# Lissa AI — Unternehmenswissen und Company Brain Stand: 11. November 2026. Quelle: vom Eigentümer bereitgestellte Inhalte und Architekturunterlagen des lokalen Website-Projekts. Diese Übersicht beschreibt den Entwurf, keine verbindliche Leistungs-, Datenschutz-, Sicherheits- oder Verfügbarkeitszusage. ## Kurze Beschreibung Lissa AI will verteiltes Unternehmenswissen zugänglich und zusammenhängend nutzbar machen. Dokumente, Nachrichten, Entscheidungen und strukturierte Daten erhalten ihren Wert durch den passenden Kontext. Das Company Brain ist die Vision eines gemeinsamen Unternehmensgedächtnisses, das diese Signale erschließt und miteinander verbindet. Lissa Chat ist der Zugang in natürlicher Sprache. Lissa Nexus bildet Beziehungen zwischen Dokumenten, Menschen, Projekten und Sachverhalten ab. Integrationen erschließen ausgewählte Datenquellen. Die fachliche Beurteilung und Verantwortung bleiben bei den Menschen. ## Was ist ein Company Brain? Ein Company Brain bezeichnet hier die Vision eines verbundenen Unternehmensgedächtnisses. Informationen aus unterschiedlichen Quellen sollen erschlossen, mit Herkunft und Kontext verknüpft und im Moment einer Frage gezielt ausgewählt werden. Ein Sprachmodell formuliert auf dieser Grundlage eine verständliche Antwort. Die Gehirnmetapher erklärt das Zusammenspiel von Wahrnehmung, Verknüpfung, Gedächtnis, Lernen und Abruf. Ein lernender Abruf ist nicht dasselbe wie das Training eines Sprachmodells mit Unternehmensdaten. Aussagen zur tatsächlichen Datennutzung hängen von Modellanbietern, Konfiguration und Verträgen des konkreten Betriebs ab. ## Lissa Chat URL: https://lissa-ai.de/plattform/chat Lissa Chat macht Unternehmenswissen zur Arbeitsgrundlage: für quellenbezogene Antworten, Auswertungen und weiterverwendbare Ergebnisse. Die Chat-Seite zeigt Dokumentvergleiche, Tabellen und Diagramme, Word-, Excel- und PowerPoint-Ausgaben, Webrecherche und Deep Research sowie Projekte und eigene Skills. Verfügbarkeit, Kontozugriffe und Aktionen richten sich nach der jeweiligen Workspace-Einrichtung. Ein durchgängiges, fiktives Beispiel „Nordwerk“ vergleicht die Jahresabschlüsse 2024 und 2025. Es zeigt die Auswahl von Unterlagen, einen rechnerisch konsistenten Vergleich, die passende Fundstelle, eine Ergebnisvorschau und eine bearbeitbare Rückfrage. Die Bildschirmaufnahme dokumentiert dieses illustrative Website-Beispiel, keinen produktiven KI-Lauf. Die Website ruft dafür keine LLM-API auf, verarbeitet keine echten Unternehmensdokumente und versendet keine E-Mails. „Nur intern“ bezieht sich auf die Recherchequellen, nicht auf den Standort sämtlicher KI-Verarbeitung. ## Lissa Nexus URL: https://lissa-ai.de/plattform/nexus Nexus ist das vernetzte Gedächtnis hinter Lissa. Es erschließt Vorgänge, Objekte und Angaben, Beziehungen sowie Quellen und Nachweise. Unterstützte Angaben können mit Dokument, Version und Originalpassage verbunden und zwei ausgewählte Einträge gegenübergestellt werden. Erwähnungen, automatisch abgeleitete Verbindungen und bestätigte Zuordnungen haben unterschiedliche Herkunft. Verschiedene Angaben werden nicht automatisch als Fehler bewertet. Die Nexus-Seite nutzt einen durchgängigen fiktiven Jahresabschlussvorgang „Beispielwerk GmbH“. Jahresabschluss und Bewertungsunterlage nennen Vorratswerte von 2,40 bzw. 2,55 Mio. € zum selben Stichtag (31.12.2025). Zwei datierte Versionen der Bewertungsunterlage und ihre Auszüge verdeutlichen den Versionsbezug. Die Website-Demos sind lokal und illustrativ; sie rufen weder einen produktiven Bestand noch eine LLM-API auf und simulieren keine Freigabe echter Quellenzugriffe. Die weitergehende Vision eines langfristigen, vorausschauend unterstützenden Unternehmensgedächtnisses steht auf der Seite ausdrücklich unter „Unsere Vision“. Es gibt auf dieser Unterseite keine Behauptung vollständig getrennter Mandantenräume. Die vorhandene Originalansicht des größeren Wissensnetzes