Was ist matheis AI?
matheis AI ist unsere eigene KI-Plattform auf Basis von Open WebUI.
Ihr kennt vermutlich schon ChatGPT oder ähnliche KI-Chats. matheis AI funktioniert auf den ersten Blick ähnlich: Ihr schreibt mit einer KI, könnt Modelle auswählen, Dateien hochladen, recherchieren lassen oder Inhalte erstellen. Der wichtige Unterschied:
matheis AI läuft nicht auf einer öffentlichen Chatplattform, sondern in einem dedizierten AWS-Account. Die Instanz wird von matheis betrieben und in der AWS-Region eu-central-1 / Frankfurt gehostet.
Das Ziel ist nicht „noch ein Chatbot", sondern eine kontrollierte Arbeitsumgebung für KI im Alltag: mit eigenen Nutzer:innen, freigegebenen Funktionen, teilbaren Inhalten, Knowledge Bases, Skills und angebundenen Tools wie Confluence und Jira.
Erreichbar unter ai.matheis – der Login funktioniert einfach per Microsoft-Account. Wenn Funktionen nicht sichtbar sind, liegt das meistens daran, dass sie für den eigenen Account noch nicht freigeschaltet sind.
Privater Rahmen
Dedizierter AWS-Account, geregelter Zugriff, Betrieb durch matheis, Hosting in Frankfurt.
Geteiltes Wissen
Notes, Knowledge Bases und Skills können bewusst gepflegt und mit Kolleginnen und Kollegen geteilt werden.
Integriert
Direkter Zugriff auf Confluence und Jira über MCP – lesend und schreibend, direkt aus dem Chat.
Modell-Auswahl
matheis AI bietet Zugriff auf Modelle verschiedener Anbieter. Je nach Aufgabe lohnt sich die bewusste Wahl – Modelle unterscheiden sich in Qualität, Geschwindigkeit und Kosten.
Spartipps
- Kurze, präzise Prompts statt langer Erklärungen – jedes Token kostet
- Langen Chatverlauf vermeiden – der gesamte Verlauf wird bei jeder Nachricht mitgeschickt. Für neue Themen lieber einen neuen Chat starten
- Dokumente nur hochladen wenn nötig – große PDFs treiben die Input-Tokens hoch
- Wiederkehrenden Kontext als Memory oder Notiz speichern statt ihn jedes Mal neu einzutippen
- Erst strukturieren lassen, dann verfeinern – statt alles auf einmal in einem langen Prompt
- Prompts für Standardaufgaben anlegen – spart Zeit und hält Prompts konsistent kurz
Für die meisten Aufgaben reichen Claude Haiku, GPT-4o Mini oder Nova Lite. Für komplexe Analysen, lange Dokumente oder anspruchsvolles Schreiben: Claude Sonnet 5 oder GPT-5.4. Für Reasoning, Mathematik und Code: o4-mini. Opus 5 und o1 nur bewusst einsetzen – sie sind deutlich teurer. Klare, kurze Prompts sind oft günstiger und besser.
Kostenbeispiele
Für viele Alltagsaufgaben reichen günstigere Modelle völlig aus. Die folgenden Beispiele zeigen, wie viel sich einsparen lässt – bei gleicher Qualität. Alle Kosten sind Schätzwerte auf Basis typischer Token-Mengen.
Arbeiten mit matheis AI
Dieser Abschnitt zeigt, wie ihr matheis AI im Alltag effektiv nutzt – von guten Prompts über Wissensmanagement und Recherche bis hin zu Integrationen und Teamarbeit in Kanälen.
Die Qualität der Antwort hängt stark davon ab, wie klar die Aufgabe gestellt ist. Gute Prompts sind keine Magie, sondern geben der KI genug Kontext, Ziel und Rahmen.
Gute Prompts enthalten meistens
- Ziel: Was soll am Ende herauskommen?
- Kontext: Worum geht es, für wen ist es, was ist wichtig?
- Rolle: Aus welcher Perspektive soll die KI denken?
- Format: Tabelle, Mail, Konzept, Checkliste, Entscheidungsgrundlage?
- Kriterien: Was macht ein gutes Ergebnis aus?
