DATA TALE · AI OPERATING LAYER
Vom Gerät zum KI-Workflow: ein offenes Kommunikationsprotokoll für operative Systeme
SaveVision zeigt, wie Geräte, Live-Daten, Fachlogik, KI-Vorschläge und Benutzeroberflächen über ein kontrolliertes Kommunikationsprotokoll zusammenspielen. Der konkrete Anwendungsfall ist Remote Guidance — die übertragbare Fähigkeit ist der Aufbau einer offenen Kommunikationsschicht zwischen Gerät, Backend, Bedienoberfläche, Datenströmen und KI-Logik.
Die Ausgangslage
Viele KI-Anwendungen scheitern nicht am Modell, sondern an der fehlenden Verbindung zwischen Nutzer, Daten, Werkzeugen, Fachlogik und operativer Entscheidung.
SaveVision macht dieses Problem an einem kritischen medizinischen Anwendungsfall sichtbar: Eine Person vor Ort trägt Smart Glasses, liefert Live-Kontext und benötigt konkrete Anleitung. Eine Fachperson sieht die Situation aus der Ferne, bewertet sie und gibt kontrollierte Handlungsanweisungen zurück.
Die strukturelle Herausforderung dahinter ist jedoch breiter: Organisationen brauchen Kommunikationsschichten, über die multimodale Daten, Freigaben, Aufgaben und KI-Vorschläge zuverlässig zwischen Geräten, Anwendungen und Menschen fließen können.
Dafür reicht ein einzelnes Tool nicht aus. Benötigt wird ein Operating Layer, der Kontext aufnimmt, verteilt, verarbeitet und in eine nutzbare Oberfläche zurückspielt.
Eine Echtzeit-Kommunikationsschicht zwischen Gerät, Backend, Operator und KI
SaveVision verbindet Smart Glasses, iOS-App, Live-Video, Audio, Standortdaten, Karteninformationen, Operator-Cockpit, Backend-Events und optionale KI-Vorschläge zu einem durchgängigen Workflow.
Die Person vor Ort streamt ihre Perspektive. Das System transportiert Video, Sprache, Standort, Anweisungen, Zeichnungen, Referenzbilder und Steuerinformationen über eine offene Kommunikationsarchitektur. Die Fachperson arbeitet in einem Cockpit, bewertet die Situation und sendet freigegebene Anweisungen zurück auf das Brillendisplay.
Die Systemlogik folgt einem klaren Muster: Kontext erfassen, übergeben, bewerten, vorbereiten, freigeben und zurückspielen. Dadurch wird aus einem unsicheren Live-Moment ein strukturierter, kontrollierbarer Arbeitsprozess.
Die Rolle der KI ist bewusst begrenzt: Sie kann Vorschläge erzeugen, aber die finale Entscheidung und Freigabe bleiben beim Menschen.
- Live-First-Person-Video und Zwei-Wege-Audio zwischen Einsatzort und Operator
- Flüssige Echtzeit-Bildübertragung für den demonstrierten Remote-Guidance-Workflow
- Multimodaler Datentransport für Video, Sprache, Text, Standort, Karten, Bilder, Zeichnungen, Ereignisse und Aufgaben
- Operator-Cockpit mit Live-Bild, Annotation, Mini-Karte, Anweisungen, Session-Logik und Freigabefunktionen
- Smart-Glasses-Ausgabe mit Textbanner, visuellen Markierungen, Referenzbildern und Wegführung
- Offene und selbst hostbare Komponenten wie Matrix, MatrixRTC, LiveKit sowie offene Karten- und Routingdienste
- Optionale KI-Vorschläge mit menschlicher Freigabe statt automatischer Ausspielung
Das Projekt entstand ursprünglich im Rahmen von START Hack Vienna 2026 und wurde dort im Hardware Track ausgezeichnet. Entscheidend ist die daraus entstandene, lauffähige Architektur: ein Plattformbeispiel für offene, multimodale Echtzeit-Kommunikation zwischen Gerät, Backend, Operator-Oberfläche und kontrollierter KI-Logik.
Das Beispiel wird seitdem weiterentwickelt und betreut. Es ist jedoch nicht als zugelassenes Medizinprodukt oder Ersatz für professionelle Notfallversorgung zu verstehen.
Geschäftlicher Nutzen
Der geschäftliche Wert liegt in der Fähigkeit, komplexe operative Situationen über eine kontrollierte Kommunikations- und Handlungsschicht beherrschbar zu machen.
Für Unternehmen ist dieses Muster relevant, weil KI-Workflows künftig nicht nur aus Prompt und Antwort bestehen. Sie müssen Kontext aus unterschiedlichen Quellen aufnehmen, ihn an Modelle, Tools oder Fachlogiken übergeben und Ergebnisse in die passende Arbeitsoberfläche zurückführen.
