Unsere Referenzen
.svg.png)
Vom Ablauf über die Entscheidung bis zum Ergebnis in Ihren Systemen.
Ein Chat, ein Webhook oder ein Zeitplan startet den Workflow. Agents mit je eigenem Modell erledigen die Aufgabe, entscheiden selbst, welche Werkzeuge sie brauchen, verzweigen, prüfen und liefern das Ergebnis: als Antwort, als Mail, als API-Antwort oder als angestoßene Aufgabe. Dabei sind sie nicht auf eine Quelle festgelegt: Sie rufen Ihre Systeme auf, recherchieren im Web und nutzen die Bausteine der Plattform von der Wissensbasis bis zum Podcast. Gebaut wird im Editor oder von Ihrem Coding-Agent über den MCP-Server.
Ticket lesen, einordnen und zusammenfassen, mit dem Modell, das Sie dafür gewählt haben.
Ähnliche Fälle und passende Dokumente nachschlagen, mit Fundstelle.
Priorität hoch? Dann zusätzlich eine Mail ans Team, sonst nur der Eintrag im System.
Ticket in <Ticketsystem> aktualisieren. Der Agent wählt eine Kennung, nicht die URL.
Workflows als Graph, nicht als Code.
Ein Workflow besteht nur aus Daten, nicht aus Code, den jemand ausliefern müsste. Speichern und veröffentlichen genügt: Ab dem nächsten Aufruf arbeitet der Server mit der neuen Fassung.
Trigger, Agents, Verzweigungen und Ausgabe als Nodes verbinden. Eine Guardrail lässt nur durch, was zum Workflow gehört.
Wissensdatenbank, Websuche, Podcast-Generator oder freigegebene Endpunkte, und je Agent das passende Modell, etwa Claude, GPT, Gemini oder Mistral. Der Agent entscheidet pro Aufruf, ob und womit er arbeitet.
Test-Lauf im Editor, jede Fassung bleibt als Version erhalten. Zurück zu einem früheren Stand geht jederzeit.
Wissensarbeit, Recherche, Audio und Ihre Systeme in einem Workflow.
Zusätzlich zu Ihren eigenen Systemen steuert ein Agent die Bausteine der lecta Plattform nativ an. Sie sind keine Fremdsysteme, die erst angebunden werden müssen: Ein Agent bekommt sie im Editor als Werkzeug mit und entscheidet pro Aufruf, ob und welchen er braucht.
Hybride Suche über Ihre Dokumente: Stichwort und Bedeutung über einen Index. Der Agent schlägt nach, bevor er antwortet, und belegt Fakten mit Titel und Link des Treffers.
Mehr zur WissensbasisWo Ihre Quellen enden, recherchiert der Agent selbst: per Websuche oder auf einer einzelnen Domain, die er gezielt durchliest. Treffer kommen mit Titel, URL und Datum. Die kostenpflichtige Suche lässt sich pro Lauf begrenzen.
Der Agent legt eine Episode an und stößt Skript und Audio an. Aus Wissen und Recherche wird eine fertige Folge, ohne dass jemand dazwischen etwas übertragen muss.
HTTP-Aufrufe an Ticketsystem, Intranet oder andere Dienste, aber nur an Endpunkte einer freigegebenen Liste. Der Agent wählt eine Kennung, nicht die URL.
Der Agent fasst eine Anfrage fürs Team zusammen und sendet sie an eine feste Adresse. Frage-Antwort-Paare gehen zur Prüfung, bevor sie in die Wissensbasis kommen.
Guardrails lassen nur durch, was zum Workflow gehört. If-Verzweigungen, Code-Nodes und JSON-Ausgaben formen Daten zwischen den Schritten, Chat Output und HTTP-Antwort liefern das Ergebnis.
Weitere Bausteine der Plattform lassen sich auf Anfrage anbinden.
Ein Agent entscheidet pro Aufruf, welchen Baustein er nutzt: Er schlägt in der Wissensbasis nach, recherchiert im Web, stößt Audio an oder ruft ein freigegebenes System auf. Reicht ein Durchlauf nicht, sucht er nach, statt zu raten.
Wissensbasis, Websuche, Podcast oder ein freigegebener Endpunkt: Pro Aufruf entscheidet er, ob und womit er arbeitet, statt alles in einen Topf zu werfen.
