Blockbrain im Praxischeck: Auto-Router, Kostensteuerung und wie der Einstieg abläuft

Blockbrain hat 23 Millionen Euro eingesammelt, arbeitet mit Bosch Rexroth, Roland Berger und Giesecke+Devrient und sitzt in Stuttgart. Trotzdem taucht die Plattform in keinem einzigen der neun deutschsprachigen Vergleichsartikel auf, die ich für dieses Cluster ausgewertet habe. Unabhängige Nutzerbewertungen gibt es praktisch keine.

Das ist kein Qualitätsurteil, sondern eine Vertriebsentscheidung. Blockbrain verkauft über Demos und Fachpresse, nicht über Vergleichsportale. Für dich heißt es aber: Wenn du diese Plattform bewerten willst, findest du fast nur Anbieterkommunikation. Deshalb dieser Text.

Ich habe die Primärquellen durchgearbeitet, also Website, Sicherheitsseite, Pressemitteilungen, Handelsregister, den STACKIT Marketplace und vor allem die Produktdokumentation mit ihrem Changelog. Da steht mehr Ehrliches drin als in jedem Werbetext.

Dazu kommt etwas, das eine Recherche nicht ersetzen kann. Ich war bei einem Vortrag von Blockbrain, bei dem Bestandskunden selbst auf der Bühne standen, und habe danach mit einigen von ihnen gesprochen. Anschließend hatte ich einen Termin beim Partnermanager mit einer Demo. Mehreres aus diesen Gesprächen steht so nirgends auf der Website und ist für eine Entscheidung wichtiger als die halbe Featureliste.

Wie viel spart der neue Auto-Router wirklich?

Das ist die spannendste Entwicklung bei Blockbrain in diesem Quartal, und sie ist so frisch, dass sie es noch nicht einmal in die eigene Dokumentation geschafft hat.

Seit Anfang September ist ein eigener LLM-Router live. Er entscheidet pro Anfrage selbst, welches Modell rangeht, und zwar anbieterübergreifend. CEO Antonius Gress hat die Logik auf LinkedIn öffentlich beschrieben:

Die Zahlen dazu, ebenfalls nach Anbieterangabe: bis zu 60 Prozent geringere Token-Kosten. Über gemischte Arbeitslasten soll eine Antwortqualität herauskommen, die mit einem Frontier-Modell vergleichbar ist, bei rund 40 Prozent der Kosten und gleicher oder besserer Latenz. Konfigurieren muss man dafür nichts.

Wenn das in eurem Anwendungsfall auch nur annähernd hinkommt, ist es der größte einzelne Kostenhebel der ganzen Plattform. Die Logik dahinter ist auch schlicht richtig: Die wenigsten Anfragen im Unternehmensalltag brauchen wirklich ein Spitzenmodell, aber fast alle bekommen im Zweifel eines, weil niemand pro Anfrage neu entscheidet.

Der Router löst kein technisches Problem, sondern ein menschliches: Niemand wählt bei jeder einzelnen Anfrage bewusst das passende Modell.

Wie belastbar sind die Zahlen?

Hier gehört Transparenz dazu, und zwar in beide Richtungen.

Die 60 und die 40 Prozent stammen aus einem LinkedIn-Beitrag des Gründers. Das ist eine öffentliche, namentlich zurechenbare Aussage und damit deutlich mehr wert als eine anonyme Marketingzahl. Es ist aber keine unabhängig geprüfte Messung, und sie steht weder im Changelog noch in der Produktdokumentation. Was „gemischte Arbeitslasten“ genau heißt, bleibt offen, und genau daran hängt das Ergebnis.

Mein Rat: Nimm die Zahl als Größenordnung mit ins Gespräch und lass sie dir an eurem eigenen Anfragemix zeigen. Der Router protokolliert, welches Modell er gewählt hat, und die Plattform wertet den Verbrauch nach Modell aus. Eine Woche Parallelbetrieb mit und ohne Router liefert euch eine eigene Zahl. Das ist eine gute erste Aufgabe für einen Piloten und kostet fast nichts.

Was der Vorgänger über Routing gelehrt hat

Es gab schon vor dem Router einen automatischen Modus, und über den steht im Changelog vom 9. September 2026 ein bemerkenswert offener Satz:

„Gemessen an einem realistischen Satz von Prompts hat der automatische Modus viele Anfragen bisher einem weniger leistungsfähigen Modell zugeordnet, als die Aufgabe es erfordert hätte.“

Die Auswahl wurde daraufhin nach oben korrigiert. Dass Blockbrain so etwas in die eigene Dokumentation schreibt, statt es still zu beheben, spricht für den Anbieter.

