Langdock Guide

Langdock ist eine Enterprise-KI-Plattform, die Chat, Agenten, Workflows und Integrationen unter einer Oberfläche bündelt. Modell-agnostisch und EU-gehostet. Ein Login, eine Rechnung, eine Compliance-Prüfung. Egal ob du gerade mit Claude, GPT, Gemini oder Mistral arbeitest.

1.1 Plattform-Idee

Fünf Bausteine auf einer Plattform:

Modell-Agnostik: Wenn ein neues Modell rauskommt, ist es in Langdock meist innerhalb weniger Tage verfügbar. Du wählst pro Nachricht im Modell-Selektor oben links. Kein Vendor-Lock-In auf Modell-Ebene.

1.2 Sicherheit & Compliance

Langdock ist auf Unternehmenseinsatz ausgelegt, nicht auf Consumer-Nutzung. Das schlägt sich in den Compliance-Eigenschaften nieder:

• EU-Hosting: Microsoft Azure, Region Frankfurt. Daten bleiben in der EU.
• DSGVO-konform: Vertraglich abgesichert. Auftragsverarbeitungsvertrag (AVV) verfügbar.
• Keine Trainingsnutzung: Eingaben und Antworten werden nicht zum Training der Modelle verwendet. Vertraglich zugesichert.
• ISO 27001 und SOC 2 Type II zertifiziert.
• SAML & SCIM für Single-Sign-On und automatisches User-Provisioning (Microsoft Entra, Google, Okta).
• Audit-Logs & Usage-Exports für interne Reportings und externe Audits.

1.3 Deployment-Modi

1.4 Wer Langdock einsetzt

Stand 2026 nutzen 5.000+ Unternehmen Langdock, mit insgesamt 60.000+ monatlich aktiven Nutzerinnen und Nutzern. Bekannte Beispiele:

• Pharma & Life Sciences: Merck
• HR-Tech: Personio
• Fintech: SumUp
• Medien: Der Spiegel

Typische Use-Cases reichen von Wissensarbeit (Recherche, Texte, Analyse) über Customer Support, Content-Produktion, Compliance-Prüfungen bis hin zu spezialisierten Agenten für interne Prozesse.

In fünf Minuten produktiv. Dieses Kapitel zeigt nur, wo was sitzt. Die Inhalte und Use-Cases kommen ab Kap. 4.

2.1 Login & Workspace-Tour

Login via Browser oder Mobile App. Wer SSO im Unternehmen hat, klickt auf »Mit SSO anmelden« und landet automatisch im richtigen Workspace.

Nach dem Login siehst du drei Bereiche:

• Linke Sidebar: Chat-Historie, Prompt-Bibliothek, Agenten, Workflows, Suche, Inbox, Projekte, Dateien.
• Zentraler Bereich: Das Chat-Interface. Hier findet die Interaktion statt.
• Header oben: Modell-Selektor (links), Workspace-Switcher und Profil (rechts).

Im Chat findest du links neben dem Eingabefeld ein »+«-Symbol. Dahinter sitzen die erweiterten Funktionen wie Deep Research, Canvas, Web-Suche, Unternehmenswissen und Datei-Upload.

2.2 Account-Settings

Profilbild unten links → Einstellungen. Die wichtigsten Stellschrauben für dich persönlich:

• Sprache: Deutsch oder Englisch für das Interface.
• Theme: Light, Dark oder System-gesteuert.
• Notifications: E-Mail- und In-App-Benachrichtigungen für geteilte Inhalte, Workflow-Ergebnisse, Usage-Limits.
• Custom Instructions: Wer du bist und wie du Antworten haben willst. Details in Kap. 8.

2.3 Get Started Guide & Mobile App

Get Started Guide: Langdocks eigenes interaktives Onboarding. Checkliste mit Aufgaben in Chat, Prompt-Bibliothek, Agenten, Wissen, Integrationen, Workflows. Mit Punkten und einem Workspace-weiten Leaderboard (Admins können es anonymisieren). Drei Hilfen sind eingebaut:

• Spotlight Tours: Für viele Aufgaben gibt es eine interaktive Schritt-für-Schritt-Führung in der UI. Zeigt direkt im Bild, wo du klicken sollst.
• Leaderboard: Zeigt den Fortschritt deines Teams. Spielerischer Adoption-Hebel.
• Custom Tasks: Admins können eigene Onboarding-Aufgaben hinzufügen, etwa »Lies unsere AI-Usage-Policy«.

Wer neu ist, läuft ihn einmal durch. Das ersetzt nicht diesen Guide hier, aber es macht die UI greifbar.

