Individuelles Modell für Ihre Znuny-Warteschlangen — On-Premise-Inferenz, Same-Day-Training, kein Datenexport.
Stellen Sie Ihre Znuny-Warteschlangennamen und kurze Beschreibungen als QueueSpec bereit — keine echten Tickets nötig.
Unser EU-gehosteter Trainingsservice generiert synthetische Daten aus Ihrer QueueSpec und trainiert einen individuellen Adapter. In der Regel am selben Tag.
Installieren Sie OTAI Runtime Core via Docker Compose. Laden Sie Ihr signiertes Modell-Artefakt — die Inferenz läuft vollständig in Ihrem Netzwerk.
Der Znuny-Connector liest neue Tickets via Generic Interface und schreibt Routing-Entscheidungen in dynamische Felder zurück. Überwachen und bei Bedarf neu trainieren.
OTAI Studio configures your automation on-prem. Optional cloud training generates synthetic data and fine-tunes your model — then the signed artifact is downloaded to run inference locally. Fully on-prem training is available with a GPU. Other features like ticket summarization run on-prem without cloud training.
Creates training examples from your configuration metadata
Supervised fine-tuning on cloud GPU hardware
Ready for one-time download to your infrastructure
Queue names and descriptions only — no ticket data
Configuration and control plane — always on your infrastructure
New tickets arrive for AI processing
On-prem inference — CPU for routing, GPU optional for on-prem training
Classification, priority, and fields updated automatically
Privacy by design: No ticket data ever leaves your network. Only configuration metadata is sent for optional cloud training. Your custom model is downloaded once and inference runs entirely within your own secure infrastructure.
OTAI doesn't just route to Warteschlange — it can classify and populate multiple Znuny fields automatically.
Tickets automatisch der richtigen Znuny-Warteschlange basierend auf Inhaltsanalyse zuweisen
Ticketpriorität durch Analyse von Dringlichkeitssignalen in Betreff und Text setzen
Tickets nach Typ klassifizieren (Incident, Service Request, Change, etc.)
Initialen Ticketstatus basierend auf Anfragetyp vorhersagen
Znuny-Dynamische Felder mit KI-extrahierten strukturierten Daten füllen
Pre-built QueueSpec templates to get started quickly with Znuny.
Incident, Service Request, Change, Problem, Knowledge Management
Pro-Kunde-Warteschlangen, SLA-Stufen, Eskalations-Routing
Bürgeranfragen, interner Abteilungs-Routing, Compliance-Tracking
Example monthly savings from replacing manual ticket routing with OTAI. See the full page for the assumptions behind these figures.
See how much Znuny can save you
estimated monthly savings vs. manual routing
See full ROI examplesPro: Support & Updates inklusive. Enterprise: Cloud-Training, keine lokale GPU. Sovereign: vollständig air-gapped auf Ihrer Hardware. Alle Tarife auch als einmalige Dauerlizenz erhältlich (kein Abonnement nötig) — auf Anfrage.
Evaluieren & Testen
Alles für den Produktivbetrieb
Vollständig air-gapped, On-Premise-Training
Skalierung, SLA & größte Modelle
Common questions about using OTAI with Znuny .
Everything you need to deploy, configure, and operate OTAI with Znuny.
Get a custom queue model trained on your Warteschlange definitions. Same-day turnaround, on-prem deployment.