bleibt als vertiefender Einblick zugänglich. ## Lissa CRM — Coming soon URL: https://lissa-ai.de/plattform/crm Das angekündigte CRM soll direkt mit Nexus verbunden werden, Arbeitsschritte effizienter machen und den Überblick über Unternehmen, Menschen und ihre Beziehungen erleichtern. Die eigene Seite beschreibt die geplante Richtung mit einer illustrativen Konzeptdarstellung. Ein Veröffentlichungstermin steht noch nicht fest. ## Integrationen URL: https://lissa-ai.de/plattform/integrationen Die Integrationsseite gliedert die Einrichtungswege nach Arbeitsaufgabe, ohne eine pauschale Zahl von Konnektoren oder Datenquellen zu nennen: - Dateien und Wissen: OneDrive, SharePoint und Google Drive. Unterstützte Google-Dokumente, etwa Google Docs, werden über Drive erschlossen; Google Docs ist kein eigenständiger Konnektor. - E-Mail: Microsoft Outlook über die Microsoft-365-Anbindung sowie ein separater Einrichtungsweg für weitere Postfächer über IMAP/SMTP. Dort ist unter anderem eine Gmail-Voreinstellung vorgesehen. Die Google-Drive-Anmeldung beinhaltet kein natives Gmail und keinen Google Kalender. - Kalender: freigeschaltete Microsoft-365-Kalenderfunktionen und unterstützte CalDAV-Verbindungen. Die jeweiligen Lese- und Schreibaktionen hängen von Konto, Einrichtung und Berechtigungen ab. Kalenderfunktionen sind keine pauschale Zusage einer vollständig durchsuchbaren Nexus-Wissensquelle. Notion und Confluence werden für den vorgesehenen Einsatz nach Freigabestand eingeordnet. Teams wird ohne Bestätigung des benötigten Inhaltsumfangs nicht als reguläre Wissensquelle gelistet. Eine eigenständige Exchange-Server-Anbindung ist von Microsoft 365 zu unterscheiden und wird gesondert betrachtet. Jeder Katalogeintrag erläutert Inhalte, Nutzen und Voraussetzungen. Filter nach Dateien, E-Mail und Kalender sowie die Suche verändern die tatsächliche Auswahl. Die beispielhafte Einrichtung zeigt Quellenumfang und Nutzungsbereich. Statusansichten unterscheiden Synchronisierung, Verarbeitung und fachliche Aktualität. Trennen und Löschen sind unterschiedliche Vorgänge; bereits synchronisierte Inhalte können nach dem Trennen verbleiben. Die Produktansichten zeigen einen fiktiven Vorgang der Beispielwerk GmbH. Dieselbe Bewertungsunterlage (v2, 22.02.2026) erscheint als angebundene Quelle, im Nexus-Zusammenhang und als Grundlage einer Chat-Rückfrage. Antwortentwurf und Terminvorschlag bleiben als solche erkennbar. Die Beispielbestätigung legt keinen Kalendereintrag an; es werden keine E-Mails versendet, Konten verbunden oder tatsächlichen Synchronisierungen gestartet. ## Die fünf Architekturgedanken 1. Wahrnehmen: Daten aus verschiedenen Quellen erschließen und ihren Inhalt in eine gemeinsame Repräsentation übersetzen. Herkunft, Zeitpunkt und fachlicher Kontext bleiben relevant. 2. Verknüpfen: Dokumente, Beziehungen und strukturierte Fakten in geeigneten Speichern zugänglich machen und zu einem gemeinsamen Modell verbinden. 3. Erinnern: Ereignisse, Aufgaben und Fristen mit ihrem Kontext verknüpfen. Die Hippocampus-Metapher steht für den zeitlichen Bezug des Gedächtnisses. 4. Lernen: Ein adaptiver Retrieval-Layer soll die Quellenauswahl anhand der Frage, des Kontexts und von Nutzungssignalen verbessern. Dies ist von Sprachmodelltraining zu unterscheiden. 5. Verstehen: Die ausgewählten Informationen einem Sprachmodell zur Verfügung stellen, das daraus eine verständliche Antwort mit Quellenbezug formuliert. Analysen, Diagramme und Dokumententwürfe gehören zur weiterführenden Vision. ## Case: Wirtschaftsprüfung URL: https://lissa-ai.de/cases/wirtschaftspruefung Die Case-Seite beschreibt, wie Lissa KI, Unternehmenswissen und Zusammenarbeit für Prüfungsteams zusammenbringen soll: weniger Suchaufwand, quellenbezogene Ergebnisse, klarere Zusammenarbeit, organisations- und benutzerbezogene Berechtigungen sowie Unterstützung bei Recherche, Zusammenfassung und Aufbereitung. Ein interaktives