Swiss AI-HubOpen-Source · Apache 2.0
AI-Infrastruktur für die Schweiz
Die besten Open-Source-Tools, zu einem vollständigen Stack zusammengeführt. Alles läuft bei dir, nichts davon in einer fremden Cloud.
Swiss AI-HubAlles drin. Alles verbunden.
Swiss AI-Hub kombiniert die besten Open-Source-Tools zu einer produktionsreifen AI-Plattform. Fertig zum Einsatz, ohne monatelange Eigenintegration.
Observability & Tracing
Jeder Prompt und jede Response wird erfasst, mit Kostentracking pro Trace, RAG-Analyse und Auswertungsdatensätzen. OpenTelemetry sorgt für durchgehenden Kontext über alle Services.
Swiss AI-Hub entstand aus einer einfachen Beobachtung: Zu viele starke Teams verschwenden ihre beste Energie damit, immer wieder dieselbe AI-Infrastruktur von Grund auf neu zu bauen. Das wollten wir ein für alle Mal ändern.
Platform Tour
Fünf Demos, die die Plattform von Anfang bis Ende zeigen. Jede läuft direkt nach docker compose up.
Dokumente hochladen
Dateien per Drag & Drop ins Admin-UI. Die Plattform übernimmt Parsing, Chunking, Embedding und Indizierung automatisch. Unterstützt werden PDF, DOCX, PPTX und XLSX. SharePoint, OneDrive, Google Drive und über 70 weitere Provider lassen sich per Rclone anbinden.
Platform Operations
Wie willst du sie betreiben?
Die Plattform ist und bleibt kostenlos und Open-Source. Diese Pläne decken Betrieb, Hosting und Support ab.
Community
Kostenlos starten
Free
Setup: —
Inklusive
Open-Source-Plattform
Guided Setup
—
Kickstart Agents
—
(Multi-)Tenant Setup
—
Kontinuierliche Updates
—
Health Watch
—
Safety Net
—
Major Upgrades
—
Support
Community-Support
Priority-Support
—
Dedicated Account Manager
—
Knowledge Base
Speicher
∞
Dokumentenverarbeitung
∞
LLM-Inferenz
LLM-Modelle
Inkl. Input-Tokens
∞
Inkl. Output-Tokens
∞
Professional
Wir bringen dich zum Laufen
500 CHF/M
Setup: 8’000 CHF
Inklusive
Open-Source-Plattform
Guided Setup
Kickstart Agents
(Multi-)Tenant Setup
Kontinuierliche Updates
—
Health Watch
—
Safety Net
—
Major Upgrades
—
Support
Community-Support
Priority-Support
—
Dedicated Account Manager
—
Knowledge Base
Speicher
∞
Dokumentenverarbeitung
∞
LLM-Inferenz
LLM-Modelle
Inkl. Input-Tokens
∞
Inkl. Output-Tokens
∞
Business
BeliebtWir halten es am Laufen
1’500 CHF/M
Setup: 8’000 CHF
Inklusive
Open-Source-Plattform
Guided Setup
Kickstart Agents
(Multi-)Tenant Setup
Kontinuierliche Updates
Health Watch
Safety Net
Major Upgrades
—
Support
Community-Support
Priority-Support
Dedicated Account Manager
—
Knowledge Base
Speicher
∞
Dokumentenverarbeitung
∞
LLM-Inferenz
LLM-Modelle
Inkl. Input-Tokens
∞
Inkl. Output-Tokens
∞
Enterprise
Dein AI-Infrastruktur-Partner
from 3’500 CHF/M
Setup: 8’000 CHF
Inklusive
Open-Source-Plattform
Guided Setup
Kickstart Agents
(Multi-)Tenant Setup
Kontinuierliche Updates
Health Watch
Safety Net
Major Upgrades
Support
Community-Support
Priority-Support
Dedicated Account Manager
Knowledge Base
Speicher
∞
Dokumentenverarbeitung
∞
LLM-Inferenz
LLM-Modelle
Inkl. Input-Tokens
∞
Inkl. Output-Tokens
∞
Alle Preise in CHF, exkl. MwSt.
Mit dem SDK weiterentwickeln
Jede Turnkey-Plattform hat irgendwann Grenzen. Die Swiss AI-Hub SDKs stellen sicher, dass du keine davon spürst.
Eigene Agents mit dekorierten Workflow-Steps, Dependency Injection und automatischer Plattformintegration. SSO, Tracing, Kostentracking und die Chat-UI sind ohne Zusatzaufwand dabei.
