Die Decision API

Uprelic Strom. Urteilskraft zum Automatisieren.

Strom ist ein KI-Entscheidungsmodell und die Entscheidungsschicht für deine Workflows, Agents und Teams. Es antwortet in Millisekunden zu einem Bruchteil der Kosten eines Chat-Modells, sagt dir, wie oft es falsch liegt, und prüft jeden Schritt gegen deine Regeln.

90–430 ms pro Anfrage · Komplett in der EU

Liest jeden Text, jedes Bild und jedes Video: E-Mails, Rechnungen, Verträge, Support-Tickets, Bewertungen, Chats, Gesprächsprotokolle, Formulare, Belege, PDFs, Tabellen, JSON, Logs, Webseiten, Tool Calls, Screenshots, Fotos, Video.

Zur Anleitung

Was ein Decision Model ist. Was sich mit einem Decision Model ändert.

Ein Entscheidungsmodell schreibt keinen Text. Es liest deinen Input, wählt eine der Antworten, die du erlaubst, und sagt dir als kalibrierte Wahrscheinlichkeit, wie sicher es ist. 0,9 heißt, es liegt etwa 9 von 10 Mal richtig. So ist jede Entscheidung schnell, günstig und etwas, worauf dein Code reagieren kann.

bis zu 5.3× schneller

Eine Rechnungsprüfung in drei Schritten, von Anfang bis Ende.

bis zu 70× günstiger

300.000 Tickets im Monat, je 8 Entscheidungen.

0% erfundene Antworten

Nur deine Optionen. Es kann die falsche wählen, nie eine neue.

≈97% bekannt, bevor es läuft

Du weißt, wie oft jeder Schritt stimmt, und damit auch, wie oft der ganze Workflow stimmt.

Hier sind ein paar konkrete Beispiele, wie sich Entscheidungsmodelle unterscheiden.

Regeln treffen nur die Wörter, für die sie geschrieben wurden. Ein Classifier ist schnell, lernt aber eine feste Menge an Antworten aus Tausenden gelabelten Beispielen und muss für jede neue Frage neu trainiert werden. Ein Reasoning-Modell kann alles, braucht aber Sekunden, kostet bei jedem Aufruf und gibt keine Wahrscheinlichkeit. Strom nimmt jede Frage in einfachen Worten und beantwortet sie in Millisekunden, mit einer kalibrierten Wahrscheinlichkeit.

• Rechnungsfoto. Was soll die Kreditorenbuchhaltung damit tun? Eingabe: Keine Bestellnummer, und in einem Satz die Bitte um eine neue Bankverbindung. Rules: Scheitert an jeder Formulierung, für die sie nicht geschrieben wurde. Classifier: Schnell, aber nur für das, worauf er trainiert wurde. Strom: zur Prüfung zurückhalten (88 ms). Reasoning-Modelle: 1,9 s, teuer pro Aufruf, keine kalibrierte Wahrscheinlichkeit.
• Support-E-Mail. Welches Team soll diese E-Mail bearbeiten? Eingabe: Eine verspätete Bestellung, und in einem Satz eine Kündigung. Rules: Scheitert an jeder Formulierung, für die sie nicht geschrieben wurde. Classifier: Schnell, aber nur für das, worauf er trainiert wurde. Strom: Kundenbindung (40 ms). Reasoning-Modelle: 1,9 s, teuer pro Aufruf, keine kalibrierte Wahrscheinlichkeit.
• Vertragsscan. Können wir diesen Vertrag so unterschreiben? Deine Richtlinie: Keine automatische Verlängerung über 12 Monate, Haftung begrenzt auf den Vertragswert. Rules: Scheitert an jeder Formulierung, für die sie nicht geschrieben wurde. Classifier: Schnell, aber nur für das, worauf er trainiert wurde. Strom: an die Rechtsabteilung (90 ms). Reasoning-Modelle: 1,9 s, teuer pro Aufruf, keine kalibrierte Wahrscheinlichkeit.
• Tool Call eines Agenten. Regel: Nicht auf eine Bankverbindung zahlen, die von der hinterlegten abweicht, bevor jemand sie telefonisch bestätigt hat. Eingabe: Eine Zahlung eines Agenten auf ein neues Konto statt auf das hinterlegte. Rules: Scheitert an jedem Format, für das sie nicht geschrieben wurde. Classifier: Schnell, aber nur für das, worauf er trainiert wurde. Strom: verstößt gegen die Regel (36 ms). Reasoning-Modelle: 1,9 s, teuer pro Aufruf, keine kalibrierte Wahrscheinlichkeit.