SaveVision zeigt, wie eine solche Schicht aussehen kann: mit Live-Kontext, strukturierten Datenflüssen, menschlicher Kontrolle, eigenen Oberflächen und einer Architektur, die nicht vollständig von geschlossenen Plattformen abhängig ist.
Die öffentliche Demo und das Open-Source-Repository machen die Umsetzung nachvollziehbar.
- Multimodale Daten werden in einen nutzbaren Workflow übersetzt
- Fachpersonen oder zentrale Teams erhalten besseren Live-Kontext für Entscheidungen
- KI-Vorschläge werden prüfbar, bevor sie in operative Handlungen übergehen
- Benutzeroberflächen, Backend-Logik, Modelle und Geräte arbeiten über definierte Übergaben zusammen
- Offene und selbst hostbare Komponenten reduzieren die Abhängigkeit von einzelnen Plattformen
- Expertise kann schrittweise in wiederholbare digitale Prozesslogik übersetzt werden
Warum das zählt
SaveVision ist mehr als ein Beispiel für Remote Guidance. Der eigentliche Wert liegt darin, dass aus Live-Kontext ein kontrollierter digitaler Arbeitsfluss wird: erfassen, übertragen, bewerten, freigeben und zurückspielen.
Genau diese Fähigkeit wird für die nächste Generation von KI-Systemen entscheidend. Unternehmen brauchen nicht nur bessere Modelle, sondern belastbare Wege, um Kontext, Daten, Aufgaben, Freigaben und Ergebnisse zwischen Menschen, Anwendungen und KI-Systemen zu bewegen.
Das Beispiel zeigt, wie KI in operative Abläufe eingebettet werden kann, ohne Verantwortung an das System abzugeben. Vorschläge können vorbereitet werden, aber die fachliche Entscheidung bleibt nachvollziehbar beim Menschen.
Damit verschiebt sich der Blick von einzelnen KI-Tools zu einer steuerbaren Betriebsschicht: KI wird Teil eines Prozesses, nicht Ersatz für den Prozess.
Übertragbare Relevanz
Die übertragbare Fähigkeit liegt im Aufbau offener Kommunikations- und Steuerungsschichten für KI-gestützte Workflows.
Dieses Muster ist relevant, wenn Informationen aus unterschiedlichen Quellen zusammengeführt, durch Fachlogik oder Modelle verarbeitet und in einer passenden Arbeitsoberfläche wieder nutzbar gemacht werden müssen.
Im Kontext eines Knowledge Operating Systems wäre SaveVision ein anschauliches Beispiel für die Kommunikationsschicht: Nutzer liefern Kontext über eine Oberfläche oder ein Gerät, das Backend strukturiert und verteilt die Information, KI- oder Fachlogiken verarbeiten sie, und das Ergebnis wird kontrolliert zurückgespielt.
Für Unternehmen entsteht daraus mehr Architekturkontrolle: eigene Oberflächen, eigene Datenflüsse, eigene Freigabelogiken und — wo sinnvoll — selbst gehostete oder lokale Modelle lassen sich gezielter verbinden.
- Eigene Chat- und Arbeitsoberflächen für kontrollierte KI-Workflows
- Multimodale Datenpipelines für Text, Sprache, Video, Standort, Bilder und strukturierte Ereignisse
- Agentic Workflows mit klaren Übergaben zwischen Nutzer, Tools, Modellen, Freigaben und operativen Aktionen
- Remote Guidance für Außendienst, Wartung, Inspektion, technische Störfälle und Sicherheitsprozesse
- Kontrollierte KI-Infrastrukturen für Organisationen mit hohen Anforderungen an Datenschutz, Nachvollziehbarkeit und technische Souveränität
Das wiederverwendbare Muster lautet: Kontext erfassen, kontrolliert transportieren, durch Fachlogik oder KI verarbeiten, menschliche Freigabe einbauen und Ergebnisse in die passende Arbeitsoberfläche zurückführen.
KERNAUSSAGE
SaveVision zeigt, wie Kernity offene Kommunikations- und Betriebsschichten für KI-gestützte Workflows bauen kann: vom Gerät über Datenströme und Fachlogik bis zur kontrollierten Handlung in der Benutzeroberfläche.
NÄCHSTER SCHRITT
Ein ähnliches Vorhaben?
Im kostenlosen Erstgespräch klären wir, ob Kernity der passende Partner für Ihre Situation ist – und welcher Einstieg sinnvoll wäre. Es geht nicht darum, sofort eine Lösung zu verkaufen.
30 Minuten · Video oder vor Ort · keine Vorbereitung nötig