Prompt Optimizer
In matheis AI gibt es bereits einen vorgefertigten Prompt, der beim Formulieren besserer Prompts hilft.
Wenn ihr nicht sicher seid, wie ihr eine Aufgabe gut formulieren sollt, könnt ihr den Prompt-Optimizer-Prompt nutzen und euren Rohgedanken zuerst verbessern lassen.
Bessere Prompt-Beispiele
Text überarbeiten
Dokument analysieren
Ideen entwickeln
Praktische Grundregeln
Lieber iterieren
Ein guter Workflow ist oft: erst strukturieren lassen, dann kritisieren lassen, dann verbessern lassen, dann kürzen oder finalisieren lassen.
Rückfragen erlauben
Wenn die Aufgabe unklar ist: „Stelle mir zuerst bis zu fünf Rückfragen, bevor du antwortest."
Format mitgeben
Wenn ihr eine Tabelle, Checkliste oder Entscheidungsgrundlage wollt, schreibt das direkt in den Prompt.
Kritisch nutzen
Fragt nicht nur nach Texten, sondern auch: Was fehlt? Welche Risiken übersehe ich? Wo ist das zu allgemein?
Wissensmanagement
matheis AI bietet verschiedene Möglichkeiten, Wissen und Arbeitsweisen dauerhaft festzuhalten – über einzelne Chats hinaus. Die folgende Übersicht hilft dabei, das richtige Werkzeug für den jeweiligen Anwendungsfall zu finden.
Prompts und Prompt Sharing
Prompts sind gespeicherte Anweisungen, die sich per Slash-Command direkt im Chat aufrufen lassen. Einfach /befehl eingeben und der vollständige Prompt wird sofort ausgeführt. Prompts können privat bleiben oder mit dem Team geteilt werden – öffentliche Prompts erscheinen bei allen in den /-Vorschlägen.
Beispiele
- Wiederkehrende Aufgaben und standardisierte Analysen
- Team-Vorlagen für geteilte Arbeitsweisen
- Schneller Einstieg ohne langen Prompt
- Prompt Optimizer (/lyra) hilft beim Formulieren besserer Prompts
👉 Neuen Prompt anlegen: Sidebar → Arbeitsbereich → Prompts → "+ Neuer Prompt"
👉 Prompt teilen: Sidebar → Arbeitsbereich → Prompts → Prompt anklicken → "Zugriff" → unter "Zugriff gewähren" auswählen, wer den Prompt verwenden kann.
Memories
matheis AI kann sich Informationen über dich und deine Arbeitsweise merken – über einzelne Chats hinaus. Diese Erinnerungen werden automatisch als Kontext in neue Gespräche eingebracht. Memories werden entweder automatisch gespeichert (wenn ein Modell mit Native Function Calling läuft) oder manuell angelegt.
Beispiele
- Persönliche Arbeitsweise und Präferenzen
- Sprachliche Vorlieben, z. B. „Antworten immer auf Deutsch“
- Zielgruppen und Projektkontext, z. B. „Ich arbeite hauptsächlich mit React“
- Ausgabeformat-Präferenzen, z. B. „Kurze, direkte Antworten ohne Einleitung“
👉 Memories manuell verwalten: Einstellungen → Personalisierung → Memory
Notizen
Notizen sind dauerhafte Dokumente innerhalb von matheis AI – für Inhalte, die über einzelne Chats hinaus bestehen sollen: Briefings, Checklisten, Rechercheergebnisse, Projektkontext. Im Gegensatz zu Memories, die automatisch im Hintergrund wirken, legt man Notizen bewusst an und bringt sie gezielt als Kontext in Chats ein. Im Notes-Editor lässt sich Text direkt per KI verbessern (AI Enhance) – ohne den Chat zu öffnen.
Beispiele
- Projektkontext, Briefings und Checklisten
- Wiederverwendbare Informationen und Textbausteine
- Rechercheergebnisse und Zwischenstände
- Im Chat: „Erstelle daraus eine neue Notiz“ oder „Nutze diese Notiz als Kontext“
👉 Neue Notiz anlegen: Sidebar → Notizen → "+ Neue Notiz"
👉 Notiz in Chat einbinden: + → Notizen anhängen.