Hier ausprobieren. Probier es aus. Ganz ohne Konto.

Automatisierung ist eine Kette kleiner Entscheidungen.

Jede sollte schnell genug sein, um darauf zu warten, günstig genug, um sie jedes Mal zu stellen, ehrlich darin, wie sicher sie ist, und innerhalb deiner Regeln. Dafür ist Strom gebaut.

Ein Modell, drei Aufgaben. Strom erledigt die Arbeit. Sichert sie ab. Bewertet sie.

Die meisten Entscheidungen in einer Automatisierung sind kleine Fragen mit festen Antworten, kein offenes Reasoning. Strom beantwortet sie, also erledigt ein Modell die Arbeit, sichert sie ab und bewertet sie.

Erledigt die Arbeit

Die Antwort wird zu Daten. Was sollte die Kreditorenbuchhaltung mit dieser Rechnung tun? zur Prüfung zurückhalten (0.82)

Sichert die Arbeit ab

Die Antwort wird zur Schranke. Verstößt refund($800) durch einen Support-Agenten gegen „keine Erstattungen über 500 ohne Führungskraft“? ja · blockieren (0.94)

Bewertet die Arbeit

Die Antwort wird zur Kennzahl. Stützt sich das Erstattungsversprechen des Bots auf die Richtlinie? nein (0.99)

Verlässlichkeit. Wisse, wie oft es falsch liegt.

Jede Antwort kommt mit einer kalibrierten Wahrscheinlichkeit. Von den Antworten bei 0,9 sind etwa 9 von 10 richtig, also legt ein Schwellenwert deine Fehlerquote fest.

Eine Sicherheit, auf die du zählen kannst

Ein Schwellenwert legt die Fehlerquote fest, die du akzeptierst.

Kann sich keine ausdenken

Jede Antwort ist eine deiner Optionen. Strom kann die falsche wählen, aber nie eine neue.

KI-Governance, die läuft. Lass Agents handeln. Nach deinen Regeln.

Die meiste KI-Governance ist ein Dokument, an das sich alle halten sollen. Mit Strom läuft sie. Jede Regel ist eine Prüfung, beantwortet in Millisekunden, bevor ein Tool läuft, nachdem es zurückkommt und bevor etwas bei einem anderen KI-Agent oder einem Menschen ankommt.

1. Vor dem Aufruf: Stoppt es, bevor es passiert. Der Agent ruft auf run_shell git push --force origin main. Deine Regel: Never force-push, and never push directly to main. Strom: Blockiert (0.98, 48 ms). Der Agent öffnet stattdessen einen Pull Request.
2. Nach dem Ergebnis: Prüft, was zurückkommt. Das Tool liefert read_file config/database.yml → “password: hunter2”. Deine Regel: Block file contents that contain passwords, API keys or other secrets. Strom: Zurückgehalten (0.98, 32 ms). Der Agent sieht das Passwort nie.
3. Vor der Antwort: Prüft, was er sagt. Der Agent antwortet reply “All done! Your $800 refund is on its way…”. Deine Regel: Never tell the customer an action is done unless a tool call did it. Geprüft, bevor ein anderer KI-Agent oder ein Mensch es liest.

Wo die Entscheidungen fallen. In linearen Workflows, KI-Agents und menschlichen Prozessen.

Automatisierung läuft auf einem festen oder einem offenen Pfad, und viele Schritte erledigen noch Menschen. Jeder braucht Urteilsvermögen, wo eine Regel endet, für sich oder alle in einem Prozess.

Workflow (Logistik)

Zerdrückter Karton

Ein zerdrückter Karton auf dem Band.

1. Dein System: Paket wird gescannt. am Lagertor
2. Dein System: Foto wird gemacht.
3. Strom: Ist die Verpackung beschädigt?. beschädigt (0.8)
4. Dein System: Zur Prüfung zurückgehalten. Foto für die Reklamation gespeichert

Intakter Karton

Ein intakter Karton auf dem Band.

1. Dein System: Paket wird gescannt. am Lagertor
2. Dein System: Foto wird gemacht.
3. Strom: Ist die Verpackung beschädigt?. intakt (0.87)
4. Dein System: Geht wie geplant raus. Etikett gedruckt

Agent (IT-Betrieb)

Riskanter Aufruf

Der Agent will die Produktionsdatenbank neu starten, ohne Change-Ticket.