Mobile App: iOS und Android. Voller Chat, Projekte, Aktionen, Voice-Input. Die App ist seit 2026 mit den meisten Desktop-Features auf Augenhöhe.

2.4 Tastatur-Shortcuts

Drei Sachen verstehen, dann läuft alles entspannt: welches Modell wann, wie die Nutzungslimits funktionieren, wie man Tokens spart ohne Qualitätsverlust.

3.1 Modell-Familien

Langdock gibt dir Zugriff auf die wichtigsten Anbieter. Jeder hat seine Stärken, du wählst pro Nachricht.

Welche Versionen aktuell verfügbar sind, ändert sich monatlich. Der Modell-Selektor zeigt immer die aktuelle Auswahl.

3.2 Drei-Stufen-Modell für die Modell-Wahl

Statt jedes Mal neu zu überlegen oder zu raten: drei Stufen, eine Faustregel.

Thinking-Toggle gezielt nutzen: Im Modell-Selektor sitzt ein Toggle für »Thinking« (Reasoning). Aktivieren nur, wenn die Aufgabe wirklich Reasoning braucht: bei Strategie-Fragen, Architektur-Entscheidungen, Mathematik, schwierigen Code-Problemen. Für Standard-Texte produziert Thinking längere Antworten und zieht mehr Token, ohne dass die Qualität merkbar steigt.

Für Web-Recherche: GPT-5.5 ist oft günstiger und qualitativ vergleichbar zu Opus. Opus glänzt vor allem bei Sprache und Nuance. Dafür rechtfertigt der Mehrverbrauch sich.

3.3 Spezialvarianten: Vision, Reasoning, Bild

• Vision (Bild verstehen): Sonnet, Opus, GPT-5.x, Gemini Pro können Bilder lesen. Du hängst sie wie eine Datei an.
• Reasoning-Modelle: o3, o4-mini (OpenAI) und die »Thinking«-Varianten von GPT-5/Claude/Gemini denken erst, dann antworten. Für mehrschrittige Logik, Mathematik, schwierige Code-Probleme.
• Bilderzeugung: GPT Image 2, Imagen, Flux. Per »+«-Menü im Chat oder als Tool im Workflow.

3.4 Session- & Wochen-Fenster

Langdock arbeitet seit April 2026 mit zwei parallelen Nutzungsfenstern, vergleichbar mit ChatGPT Plus oder Claude Pro:

Beide laufen gleichzeitig. Wer eines überschreitet, löst die Fallback-Mechanik aus.

Verbrauch wird nach Provider-Kosten gewichtet: Opus zieht mehr als Sonnet, Sonnet mehr als Haiku oder GPT-Mini. Eine Opus-Anfrage entspricht ungefähr zwei bis drei Sonnet-Anfragen.

3.5 Was beim Überschreiten passiert

• Neue Nachrichten werden automatisch auf GPT-5.2 umgeleitet, bis das Fenster zurückgesetzt wird.
• Laufende Antworten werden fertig generiert, bevor das System wechselt.
• Du wirst nicht gesperrt. Der Workflow läuft weiter, nur eben auf einem günstigeren Modell.

3.6 Spam-Schutz

Unabhängig von den kostenbasierten Limits greift ein Hard-Limit von 250 Nachrichten pro 3 Stunden. Das zielt auf automatisierten Missbrauch, nicht auf normale Nutzung. Wer manuell chattet, kommt da nie hin.

3.7 Eigene Auslastung sehen

Settings → Account → Usage zeigt zwei Progress-Bars: Session und Woche. Plus die Zeit bis zum nächsten Reset. Wer häufig nahe am Limit ist, sollte die Empfehlungen aus 3.2 (Drei-Stufen-Modell) und 3.9 (Chat-Hygiene) durchgehen, bevor mehr Capacity gebucht wird.

3.8 Limit-Kaskade: Mehr Capacity

Wer dauerhaft mehr Capacity braucht, hat sechs Stufen zur Auswahl, geordnet von »kostet nichts« nach »kostet extra«:

Details zur Admin-Konfiguration in Kap. 20.

3.9 Chat-Hygiene: Tokens sparen ohne Qualitätsverlust

Vier Stellschrauben, die jeder Nutzer selbst hat. Mehr Wirkung als jedes Plan-Upgrade.

