 10. September 2026 – Der Münchner KI-Spezialist moresophy stellt ContextChat 2.0 vor. Die neue Version erweitert die Enterprise-KI-Anwendung um modulare Skills, Live-Abfragen aus Unternehmenssystemen, optionale Wissensmodule und eine schrittweise Herleitung der Ergebnisse. Damit bearbeitet ContextChat nicht mehr nur einzelne Fragen zu Unternehmensdaten, sondern durchläuft vollständige Bearbeitungsprozesse: von der Analyse einzelner Informationen über deren Synthese zu einer Gesamteinschätzung bis zur Planung und Umsetzung konkreter nächster Schritte.

Das setzt bei einem zentralen Problem im Unternehmenseinsatz von KI an: Geschäftskritische Antworten stehen selten fertig in einem einzelnen Dokument. Die relevanten Informationen verteilen sich meist auf Verträge, Berichte, Datenbanken und operative Systeme. ContextChat führt diese Daten zusammen, ordnet sie fachlich ein, prüft Vorgaben und bezieht aktuelle Informationen ein.

„Die nächste Phase der Unternehmens-KI entscheidet sich nicht an immer größeren Modellen, sondern daran, ob Unternehmen ihre Daten und deren Bedeutung beherrschen“, sagt Prof. Dr. Heiko Beier, Gründer und Geschäftsführer von moresophy. „Wer nicht zeigen kann, welche Daten, Regeln und Berechnungen zu einem Ergebnis geführt haben, kann geschäftskritische Entscheidungen nicht verantwortbar automatisieren. ContextChat 2.0 macht genau diese Herleitung sichtbar.“

Skills machen fachliche Fähigkeiten wiederverwendbar

Unternehmen richten in ContextChat 2.0 Assistenten für konkrete Aufgabenfelder ein, etwa für Ausschreibungen, die Schadenbearbeitung in der Versicherung oder die Framing-Analyse von Medienberichten. Jeder Assistent verbindet mehrere Skills zu einem durchgängigen Bearbeitungsprozess. Ein Skill übernimmt dabei eine klar umrissene fachliche Aufgabe.

Für jeden Skill lässt sich festlegen, welche Fragen er bearbeiten soll, welches Fachwissen und welche Prüfkriterien gelten und welche Datenquellen, Modelle oder zusätzlichen Ressourcen er benötigt. Einmal eingerichtet, können Unternehmen diese Bausteine in verschiedenen Assistenten wiederverwenden. Die Entwicklungsumgebung unterstützt automatisierte Tests und Versionierung für robuste, auditierfähige KI-Prozesse.

Fachverantwortliche können bestehende Skills im No-Code-Verfahren an ihre Anforderungen anpassen. Die datengetriebene Orchestrierung übernimmt DAPHY^®, die Steuerungstechnologie von moresophy. DAPHY^® verbindet die vorgesehenen Skills mit den jeweils relevanten Daten und führt sie passend zur Anfrage zusammen. Der Anwender muss dafür weder programmieren noch jeden Prozessschritt als Workflow vorgeben.

Live-Daten ergänzen die Dokumentenanalyse

Viele Enterprise-KI-Anwendungen setzen auf Retrieval-Augmented Generation (RAG). ContextChat 2.0 geht darüber hinaus: Die Plattform verbindet Dokumente mit Datenbanken, ERP-Systemen und weiteren Fachanwendungen. Während der Bearbeitung fragt sie aktuelle Informationen direkt aus den angebundenen Systemen ab.

Diese Multi-Source-Fusion verknüpft die relevanten Datenpunkte zu einer gemeinsamen Auswertung. Ein Chemieunternehmen oder Industriezulieferer kann mit einem Ausschreibungsassistenten beispielsweise Anforderungen aus den eingehenden Unterlagen mit Produktdaten, Nachweisen, aktuellen Beständen und Lieferinformationen verbinden. Auf dieser Grundlage bereitet der Assistent eine belastbare Bewertung und Angebotskalkulation vor.

Von der Einzelfallprüfung zur Portfolioanalyse

Die Multi-Source-Fusion von ContextChat 2.0 bleibt nicht auf den Einzelfall beschränkt. Dank der zugrunde liegenden ContextSuite-Architektur lässt sich dieselbe Fachlogik auch auf ganze Bestände anwenden – über einzelne Fälle, Verträge oder Berichte hinweg. Damit ermöglicht ContextChat Analysen auf Portfolioebene, die mit klassischen KI-Agenten nur schwer zuverlässig über große Datenbestände hinweg umsetzbar sind.

Ein Versicherer kann so nicht nur eine einzelne Klausel prüfen, sondern ganze Vertragsportfolios auf systematische Risiko- oder Kostenmuster hin auswerten. Ein Medienunternehmen kann die Framing-Analyse nicht auf einen einzelnen Artikel begrenzen, sondern Berichterstattungsmuster über hunderte Beiträge und längere Zeiträume hinweg sichtbar machen. Diese Portfolioebene eröffnet eine Auswertungstiefe, die mit dokumentenbasierten Einzelanalysen bislang nicht erreichbar war.

