Multi-Agent Business Intelligence System
Complete technical documentation of the Sergenta AI Lead Intelligence Platform. Architecture, agent inventory, scaling strategy and roadmap for horizontal extension.
1. Executive Summary
Die Plattform ist eine Multi-Agent Intelligence & Automation Platform, die entwickelt wurde, um wissensintensive Vertriebs-, Markt- und Geschäftsentwicklungsprozesse weitgehend zu automatisieren.
Im Gegensatz zu klassischen CRM-, Lead-Management- oder Reporting-Systemen speichert die Plattform nicht lediglich bestehende Informationen, sondern generiert kontinuierlich neue Erkenntnisse, Geschäftschancen und Handlungsempfehlungen aus einer Vielzahl strukturierter und unstrukturierter Datenquellen.
Der technologische Kern besteht aus einer Event-Driven Multi-Agent Architecture, in welcher spezialisierte KI-Agenten Informationen erkennen, anreichern, validieren, klassifizieren, priorisieren und in konkrete Geschäftsmöglichkeiten umwandeln.
Signale werden zu Informationen.
Informationen werden zu Wissen.
Wissen wird zu Geschäftschancen.
Der aktuell demonstrierte Anwendungsfall basiert auf Bauprojekten und öffentlichen Publikationen. Die Plattform selbst ist jedoch nicht auf einzelne Datenquellen, Branchen oder Anwendungsfälle beschränkt. Die zugrunde liegende Architektur kann für unterschiedliche Geschäftsbereiche eingesetzt werden, darunter:
Produktivitätsziele für die Sergenta AI
Für die Sergenta AI steht insbesondere die Produktivitätssteigerung des Vertriebs im Mittelpunkt. Mitarbeitende im Aussendienst investieren heute rund 40 % ihrer Arbeitszeit in Recherche, Projektidentifikation, Informationsbeschaffung, Vorqualifikation und Kontaktfindung – Zeit, in der keine Kundengespräche, Projektbesuche oder direkten Umsatzaktivitäten entstehen.
Die Plattform wurde entwickelt, um diesen Anteil von heute rund 40 % auf künftig 3–5 % zu reduzieren. Dadurch entsteht zusätzliche Kapazität für Kundenkontakte, Projektbesuche, Beratung, Angebotswesen, Verhandlungen, Geschäftsentwicklung und Abschlüsse.
Der eigentliche Wettbewerbsvorteil entsteht dabei nicht durch einzelne Datenquellen oder einzelne Agenten, sondern durch den kontinuierlichen Aufbau eines unternehmensspezifischen Wissens- und Intelligence-Systems, welches mit jeder Interaktion, jedem Projekt, jedem Kontakt und jeder Marktinformation intelligenter wird.
Unternehmen, die solche Systeme frühzeitig einsetzen, schaffen sich einen nachhaltigen Informations-, Geschwindigkeits- und Produktivitätsvorsprung gegenüber Mitbewerbern, die weiterhin überwiegend manuell recherchieren, analysieren und qualifizieren.
Die Plattform ist deshalb weder als CRM noch als isoliertes Lead-Management-System zu verstehen. Sie ist als intelligentes Betriebssystem für datengetriebene Vertriebs-, Markt- und Geschäftsentwicklung konzipiert.
2. System Architecture
Das System ist in vier logische Schichten unterteilt. Jede Schicht ist entkoppelt und über Entity-Events asynchron verbunden.
Layer 1: Data Sources
Öffentliche Publikationsportale (XML/REST), Handels- & Unternehmensregister, Web-Scraper, PDF-Dokumente, OpenData. Alle Quellen sind public-sector APIs ohne Authentifizierung oder mit einfachem API-Key.
Layer 2: Ingestion & Enrichment
Import- und Enrichment-Agenten ziehen Rohdaten, parsen XML, extrahieren strukturierte Felder und legen Entities an. Voll asynchron, fehlerisoliert.
Layer 3: Orchestration
Base44 Automations fungieren als Event-Bus. Entity-Statusänderungen (create/update) triggern automatisch die nächsten Agenten. Kein zentraler Orchestrator-Service nötig.
Layer 4: Entities
Single-Source-of-Truth. Strikt typisierte JSON-Schema-Entities (Lead, IntelligenceCompany, KnowledgeEntry etc.) mit Built-in Realtime-Subscriptions für UI-Updates.
3. Agent Pipeline: Data-to-Lead Flow
Die Kernpipeline verarbeitet ein rohes Baugesuch in 6 Stufen zum qualifizierten Lead. Jede Stufe ist ein unabhängiger Agent, der über den data_research_status des Leads kommuniziert.
openDataImportAgentREST/XML-Pull vom Amtsblattportal, legt OpenDataPublication + Lead an.
openDataEnrichAgentXML-Parsing, extrahiert Bauherrschaft/Projektverfasser, aktualisiert Lead.
researchAgentLLM-Web-Recherche für Website, E-Mail, Telefon, LinkedIn.
zefixAutoCheckZEFIX-Lookup: UID, Rechtsform, Gründungsjahr, Adresse.
calculateOpportunityValueBerechnet Materialwert, Opportunity-Score, Hot/Warm/Cold.
