Ænix AI Platform

Open-Source Cozystack (CNCF-Projekt, von uns entwickelt und gepflegt) → Ænix Platform, die unterstützte kommerzielle Distribution → Aenix baut, betreibt und migriert sie.

Die Ænix AI Platform ist eine schlüsselfertige, souveräne KI-Infrastruktur auf Basis des Open-Source-Projekts Cozystack (CNCF, Apache 2.0). Sie richtet sich an KI-native Organisationen im großen Maßstab, regulierte KI-Deployments und GPU-lastige Produkt-Unternehmen, die Inferenz-, Fine-Tuning- und RAG-Workloads selbst betreiben statt über Hyperscaler-APIs. Aenix liefert vor-integriertes Multi-Tenant-GPU-Scheduling (Tenant-CRD), Service-APIs für Model-Serving und Fine-Tuning, fertige Blueprints, Vector-Datenbanken, Object Storage und Souveränitätskontrollen mit kundenkontrollierten Verschlüsselungsschlüsseln. So kommen KI-Teams schneller von der Idee zu laufenden Jobs, behalten die Datenhoheit und gewinnen Kostenkontrolle bei dauerhaft ausgelasteten Inferenz-Lasten.

Auf einen Blick

Was es ist: Schlüsselfertige, souveräne KI-Infrastruktur auf Basis von Cozystack mit Multi-Tenant-GPU-Scheduling, Service-APIs und fertigen Blueprints für Inferenz, Fine-Tuning und RAG
Lizenz: Apache 2.0 (keine CPU-/Core-basierte Lizenzierung)
Status: Cozystack ist ein CNCF-Projekt (Sandbox seit 28.02.2025; Incubating erwartet Spätsommer 2026)
Für wen: KI-native Startups im Wachstum, regulierte KI-Deployments (Bank / öffentlicher Sektor / Gesundheitswesen), GPU-lastige Produkt-Unternehmen, Telcos und Großunternehmen mit interner KI-Plattform
GPU-Support: H100, H200, L40S, A100, B100/B200 (Blackwell); CPU-only und alternative Beschleuniger (AMD MI Series, Intel Gaudi) unterstützt; fraktionales GPU-Sharing über HAMi auf dem NVIDIA GPU Operator
Architektur: Kubernetes-nativ; KubeVirt für VM-gebundene Workloads; Per-Tenant-GPU-Pools mit Tenant-CRD; Vector DB (pgvector / Qdrant) und S3-kompatibler Object Storage inklusive
Souveränität: Kundenkontrollierte Verschlüsselungsschlüssel für Modell-Gewichte, Trainingsdaten und Vector-Indexe; Air-Gap-Deployment unterstützt; Anbieter-Personal-Zugang protokolliert und zeitlich begrenzt
Engagement: Projekt, Angebot nach RFP; 3-6 Monate für typische Inferenz-Flotte, 6-12 Monate für Full-Stack; optionaler Managed-Retainer post-Deployment

Das ist das AI- & GPU-Modul. Die Ænix Platform hat drei Plattformen — Provider und Enterprise — und diese Fähigkeit erweitert beide: Ein Anbieter verkauft sie als GPU-as-a-Service, ein Unternehmen betreibt darauf die eigene Inferenz.

KI-Plattform-Automatisierung out-of-the-Box. Standard-KI-Workloads, Service-APIs und fertige Blueprints, Datenbanken, Apps und Modelle — damit Ihr KI-Team von der Idee zu laufenden Jobs schneller kommt. Multi-Tenant-GPU-Scheduling, Vector-DBs, Souveränitätskontrollen inklusive. Gebaut für KI-native Organisationen und regulierte KI-Deployments im großen Maßstab.

Discovery-Call buchen Alle Plattformen →

Was in der AI Platform enthalten ist

KI-Plattform-Automatisierung out-of-the-Box

Vor-integrierter Stack für Inferenz-, Fine-Tuning- und RAG-Workloads. Service-APIs zum Hochfahren von Model-Serving-Endpoints, Fine-Tuning-Jobs, Vector-Indexen, Evaluation-Harnesses — ohne dass Sie für jedes davon eigenes MLOps-Engineering aufbauen müssen.