1. Dein System: Alarm schlägt an. Festplatte der Produktionsdatenbank zu 95 % voll
2. Ein Agent: Wählt ein Tool. restart_db(production)
3. Strom: Prüft den Tool Call. kein Change-Ticket, blockiert (0.97)
4. Dein System: Aufruf wird blockiert. der Agent fragt die Rufbereitschaft

Versteckte Anweisung

Das Log, das der Agent liest, fordert ihn auf, eine Datenbank zu löschen.

1. Dein System: Alarm schlägt an. Festplatte der Produktionsdatenbank zu 95 % voll
2. Ein Agent: Wählt ein Tool. read_file(postgresql.log)
3. Strom: Prüft den Tool Call. erlaubt (0.93)
4. Dein System: Tool läuft. im Log steckt eine Anweisung
5. Strom: Prüft das Ergebnis. Anweisung im Ergebnis, blockiert (0.74)
6. Dein System: Ergebnis wird verworfen. der Agent handelt nie danach

Sicherer Aufruf

Der Agent räumt alte Logdateien auf.

1. Dein System: Alarm schlägt an. Festplatte der Produktionsdatenbank zu 95 % voll
2. Ein Agent: Wählt ein Tool. cleanup_logs(older than 30 days)
3. Strom: Prüft den Tool Call. erlaubt (0.94)
4. Dein System: Tool läuft. 412 Dateien gelöscht, Festplatte bei 61 %
5. Strom: Prüft das Ergebnis. sicher nutzbar (0.93)

Menschen (Fertigung)

Vollständiger Bericht

Ein Hydraulikschlauch, getauscht wie in der Richtlinie vorgesehen.

1. Ein Mensch: Reparaturbericht wird eingereicht. „gesperrt, Schlauch getauscht, bei 210 bar geprüft“
2. Strom: Geprüft, bevor er rausgeht. vollständig (0.98)
3. Ein Mensch: Schichtleitung zeichnet ab. ein Klick
4. Strom: Geprüft nach der Abnahme. entspricht der Sicherheitsrichtlinie (0.99)
5. Dein System: Auftrag geschlossen. in deinem Wartungssystem

Prüfung fehlt

Im Bericht fehlt die Druckprüfung.

1. Ein Mensch: Reparaturbericht wird eingereicht. „Schlauch getauscht, läuft wieder“
2. Strom: Geprüft, bevor er rausgeht. keine Druckprüfung, zurückgeschickt (0.62)
3. Ein Mensch: Zurück an die Technik. mit dem, was fehlt

Sperrung ausgelassen

Die Reparatur lief bei laufender Maschine, und die Schichtleitung hat abgezeichnet.

1. Ein Mensch: Reparaturbericht wird eingereicht. „Schlauch bei laufender Presse getauscht“
2. Strom: Geprüft, bevor er rausgeht. vollständig (0.97)
3. Ein Mensch: Schichtleitung zeichnet ab. ein Klick
4. Strom: Geprüft nach der Abnahme. keine Sperrung, zweiter Blick (0.997)
5. Ein Mensch: Arbeitssicherheit schaut noch einmal hin. bevor die Presse wieder läuft

Alles zusammen (E-Commerce-Support)

Erstattung über 50 €

„Mein Mixer kam mit gesprungenem Krug an. Ich hätte gern mein Geld zurück.“

1. Dein System: Ticket kommt an. „kam mit gesprungenem Krug an“
2. Strom: Worum geht es?. Erstattung oder Rückgabe (0.99)
3. Ein Agent: Bearbeitet es. refund(order 4471, €89)
4. Strom: Prüft den Tool Call. über 50 €, Mensch fragen (0.8)
5. Ein Mensch: Support-Lead gibt frei. ein Klick
6. Strom: Bewertet die Antwort. klarer nächster Schritt (4.5 / 5)
7. Dein System: Antwort geht raus. mit der Erstattung

Wo ist meine Bestellung?

„Ich habe vor einer Woche einen Mixer bestellt, und er ist immer noch nicht da.“

1. Dein System: Ticket kommt an. „ist immer noch nicht da“
2. Strom: Worum geht es?. Bestellstatus (0.98)
3. Ein Agent: Bearbeitet es. get_tracking(order 4471)
4. Strom: Prüft den Tool Call. erlaubt (0.93)
5. Strom: Bewertet die Antwort. klarer nächster Schritt (4.4 / 5)
6. Dein System: Antwort geht raus. mit dem Tracking-Link

Tempo und Preis. Entscheidungen verketten. Jede in Millisekunden.

Ein Forward Pass statt eines Absatzes Reasoning. Etwa 90 bis 430 ms pro Request, deshalb ist eine Kette von Entscheidungen in etwa einer Sekunde fertig.