Für dich steckt darin die eigentliche Lehre zum Thema Routing: Es ist eine laufende Kalibrierung, kein gelöstes Problem. Ein Router, der zu sparsam eingestellt ist, liefert schwächere Antworten, und das merkt im Alltag niemand, weil eine mittelmäßige Antwort nicht wie ein Fehler aussieht.

Praktisch heißt das: Nutze den Router für Routinearbeit, also Zusammenfassungen, Formulierungshilfen, einfache Recherche. Für alles, wo das Ergebnis in eine Entscheidung oder nach draußen geht, setz das Modell fest. Blockbrain lässt dich pro Bot definieren, welche Modelle überhaupt zur Auswahl stehen, bis hin zu der Option, nur ein einziges Standardmodell zuzulassen.

Wie schnell sich das hier bewegt

Beim Gegenprüfen der Quellen bin ich auf etwas gestoßen, das für die Bewertung des Anbieters aussagekräftiger ist als jede Featureliste. Ich habe am selben Tag drei verschiedene Stände vorgefunden:

• Im LinkedIn-Beitrag des Gründers: der Auto-Router plus neun weitere Modelle, die im August dazukamen, darunter Kimi K3, Qwen3 235B und Gemini 3.7 Flash.
• Im Changelog der Dokumentation: der letzte Eintrag vom 9. September, ohne Auto-Router.
• In der Modellübersicht derselben Dokumentation: Kimi K3, Qwen 235B und die neuen Gemini-Versionen tauchen noch gar nicht auf.

Der Gründer schreibt selbst, zwischen zwei Gemini-Releases bei ihnen hätten genau sieben Tage gelegen. Das erklärt den Rückstand der Doku und ist zugleich das beste Argument für die Architektur: Wer Modelle in diesem Tempo austauscht, braucht eine Plattform, die nicht an einem Anbieter hängt.

Wichtig ist auch, was Blockbrain dazu sagt: Man nehme nicht jedes Modell auf, das erscheint, sondern teste erst und entscheide dann. Bei den Marketingankündigungen der Modellanbieter sei man grundsätzlich skeptisch.

Für dich heißt das vor allem eins: Verlass dich bei diesem Anbieter auf keinen Artikel, auch nicht auf diesen. Frag im Termin nach dem Stand von heute.

Der zweite Kostenhebel: die Compute Blocks

Das ist der Bereich, in dem Blockbrain schon vor dem Router weiter war als die meisten Wettbewerber. Nur redet im Marketing kaum jemand darüber, weil es nach Buchhaltung klingt.

Blockbrain rechnet nicht in Tokens, sondern in Compute Blocks. Die Dokumentation definiert sie als die Einheit, die den Ressourcenverbrauch auf der Plattform misst, und stellt klar, dass der Verbrauch die Input- und Output-Tokenpreise des jeweiligen Modells widerspiegelt. Ein teureres Modell kostet also proportional mehr.

Dazu kommt, was den Unterschied im Alltag macht:

• Warnung, bevor es teuer wird. Vor dem Ausführen einer Anfrage wird der geschätzte Verbrauch angezeigt. Der Nutzer entscheidet, ob er sie trotzdem startet.
• Kostenprüfung während des Agentenlaufs. Ein Agent, der sein Budget überschreitet, wird sofort gestoppt und nicht erst bei der nächsten Anfrage.
• Projekt- und Kostenstellencodes. Wer an sein Limit stößt, kann einen Code eingeben und bekommt temporär zusätzliches Budget. Die Codes lassen sich gegen eine eigene Schnittstelle validieren, sodass keine Codeliste auf der Plattform liegen muss.
• Warnschwellen bei 70 und 90 Prozent, per Banner oder Mail, konfigurierbar.
• Auswertung und Export nach Nutzer, Bot, Modell, Agent und Schlüssel, als CSV, XLSX oder JSON.

Der Router senkt den Preis pro Anfrage. Die Compute Blocks zeigen dir, wohin das Geld überhaupt fließt. Das eine ersetzt das andere nicht.

Der dritte Kostenhebel: eine saubere Wissensbasis

Das war für mich die wichtigste Erkenntnis aus der Demo, und sie wird in Vergleichen praktisch nie erwähnt, weil sie technisch klingt.

