Ein grundlegendes Prinzip bleibt dabei immer gleich: Das KI-Modell läuft lokal auf dem eigenen System. Offline, Hybrid und Online bestimmen nicht, wo das Modell arbeitet, sondern lediglich, welche zusätzlichen Verbindungen Rainbow nutzen darf. Im Offline-Modus arbeitet Rainbow ohne externe Anbindungen. Im Hybrid-Modus bleibt das Modell lokal und kann gezielt APIs verwenden, etwa für aktuelle Wetterinformationen. Im Online-Modus bleibt das Modell ebenfalls lokal; zusätzlich kann der integrierte Rainbow Apex Router zugeschaltet werden.

Auch RAG gehört bereits zum privaten Funktionsumfang. Damit können eigene Dokumente und bereitgestellte Informationen bei Bedarf als zusätzliche Wissensquelle herangezogen werden. Soll beispielsweise eine PDF, eine Word-Datei oder ein anderes Dokument ausgewertet werden, können die relevanten Inhalte für die jeweilige Anfrage genutzt werden, ohne dass das Modell dafür neu trainiert werden muss. Das lokale Modell bleibt die Grundlage; RAG ergänzt es dort, wo zusätzliche oder aktuelle Informationen benötigt werden. Gleichzeitig bleibt die Kontrolle über die eigenen Daten ein zentraler Bestandteil von Rainbow. Die lokale Datenhaltung wird mit AES-256 geschützt, ergänzt durch Argon2id für die sicherheitsrelevante Absicherung. Für den privaten Nutzer bedeutet das vor allem: Das Modell bleibt auf dem eigenen System, persönliche Daten können lokal verwaltet werden und zusätzliche Verbindungen werden nur dort genutzt, wo sie tatsächlich gewünscht sind.

Für Unternehmen geht Rainbow deutlich weiter. Das Rainbow Unternehmensmodell ist keine klassische Business-Version und nicht einfach der Zugang zu einem allgemeinen KI-Dienst. Ein Unternehmen erhält ein eigenes, individuell auf das jeweilige Unternehmen abgestimmtes Modell. Das Unternehmen entscheidet selbst, welches Wissen Bestandteil dieser KI werden soll. Die dafür vorgesehenen Informationen werden für den Trainings- und Anpassungsprozess des eigenen Modells aufbereitet und gezielt eingebracht. Damit kann genau das Unternehmenswissen berücksichtigt werden, das das Unternehmen selbst vorgibt. Die bereits vorhandene deutsche Sprach- und Landesbasis bildet dabei die Grundlage und wird nicht als Unternehmens-Tokens berechnet. Das unternehmensspezifische Wissen kommt zusätzlich hinzu. Das fertige Kundenmodell sowie die daraus entstehenden unternehmensspezifischen Trainings- und Modellbestandteile sind ausschließlich für das jeweilige Unternehmen bestimmt.

RAG ergänzt dieses Unternehmensmodell dort, wo Wissen aktuell oder kurzfristig verfügbar sein soll. Dauerhaft gewünschtes Unternehmenswissen kann Bestandteil des eigenen Modells werden. Neue oder aktuelle Informationen lassen sich zusätzlich über RAG heranziehen. Entsteht beispielsweise heute eine neue Word-Datei, PDF oder ein Bericht und sollen daraus unmittelbar Informationen verwendet werden, muss das Unternehmensmodell dafür nicht erneut trainiert werden. Das Dokument kann als zusätzliche Wissensquelle für die aktuelle Verarbeitung bereitgestellt werden. Damit entsteht eine klare Trennung: Das Unternehmensmodell enthält das Wissen, das dauerhaft Bestandteil der eigenen KI sein soll. RAG ergänzt dieses Wissen flexibel um aktuelle Dokumente und Informationen.

Auch das Unternehmensmodell läuft lokal und kann innerhalb der eigenen Unternehmensinfrastruktur betrieben werden. Das Unternehmen bestimmt damit nicht nur, welches Wissen in sein Modell einfließt, sondern auch, auf welcher Infrastruktur es betrieben wird und welche externen Verbindungen überhaupt zugelassen werden. Dabei wird die Technik nicht unabhängig vom Unternehmen geplant. Bereits vor der Umsetzung wird die vorhandene Hardware betrachtet. Modellgröße und technische Auslegung werden auf die tatsächliche Infrastruktur abgestimmt. So entsteht keine Standardlösung von der Stange, sondern eine Umgebung, die zu den vorhandenen technischen Voraussetzungen passt.

Technisch umfasst das Unternehmensmodell mehr als nur die sichtbare Oberfläche. Dazu gehören Modell- und Systemarchitektur, Tokenisierung, Aufbereitung des Unternehmenswissens, Training beziehungsweise Modellanpassung, RAG und die lokale Inferenz. Der Tokenizer zerlegt Text in verarbeitbare Einheiten, die sogenannten Tokens. Die Inferenz ist der eigentliche Betrieb des fertigen Modells – also der Moment, in dem eine Eingabe verarbeitet und daraus eine Ausgabe erzeugt wird. Gerade im Unternehmen liegt der entscheidende Vorteil deshalb im Zusammenspiel dieser Komponenten: eigenes Unternehmenswissen, eigenes Modell, vorhandene Infrastruktur, lokale Verarbeitung und kontrollierte externe Verbindungen. Die aus Rainbow bekannte AES-256-Verschlüsselung und die Argon2id-basierte Absicherung bleiben dabei Bestandteil des Systems. Rainbow verfolgt damit zwei klar unterschiedliche Anforderungen auf derselben technischen Grundlage. Privat geht es um einen übersichtlichen digitalen Arbeitsplatz mit lokalem KI-Modell, RAG und kontrollierten Verbindungen. Im Unternehmen kommt zusätzlich ein eigenes, auf Unternehmenswissen und Infrastruktur abgestimmtes Modell hinzu. Das Prinzip bleibt in beiden Fällen gleich: Das Modell bleibt lokal. Privat entscheidet der Nutzer, welche eigenen Informationen und externen Verbindungen genutzt werden. Im Unternehmen bestimmt das Unternehmen zusätzlich, welches Wissen Bestandteil seines eigenen Modells wird und auf welcher Infrastruktur es betrieben wird.