• Neuen Chat starten bei Themenwechsel oder spätestens nach 10 bis 15 Turns. Die komplette Historie geht bei jedem Turn als Input ins Modell. Je länger der Chat, desto mehr Input-Tokens. Prompt-Caching mildert den Effekt, hebt ihn aber nicht auf.
• Custom Instructions schlank halten. Sie werden bei jedem Turn als System-Prompt mitgeschickt. Lange Instructions kosten Token und verschlechtern oft die Antwortqualität (Instruction Overload). Auf das Wesentliche fokussieren.
• Anhänge gezielt. Statt eine 50-MB-PDF hochzuladen lieber die relevanten Sektionen ausschneiden. Oder: in einen Ordner packen und semantisch suchen lassen, statt das ganze Dokument in den Kontext zu schieben (siehe Kap. 12).
• Output-Länge bewusst begrenzen. »max. 5 Bullets«, »in 100 Wörtern«, »ohne Vorrede«. Spart Tokens und macht die Antwort meistens auch besser.

Das tägliche Werkzeug. Hier landen die meisten Aufgaben. Vom Mail-Entwurf über die Tabellen-Analyse bis zur Diagramm-Skizze. Alle erweiterten Features sitzen hinter dem »+«-Symbol links neben dem Eingabefeld.

4.1 Senden, Editieren, Verzweigen

• Senden: Enter. Shift + Enter für Zeilenumbruch ohne Senden.
• Eigenen Prompt editieren: Stift-Symbol beim Hovern über deinem Prompt. Antwort wird ab dieser Stelle neu generiert.
• Antwort regenerieren: Kreispfeil-Button unter der Antwort. Erzeugt Alternativen, ohne den Prompt zu ändern.
• Antwort kopieren: Zwischenablage-Button. Bleibt beim Scrollen sichtbar. Citations bleiben beim Kopieren als anklickbare Hyperlinks zu den Quellen erhalten.
• Streaming-Reconnect: Wenn du während einer Antwort wegnavigierst und zurückkommst, läuft das Streaming weiter. Kein Verlust.
• Aktuelle Zeit / Zeitzone: Modelle haben Zugriff auf das aktuelle Datum und die Zeitzone über ein eingebautes Tool. Du musst »heute« nicht mehr per Prompt mitgeben.

4.2 Datei-Anhänge

Über das »+«-Symbol oder per Drag-and-Drop. Unterstützt: PDF, DOCX, Excel/CSV, Bilder, Code-Dateien, TXT, Markdown und mehr.

• Limit: 20 Dateien pro Chat. Wenn du dauerhaft mehr brauchst, sind Ordner der richtige Weg (Kap. 12).
• Große PDFs: Lieber relevante Sektionen ausschneiden statt komplette 50-MB-Dokumente hochzuladen. Spart Token und macht Antworten präziser.
• Excel/CSV: Kombinier es mit Datenanalyse (Kap. 11) für Auswertungen mit echtem Code-Run.
• Bilder: Wähl ein Modell mit Vision (Sonnet, Opus, GPT-5, Gemini Pro). Mehr in 4.5.
• Direkt-Speichern: Dateien aus dem Chat lassen sich per Klick in dein Google Drive oder OneDrive sichern, ohne den Umweg über den lokalen Download.

4.3 Web-Suche

»+«-Menü → Web Search aktivieren, oder direkt im Chat danach fragen. Das Modell sucht live im Web und liefert Antworten mit Quellen-Citations.

Admins können Domains workspaceweit blocken (z.B. eigene Konkurrenten-Sites). Für tiefere Recherche siehe Kap. 10 Deep Research.

4.4 Bilderzeugung

»+«-Menü → Image Generation. Verfügbare Modelle: GPT Image 2, Imagen, Flux. Jedes hat einen eigenen Charakter.

• GPT Image 2: Stark bei Text in Bildern, Marken-konsistente Outputs.
• Imagen: Foto-realistisch, gute Anatomie und Komposition.
• Flux: Schnell, gut für Iteration und Stilrichtungen.

Iterieren via Re-Prompts: »gleiche Szene, aber von oben« oder »noch warmer beleuchtet«.

4.5 Bildanalyse (Vision)

Bild als Datei anhängen, ein Modell mit Vision-Fähigkeit wählen. Use-Cases:

• Screenshots erklären lassen (»Was passiert hier?«)
• Diagramme auswerten (»Welche Trends liegen in den Daten?«)
• Text aus Bildern extrahieren (Belege, Whiteboards)
• Design-Reviews (UI, Layouts, Marken-Konsistenz)

4.6 Mermaid-Diagramme

Wenn du Modelle bittest, etwas »als Mermaid-Diagramm« darzustellen, generieren sie Mermaid-Code. Langdock rendert ihn direkt im Chat als Diagramm. Praktisch für Flowcharts, Sequenz-Diagramme, ER-Diagramme.

Stelle den Onboarding-Prozess für neue Mitarbeitende als Flowchart in Mermaid dar.
Schritte: Vertragsprüfung, IT-Setup, Welcome-Meeting, erste Aufgabe.