Jede Frage an eine KI, die auf Firmenwissen zugreift, läuft in zwei Schritten: Erst sucht das System passende Textstücke heraus, dann schickt es diese zusammen mit der Frage an das Sprachmodell. Bezahlt wird für alles, was mitgeschickt wird. Wenn die Suche zehn mittelmäßig passende Absätze liefert statt drei genau richtiger, zahlst du bei jeder einzelnen Anfrage für sieben Absätze zu viel. Bei tausenden Anfragen im Monat ist das kein Rundungsfehler.

Genau hier ist Blockbrain nach meinem Eindruck sauberer gebaut als der Durchschnitt. Dokumentiert sind ein mehrstufiges Retrieval, die Steuerung der Dokumentaufteilung direkt in der jeweiligen Wissensdatenbank statt als globale Einstellung, ein wählbares Embedding-Modell und eine tabellenbewusste Verarbeitung, bei der Tabelleninhalte beim Zerlegen zusammenbleiben. Dazu kommt ein Routing, das anhand der Beschreibungen von Wissensdatenbanken und Ordnern vorab eingrenzt, wo überhaupt gesucht wird.

Die sauberste Wissensbasis ist auch die günstigste. Beides kommt aus derselben Arbeit.

Ehrlich dazu: Ich habe das nicht selbst gemessen, und ein belastbarer Vergleichswert gegen andere Plattformen ist mir nicht bekannt. Es ist meine Einschätzung aus der Demo und aus dem, was dokumentiert ist. Wenn dir jemand konkrete Einsparungen verspricht, lass sie dir an eurem eigenen Dokumentenbestand zeigen, nicht an einer Beispieldatenbank.

Ein Spartipp, der nichts kostet: 15 Prozent weniger Verbrauch

Wer dahintersteht

Die Blockbrain GmbH sitzt in der Marienstraße in Stuttgart, eingetragen beim Amtsgericht Stuttgart unter HRB 785056, gegründet 2022. Geschäftsführer sind Antonius Gress und Nam Hai Ngo. Dritter Mitgründer ist Mattias Protzmann als CTO und Chairman.

Im Februar 2026 kamen 17,5 Millionen Euro in einer Series A dazu, unter gemeinsamer Führung von Alstin Capital aus München und 13books Capital aus London, mit der HARTING Family Foundation und den Bestandsinvestoren Giesecke+Devrient Ventures, LBBW Ventures und Mätch VC. Gesamtfinanzierung nach eigenen Angaben 23 Millionen Euro.

Dass ein Sicherheitskonzern wie Giesecke+Devrient und die Landesbank Baden-Württemberg investiert sind, ist für einen Anbieter, der Souveränität verkauft, ein brauchbares Signal. G+D hat Blockbrain in einem eigenen Sicherheitsbenchmark mit 92 von 105 Punkten bewertet.

Ein Detail, das für die Einordnung im deutschen Markt zählt: Blockbrain ist Hauptsponsor der KI Palooza am 29. und 30. September 2026 in Stuttgart, gemeinsam mit Deutsche Bahn, Kärcher und dem VfB Stuttgart. Das Unternehmen investiert sichtbar in seine Heimatregion, statt nur international zu skalieren.

Der Souveränitäts-Stack

Das ist Blockbrains Kernversprechen, und es ist besser belegt als bei den meisten Wettbewerbern.

• EU-Hosting als Standard, mit einer US-Option, die ausdrücklich früheren Zugriff auf neue Modelle bietet.
• Deutscher Rechtsraum über STACKIT, wenn ihr das wollt. Seit März 2026 besteht eine Kooperation mit STACKIT, dem Cloud-Anbieter von Schwarz Digits, also der Schwarz Gruppe. Laut Anbieter bleibt die Datenverarbeitung damit im deutschen Rechtsraum und unter Kontrolle der Kunden.
• ISO 27001:2022, laut Anbieter ohne Abweichungen zertifiziert.
• Zero Data Retention und die ausdrückliche Zusage, dass keine Informationen zum Training öffentlicher KI-Modelle verwendet werden. Der Gründer formuliert das so, dass das Wissen der Kunden ihr Wissen bleibt und nicht an die großen Modellanbieter ausverkauft wird.

Der Punkt, den ich erst im Gespräch verstanden habe

In der öffentlichen Kommunikation steht STACKIT so prominent, dass es wie der einzige Weg wirkt. Im Termin beim Partnermanager wurde deutlich, dass es eine Wahlmöglichkeit ist. STACKIT ist eine Option, genauso lässt sich aber zum Beispiel AWS im EU-Raum wählen. Was sinnvoll ist, hängt vom Kunden ab, also von bestehender Cloud-Landschaft, internen Vorgaben und davon, wie streng die Souveränitätsanforderung wirklich formuliert ist.