Final Status UpdatePipeline schließt ab mit finaler Status-Setzung basierend auf Datenqualität.
4. Agent Inventory (20+)
Alle registrierten Backend-Functions mit Typ, Trigger-Modell und Status. Agenten sind in Domain-Logik (Bau/Architektur) und Utility-Logik (Sync, Scoring) unterteilt.
openDataImportAgentPullt Baugesuchs-Publikationen vom Amtsblattportal via REST/XML-API und legt Rohdaten als OpenDataPublication-Entities ab.
openDataEnrichAgentParst Amtsblatt-XML, extrahiert Bauherrschaft & Projektverfasser, reichert Lead an und triggert Research + ZEFIX Pipeline synchron.
researchAgentLLM-gestützte Web-Recherche für Architekturbüros & Bauherrschaften: Website, E-Mail, Telefon, LinkedIn.
zefixAutoCheckAutomatischer ZEFIX-Handelsregister-Lookup: UID, Rechtsform, Gründungsjahr, Sitz für Architekt & Bauherrschaft.
validationAgentPlausibilitätsprüfung: Validiert extrahierte Kontaktdaten gegen Quelldaten und markiert Dubletten.
intelligenceSearchAgentDurchsucht Branchenverzeichnisse und Websites nach Firmen im Bau/Architektur-Umfeld und legt IntelligenceCompany-Records an.
intelligenceWebsiteAnalyzerAnalysiert Firmenwebsites: extrahiert Kontaktdaten, Spezialisierungen, Referenzprojekte und LinkedIn-Profile.
intelligenceCrmSyncSynchronisiert IntelligenceCompany-Daten mit CustomerRecord-Entities für CRM-Matching.
intelligenceDuplicateCheckErkennt Dubletten in IntelligenceCompany über Domain- und UID-Matching und markiert diese.
architectAgentSpezialisierter Recherche-Agent für Architekten: ZEFIX-Lookup, Website-Analyse, Kontaktdaten-Extraktion.
architectIntelligenceAgentErweiterte Architekten-Analyse: Projekte, Referenzen, Spezialisierungen, Mitarbeiterzahl.
builderAgentRecherche-Agent für Bauherrschaften: ZEFIX-Daten, Unternehmenshintergrund, Entscheidungsfindungsstruktur.
outreachAgentGeneriert personalisierte B2B-Kommunikationsentwürfe (E-Mail, Brief) basierend auf Lead-Daten und Knowledge Base.
knowledgeAgentVerarbeitet hochgeladene Dokumente (PDF, URL) zu strukturierten KnowledgeEntry-Records mit KI-Zusammenfassung.
escalationAgentÜberwacht Pipeline auf Eskalationsfälle (Hot-Lead unbehandelt, Fristen, unbeantwortete Antworten) und erstellt Escalation-Records.
calculateOpportunityValueBerechnet Materialwert, Opportunity-Score und Kategorie (Hot/Warm/Cold) basierend auf Gebäudedaten.
searchAgentDurchsucht municipale Quellen (Gemeinde-Websites, Amtsblätter) nach neuen Baugesuchen.
sourceDiscoveryAgentFindet und validiert Baugesuch-Quellen für Gemeinden und legt MunicipalitySource-Records an.
openDataDailyImportTäglicher automatisierter Import neuer Baugesuchs-Publikationen vom Amtsblattportal.
openDataLeadEnrichTriggerEntity-Automation: Reagiert auf neue OpenData-Leads und triggert die Enrichment-Pipeline automatisch.
5. Scalability & Design Principles
Die Architektur folgt bewährten verteilten System-Prinzipien. Skalierung erfolgt horizontal ohne architektonische Anpassungen.
Event-Driven Architecture
Agenten kommunizieren über Entity-Statusänderungen, nicht über direkte API-Calls. Jede Statusänderung löst den nächsten Pipelineschritt aus.
Serverless (Deno Deploy)
Alle Agenten laufen als isolierte Deno-Functions. Horizontale Skalierung ohne Server-Management.
Schema-First Data Model
Strikte JSON-Schema-Validierung auf Entity-Ebene garantiert Datenkonsistenz über die gesamte Pipeline.
Service-Role Isolation
Trennung von User-Scope und Service-Role. Agenten operieren mit elevated permissions, User-Aktionen sind scoped.