4.7 Dokumentensuche

»+«-Menü → Document Search. Sucht semantisch in den angehängten oder verlinkten Dateien. Anders als eine direkte »Antworte aus Datei«-Frage liefert Document Search die Fundstellen und eine zusammenfassende Antwort. Gut, wenn du die Quellen sehen willst.

4.8 @-Mentions: Agenten, Workflows, Skills im Chat

Im Chat reicht ein @, um andere Bausteine einzubinden:

• Agenten: @-Tippen → Picker zeigt verfügbare Agenten. Ausgewählter Agent antwortet mit seiner eigenen Konfiguration (Wissen, Tools, Anweisungen).
• Workflows: Genauso aufrufbar. Der Workflow startet, sein Ergebnis kommt zurück in den Chat.
• Skills: Aktivieren sich automatisch, wenn der Kontext passt. Kein @ nötig.

4.9 Unternehmenswissen

Seit Januar 2026: »+«-Menü → Company Knowledge. Eine Suche über alle verbundenen Datenquellen (SharePoint, Drive, Confluence, Notion, etc.).

• Cross-Source: Keine separate Suche pro System.
• Permissions vom Quellsystem: Wer keinen Zugriff auf Datei X hat, sieht sie auch hier nicht.
• Setup: Admin verbindet die Systeme einmal (Kap. 14).

Drei Stellschrauben reichen für 90 Prozent der Aufgaben. Mehr Tiefe brauchst du nur für Spezialfälle.

5.1 Klare Anweisungen, Rolle, Struktur

Sag dem Modell präzise was du willst, in welcher Rolle, mit welchem Wissen. Eine bewährte Struktur:

• Persona: Wer soll das Modell sein? (»Du bist Senior Marketing Manager.«)
• Task: Was soll passieren? (»Schreibe eine LinkedIn-Anzeige.«)
• Context: Welches Wissen ist relevant? (»Zielgruppe: SaaS-Founder.«)
• Format: Wie soll das Ergebnis aussehen? (»3 Varianten, je max. 100 Wörter.«)
• Beispiele (optional): Ein bis zwei Muster-Outputs.

Vier von fünf reichen meist. Beispiele liefern den größten Qualitätssprung. Das Modell sieht genau was du willst.

5.2 Output-Format kontrollieren

Wer sich nichts wünscht, bekommt was die Maschine für angemessen hält. Oft zu lang, zu allgemein, mit Vorrede.

• Form: »in Bullets«, »als Tabelle«, »als JSON mit Feldern X/Y/Z«, »als Markdown«.
• Länge: »in 100 Wörtern«, »max. 5 Bullets«, »ein Satz pro Punkt«.
• Stil: »ohne Vorrede«, »ohne Disclaimer«, »in du-Form«.

5.3 Chain-Prompts & Tipps

Komplexe Aufgaben in Schritte aufteilen statt in einen Mega-Prompt zu pressen:

1. Erst: »Sammele 10 Argumente für X.«
2. Dann: »Bewerte jedes Argument auf einer Skala 1 bis 5.«
3. Dann: »Schreibe den Pitch mit den drei stärksten.«

Zwei unübliche, aber wirksame Tricks:

• Vermeide »Don't«-Anweisungen. Modelle handhaben Negationen schlechter als positive Anweisungen. Statt »Schreibe nicht in Marketing-Sprache« lieber »Schreibe direkt und ohne Werbe-Floskeln«.
• Bitte um direkte Zitate. Wenn du Fakten aus einem Dokument willst, frage explizit »Zitiere die relevante Stelle wörtlich«. Reduziert Halluzinationen.

Wiederkehrende Prompts speichern, statt jedes Mal neu zu schreiben. Sehr unaufwendig, sehr wirksam, besonders für Teams.

6.1 Prompts speichern, Variablen, Folders

• Speichern: Beim Hovern über deinem Prompt erscheint ein »+«-Symbol → in Bibliothek speichern. Titel und Tags vergeben.
• Variablen mit der Schreibweise {{name}} machen Templates flexibel: »Schreibe einen Recap für das Meeting mit {{kunde}} am {{datum}}.«
• Folders zur Organisation. Sinnvolle Struktur: nach Funktion (Marketing, Sales, Support) oder nach Aufgabe (Recap, Outreach, Recherche).

6.2 Mit Team teilen, in Chat und Agenten nutzen

• Sharing: Mit einzelnen Usern, Gruppen oder dem ganzen Workspace. Workspace-weite Prompts erscheinen bei allen.
• In jedem Chat: Slash-Befehl / oder Picker oben rechts. Variablen werden im Dialog abgefragt, bevor der Prompt abgesendet wird.
• In Agenten: Auch als Default-Prompt eines Agenten verwendbar. So haben alle den gleichen Startpunkt.