Fakten aus der Wissensbasis belegt der Agent mit Titel und Link aus dem Treffer. Web-Treffer bringen Titel, URL, Datum und Auszug mit.
HTTP-Aufrufe gehen nur an Endpunkte einer freigegebenen Liste. Die kostenpflichtige Websuche lässt sich pro Lauf begrenzen.
Ausführungen und Statistiken zeigen Läufe, Dauer, Token-Verbrauch und Werkzeugaufrufe. Jede Fassung bleibt als Version erhalten.
Von der Recherche bis zur fertigen Podcast-Folge.
Die Wissensbasis ist die Grundlage, aber nicht das Ende. Ein Beispiel aus unserem eigenen Betrieb: Ein Webhook liefert eine Themenliste, Agents recherchieren, schreiben und prüfen, und der Podcast-Generator wird über seine API angestoßen. Heraus kommen ein Blogbeitrag und eine fertige Podcast-Episode.
Eine Liste von Themen für eine Podcast-Episode trifft per HTTP-Aufruf ein.
Wählt per Websuche die besten Quellen zu jedem Thema aus.
Liest die gewählten Seiten als Markdown und schreibt Inhalte und Blogbeitrag.
Prüft Inhalte und Blogbeitrag gegen die recherchierten Quellen.
Episode anlegen, Skript und Audio erzeugen
Jederzeit zuschaltbar: die Wissensdatenbank für interne Fakten und freigegebene Endpunkte Ihrer Systeme.
REST-API, Webhooks und MCP-Server.
Der Editor nutzt dieselbe API wie Ihre Systeme: Alles, was Sie im Editor tun, geht auch per HTTP. Und weil ein Workflow nur eine Liste von Nodes und Verbindungen ist, kann ihn auch Ihr Coding-Agent schreiben, prüfen und testen.
Workflows per Chat-, Run- oder Trigger-Aufruf starten, aus Ticketsystem, Intranet oder Zeitplan.
Ein API-Key pro Workflow, mit dem ein Client wie ein Chat-Widget genau diesen Workflow aufrufen darf.
Claude Code, Codex und jeder Client mit Streamable HTTP bauen, prüfen, testen und veröffentlichen Workflows. 17 Tools in vier Gruppen: Nachschlagen, Bearbeiten, Versionen und Veröffentlichen, Testen.
Ein kurzer Skill sagt dem Coding-Agent, wann der Agent Builder zuständig ist und welche Regeln immer gelten.
Baue einen Workflow „support-assistent“: ein Chat-Trigger, eine Guardrail, die nur Produktfragen durchlässt, ein Agent, der sie beantwortet, und ein Chat Output. Prüfe ihn, teste ihn mit zwei Nachrichten. Veröffentliche nichts.
Sechs Abläufe, ein Agent Builder.
Beispiele, keine Grenzen. Was alle gemeinsam haben: Ein Ablauf, der bisher mehrere Tools und viel Handarbeit brauchte, läuft als ein Workflow über die Bausteine der Plattform.
Beantwortet Fragen aus Ihrer Wissensdatenbank. Eine Guardrail lehnt Fragen außerhalb des Themas höflich ab.
Nimmt Tickets aus Ihrem System entgegen, fasst sie zusammen und gibt sie strukturiert zurück.
Fasst eine Anfrage für das Team zusammen und sendet sie an eine feste Adresse. Frage-Antwort-Paare gehen zur Prüfung, bevor sie in die Wissensbasis kommen.
Eine Pipeline recherchiert die besten Quellen, schreibt Inhalte, lässt sie von einem Faktenprüfer gegenlesen und erzeugt daraus einen Blogbeitrag und eine Podcast-Episode. Sie läuft bei uns bereits live.
Ein Zeitplan startet den Ablauf. Der Agent fasst neue und geänderte Inhalte der Wissensbasis zusammen, ergänzt Aktuelles aus dem Web und lässt daraus eine Podcast-Folge erzeugen.
Eine Frage im Chat genügt. Der Agent sucht in Ihrer Wissensbasis und im Web und liefert ein Dossier, in dem jede Aussage ihre Quelle hat.
Wir nutzen Ihre Angaben nur zur Kontaktaufnahme. Keine Weitergabe an Dritte.