Implicit Queueing
Entity-Events fungieren als natürliche Queue. Bei Überlastung wächst die 'Neu'-Liste = Backpressure ohne Deadlocks.
Observability via AgentRun
Jede Agenten-Ausführung wird mit Log, Status, Duration und Error in der AgentRun-Entity persistiert.
6. Data Model & Entity Strategy
Die Plattform nutzt 15+ Entity-Typen, die über Fremdschlüssel (String-IDs) verknüpft sind. Jede Entity hat Built-in-Attribute: id, created_date, updated_date, created_by_id.
Pipeline Entities
- • OpenDataPublication
- • OpenDataSource
- • OpenDataImportJob
- • Lead
- • LeadArchive
Intelligence Entities
- • IntelligenceCompany
- • IntelligenceContact
- • IntelligenceProject
- • IntelligenceSource
- • IntelligenceAgentRun
System Entities
- • AgentRun (Observability)
- • Activity (Audit Log)
- • Escalation
- • Notification
- • KnowledgeEntry / Source
- • Task, Municipality, OutreachDraft
7. Security & Governance
Authentication & Authorization
JWT-basierte Authentifizierung über Base44 Auth. Rollenmodell: admin (Vollzugriff, User-Management) und user (eingeschränkter Zugriff). ProtectedRoutes leiten unauthentifizierte User zum Login weiter.
Service-Role Isolation
Agenten nutzen base44.asServiceRole für elevated Operations (Entity-Creations, Updates). User-Aktionen nutzen den User-Scope (base44.entities...). Strikte Trennung verhindert Privilege-Escalation.
External API Handling
Externe APIs (Amtsblattportal, ZEFIX) werden mit AbortSignal.timeout(20000) abgesichert. Errors werden pro Agent isoliert und im AgentRun.log persistiert. Pipeline bricht bei Einzelfehler nicht global ab.
8. Technology Stack
| Layer | Technology |
|---|---|
| Frontend | React 18 · Vite · Tailwind CSS · shadcn/ui · TanStack Query · Recharts · Framer Motion |
| Backend | Deno Deploy (Serverless Functions) · Base44 BaaS SDK @0.8.x |
| Datenbank | Base44 Entity Store (JSON-Schema-basiert, NoSQL) |
| Auth | Base44 Auth (JWT, Email-Verification, Role-based Access) |
| LLM / AI | InvokeLLM Integration (GPT-4o-mini, Claude Sonnet, Gemini Flash) |
| External APIs | Öffentliche Publikationsportale (REST/XML) · Handels- & Unternehmensregister · Web-Search |
| Automations | Entity-Triggered · Scheduled (Cron) · Connector-Webhooks |
| File Processing | UploadFile · ExtractDataFromUploadedFile (PDF, Excel, CSV, JSON) |
9. Roadmap & Extension Potential for Sergenta AI
Phase 1 – Vertriebsintelligenz & Markttransparenz (0–6 Monate)
Ziel:
Reduktion des manuellen Rechercheaufwands von heute rund 40 % auf unter 5 %.
Umsetzung:
Nutzen:
Phase 2 – Markt- und Partnerintelligenz (6–12 Monate)
Ziel:
Aufbau eines vollständigen Markt- und Partnernetzwerks.
Erweiterung um:
Agentenfunktionen:
Nutzen:
Phase 3 – Produkt- und Projektintelligenz (12–18 Monate)
Ziel:
Automatische Erkennung von Produktpotenzialen innerhalb von Projekten.
Funktionen:
Nutzen:
Phase 4 – Export & Internationale Geschäftsentwicklung (18–24 Monate)
Ziel:
Aufbau neuer Absatzmärkte ausserhalb der Schweiz.
Funktionen:
Nutzen:
Phase 5 – Unternehmensweites Intelligence Operating System (24–36 Monate)
Ziel:
Zentrale Wissens- und Entscheidungsplattform für die gesamte Sergenta AI.
Integration von:
Agenten unterstützen bei:
Nutzen:
Langfristige Vision
Die Plattform entwickelt sich von einer Projekt- und Vertriebsintelligenz-Lösung zu einem digitalen Intelligence Operating System der Sergenta AI.
Jeder neue Kontakt, jedes Projekt, jede Interaktion und jede Marktinformation erweitert den Wissensbestand der Plattform.
Dadurch entsteht ein strategischer Daten- und Wissensvorsprung, der sich über Jahre hinweg kontinuierlich vergrössert und nur schwer von Mitbewerbern reproduziert werden kann.
Das Ziel ist nicht die Digitalisierung bestehender Prozesse.
Das Ziel ist die Schaffung eines intelligenten, datengetriebenen Betriebssystems für Marktbearbeitung, Geschäftsentwicklung und Wachstum der Sergenta AI.
Sergenta AI Agent · Multi-Agent Business Intelligence System · Technical Documentation v2.0