Matrix42 MCP-Server: Den Service Desk in normaler Sprache fragen
Ein Open-Source-MCP-Server, mit dem Claude, Copilot oder Cursor mit Matrix42 arbeiten: API, Datenmodell und Service Desk. Standardmäßig nur lesend.
Alexander Schnabl
Co-Founder, S&S Technologies
Alexander baut bei S&S Technologies die Automatisierungen: n8n-Workflows, Integrationen mit ITSM-Systemen wie Matrix42 und die KI-Agenten, die damit arbeiten. Er hat den Open-Source-Node für Matrix42 in n8n und den Matrix42 MCP-Server geschrieben.
16 Beiträge
GPT-OSS: OpenAIs Open-Source-Modelle als Alternative zu proprietären LLMs
Mit gpt-oss-120b und gpt-oss-20b veröffentlicht OpenAI Open-Weight-Modelle für den Eigenbetrieb. Was das für KI-Agenten ohne Cloud-API bedeutet.
Machine Learning vs. Generative AI: Was KMU-Führungskräfte wissen müssen
Machine Learning sagt voraus, generative KI erzeugt. Der Unterschied einfach erklärt und welche Aufgaben in KMU zu welcher Technik passen.
Was ist Künstliche Intelligenz? Ein Leitfaden für KMU-Führungskräfte
Künstliche Intelligenz einfach erklärt für KMU-Führungskräfte: was sie ist, woher sie kommt und wo sie sich im Tagesgeschäft auszahlt.
Prompt Engineering reicht nicht aus
Gute Prompts reichen für Demos, nicht für verlässliche Prozesse. Was KI im Betrieb zusätzlich braucht: Retrieval, Fine-Tuning und Workflows um das Modell.
LLM-Finetuning mit LoRA und QLoRA
Wie LoRA und QLoRA große Sprachmodelle mit einem Bruchteil des GPU-Speichers feinjustieren und was das für die Kosten eigener Modelle bedeutet.
RAG vs. Finetuning: Die richtige Strategie für Ihre LLMs
RAG oder Fine-Tuning? Wann ein Sprachmodell Ihre Daten nachschlagen und wann Sie es trainieren sollten, mit Beispielen aus IT und ERP.
n8n vs Make: Die richtige Automationsplattform wählen
n8n oder Make? Ein Vergleich von Kosten, DSGVO und KI-Möglichkeiten und warum selbst gehostetes n8n mit lokalen Modellen Kosten und Latenz senkt.
n8n vs. Zapier: Die richtige Automatisierungs-Engine wählen
n8n oder Zapier? Ein Vergleich von Preisen, DSGVO, KI-Kosten und Hosting und was sich ändert, wenn n8n mit Ollama auf Ihrem Server läuft.
Matrix42 Integration in n8n: n8n-nodes-matrix42 von S&S Technologies
n8n-nodes-matrix42 verbindet Matrix42 mit n8n: Installation, Zugangsdaten, die Funktionen des Nodes und ein durchgängiges Beispiel.
Cloud-LLM vs. Local AI-Agent: Kostenvergleich mit Praxisbeispiel
Was ein Agent für die Rechnungsverarbeitung mit einer Cloud-LLM-API kostet und was mit einem kleinen Modell auf eigener GPU, an einem echten Workflow.
Die Kosten des Nichtstuns: Verborgene Ineffizienzen manueller Workflows
Manuelles Übertragen zwischen ERP und Tabellen kostet mehr, als es scheint. Wo die versteckten Kosten liegen und wie Automatisierung mit n8n sie beseitigt.
Kleine Sprachmodelle (SLMs): Agentic AI für Ihre Workflow-Automatisierung
Viele Aufgaben von KI-Agenten laufen gut auf Modellen unter 10 Mrd. Parametern. Warum kleine Sprachmodelle mit Ollama und n8n Kosten senken.
Interne Wissensdatenbanken mit RAG: Architektur, Tools und Wartung
Wie aus PDFs und Dokumenten ein Chat mit Quellenangaben wird: Aufbereitung, Embeddings, Vektordatenbank und Pflege einer RAG-Wissensdatenbank.
DSGVO & KI: Sicheres lokales Hosting für LLMs
Warum Cloud-LLMs für europäische Unternehmen ein DSGVO-Risiko sind und wie lokal betriebene Sprachmodelle Daten, Kosten und Latenz kontrollierbar halten.
LLMs lokal ausführen mit Ollama und n8n
Schritt für Schritt: Modell wählen, Hardware prüfen, Ollama installieren und mit n8n verbinden, um Sprachmodelle auf eigenen Rechnern zu betreiben.