$pip install swiss-ai-hub-agent
Was dieser Code macht: Dieser Agent beantwortet Fragen aus der Knowledge Base oder eskaliert an einen menschlichen Experten. Der @step()-Dekorator definiert den Ablauf — Abhängigkeiten wie Config, Locale Handler und Displayer werden automatisch injiziert. Die Runtime routet Guard-Events an verschiedene Steps: ContextSufficientEvent löst eine LLM-Antwort mit Kostentracking aus, ContextInsufficientEvent ruft BotInTheLoop auf, um via Teams oder Slack einen Menschen einzubeziehen. Wenn der Experte antwortet, setzt der Dispatcher beim relay_expert-Step fort. Ein einziger Aufruf von AgentRunner verbindet sich mit NATS, registriert den Agent auf der Plattform und beginnt zu lauschen.
agent_example.py
1from swiss_ai_hub.agent import Agent, AgentConfig, AgentRunner, step2from swiss_ai_hub.core.events import UserMessageEvent, LLMStopEvent, StopEvent3from swiss_ai_hub.core.events.semantic import RetrieverEvent4from swiss_ai_hub.core.events.guard import ContextSufficientEvent, ContextInsufficientEvent5from swiss_ai_hub.core.events.botl import BotInTheLoop6from swiss_ai_hub.core.displayers import EventDisplayer7from swiss_ai_hub.core.retrievers import KnowledgeRetriever8from swiss_ai_hub.core.i18n import LocaleString, LocaleHandler910class ExpertQAAgent(Agent):11 name = LocaleString(en="Expert QA")12 description = LocaleString(en="Answers from documents or escalates to a human expert")13 icon = "mage:user-check"1415 @step()16 async def retrieve(self, event: UserMessageEvent, config: AgentConfig, t: LocaleHandler) -> RetrieverEvent:17 retriever = KnowledgeRetriever(config.retriever)18 nodes = await retriever.retrieve(query=event.user_query, t=t)19 return RetrieverEvent(nodes=nodes)2021 @step()22 async def check_context(self, event: RetrieverEvent) -> ContextSufficientEvent | ContextInsufficientEvent:23 if event.nodes:24 return ContextSufficientEvent()25 return ContextInsufficientEvent()2627 @step()28 async def respond(29 self, _: ContextSufficientEvent, retrieval: RetrieverEvent, start: UserMessageEvent,30 config: AgentConfig, displayer: EventDisplayer,31 ) -> LLMStopEvent:32 context = "\n\n".join(node.content for node in retrieval.nodes)33 messages = [ChatMessage(role="system", content=f"Answer based on:\n{context}"), *start.messages]34 async with config.llm.cost_reporting_llm(displayer) as llm:35 return await displayer.display_llm_stream(config.llm, llm, messages, as_stop_step=True)3637 @step()38 async def escalate(39 self, _: ContextInsufficientEvent, start: UserMessageEvent, config: AgentConfig,40 ) -> BotInTheLoop.request:41 return BotInTheLoop.invoke(question=start.user_query, user=start.user, channel_config=config.channel)4243 @step()44 async def relay_expert(self, event: BotInTheLoop.response, displayer: EventDisplayer) -> StopEvent:45 await displayer.display_chunk(f"{event.responder.user_name}: {event.response}", model_name="human-expert")46 return StopEvent()4748runner = AgentRunner(agent_type=ExpertQAAgent, agent_config=AgentConfig.as_form())49await runner.run_forever()Platform Development
Wie willst du darauf aufbauen?
Ob dein Team selbst loslegen will oder ihr auf uns zählt, es gibt einen Weg, der zu euch passt.
1
Exploration Workshop
1–2 Tage
Ein gemeinsamer Workshop vor Ort, um die vielversprechendsten AI-Use-Cases zu finden und zu bewerten.
Deliverables
- Priorisierter Use-Case-Backlog
- Technisches Machbarkeits-Assessment
- Architekturempfehlung
4’900 CHF
2
Proof of Concept
4–6 Wochen
Wir bauen einen funktionierenden Prototypen für deinen wichtigsten Use-Case, direkt auf deiner Swiss AI Hub Instanz.
Deliverables
- Funktionierender Prototyp
- Auswertung mit Erfolgskriterien und KPIs
12’000 – 24’000 CHF
3
MVP
8–16 Wochen
Vollständige Entwicklung mit Data Pipelines, Integrationen und User Acceptance Testing bis zur produktionsreifen Lösung.
Deliverables
- Produktionsreife Agents
- Vollständige Dokumentation
- Eingearbeitetes internes Team
60’000 – 120’000 CHF
4
Production
3-Wochen-Sprints
Sprint-basierte Weiterentwicklung vom MVP zur produktionsreifen Lösung, mit einem funktionierenden Ergebnis nach jedem Sprint.
Deliverables
- Inkrementelle Production Releases
- Performance-Tuning & Hardening
- Vollständige Dokumentation
- Knowledge Transfer
Nach Absprache
Alle Preise in CHF, exkl. MwSt.
Gesamtarchitektur
Von LLM-Providern bis zu Datenquellen, von externen Integrationen bis zu internen Datenbanken. Jede Komponente ist verbunden, beobachtbar und vollständig in deiner Hand.