Projekte sind Container für zusammenhängende Arbeit. Wenn ein einzelner Chat zu klein ist und ein Agent zu groß, ist das Projekt das Mittel der Wahl.

7.1 Projekt-Konzept

Ein Projekt bündelt drei Sachen unter einem Dach:

• Mehrere Chats zum gleichen Thema (z.B. »Q3-Reporting« mit Recherche-Chat, Draft-Chat, Review-Chat).
• Geteilte Dateien, die in jedem Chat des Projekts verfügbar sind (Briefing, Vorlagen, Vorgaben).
• Eigene Custom Instructions, die in allen Chats des Projekts wirken.

Beispiele aus der Praxis:

• Q3-Reporting: Excel-Daten + Briefing + Custom Instructions »Ergebnisse sind für das Vorstands-Meeting«.
• Pitch für Kunde X: Letzte Pitches als Vorlagen + Branding-Guidelines + Custom Instructions »Schreibe in Du-Form, nicht zu marketing-lastig«.
• Onboarding eines neuen Lieferanten: Vertrag + Standard-Fragenkatalog + Custom Instructions »Prüfe immer gegen unsere AGB«.

7.2 Anlegen, Dateien dauerhaft anhängen

Linke Sidebar → Projekte → Neues Projekt. Name vergeben, optional Beschreibung. Danach Dateien hochladen. Die stehen ab sofort in jedem Chat des Projekts zur Verfügung.

Dateien können später ausgetauscht werden, ohne die laufenden Chats zu verlieren. Das ist der Hauptvorteil gegenüber direkten Anhängen pro Chat.

7.3 Custom Instructions auf Projekt-Ebene

Im Projekt-Settings setzt du Anweisungen, die zusätzlich zu deinen persönlichen Custom Instructions wirken (siehe Kap. 8). Beispiele:

• »Ich erstelle hier Outputs für das Vorstands-Meeting. Halte den Ton sachlich.«
• »Antworten immer auf Englisch, alle anderen Projekte in Deutsch.«
• »Jede Empfehlung mit der Quelle aus den angehängten Dokumenten begründen.«

7.4 Projekt-Sharing

Seit Dezember 2025 lassen sich Projekte teilen, mit User, Gruppen oder dem ganzen Workspace. Wer Zugriff hat, sieht alle Chats innerhalb des Projekts und arbeitet auf der gleichen Datei-Basis.

• Reader: Lesen + neue Chats anlegen, aber Projekt-Settings nicht ändern.
• Editor: Volle Rechte, inkl. Dateien austauschen und Custom Instructions anpassen.

7.5 Projekt vs. Agent: Wann was

Mehrere Mechaniken machen das Modell »kontextfest«. Es weiß, wer du bist, was die Firma macht, was für ein Projekt läuft. Wichtig: nicht verwechseln, jede Ebene hat ihren eigenen Ort.

8.1 Erinnerung

Das Modell merkt sich automatisch relevante Fakten aus Konversationen, wenn du es ihm signalisierst (»Notiere: ...«) oder wenn das System die Information für wichtig genug hält.

• Sehen: Settings → Account → Erinnerung. Liste aller Einträge.
• Editieren / Löschen: Pro Eintrag, jederzeit. Wer einen alten Eintrag falsch findet, kann ihn manuell korrigieren.
• Deaktivieren: Komplett abschalten oder pro Chat (»vergiss das gleich wieder«).

8.2 Drei Ebenen Custom Instructions

Alle drei werden bei jedem Chat als System-Prompt mitgegeben. Der Effekt: Jeder Mitarbeiter bekommt sofort »on brand«-Outputs, ohne jedes Mal die Firma erklären zu müssen.

8.3 Erinnerung vs. Custom Instructions vs. Projekt-Instructions

Canvas ist der Modus für Outputs, an denen du schrittweise feilst. Lange Texte oder Code. Statt eines Chat-Verlaufs siehst du das Dokument in voller Höhe und arbeitest direkt drin.

9.1 Canvas for Writing

»+«-Menü → Canvas. Geeignet für Texte, die du iterativ überarbeiten willst. Blog-Posts, Strategie-Memos, längere Berichte.

• Markdown-Editor mit Inline-Formatting.
• Versions-Verlauf, Rückgängig pro Schritt.
• Selektive Anweisungen: Markiere einen Absatz und sag »kürze auf 50 Prozent«. Nur dieser Absatz wird geändert.