Fertige Blueprints

Vorvalidierte Patterns für gängige KI-Workload-Typen:

Single-Tenant Inferenz-Cluster — für einen Kunden, eine Workload-Klasse
mandantenfähige Inferenz-Flotte — Gemeinsamer GPU-Pool mit logischer Mandantentrennung
Inferenz + Fine-Tuning + RAG — Full-Stack-Pattern mit heterogenen GPU-Pools
Air-Gapped souveränes Deployment — für Verteidigung, isolierte Industrie, souveräne-Cloud-Kunden

(Siehe Sovereign-AI-Architektur-Leitfaden für Blueprint-Details.)

Multi-Tenant-GPU-Scheduling

Per-Tenant-GPU-Pools, GPU-Class-aware-Scheduling (z.B. L40S für Inferenz, H100 für Fine-Tuning), fraktionales GPU-Sharing über HAMi auf dem NVIDIA GPU Operator. Quotas + RBAC + Observability per Tenant für KI-Workloads.

Modelle, Datenbanken, Apps inklusive

Vorinstallierte Open-Weight-Modelle (Llama, Mistral, Qwen, DeepSeek, Phi, Gemma Familien). Vector DB (pgvector via PostgreSQL-Operator, oder Qdrant). Managed Databases (PostgreSQL, MariaDB, Redis, Kafka, ClickHouse, RabbitMQ). Object Storage (S3-kompatibel) für Trainingsdaten + Modell-Checkpoints.

Service-APIs

Inferenz-API (standardmäßig vLLM-kompatibel; Triton unterstützt). Fine-Tuning-Job-API. Embedding-Generations-API. RAG-Retrieval-API. Alle Multi-Tenant-aware.

Souveränitätskontrollen

Kundenkontrollierte Verschlüsselungsschlüssel für Modellgewichte im Ruhezustand, Trainingsdaten, Vector-Indexe. Lieferantentransparenz zur zweiten Stufe. Audit-isoliertes Environment. Anbieter-Personal-Zugang protokolliert + zeitlich begrenzt. Air-Gap-Deployment unterstützt.

GPU-Sizing-Referenz

Praktische Sizing-Tabellen für gängige Workload-Profile (Llama 7B / 13B / 70B / 405B, Mistral, Qwen, DeepSeek, Phi, Gemma — Single-Card / Multi-Card / Multi-Node-Konfigurationen). Ænix-Engagement inkludiert Capacity-Planning für dauerhaft ausgelastete Workloads.

Hosting-Panel + Admin-Interface

Gebrandetes Admin-Dashboard für den KI-Plattform-Betreiber. Service-Erstellungs-Wizards für Endnutzer (ML-Engineers, Data Scientists, App-Teams).

Observability für KI-Workloads

Metriken zu Inferenz-Latenz und Durchsatz. GPU-Auslastung per Tenant. Model-Serving SLOs. Kostenverfolgung je Token. Anomalie-Erkennung für Qualitätsdrift der Inferenz.

Migrations-Tooling und -Expertise

Produktisierte Patterns für Migration von Hyperscaler-KI (AWS Bedrock, Azure OpenAI Service, GCP Vertex AI) zu souveräner KI-Infrastruktur. Besonders für Organisationen mit dauerhaft ausgelasteten Inferenz-Workloads, bei denen sich Hyperscaler-API-Preise wirtschaftlich nicht mehr rechnen.

Wer kauft AI Platform

Käuferprofil	Typisches Engagement
KI-natives Startup im Wachstum	Souveräne Inferenz-Fleet, ersetzt Ausgaben für Hyperscaler-APIs
Reguliertes KI-Deployment (Bank / öffentlicher Sektor / Gesundheitswesen)	KI-Infrastruktur mit Souveränitätsauflagen mit kundenkontrollierten Schlüsseln
GPU-lastiges Produkt-Unternehmen	Multi-Tenant-GPU-Plattform mit strikter Kosten-Disziplin
Telco / großes Unternehmen mit KI	Interne KI-Plattform, die über Geschäftsbereiche hinweg genutzt wird

Vergleichen Sie noch? Preise & Plattformen ansehen →

Preise

Projekt plus Managed-Retainer nach dem Deployment, Angebot nach RFP.