Die Herleitung zeigt mehr als eine Quellenliste

ContextChat 2.0 macht den Bearbeitungsweg in einer neuen Herleitung sichtbar. Sie zeigt Schritt für Schritt, welche Begriffe das System geklärt, welche Datenpunkte und Quellen es genutzt, welche Skills und Regeln es angewendet und welche Berechnungen es ausgeführt hat. Anwender können einzelne Aussagen damit bis zu ihrer fachlichen und datenbezogenen Grundlage zurückverfolgen.

Fehlende Evidenz und widersprüchliche Informationen verschwinden nicht in einer plausibel klingenden Antwort. Hat das Unternehmen eine fachliche Regel für einen solchen Fall hinterlegt, wendet ContextChat 2.0 sie an und dokumentiert den Schritt. Greift keine Regel, kennzeichnet die Anwendung die Unsicherheit oder den Konflikt für die weitere fachliche Prüfung.

Das ist insbesondere in regulierten Prozessen relevant, in denen Unternehmen automatisierte oder KI-gestützte Bearbeitungsschritte nachvollziehbar dokumentieren und kontrollieren müssen. So bleiben auch komplexe Entscheidungsprozesse prüfbar.

Module sichern organisationsspezifische Bedeutungen

ContextChat 2.0 ergänzt Assistenten und Skills um optionale Module für besondere Wissens- und Governance-Aufgaben. Das erste verfügbare Modul ist das Glossary Lifecycle Management (GLM). Es hilft Unternehmen, organisationsspezifische Begriffe aus vorhandenen Inhalten abzuleiten, fachlich zu beschreiben und verbindlich festzulegen.

Ein allgemeines Sprachmodell kennt möglicherweise die übliche Bedeutung eines Begriffs wie „Rechteinhaberschaft“. Es weiß aber nicht automatisch, welche fachliche oder rechtliche Definition innerhalb einer bestimmten Organisation gilt. Das GLM schlägt auf Basis vorhandener Quellen Definitionen vor, die Fachverantwortliche im Human-in-the-Loop-Verfahren prüfen, ergänzen und bestätigen. Anschließend können die relevanten Skills und Assistenten auf die freigegebenen Begriffe zugreifen.

Die Modularchitektur ist für weitere Anwendungen offen. Perspektivisch lassen sich nach demselben Prinzip beispielsweise auch standardisierte Prozessbeschreibungen verwalten.

Die Architektur begrenzt Modellaufrufe und Rechenaufwand

ContextChat 2.0 setzt KI-Modelle abhängig von der jeweiligen Aufgabe ein. So können für komplexe Analysen leistungsfähige Sprachmodelle und für einfachere Schritte kleinere oder lokal betriebene Modelle genutzt werden.

Die modulare Skill-Architektur hält die Prompts kurz, weil jeder Skill nur den Kontext verarbeitet, den er für seine Aufgabe tatsächlich braucht. Datenbankabfragen, Filterungen und Berechnungen führt die Plattform analytisch und ohne generative KI aus. So vermeidet ContextChat 2.0 unnötige Modellaufrufe und begrenzt Token-Verbrauch sowie Rechenaufwand.

Cloud-agnostischer Betrieb und nutzungsabhängige Abrechnung

ContextChat 2.0 läuft unabhängig von einem bestimmten Cloud-Anbieter. moresophy bietet die Plattform standardmäßig als Software-as-a-Service an. Unternehmen aus regulierten oder sicherheitskritischen Bereichen – etwa Betreiber kritischer Infrastrukturen im Sinne der KRITIS-Regulierung – können sie auch in einer dedizierten Private Cloud oder On-Premises betreiben. Sie können damit Modelle, Infrastruktur und Datenhaltung nach ihren Anforderungen wählen und ihre technologische Souveränität wahren.

Das Preismodell kombiniert einen Plattform-Tarif mit einer nutzungsabhängigen Komponente. Die zugrunde liegende DAPHY^®-Technologie kommt bereits in der Medienanalyse, der Versicherungswirtschaft, der musikalischen Rechteverwertung sowie im industriellen Mittelstand zum Einsatz oder wird dort eingeführt. ContextChat 2.0 soll ab dem 15. September 2026 als SaaS-Lösung und in dedizierten Betriebsmodellen verfügbar sein.

Über moresophy

moresophy entwickelt Enterprise-KI für Unternehmen, die KI auch in geschäftskritischen Prozessen verlässlich einsetzen wollen. Die Technologie verbindet Unternehmensdaten, organisationsspezifisches Wissen und fachliche Logik und macht nachvollziehbar, auf welcher Grundlage Ergebnisse und Empfehlungen entstehen. Technologisches Herzstück ist der Reasoning Orchestrator DAPHY^®, der Daten und KI-Modelle so orchestriert, dass Schlussfolgerungen bis zu ihren Quellen zurückverfolgt werden können. Die Lösungen verbinden bestehende Unternehmenssysteme und Datenquellen über Systemgrenzen hinweg zu einer gemeinsamen Wissensgrundlage – unabhängig von einzelnen KI-Modellen oder Cloud-Anbietern. Das Münchner Unternehmen entwickelt seit 2001 KI-Lösungen für den produktiven Unternehmenseinsatz.