9.2 Canvas for Development

Gleiche UI, aber für Code. Mit Live-Run im Sandbox.

• Inline-Iteration: »Mach Variable X zu Y« oder »füge Error-Handling hinzu«.
• Mehrere Sprachen unterstützt (Python, JS, TS, Bash und mehr).
• Output direkt sichtbar. Was nicht läuft, lässt sich gleich fixen.

9.3 Wann Canvas, wann normaler Chat

Deep Research ist der Modus, wenn eine einfache Web-Suche nicht reicht und du mehrstufige Recherche willst.

10.1 Was Deep Research ist

»+«-Menü → Deep Research. Das Modell startet eine mehrstufige Recherche, kann ein paar Minuten bis zu einer Stunde laufen, sammelt Quellen, vergleicht und synthetisiert. Output ist ein strukturierter Report mit Zitaten.

10.2 Wann nutzen, wann nicht

10.3 Limits & Modelle

• Eigene Usage-Limits: Deep Research zählt separat und ist pro Nutzer begrenzt. Genaue Anzahl je nach Plan.
• Modelle: Aktuell GPT-5.5 oder Sonnet, von Langdock konfiguriert. Du wählst nicht selbst.
• Laufzeit: Du kannst zwischendurch im Workspace weiterarbeiten. Du bekommst eine Notification, wenn der Report fertig ist.

Datenanalyse lässt das Modell echten Code ausführen. In einer abgeschotteten Umgebung, gegen die Daten, die du anhängst. Anders als »normaler« Chat-Output sind die Ergebnisse reproduzierbar und nachprüfbar.

11.1 Sandbox-Execution für Excel, CSV, Code

»+«-Menü → Datenanalyse. Excel- oder CSV-Datei anhängen, Aufgabe formulieren. Das Modell schreibt Python-Code, führt ihn im Sandbox aus, zeigt Ergebnis und Code.

• Pivot, Aggregation, Joins, Filter. Alles Standard.
• Daten bleiben im Langdock-Kontext. Keine Übertragung an Drittanbieter, kein Code läuft auf deinem Rechner.
• Mehrere Files sind kombinierbar (Joins über gemeinsame Spalten).

11.2 Charts & Output-Formate

• Charts: Linien, Balken, Heatmaps, Scatter, Boxplots. Werden direkt im Chat angezeigt.
• Strukturierte Auszuege als Markdown-Tabelle.
• Excel-Export der Ergebnis-Tabelle über den Download-Button.

11.3 Best Practices

• Spalten-Überschriften klar machen. Wenn die Spalten »col_1«, »col_2« heißen, muss das Modell raten, was das ist.
• Bei großen Files: Erst fragen lassen, was geprüft werden soll. Statt »Analysiere mir die Datei« lieber »Welche Auswertung schlägst du vor?«. Und dann gezielt arbeiten.
• Bei mehreren Files: Beziehung explizit machen. »File A ist Master mit allen Kunden, File B sind die Umsätze pro Monat. Joine über kunde_id.«
• Code immer mitlesen. Wenn das Modell etwas Falsches macht, siehst du es im Code, nicht in der Aussage.

Ordner sind das wichtigste Werkzeug, um Wissen für KI-Antworten zugänglich zu machen, ohne komplette Dokumente in jeden Chat-Kontext zu schieben.

12.1 Ordner-Konzept

Ein Ordner ist eine durchsuchbare Sammlung von bis zu 1.000 Dateien. Statt das ganze Dokument in den Modell-Kontext zu laden, wird per Vektorsuche nur das relevanteste Snippet pro Anfrage durchgereicht. Vorteil: deutlich mehr Material kann angebunden werden, ohne das Token-Budget zu sprengen.

12.2 Anlegen, Dateien hochladen

• Linke Sidebar → Dateien (Library) → Ordner → Neuer Ordner.
• Name vergeben, optional Beschreibung (hilft später beim Suchen).
• Dateien per Drag-and-Drop oder Browser-Upload. Mehrere gleichzeitig.
• Hochgeladene Dateien werden indexiert. Das dauert von Sekunden (TXT) bis zu Minuten (große PDFs).

Permissions auf Datei-Ebene: Wer Zugriff auf den Ordner hat, kann alle Dateien darin durchsuchen. Für Cross-Source-Mechaniken mit eigenen Source-Permissions siehe Kap. 4.9 Unternehmenswissen.

12.3 Freigabe

12.4 Ordner in Chat vs. Agenten zuweisen

• Im Chat: »+«-Menü → Ordner auswählen. Für diesen Chat aktiv. Praktisch für Ad-hoc-Recherche.
• Im Agenten: Bei der Konfiguration ein oder mehrere Ordner zuweisen. Der Agent hat dauerhaft Zugriff, ohne dass User pro Chat etwas auswählen müssen.