Beispiel mit fiktiven Daten zeigt Unterlagen, Quellen und noch offene Arbeitsschritte im Mandat Nordwerk. Es ist keine Live-Antwort und kein Nachweis eines produktiven Zugriffsmodells. Die fachliche Beurteilung bleibt bei den Prüfenden. ## Mandantenwissen und Wirtschaftsprüfung Ein gesonderter Mandantenspeicher berücksichtigt die individuelle Historie, Branche, Besonderheiten, Vereinbarungen, Belege und Kommunikation eines Mandanten. Die Retrieval-Schicht soll gezielt auf den vorgesehenen Mandantenkontext zugreifen können. Gleiche Fragen können so abhängig vom Mandantenkontext unterschiedlich eingeordnet werden. Die Website zeigt illustrative Wissensräume. Sie ersetzt weder die fachliche Beurteilung der Prüfenden noch einen Sicherheitsnachweis der produktiven Umgebung. Der konkrete Anwendungsfall wird im Gespräch eingeordnet. ## Datenschutz und vorgesehene Infrastruktur URL: https://lissa-ai.de/datenschutz Die vorgesehene Architektur verbindet SQL-, Vektor- und Graphdatenbanken mit Dateispeichern. Datenhaltung und Modellverarbeitung in Deutschland sind vorgesehen. Die Speicherarten übernehmen unterschiedliche Aufgaben; KI-Modelle werden passend zum Anwendungsfall ausgewählt. Die konkrete Betriebsumgebung, Modelle, Verarbeitungswege und Verträge müssen für einen Einsatz festgelegt und dokumentiert werden. Cortina ist eine zusätzliche Pseudonymisierungsschicht in Entwicklung. Eine Enterprise API gehört zur weiterführenden Vision für die Nutzung von Wissen in eigenen Anwendungen. Diese Übersicht behauptet keine produktive Freigabe dieser Entwicklungsfelder. Die Vorschau behauptet keine ISO-, SOC- oder andere Zertifizierung. Freigegebene TOM-Dokumentation, Vertragsunterlagen und vollständige Betreiberangaben liegen noch nicht vollständig im Projekt vor. ## Über uns: Menschen und Gründerstory URL: https://lissa-ai.de/team/philosophie Lissa AI wird im Projekt als Angebot der TUP AI GbR aus Mainz beschrieben. Gründer sind Paul Bücker und Timo Gehring. Die persönliche Geschichte wurde vom Betreiber bereitgestellt: Timo und Paul waren Sitznachbarn in der weiterführenden Schule. Timo blieb für sein IT-Studium in Mainz, Paul ging für VWL nach Münster. Timo lernte Emre in Mainz kennen; sie wurden Freunde und spielten zusammen Fußball. Während Pauls Auslandssemester in Lissabon zeigte er Timo die Stadt, weil der Freund, den Timo besuchen wollte, krank war. Am 6. Dezember 2025 entstand bei einem Cocktail für sechs Euro die Grundidee: eine Plattform, die große Sprachmodelle für Unternehmen mit sensiblen Daten nutzbar macht. Emre verstärkt die Entwicklung seit dem 11. März; für diesen Tag wurde kein Jahr ergänzt. - Paul Bücker, CEO und Co-Founder: Produktstrategie, Vertrieb und Vision. - Timo Gehring, CTO und Co-Founder: technische Entwicklung und Architektur. - Emre Uskaner, Developer: Entwicklung mit besonderer RAG-Expertise. Die ersten Website-Projekte finanzierten den Start. Laut der Betreiberangabe war Schebo Partners der erste Kunde, unterstützt Lissa seit dem ersten Tag, nutzt Lissa selbst und ist als Investor beteiligt. Angaben zu Beteiligungshöhe, Konditionen oder Datum werden nicht ergänzt. Pauls Zitat bleibt Teil der Seite: „Der Mensch ist der Maßstab. KI muss sich daran messen lassen, wie sie seine Arbeit effizienter macht und seine Fähigkeiten stärkt.“ Der Bereich „Werde Teil von Lissa“ richtet sich an Entwicklung, Investoren, Machine Learning und Sales. Die vier selbst erstellten grafischen Motive sind native SVGs. Jeder Bereich verlinkt zur bestehenden Kontaktseite mit entsprechendem Thema. Die Seite behauptet keine konkreten ausgeschriebenen Stellen, Beschäftigungsmodelle oder Finanzierungsangebote. ## Research Übersicht: https://lissa-ai.de/team/research Bericht: https://lissa-ai.de/team/research/anchoring-rabatt-framing Der Bericht „Wenn Rabatte KI-Entscheidungen verschieben.