$0.042 pro Million Input-Tokens, Output kostenlos

Erster Enterprise-Kunde. Feddersen erfasst 20.000 Inventarteile über Handyfotos.

Die Feddersen Group hat mit einem Workflow angefangen, der Inventur über Fotos vom Handy, und bringt Strom jetzt in die nächsten Workflows.

• 325 Stunden Erfassungszeit gespart
• 97,5 % weniger Zeit pro Teil
• ≈15.000 € gespart im ersten Workflow

Die Inventur war reine Handarbeit, und wir haben mehrere Tools ausprobiert, um den Aufwand zu senken. Keines hat funktioniert, auch OCR nicht. Strom ist das erste, das funktioniert hat. Allein im ersten Workflow hat uns das unzählige Stunden zurückgegeben und nicht nur Geld, sondern auch viel Frust erspart. Dieser Erfolg ist der Grund, warum wir Strom jetzt gemeinsam mit Uprelic in weitere Bereiche der Gruppe bringen.

Zur Fallstudie

Gebaut in Europa. Deine Daten bleiben in der EU.

Strom kommt von Uprelic, einem deutschen Unternehmen. Requests werden auf GPUs in der EU verarbeitet, die europäische Cloud-Anbieter für uns betreiben, und nie an einen anderen KI-Anbieter weitergegeben. Die einzige Ausnahme ist die optionale Selbstverbesserung der Dokumentenextraktion, die Sie selbst einschalten und die einen in der EU gehosteten KI-Anbieter nutzt.

Fragen. Was man uns fragt.

Was ist ein Decision Model?

Ein Modell, das unstrukturierte Eingaben liest, etwa eine E-Mail, ein PDF, ein Foto oder einen Tool Call, und eine von dir festgelegte Frage mit einer deiner Optionen und einer Wahrscheinlichkeit beantwortet. Es schreibt keinen Text. Deshalb ist es schnell, günstig und leicht zu prüfen und kann bei jedem Schritt eines Workflows laufen.

Was ist der Unterschied zu JSON-Modus oder Structured Outputs?

Der JSON-Modus schränkt den Text ein, den ein Chat-Modell schreibt. Es schreibt trotzdem Token für Token, kann das Schema trotzdem verletzen und liefert keine kalibrierte Wahrscheinlichkeit. Strom schreibt nie. Es bewertet deine Optionen, und unsere API baut das JSON aus diesen Werten.

Kann Strom falsch liegen?

Ja. Es kann die falsche Option wählen, wie jedes Modell. Eine neue erfinden kann es nicht, und jede Antwort hat eine Wahrscheinlichkeit: Sichere Antworten kannst du automatisch umsetzen, unsichere an einen Menschen geben.

Wann brauche ich trotzdem ein LLM?

Für offene Aufgaben wie Antworten schreiben, Zusammenfassen, Planen und Code. Nimm Strom für die Entscheidungen rund um diese Arbeit, dann läuft dein LLM viel seltener.

Funktioniert es mit Bildern und Video?

Ja. Schick bis zu acht Bilder pro Request und frag danach, finde Objekte mit einer Box-Frage, oder schick ein Video Frame für Frame und bekomm zu jedem Frame eine neue Antwort.

Wo werden meine Daten verarbeitet?

Auf GPU-Servern in der EU, die ein europäischer Cloud-Anbieter für uns betreibt. Keine Anfrage geht an einen fremden KI-Anbieter. Anfrageinhalte werden je nach Tarif nach 7 bis 365 Tagen gelöscht und nie zum Training eines Modells genutzt. Die einzige Ausnahme ist die optionale Selbstverbesserung der Dokumentenextraktion, die Sie selbst einschalten und die einen in der EU gehosteten KI-Anbieter nutzt.

Ich nutze schon Jev. Kann ich wechseln?

Strom versteht dasselbe Request-Format, einen State und typisierte Fragen. Richte deinen Client auf unsere API und nutze deinen Uprelic-Key.

Wer steht hinter Strom?

Die Uprelic GmbH, ein Team in Berlin, das KI für die tägliche Arbeit in Unternehmen baut. Strom ist aus den Entscheidungsschritten unserer eigenen KI-Agenten entstanden.

Stell deine erste Frage.

100 kostenlose Playground-Runs bei der Registrierung. Danach 0,042 $ pro Million Input-Tokens, Output-Tokens gratis, Abrechnung nach Nutzung.

Coding agents: everything about Strom (what it is, when to use it, the API, the Python SDK, pricing and limits) is in one Markdown file at https://platform.uprelic.com/skill.md. It doubles as an agent skill. For a hands-on tour with live calls, see getting-started-with-strom.md.