12.5 Ordner vs. Direkt-Anhang vs. Datei-Vorlagen

12.6 Datei-Typen, Limits, FAQ

• Unterstützte Typen: PDF, DOCX, XLSX, PPTX, TXT, MD, HTML, CSV und mehr.
• Tabellen-Limits: XLSX/CSV werden semantisch indexiert. Für echte Datenanalyse besser Kap. 11 nutzen.
• Code-Repositories als Ganzes hochzuladen ist nicht vorgesehen. Single-File-Code geht.
• Refresh: Wenn du eine Datei ersetzt, wird neu indexiert. Bei Folder Sync (siehe Kap. 14) passiert das automatisch.

12.7 Best Practices

• Sprechende Dateinamen. Vektorsuche nutzt Inhalte, aber das Modell zeigt Dateinamen in Antworten. »vertrag-2024-finalfinal-v3.pdf« ist nicht hilfreich.
• Eindeutige Versionierung. Wenn alte Versionen drin bleiben, antwortet das Modell mit veralteten Inhalten. Lieber sauber löschen statt parallel halten.
• Kontext-Notizen in den Ordner legen. Eine kurze README.md mit »Was steht hier drin, an wen richtet sich das« macht Antworten besser.
• Trennung nach Funktion. Lieber drei spezialisierte Ordner (Verträge, Sales-Pitches, Onboarding) als einer mit allem.

Seit dem Library-Launch im April 2026 bündelt Langdock alle datei-bezogenen Funktionen in einem Bereich: Ordner, Datei-Vorlagen und Letzte Dateien. In der DE-UI heißt dieser Bereich »Dateien«.

13.1 Dateien-Konzept

»Dateien« ist der zentrale Speicher für alles, was du wiederverwenden willst:

• Ordner. Durchsuchbare Sammlungen für Wissen (Kap. 12).
• Datei-Vorlagen. Wiederverwendbare Templates für Outputs.
• Letzte Dateien. Was du oder dein Team kürzlich verwendet habt.

Erreichbar über die linke Sidebar → Dateien.

13.2 Datei-Vorlagen

Datei-Vorlagen sind wiederverwendbare Schemas, die als Skelett für neue Outputs dienen. Beispiele:

• Briefing-Vorlage: Mit Feldern für Auftraggeber, Ziel, Zielgruppe, Deliverables, Timing.
• Sales-Pitch-Vorlage: Slides oder Sections in einer festen Reihenfolge.
• Recap-Vorlage: Strukturierte Notiz nach Meeting (Teilnehmende, Entscheidungen, To-dos).

Vorlagen lassen sich teamweit teilen. Bei Verwendung im Chat oder Agenten gibt das Modell den Output direkt im Vorlagen-Format.

13.3 Ordner innerhalb Dateien

Ordner liegen jetzt strukturell unter »Dateien«. Funktional unverändert. Siehe Kap. 12. Der Wechsel des Pfads (von »Knowledge« zu »Dateien«) macht es für neue Nutzer einfacher zu finden.

13.4 Letzte Dateien

Liste der zuletzt verwendeten Dateien. Eigene plus geteilte. Praktisch, wenn du nicht mehr weißt, in welchem Chat oder Ordner ein Dokument lag. Filter nach Typ und Zeitraum.

Integrationen verbinden Langdock mit den Systemen, in denen die Arbeit läuft. SharePoint, Drive, Confluence, Salesforce, ServiceNow, Slack und dutzende weitere. Integrationen sind die Brücke zwischen KI und realem Daten- und Toolstack.

14.1 Integration-Verzeichnis

Linke Sidebar → Integrationen oder direkt aus dem »+«-Menü im Chat. Das Verzeichnis zeigt:

• Native Integrationen: Vorgefertigt, mit getesteten Aktionen und sauberer OAuth-Anbindung.
• MCP Server: Erweiterungen, die per Model Context Protocol angebunden sind (siehe Kap. 18).
• Custom Integrations: Selbst gebaute Anbindungen für interne Systeme (siehe Kap. 18).

14.2 Connections herstellen

Bei den meisten Integrationen reicht OAuth: Klick auf »Verbinden«, Anmeldung beim Drittanbieter, Zustimmung zu den angefragten Berechtigungen, fertig.

• Persönliche Connection: Du bist mit deinem eigenen Account verbunden, nur du nutzt die Integration in deinem Namen.
• Workspace Connection: Vom Admin eingerichtet, von allen genutzt. Aktionen laufen unter einem zentralen Service-Account.