“ ist eine redaktionelle Webfassung einer vom Eigentümer bereitgestellten Seminararbeit von Paul Bücker vom 12. Juni 2026. Er untersucht Preisanker und Rabatt-Framing bei GPT-5.5 und Claude Sonnet 4.6. Das Experiment umfasst zwei Modelle, fünf Bedingungen und jeweils 50 Durchläufe, insgesamt 500 ausgewertete Antworten. Die Ergebnisdarstellungen beruhen auf den im Projekt dokumentierten Werten. Beobachtete Häufigkeiten sind keine Garantie für zukünftige Modellantworten. Referenzpreis und Prozent-Label wurden gemeinsam verändert; einzelne Mechanismen und gesicherte Positionseffekte wurden damit nicht isoliert nachgewiesen. Die Webfassung ersetzt nicht das vollständige wissenschaftliche Original mit Literaturapparat, Prompts und Quellcode. ## Kontakt URL: https://lissa-ai.de/kontakt E-Mail: paul.buecker@lissa-ai.de Das Kontaktformular validiert die Eingaben und bereitet einen überprüfbaren E-Mail-Entwurf vor. Es sendet keine Nachricht automatisch. Erst eine bewusste Aktion öffnet das E-Mail-Programm, in dem der Versand veranlasst werden kann. Das ist eine Funktion der lokalen Vorschau; ein produktives Formular-Backend ist nicht angebunden. Es ist auch noch kein Newsletter-Dienst angebunden. Die Website behauptet weder eine erfolgreiche Anmeldung noch eine Bestätigung oder durchgeführte Abmeldung. ## Website und Navigation Kanonischer öffentlicher Ursprung für eine spätere freigegebene Veröffentlichung: https://lissa-ai.de Inhaltsseiten: - / — Startseite und Company-Brain-Vision. - /plattform/chat — Lissa Chat. - /plattform/nexus — Lissa Nexus. - /plattform/integrationen — Quellenkatalog und Integrationen. - /plattform/crm — CRM-Ankündigung (Coming soon). - /cases/wirtschaftspruefung — Case für Wirtschaftsprüfer. - /team/philosophie — Menschen, Gründerstory und Mitmachen. - /team/research — Forschungsthemen und Berichtsvorschau. - /team/research/anchoring-rabatt-framing — vollständiger Research-Bericht. - /datenschutz — Architektur von Datenschutz und Sicherheit. - /kontakt — Kontakt und Demo-Anfrage. Weitere Routen: - /impressum, /datenschutzerklaerung, /agb — lokale Entwürfe mit noch offenen Originalangaben. - /team/research/confirm und /unsubscribe — Newsletter-Statusansichten ohne angebundenen Dienst. - /plattform leitet zu /plattform/chat. - /team leitet zu /team/philosophie. - /vorschlag leitet zur Startseite. Für lesende Systeme: - /llms.txt — kurze Übersicht und weiterführende Links. - /llms-full.txt — dieses vollständige Textdokument. - /agents/ — menschenlesbare Agentenübersicht. - /agents/site.json — strukturierte Fakten und Routen. - /sitemap.xml — kanonische Inhaltsseiten. Die lokale Vorschau bleibt noindex. HTML-Seiten werden im Produktionsbuild mit dem tatsächlichen sichtbaren Seiteninhalt vorgerendert; sie sind auch ohne JavaScript lesbar. Maschinenlesbare Ressourcen sind Ergänzungen zu den sichtbaren Inhalten und enthalten keine gesonderten Ranking-, Leistungs- oder Vertrauensbehauptungen. ## Medien und illustrative Beispiele Die dekorative Bildserie verwendet fünf vom Betreiber bereitgestellte Architektur- und Landschaftsfotografien. Die Story-Oberfläche wurde entfernt; Ausrichtung und Schärfe wurden mit KI aufbereitet, verdeckte Stellen rekonstruiert. Die Bilder dienen als redaktionelle Motive und zeigen keine Lissa-Büros, Hostingstandorte oder Kunden. Der aktuelle Einstiegsfilm ist ein 14,5-Sekunden-Loop aus realer Stadtbewegung, Händen und zügigen modellierten Aktionen in Nexus, Chat und Kalender. Er enthält weder gezeichnete Szenen noch sichtbare Gesichter. Die Produktaktionen folgen den bereitgestellten Lissa-Produktreferenzen; Perspektiven und Hochformatfassung sind eigens komponiert. Eine Pausentaste und ein Standbild bei reduzierter Bewegung sind vorhanden. Fotografische Gesichter auf der Website zeigen ausschließlich Paul, Timo und Emre. Das bereitgestellte Teamfoto und die Produktansichten bleiben eigenständige Projektdateien. Projektstatus, Termine und Quellen der Website-Beispiele sind fiktiv und lokal.