Über 5.000 Projekte. Heute das Engineering-Fundament für AI-Infrastruktur.
Gosign entwickelt seit 2001 Software für Enterprise-Kunden. Über 5.000 Projekte für Airbus, Volkswagen, Shell, Lufthansa und andere – komplexe, mehrsprachige Enterprise-Plattformen mit Anforderungen an Sicherheit, Skalierbarkeit und Wartbarkeit.
Dieses Fundament ist der Grund, warum Gosign heute AI-Infrastruktur baut. Nicht als Startup das seit zwei Jahren existiert, sondern als Unternehmen mit 25 Jahren Engineering-Erfahrung in Enterprise-Umgebungen.
Anbindung von AI-Agenten an bestehende Enterprise-Systeme. SAP, DATEV, SuccessFactors, Workday, Microsoft Graph – über REST, SOAP, RFC oder proprietäre Schnittstellen. Die Integration ist der Punkt an dem die meisten AI-Projekte scheitern. Wir haben ihn tausendmal gelöst.
Maschinenlesbare Schnittstellen für Agenten, Dashboards und Drittsysteme. REST und GraphQL. Authentifizierung, Rate Limiting, Versionierung, Dokumentation.
Architektur-Design für AI-Agenten-Plattformen. Datenmodell, Deployment-Strategie, Skalierungskonzept, Sicherheitsarchitektur. Die Architektur entscheidet ob ein System in zwei Jahren noch wartbar ist.
Webbasierte Plattformen für interne Nutzer: Dashboards, Auditor Portale, Chat-Interfaces, Workflow-Tools. Responsive, barrierearm, performant.
Test-Driven Development (TDD) & kontinuierliches Pair Programming: Jede Zeile Code entsteht im Pair Programming. Testgetrieben (TDD), versioniert, review-pflichtig. Keine Einzelkämpfer, kein Knowledge-Silo. Tests werden vor dem Code geschrieben. Jede Funktion hat Tests. Jeder Merge erfordert grüne Tests.
Continuous Integration / Continuous Deployment (CI/CD): Automatisierte Build-Pipeline, automatisierte Tests, automatisiertes Deployment. Jeder Push wird getestet. Jeder Merge wird deployt.
Code Review: Jeder Merge Request wird von mindestens einem weiteren Entwickler geprüft. Vier-Augen-Prinzip für alle produktiven Änderungen.
Security by Design: Sicherheit ist kein nachträglicher Layer. RBAC, Verschlüsselung, Input-Validierung, Output-Encoding – ab Tag 1.
Audit Trail: Jede Änderung an Konfiguration, Regelwerken und Systemzustand wird dokumentiert. Wer hat was wann geändert – nachvollziehbar und unveränderlich.
| Bereich | Technologien |
|---|---|
| Backend | Python, TypeScript, Node.js |
| Frontend | React, Next.js |
| Datenbank | PostgreSQL, Supabase |
| Workflow | n8n, Camunda |
| Container | Docker, Kubernetes |
| CI/CD | GitHub Actions, GitLab CI |
| Monitoring | Prometheus, Grafana |
| Auth | Supabase Auth, OIDC |
Der Stack richtet sich nach den Anforderungen des Projekts. Wir setzen Open-Source-Technologien ein wo möglich – für Transparenz, Unabhängigkeit und Kosteneffizienz.
Die Engineering-Prinzipien die für Enterprise-Softwareentwicklung gelten, gelten auch für AI-Infrastruktur. Ein AI-Agent der in Produktion läuft, braucht dieselbe Disziplin wie jede andere Enterprise-Software: Tests, Deployment-Pipelines, Monitoring, Audit Trail, Security.
Der Unterschied: Ein AI-Agent trifft fachliche Entscheidungen die dokumentiert und nachvollziehbar sein müssen. Das erfordert zusätzliche Architekturkomponenten – den Decision Layer, Governance by Design, Cert-Ready Controls. Aber das Fundament ist Software Engineering.
25 Jahre dieses Fundaments sind der Grund, warum unsere AI-Infrastruktur funktioniert.
Ja. Enterprise-Softwareentwicklung ist unser Fundament seit 2001. Heute liegt der Schwerpunkt auf AI-Infrastruktur – aber die Engineering-Prinzipien sind dieselben: TDD, kontinuierliches Pair Programming, CI/CD, Code Review, Security by Design.
Python, TypeScript, React/Next.js, PostgreSQL, Supabase, n8n, Camunda, Docker, Kubernetes. Der Stack richtet sich nach den Anforderungen – nicht nach Vorlieben.
Enterprise Engineering. Von der Architektur bis zum Betrieb.
Gespräch vereinbaren