Wissen
Unter "Wissen" findest du Dokumentensammlungen, die die KI per Suche durchsucht – sie findet relevante Abschnitte nach Bedeutung, nicht nur nach Stichworten. Im Unterschied zu Notizen, die den vollständigen Inhalt direkt in den Chat injizieren, liefert "Wissen" nur die relevanten Abschnitte – ideal für größere Dokumentenmengen wie Leitfäden, Styleguides oder Projektunterlagen. Wissen kann geteilt werden: eine Person pflegt, alle nutzen.
Beispiele
- Leitfäden, Styleguides und Prozessdokumente
- Projektunterlagen und technische Dokumentation
- FAQs und wiederkehrende Briefings
- Im Chat: + → Wissen anhängen oder „Suche relevante Abschnitte zum Thema X“
👉 Neues Wissen anlegen: Sidebar → Arbeitsbereich → Wissen → "+ Neues Wissen"
Skills
Skills sind wiederverwendbare Arbeitsanweisungen in einfachem Markdown – kein Code nötig. Während Prompts eine konkrete Aufgabe stellen, legen Skills die Arbeitsweise fest: Stilregeln, Review-Kriterien, Analyse-Workflows. Skills können geteilt werden und sind ideal für Team-Standards.
Beispiele
- Texte nach matheis-Stilregeln überarbeiten
- Briefings auf Vollständigkeit prüfen
- Kundenfeedback strukturiert auswerten
- Code Reviews nach definierten Kriterien durchführen
- Wiederkehrende Qualitätsstandards anwenden
👉 Neuen Skill anlegen: Sidebar → Arbeitsbereich → Skills → "+ Neuer Skill"
👉 Im Chat per $ aufrufen oder über + → Integrationen aktivieren.
Dateien & Recherche
Dokumentenanalyse
Dateien können direkt in den Chat hochgeladen werden – PDFs, Word-Dokumente, Tabellen, JSON, HTML und mehr. matheis AI liest den Inhalt und arbeitet damit. Wichtig: immer eine klare Aufgabe mitgeben, nicht nur die Datei senden. Für große Dokumentenmengen die Wissen-Funktion nutzen.
Beispiele
- Verträge auf Risiken oder Fristen prüfen
- Pitch Decks aus Kundenperspektive analysieren
- Mehrere Dokumente vergleichen oder zusammenfassen
- Deadlines und Aufgaben aus E-Mails herausfiltern
👉 Datei hochladen: + → Datei(en) hochladen
Dateien verwalten & löschen
Jede hochgeladene Datei bleibt gespeichert – auch nachdem der zugehörige Chat gelöscht wurde. Das Löschen eines Chats entfernt die Datei also nicht. Über den zentralen Datei-Manager lassen sich alle hochgeladenen Dateien einsehen, durchsuchen und endgültig löschen – egal ob sie in einen Chat oder in eine Wissens-Sammlung hochgeladen wurden.
Datei-Manager öffnen
- Unten links auf den eigenen Namen bzw. das Profilbild klicken
- „Einstellungen“ wählen
- Zum Tab „Datensteuerung“ (Data Controls) wechseln
- In der Zeile „Dateien verwalten“ auf „Verwalten“ klicken
- Datei suchen bzw. auswählen und löschen
👉 Datei-Manager: Profil (unten links) → Einstellungen → Datensteuerung → Dateien verwalten → Verwalten
⚠️ Beim Löschen über den Datei-Manager wird die Datei vollständig entfernt: aus dem Speicher, aus allen Wissens-Sammlungen und inklusive der zugehörigen Vektor-Embeddings. Chats, die per Dokumentenanalyse auf die Datei zugegriffen haben, können danach keine Inhalte mehr daraus abrufen. Der Vorgang kann nicht rückgängig gemacht werden.
Web-Suche
matheis AI kann aktuelle Informationen aus dem Web abrufen. Die Websuche ist nicht automatisch aktiv – sie muss pro Chat eingeschaltet werden. Auch mit Websuche gilt: Quellen bei wichtigen Themen immer prüfen.