AI Platform diskutieren →

Engagement-Struktur

Discovery-Call (30 min, kostenlos)
Sovereign-AI-Architektur-Review (1-2 Wochen, Festpreis) — unter Verwendung des Sovereign-AI-Architektur-Leitfaden Frameworks + Ænix-Expertise
Pilot-Engagement (3-6 Monate) — definierter Slice (eine Workload-Klasse, ein Tenant, eine Modell-Familie)
Vollständiger AI Platform Build (6-12 Monate) — produktive KI-Infrastruktur mit allen Ziel-Workload-Typen
Managed-Retainer (optional, laufend) — Ænix betreibt die KI-Plattform unter SLA

AI Platform Build Service → | Kostenloser Sovereign AI Decision Guide →

Referenzen

Die Kunden der AI Platform sind NDA-geschützt. KI-native Organisationen und regulierte KI-Deployments laufen in Produktion; für eine konkrete Opportunity lassen sich Referenzgespräche unter NDA arrangieren.

Umstieg planen? Discovery-Call buchen →

Wie starten

Buchen Sie einen 30-Minuten-Discovery-Call. Bringen Sie Ihr KI-Workload-Profil (durchgängige Inferenz, Training, Fine-Tuning, RAG oder eine Mischung), regulatorischen Scope und Ziel-Deployment-Modell mit.

Discovery-Call buchen

Ænix AI Platform basiert auf Cozystack — einem CNCF-Projekt, das wir erstellt haben und pflegen (derzeit CNCF Sandbox; CNCF Incubating erwartet Spätsommer 2026). Apache 2.0. Ænix ist das Open-Core-Unternehmen.

Häufig gestellte Fragen

Worauf basiert die Ænix AI Platform?

Sie basiert auf Cozystack, einem Open-Source-CNCF-Projekt unter Apache 2.0, das Aenix erstellt hat und pflegt. Cozystack nutzt KubeVirt für VMs und Container auf einer Kubernetes-API, Cilium (eBPF) für Networking und LINSTOR/DRBD für Storage. Die AI Platform ergänzt dies um Multi-Tenant-GPU-Scheduling, Service-APIs und KI-Blueprints.

Für wen ist die AI Platform gedacht?

Für KI-native Startups im Wachstum, regulierte KI-Deployments in Banken, öffentlichem Sektor und Gesundheitswesen, GPU-lastige Produkt-Unternehmen sowie Telcos und Großunternehmen, die eine interne KI-Plattform über mehrere Business Units teilen. Typisch sind Organisationen mit dauerhaft ausgelasteten Inferenz-Workloads, bei denen Hyperscaler-API-Pricing wirtschaftlich nicht mehr passt.

Wie funktioniert Multi-Tenant-GPU-Scheduling?

Über das Tenant-CRD erhält jeder Tenant eigene GPU-Pools mit GPU-Class-aware-Scheduling (zum Beispiel L40S für Inferenz, H100 für Fine-Tuning) sowie fraktionalem GPU-Sharing über HAMi auf dem NVIDIA GPU Operator. Quotas, RBAC und Observability werden pro Tenant durchgesetzt, sodass ein gemeinsamer GPU-Pool mit logischer Isolation geteilt werden kann.

Welche Souveränitätskontrollen bietet die Plattform?

Kundenkontrollierte Verschlüsselungsschlüssel für Modellgewichte im Ruhezustand, Trainingsdaten und Vector-Indexe; ein audit-isoliertes Environment; protokollierter und zeitlich begrenzter Zugang für Anbieter-Personal; Lieferantentransparenz zur zweiten Stufe sowie unterstütztes Air-Gap-Deployment für Verteidigung, isolierte Industrie und souveräne-Cloud-Kunden.

Welche GPUs und Modelle werden unterstützt?

Unterstützt werden H100, H200, L40S, A100 und B100/B200 (Blackwell) sowie CPU-only und alternative Beschleuniger wie AMD MI Series und Intel Gaudi. Vorinstallierte Open-Weight-Modelle umfassen die Familien Llama, Mistral, Qwen, DeepSeek, Phi und Gemma; Sizing-Referenzen reichen von 7B bis 405B in Single-Card-, Multi-Card- und Multi-Node-Konfigurationen.

Was kostet die AI Platform und wie läuft ein Engagement ab?

Das Engagement liegt bei einem nach RFP angebotenen Projekt mit optionalem Managed-Retainer nach dem Deployment. Es startet mit einem kostenlosen 30-Minuten-Discovery-Call, gefolgt von einem Architektur-Review, einem Pilot-Engagement (3-6 Monate) und dem vollständigen Build (6-12 Monate je nach Workload-Umfang).