Frontend-Optionen für das Engineering-Betriebssystem

VonThomas Luft

Worum es hier geht

  • Drei Frontend-Optionen für ein Engineering-Betriebssystem zur FMEA: meinGPT*, Open WebUI, Microsoft Copilot Studio.
  • Die Wahl folgt der Datenschutz-Anforderung und der bestehenden Infrastruktur des Kunden — nicht einer Tool-Vorliebe.
  • Die Methodik-Tiefe (System-Prompt, Methoden-Wissen, n8n-Skills, AIAG/VDA-Treue) ist in allen drei Varianten identisch. Sie kommt vom Assistant-Setup, nicht vom Frontend.
  • Die Skills-Schicht (n8n) und der Datenraum (PostgreSQL mit FMEA-Schema) sind in allen Varianten gleich.
  • Migration zwischen den Frontends ist möglich, weil der Datenraum konstant bleibt.

Worauf die Frontend-Wahl ankommt

Das Frontend ist der Punkt, an dem das FMEA-Team mit dem System interagiert. Eine Chat-Oberfläche, eine Workflow-Konfiguration, eine Schnittstelle zu Office- und PLM-Welt. Was es nicht ist: der Träger der Methodik. Wie eine Strukturanalyse vorgeschlagen wird, wie eine AP-Bewertung gegen AIAG/VDA 2019 läuft, wie ein Plausibilitäts-Check funktioniert — das alles sitzt in der Skills-Schicht (n8n) und im Datenraum, nicht im Frontend.

Heißt: Die Wahl des Frontends ist keine Methodik-Entscheidung. Sie ist eine Datenschutz- und Infrastruktur-Entscheidung. Vier Fragen entscheiden:

  • Welcher Datenfluss ist erlaubt? EU-Cloud mit AVV, on-premise, oder hybrid?
  • Welche Bestands-Infrastruktur ist da? Microsoft-365-Tenant, eigene Rechenzentren, gemischt?
  • Welche Endanwender sind angeschlossen? Internes Engineering-Team, externe Lieferanten, Audit-Teams?
  • Welches Budget steht für Hardware bereit, falls on-premise nötig ist?

Aus diesen vier Antworten ergibt sich die passende Variante. Die übrigen Schichten — Skills, Datenraum, LLMs — bleiben gleich.

Variante 1: meinGPT — der Cloud-Default mit ISO 27001

meinGPT* ist die schnellste Variante zum produktiven System. Hosting bei Hetzner in Deutschland, ISO 27001 zertifiziert, AVV nach Art. 28 DSGVO innerhalb von zwei bis drei Werktagen verfügbar. Vier Privacy-Levels regeln, welche LLMs eingesetzt werden — Level 1 bleibt EU-only, höhere Levels öffnen US-Backends mit Auftragsverarbeitung.

Auch on-premise verfügbar: meinGPT kann vom Anbieter selectcode zusätzlich zur EU-Cloud-Variante auch im eigenen Rechenzentrum bzw. bei einem Hoster eurer Wahl betrieben werden. Damit deckt meinGPT auch strikte on-premise-Vorgaben ab — die Frontend-Wahl ist also nicht zwingend Cloud-versus-on-premise.

Was meinGPT für die FMEA mitbringt:

  • Projektdateien als RAG — eure Normen, Lastenhefte und früheren FMEAs werden eingelesen und stehen im Chat-Kontext zur Verfügung
  • Microsoft-365-Konnektoren im Lesemodus — SharePoint, OneDrive, Outlook, Teams
  • Eigene Skills und Workflows — wiederverwendbare Playbooks für FMEA-Phasen
  • Custom-MCP-Einbindung — n8n-Workflows sind direkt aus dem Chat-Frontend aufrufbar

Wann meinGPT passt:

  • Mittelständische Engineering-Unternehmen ohne strikte on-premise-Vorgabe
  • Kunden, die eine EU-Cloud mit AVV akzeptieren
  • Schneller Start ohne eigene Server-Infrastruktur
  • Engineering-Teams, die Microsoft-365-Datenquellen nutzen

Wann meinGPT nicht passt:

  • Strikte on-premise-Vorgabe ohne Cloud-Ausnahme
  • Kunden mit bestehender M365-Tenant-Strategie, die alles in Microsoft halten wollen

Variante 2: Open WebUI — das LLM-agnostische Self-Hosted-Frontend

Open WebUI ist ein Open-Source-Frontend, das im eigenen Rechenzentrum oder bei einem EU-Hoster läuft. Es spricht jedes LLM, das eine OpenAI-kompatible API anbietet — Anthropic Claude, OpenAI GPT, Google Gemini, Mistral, oder lokale Modelle via Ollama. Mit einem LiteLLM-Gateway davor sogar über hundert Provider parallel.