Beispiele
- Aktuelle Themen, Nachrichten und Trends recherchieren
- Markt- oder Wettbewerbsrecherche
- Technische Dokumentation und externe Referenzen abrufen
- Suchergebnisse direkt als "Wissen" speichern für spätere Nutzung
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Websuche einschalten
Bild-Generierung
matheis AI kann direkt im Chat Bilder generieren, bearbeiten und kombinieren. Bild-Toggle aktivieren, Prompt eingeben – das Bild erscheint direkt in der Antwort. Bestehende Bilder lassen sich per Prompt anpassen oder mit anderen Bildern kombinieren.
Beispiele
- Visualisierungen, Konzeptskizzen und Moodboards erstellen
- Hintergründe ersetzen oder Bildstil anpassen
- Mehrere Bilder zu einer neuen Szene kombinieren
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Bild-Toggle einschalten
Reasoning
Die meisten Modelle unterstützen einen erweiterten Denkmodus: Die KI arbeitet ein Problem schrittweise durch, bevor sie antwortet. Der Denkprozess ist als aufklappbarer "Thought"-Bereich sichtbar. Sinnvoll für komplexe Aufgaben – nicht für einfache Texte oder schnelle Antworten.
Beispiele
- Logische Analysen und mehrstufige Entscheidungen
- Komplexe Planungsaufgaben
- Mathematische Probleme und Code-Debugging
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Reasoning Toggle einschalten
👉 Reasoning Effort: low / medium / high – steuerbar über Chat Controls → Erweiterte Parameter
Code Execution
Der Code Interpreter führt Python direkt im Browser aus (via Pyodide/WebAssembly) – kein Setup nötig. matheis AI schreibt den Code, ihr führt ihn per Klick aus. Hochgeladene Dateien sind automatisch verfügbar. Nicht geeignet für große Datensätze oder CPU-intensive Aufgaben. Verfügbare Libraries: numpy, pandas, matplotlib, seaborn, scikit-learn, scipy u. a.
Beispiele
- KPIs und Kennzahlen als Diagramm visualisieren
- Daten aus einer Tabelle als Balken- oder Liniendiagramm darstellen
- Diagramme farblich an ein Branding anpassen
- Einfache Berechnungen und Dateiverarbeitung automatisieren
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Code-Interpreter einschalten
👉 Python-Code erscheint in einer Code-Box – "Ausführen"-Button rechts oben klicken. Erzeugte Diagramme per Rechtsklick speichern.
Kanäle
Kanäle sind persistente, geteilte Räume, in denen Menschen und KI-Modelle gemeinsam in einer Timeline kommunizieren. Anders als private Einzelchats sind Kanäle für Teams gedacht: Jede Nachricht – ob von einem Menschen oder einem Modell – wird zum gemeinsamen Kontext. Die KI ist passiv und antwortet nur wenn sie per @modellname direkt angesprochen wird. Mehrere Modelle können im selben Kanal genutzt werden.
Beispiele
- Konzept im Team diskutieren, dann @claude für strukturiertes Feedback anrufen
- @gpt-4o nach einer Gegenmeinung fragen – beide Antworten bleiben dauerhaft im Kanal
- Projektkanal als kollektives Gedächtnis nutzen: „Was haben wir bisher über Thema X entschieden?“
👉 Kanal erstellen: Sidebar → Kanäle → Kanal erstellen → Mitglieder einladen
Erweiterte Features
matheis AI basiert auf Open WebUI – einer Plattform die bewusst erweiterbar gestaltet ist. Über den Standard-Chat hinaus können Modelle mit echten Fähigkeiten ausgestattet werden: externe Dienste anbinden, Nachrichten transformieren, neue Anbieter integrieren. Neue Erweiterungen können nur von Admins hinzugefügt werden.
Tools
Tools sind Python-Skripte, die Modellen neue Fähigkeiten geben: APIs aufrufen, Daten abrufen, Berechnungen ausführen. Der API-Key bleibt serverseitig – das Modell sieht nur das Ergebnis, nie den Schlüssel. Tools werden über das Integrationen-Menü aktiviert und können nur von Admins hinzugefügt werden.