Und der Teil, der in keinem Werbetext steht: Über STACKIT können zusätzliche Kosten entstehen. Das ist nachvollziehbar, denn souveräne Infrastruktur ist nicht umsonst zu haben. Es heißt für dich aber: Souveränität ist hier kein Haken, den man setzt, sondern eine Position im Angebot.

Frag im ersten Termin nicht, ob es deutsches Hosting gibt. Frag, was es zusätzlich kostet.

Praktisch heißt das auch: Wenn eure Anforderung „Daten bleiben in der EU“ lautet und nicht „Daten bleiben unter deutscher Rechtshoheit“, dann ist der AWS-Weg im EU-Raum möglicherweise der wirtschaftlichere. Diesen Unterschied solltet ihr intern geklärt haben, bevor ihr ins Gespräch geht, sonst kauft ihr eine Anforderung, die euer Datenschutz gar nicht gestellt hat.

Der Fall, der zeigt, wofür Modellunabhängigkeit gut ist

Am 12. Juni 2026 ordnete die US-Regierung per Exportkontrollverordnung an, den Zugang zu zwei neuen Anthropic-Modellen weltweit für ausländische Staatsangehörige zu sperren. Anthropic stellte den Zugang zu beiden Modellen daraufhin ganz ab. Die etablierten Claude-Modelle blieben verfügbar, im Juli war die Sperre wieder aufgehoben.

Blockbrain-Kunden waren nach Unternehmensangaben nicht betroffen, weil beide Modelle die interne Freigabeprüfung noch nicht durchlaufen hatten. CTO Mattias Protzmann dazu wörtlich: „Wir haben unsere Plattform von Anfang an modellagnostisch gebaut, genau für Situationen wie diese. Ein einzelnes Modell oder ein einzelner Anbieter darf niemals zum Single Point of Failure für unsere Kunden werden, das gilt für Verfügbarkeit genauso wie für Datensicherheit oder Kostensteigerungen.“

Die Episode ist abgeschlossen und hat niemandem geschadet. Genau deshalb taugt sie als Beleg: Modellunabhängigkeit ist kein Architekturhobby, sondern hat sich in einem echten Fall ausgezahlt.

Wo Blockbrain technisch stärker ist als Langdock

Ich habe Langdock in einem eigenen Beitrag durchgearbeitet. Beide Plattformen lösen ähnliche Probleme, setzen aber unterschiedliche Schwerpunkte. Blockbrain ist an vier Stellen erkennbar tiefer.

• Wissensmanagement. Mehrstufiges Retrieval, Steuerung der Dokumentaufteilung direkt in der jeweiligen Wissensdatenbank, wählbares Embedding-Modell, tabellenbewusste Verarbeitung, sodass Tabelleninhalte beim Zerlegen zusammenbleiben. Dazu geplantes Web-Crawling in festen Intervallen.
• Kostensteuerung. Fünf Limitebenen und Kostenstellenlogik findest du sonst eher in ERP-Systemen als in KI-Plattformen. Mit dem Auto-Router kommt jetzt ein zweiter Hebel dazu.
• Office-Agenten. Dedizierte Agenten für PowerPoint, Excel, Outlook, SharePoint, Teams und OneNote, dazu ein Word-Add-in, das inzwischen auch nachverfolgte Löschungen erzeugt. Wer viel in Microsoft-Dokumenten arbeitet, merkt den Unterschied.
• Berechtigungen. Die Rechtestruktur ist sehr granular, und das war in der Demo einer der überzeugendsten Punkte. Wer welche Wissensquelle sieht, welcher Bot auf welche Daten zugreift, welche Modelle überhaupt zur Auswahl stehen, all das lässt sich fein steuern. Für Häuser, in denen Personaldaten, Vertragsdaten und Fachwissen im selben System liegen, ist das kein Komfortthema, sondern die Voraussetzung dafür, dass es überhaupt genehmigt wird.

Umgekehrt ist Langdock bei der Preistransparenz und beim Model Context Protocol weiter. Langdock kann selbst als MCP-Server dienen, Blockbrain ist dokumentiert nur MCP-Client.

Was kostet Blockbrain?

Kurz: Das weiß von außen niemand.