Was Open WebUI für die FMEA mitbringt:

  • Volle Kontrolle über das Frontend — keine Daten verlassen das eigene Netz unkontrolliert
  • LLM-Wahl ist frei und kann jederzeit geändert werden
  • Eingebaute RAG-Funktionalität — Dokumente werden lokal indexiert
  • MCP-Client-Unterstützung — n8n-Skills sind aus dem Chat aufrufbar
  • Open-Source — kein Vendor-Lock-in, Audit der Codebase möglich

Wann Open WebUI passt:

  • Strikte on-premise-Vorgaben — Verteidigung, kritische Infrastruktur, einzelne OEM-Verträge mit eigener Cloud-Klausel
  • Hochsicherheits-Umgebungen mit eigenem Rechenzentrum
  • Kunden, die bewusst keine Cloud-Frontends einsetzen wollen
  • Engineering-Teams mit eigenem IT-Betrieb, der Open-Source-Stacks betreibt

Wann Open WebUI nicht passt:

  • Kein eigenes IT-Team für Betrieb und Pflege
  • Kein Wunsch, sich aktiv um LLM-Wahl, Updates und Skalierung zu kümmern

Variante 3: Microsoft Copilot Studio — der FMEA-Copilot für M365-Häuser

In Microsoft Copilot Studio wird der FMEA-Copilot als Microsoft-365-Copilot-Agent gebaut. Wie bei meinGPT oder Open WebUI ist das Frontend ein Assistant mit System-Prompt, Methoden-Wissen, n8n-Skills als Tools und Internet-Zugriff. Die Engineering-Spezialisierung kommt vom Setup, nicht vom Frontend.

Was Copilot Studio für die FMEA mitbringt:

  • Nahtlose Integration mit SharePoint, Teams, Outlook, Word, Excel
  • Niedrige Hürde für Endanwender — der FMEA-Copilot taucht im selben M365-Kontext auf wie alle anderen Copilots
  • M365-Authentifizierung — Single-Sign-On für Engineering-Teams ist eingebaut
  • Plugin- und Connector-Ökosystem mit hunderten Bestands-Integrationen

Wann Copilot Studio passt:

  • Mittelständler und Konzerne mit bestehender M365-Lizenzierung (E3, E5)
  • Kunden, die ohnehin in Microsoft 365 leben — SharePoint als Dokumenten-Hub, Teams als Kollaboration, Outlook als Kommunikation
  • IT-Abteilungen, die Microsoft-Plattform-Treue strategisch verankert haben

Voraussetzung:

  • Bestehende M365-Lizenzierung mit Copilot-Studio-Zugang
  • AVV mit Microsoft (Datenflüsse über Microsoft-Cloud)

Was in allen drei Varianten gleich ist

Drei Schichten sind unabhängig von der Frontend-Wahl identisch:

  • Die fünf Eigenschaften jeder Engineering-Fähigkeit — Selbstbeschreibung mit Methoden-Kontext, standardisierte Schnittstellen mit Domain-Schema, Gedächtnis mit FMEA-Versionierung, Orchestrierbarkeit aus dem Engineering-Workflow, Rückkopplungsschleife aus Reviews
  • Die Skills-Schicht (n8n) — self-hosted bei einem EU-Hoster oder im eigenen Netz, exponiert ihre Workflows als MCP-Server. Welches Frontend sie aufruft, ist austauschbar
  • Der Datenraum (PostgreSQL mit pgvector und FMEA-Schema) — Strukturanalyse, Funktionsnetz, Fehlernetz, Maßnahmen mit Versionierung und Audit-Trail

Auch die Methodik-Tiefe ist gleich. Wer das Frontend wechselt, wechselt nicht die Methodik. Die Methodik-Treue zu AIAG/VDA 2019 sitzt im Setup der Assistants und in den n8n-Skills, nicht in der Chat-Oberfläche.

Entscheidungs-Matrix

KundenkonstellationEmpfehlung
Mittelstand, keine strikte on-premise-Vorgabe, schneller StartmeinGPT* (Cloud, ISO 27001, AVV)
Strikte on-premise-Vorgabe (Verteidigung, kritische Infrastruktur, sensitive OEM-Verträge)meinGPT on-premise oder Open WebUI mit selbstgewählter LLM-Konfiguration
Bestehende M365-Tenant-Strategie, IT will alles in Microsoft haltenMicrosoft Copilot Studio
Pilotphase, später wechselbarmeinGPT zum Start, später Migration je nach Erfahrung
Hybrid: Engineering on-premise, Vertrieb in der CloudOpen WebUI on-prem + meinGPT für extern angebundene Teams

Die Matrix ist eine Orientierung, kein Automatismus. Die finale Wahl entsteht im Erstgespräch — gemeinsam mit dem Engineering-Leiter, dem Datenschutz-Beauftragten und der IT.

Migration zwischen Varianten

Weil der Datenraum (PostgreSQL) und die Skills-Schicht (n8n) konstant bleiben, ist eine Migration zwischen den Frontends möglich. Konkret:

  • Start mit meinGPT, später Wechsel zu Open WebUI — die n8n-Workflows bleiben, die FMEA-Daten bleiben. Das Frontend wird ausgetauscht, der Rest steht.
  • Pilotphase in Copilot Studio, später Skalierung über Open WebUI — gleicher Mechanismus.
  • Hybrider Betrieb — meinGPT für interne Engineering-Sitzungen, Copilot Studio für die Kollaboration mit M365-orientierten Lieferanten.

Diese Modularität ist kein Komfort-Feature. Sie ist Architektur-Anforderung: Die Datenschutz-Lage eines Kunden bestimmt, welches Frontend möglich ist, und sie kann sich im Lauf eines Projekts ändern.

Nächste Schritte

Hinweis: Mit * gekennzeichnete Links sind Werbung (Affiliate-Links).

Thomas Luft ist PCC-zertifizierter FMEA-Experte und AGILean Coach. Er berät Engineering-Unternehmen beim Aufbau KI-gestützter Prozesse. Kontakt und weitere Infos: fmea-ki.de.

Ähnliche Beiträge