Beispiele
- Aktienkurse oder Wetterdaten live abrufen und in die Antwort einbinden
- Internes CRM oder Ticketsystem abfragen – der API-Key bleibt unsichtbar für Nutzer:innen
- Webseiten scrapen und Inhalte direkt im Chat zusammenfassen
- Komplexe Berechnungen ausführen die ein normales Modell nicht kann
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Werkzeuge
Beispiel: Spend Dashboard
Ein konkretes Beispiel für ein verfügbares Tool: Das Spend Dashboard zeigt deine persönlichen KI-Nutzungskosten direkt im Chat – aufgeschlüsselt nach Modell, Tagesverlauf und Gesamtausgaben.
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Werkzeuge → Spend Dashboard. Dann eine Frage zu den Kosten stellen, z. B. „Wieviel habe ich die letzten 7 Tage ausgegeben?“ – funktioniert für jeden beliebigen Zeitraum.
MCP & OpenAPI
MCP (Model Context Protocol) ist ein offenes Protokoll, das KI-Modelle mit externen Diensten verbindet – lesend und schreibend, direkt aus dem Chat. matheis AI unterstützt MCP ab Open WebUI v0.6.31. MCP-Server können nur von Admins hinzugefügt werden, sind dann aber für alle freigegebenen Nutzer:innen verfügbar.
Externe Services per OpenAPI-Spec oder MCP anbinden – Endpunkte werden automatisch als aufrufbare Tools erkannt, kein Glue-Code nötig. Für die meisten Integrationen bleibt OpenAPI der empfohlene Weg. MCP eignet sich besonders wenn ein Dienst bereits einen MCP-Server bereitstellt oder gestreamte Kommunikation benötigt wird.
Confluence & Jira
matheis AI kann direkt mit Confluence und Jira arbeiten – lesend und schreibend, ohne den Chat zu verlassen. Alle KI-Modelle können über das MCP auf beide Systeme zugreifen.
Beispiele
- Confluence-Seiten suchen, lesen oder neue Seiten erstellen
- Jira-Tickets abrufen, zusammenfassen, erstellen oder kommentieren
- „Suche die Confluence-Seite zu Projekt X“ oder „Erstelle ein Jira-Ticket für diesen Bug“
👉 Aktivieren: Integrationen-Menü (Icon neben +) → Werkzeuge → Confluence/Jira MCP
Automations
Automations sind geplante Prompts, die automatisch zu wiederkehrenden Zeiten ausgeführt werden. Jede Ausführung erstellt einen eigenen Chat – Tools, Filter und andere Pipeline-Einstellungen greifen wie gewohnt. So lassen sich wiederkehrende Aufgaben vollständig automatisieren.
Beispiele
- Wöchentlicher Status-Check über ein Jira-Board
- Stündliche Überwachung einer Datenquelle mit automatischer Analyse
- Monatliche Erstellung eines Confluence-Reports
👉 Erstellen: User-Menü → Automations → New Automation → Titel, Prompt, Modell und Zeitplan festlegen
Datenschutz & Grenzen
matheis AI läuft in einem dedizierten AWS-Account, betrieben von matheis, gehostet in der AWS-Region eu-central-1 / Frankfurt. Die Daten werden nicht für das Training der Modelle verwendet.
Trotzdem gilt:
KI kann Fehler machen. KI kann Aussagen plausibel formulieren, obwohl sie falsch sind. KI kann außerdem Vorurteile reproduzieren, weil KI-Modelle auf menschlichen Sprachdaten trainiert wurden und diese Daten selbst Verzerrungen enthalten können.
Unsere Empfehlung: Besonders sensible Daten sollten nicht ohne gesonderte Klärung verarbeitet werden. Dazu gehören zum Beispiel:
- Gesundheitsdaten
- religiöse oder politische Einstellungen
- Gehaltsdaten
- HR-Daten
- besonders vertrauliche personenbezogene Daten
- Daten, bei denen eine falsche Verarbeitung Personen benachteiligen könnte
Wenn KI für solche Zwecke eingesetzt werden soll, sollte das bewusst bewertet und geregelt werden – fachlich, organisatorisch und datenschutzseitig.