Es gibt keine Preisseite, die entsprechende Adresse liefert einen Fehler. Im STACKIT Marketplace ist Blockbrain als Software-as-a-Service gelistet, in der Kategorie kostenpflichtig, aber ohne jede Preisangabe. Es gibt keinen kostenlosen Einstieg und keinen Selbstbedienungsweg. Jede Evaluierung beginnt mit einem Termin.

Für die Budgetplanung heißt das: Du kalkulierst nicht mit einem Nutzerpreis, sondern mit einem Verbrauchsmodell plus Projektaufwand für die Einführung. Das ist ein anderer Beschaffungsvorgang als eine Lizenz, und er gehört in eine andere Budgetlinie.

Wie der Einstieg tatsächlich abläuft

Im Termin beim Partnermanager wurde das Modell greifbar, und es unterscheidet sich grundlegend von einem Lizenzkauf.

Blockbrain startet in der Regel mit einem Pilotprojekt, begleitet vom eigenen Team für Forward Deployed Engineering. Diese Leute richten nicht nur ein, sie arbeiten die Mitarbeitenden des Kunden mit ein, damit die anschließend selbst Agenten bauen und die Plattform eigenständig betreiben können. Der Anbieter berichtet, dass Kunden das oft schnell übernehmen.

Das ist der Unterschied zu klassischer Beratungsarbeit, und er ist erwähnenswert: Das erklärte Ziel ist die Übergabe, nicht die Verlängerung. Ob das im Einzelfall aufgeht, hängt wie immer davon ab, ob bei euch jemand die Zeit bekommt, das zu übernehmen. Das Modell ist aber richtig herum gedacht.

Bei Langdock fängst du mit einer Lizenz an. Bei Blockbrain fängst du mit einem Projekt an. Das ist keine Wertung, das sind zwei verschiedene Budgetgespräche.

Was du vor dem Gespräch klären solltest

Kein Anbieter beantwortet alle Fragen auf der Website, und das ist normal. Diese fünf Punkte lassen sich von außen nicht klären, gehören aber in jede Entscheidung. Nimm sie als Liste mit in den Termin.

1. Den Preisanker, den es öffentlich nicht gibt

Wer intern eine Entscheidungsvorlage schreiben muss, braucht eine Zahl. Langdock legt Nutzerpreise offen, meinGPT nennt sogar einen Pilotpreis. Bei Blockbrain kommst du an eine Größenordnung erst über ein Gespräch. Die Orientierung weiter oben hilft dir bei der Frage, ob ein Termin überhaupt Sinn ergibt, sie ersetzt aber kein Angebot und sagt nichts über die laufenden Verbrauchskosten nach dem Piloten. Frag konkret nach beidem: Pilotumfang und erwarteter Monatsverbrauch danach.

2. Ob ihr den Projekteinstieg tragen wollt

Bei einer Lizenzplattform buchst du ein paar Nutzer und schaust, was passiert. Hier steht am Anfang ein Pilotprojekt, das Budget, einen internen Verantwortlichen und Terminzeit kostet. Die Einstiegshürde ist damit höher, und das sollte man nicht schönreden.

Dass sie höher ist, heißt aber nicht, dass sie sich nicht lohnt. Aus den Gesprächen mit Kunden auf dem Vortrag habe ich eher den gegenteiligen Eindruck mitgenommen: Wo der Pilot auf einen echten Prozess gezielt hat, hat sich die Anfangsinvestition schnell getragen. Es heißt nur, dass die Entscheidung anders vorbereitet werden muss, nämlich wie ein Projekt und nicht wie eine Toolauswahl.

3. Was On-Premise konkret bedeutet

Auf der Startseite steht „Cloud oder On-Premises“. In der öffentlichen Produktdokumentation mit rund 120 Seiten findet sich dazu keine Seite, weder zu Installation noch zu Systemvoraussetzungen noch zum Betrieb. Wenn On-Premise für euch entscheidend ist, lasst euch Umfang und Bedingungen schriftlich zusagen, bevor ihr darauf plant.

4. Den Zertifikatsnachweis

Die ISO-27001-Zertifizierung wird beworben, Zertifizierungsstelle und Zertifikatsnummer stehen aber nirgends öffentlich. Das machen viele Anbieter so. Lass dir im Gespräch trotzdem das Zertifikat als Dokument zeigen, nicht den Claim auf der Website, und frag nach der Liste der Unterauftragsverarbeiter. Ein Trust Center existiert, die Inhalte sind nicht frei einsehbar.

5. Referenzen aus eurer Branche

Blockbrain positioniert sich auch Richtung Banken, unter anderem mit einem Fachbeitrag zu technischer Governance für generative KI in Kreditinstituten. Die öffentlich benannten Referenzen stammen aus Industrie, Logistik und Kanzleien. Ein Kreditinstitut als Referenzkunde ist Stand September 2026 nicht öffentlich dokumentiert. Die LBBW ist über ihre Tochter Investor, nicht Kunde, und Domcura ist ein Assekuradeur, also Versicherung und keine Bank. Wenn ihr aus einer stark regulierten Branche kommt, fragt gezielt nach einem vergleichbaren Kunden und einem Referenzgespräch.

Ein sechster Punkt, der eher eine Erwartungshaltung ist als eine Frage: Das Skill-Konzept ist gut gebaut, mit teilbaren Ordnern und Versionshistorie, aber es kommt ohne mitgelieferte Bibliothek. Der Wert entsteht durch eure eigene Modellierungsarbeit. Das gilt bei jeder Plattform, hier ist es nur besonders sichtbar.

Für wen sich Blockbrain eignet

• Passt gut für Mittelstand und Konzern, wenn ihr sensibles Fachwissen habt, das in nachvollziehbare Bots und Agenten überführt werden soll, wenn feingranulare Berechtigungen nötig sind, wenn deutscher Rechtsraum eine Anforderung ist und wenn ihr interne Leistungsverrechnung über Kostenstellen braucht. Die Referenzen aus Industrie und Kanzleien passen genau in dieses Profil.
• Passt weniger gut für sehr kleine Organisationen, also etwa eine Agentur mit einer Handvoll Leuten. Nicht weil die Plattform dort nichts brächte, sondern weil die Anfangsinvestition für ein Pilotprojekt in keinem Verhältnis zur Teamgröße steht. Dasselbe gilt, wenn ihr diese Woche starten wollt oder wenn euer Hauptbedarf schlicht ein breiter KI-Zugang für alle Mitarbeitenden ist. Dafür ist eine Lizenzplattform der direktere Weg.

Blockbrain kauft man mit Projektbudget, Langdock mit Lizenzbudget. Das ist der kürzeste Weg, den Unterschied zu erklären.

Alternativen zu Blockbrain

• Langdock (Berlin) für den Breiten-Rollout. Transparent bepreist ab 25 Euro pro Nutzer, schneller ausrollbar, ISO 27001 und SOC 2 Type II. Die naheliegende Wahl, wenn alle Mitarbeitenden einen sicheren Zugang bekommen sollen.
• meinGPT (SelectCode GmbH, Unterhaching) verkauft Schulung und Begleitung mit. Interessant, wenn die Adoption der Engpass ist und nicht die Technik.
• DeutschlandGPT (Germering) hostet auf der Open Telekom Cloud in Magdeburg und Biere, mit BSI-C5-Zertifizierung auf Hosting-Ebene. Die Wahl, wenn gar kein US-Anbieter im Stack sein darf.
• Microsoft 365 Copilot, wenn euer Nutzen hauptsächlich in Word, Outlook und Teams liegt. Deutlich schneller eingeführt, dafür ohne Modellwahl.

Mein Fazit

Blockbrain ist eine ernstzunehmende Plattform mit dem stärksten Souveränitätsargument im deutschen Feld, einer Kostensteuerung, die tiefer geht als bei allen Wettbewerbern, die ich mir angesehen habe, und seit September einem eigenen Router, der das Thema Modellkosten von der anderen Seite anpackt. Die Referenzen sind echt, die Finanzierung trägt, und die Produktentwicklung läuft in einem Tempo, bei dem die eigene Dokumentation nicht mehr hinterherkommt.

Der Unterschied zu einer Lizenzplattform liegt nicht in der Qualität, sondern im Startpunkt. Ohne öffentlichen Preisanker und ohne Selbstbedienungs-Test ist die Einstiegshürde höher, und am Anfang steht ein Projekt und kein Rollout. Das verschiebt die Frage, die ihr euch stellen müsst: Nicht „wollen wir das ausprobieren“, sondern „welchen Prozess nehmen wir uns als Erstes vor“. Für Unternehmen ab mittlerer Größe ist das ohnehin die bessere Frage.

Und zum Auto-Router: Nimm die 60 Prozent als Größenordnung, nicht als Zusage, und lass sie dir an eurem eigenen Anfragemix nachrechnen. Wenn auch nur die Hälfte davon bei euch ankommt, ist es der günstigste Hebel, den ihr in diesem Jahr ziehen könnt.

Häufige Fragen zu Blockbrain