Die Wahl hängt vom Use-Case ab: Sollen Mitarbeitende ihre eigenen E-Mails durchsuchen, ist die persönliche Variante richtig. Wenn ein Agent für das ganze Team in einem zentralen Salesforce-Account arbeitet, Workspace.

14.3 Drei Wege zu SharePoint- und Drive-Daten

Wer Dateien aus SharePoint oder Google Drive ansprechbar machen will, hat drei Mechaniken zur Auswahl. Jede löst ein anderes Problem.

14.4 Microsoft-Integrations: Permissions & Admin Approval

Microsoft-Integrationen (SharePoint, OneDrive, Teams, Outlook, Entra) verlangen oft eine Admin-Zustimmung, bevor User sie verbinden können. Hintergrund: M365-Tenants haben Default-Policies, die OAuth-Apps erst freischalten müssen.

• Wer freischaltet: Tenant-Admin (Entra Global Admin oder delegiert).
• Was freigeschaltet wird: Die App-Registrierung von Langdock im eigenen Tenant.
• Wo es hängt: User sieht beim Verbindungsversuch eine »Need admin approval«-Meldung. Admin findet die Anfrage in Entra unter »Enterprise Applications → Admin consent requests«.

Details und Screenshot-Schritt-Anleitungen in der Langdock-Doku unter Microsoft Integrations: Permissions & Admin Approval.

Skills sind wiederverwendbare Anweisungen, die im Chat automatisch aktiv werden, sobald der Kontext passt. Anders als Prompts musst du sie nicht aktiv aufrufen.

15.1 Skills-Konzept

Ein Skill ist ein Stück Anweisung mit Trigger-Bedingung: »Wenn das Gespräch um Topic X geht, wende diese Regel an«. Beispiele:

• Recap-Skill: Wenn jemand nach einer Meeting-Zusammenfassung fragt, immer mit »Teilnehmende, Entscheidungen, To-dos« antworten.
• Translation-Skill: Bei Übersetzungs-Anfragen immer im Du-Stil bleiben.
• Compliance-Skill: Bei rechtlichen Themen immer den Hinweis »keine Rechtsberatung« hinzufügen.

15.2 System Skills

Built-in, immer aktiv für alle User. Keine Installation, keine Konfiguration, nicht abschaltbar. Aktuell sieben System Skills, die Langdock zentral pflegt. Etwa für Tabellen-Output, Markdown-Konsistenz, sichere Code-Generierung.

15.3 Workspace Skills

Vom Admin ausgerollt, gelten für alle im Workspace. Zwei Modi:

• Default: User kann den Skill abschalten, ist aber per Default an.
• Mandatory: User kann nicht abschalten. Für Compliance-Anweisungen sinnvoll (z.B. »Keine PII in Antworten«).

15.4 Eigene Skills erstellen

Drei Wege:

1. Manuell: Über das UI Anweisungen schreiben, Trigger-Bedingungen definieren.
2. Per Chat-Generator: »Ich brauche einen Skill, der ...«. Das Modell schlägt die Konfiguration vor, du bestätigst.
3. Upload einer SKILL.md-Datei oder eines ZIP-Bundles. Für Skills, die du anderswo entwickelt hast oder importieren willst.

Erlaubt ab Member-Rolle. Sharing wie bei Prompts (User, Gruppen, Workspace).

15.5 Skills + Integrationen koppeln

Skills können Integrationen aufrufen. Beispiel: Ein »Sales-Lead-Skill« erkennt im Chat eine Anfrage zu einem Lead, ruft automatisch Salesforce ab und reichert die Antwort an.

Voraussetzung: die Integration ist im Workspace verbunden und der User hat Zugriff.

15.6 Skill vs. Agent vs. Prompt: Wann was

Agenten sind spezialisierte Bots für wiederkehrende Aufgaben. Mit eigenem Wissen, eigenen Tools, eigenen Anweisungen. Wenn ein Use-Case oft genug ist, dass ihn jeder gleich machen sollte, gehört er in einen Agenten.

16.1 Interne vs. externe Agenten

16.2 Agent-Konfiguration

Beim Anlegen oder Bearbeiten eines Agenten setzt du die folgenden Bausteine:

• Name & Beschreibung: Was tut der Agent? (User sehen das im Picker.) In Beschreibungen wird Markdown gerendert: Headings, Bold, Italic, Code, Links.
• Modell: Empfehlung: pro Agent ein passendes Modell (Routine-Bot → Haiku, Strategie-Bot → Opus). Siehe Kap. 3.2.
• System-Prompt: Die zentrale Anweisung. Wer ist der Agent, was tut er, was tut er nicht.
• Wissen: Ein oder mehrere Ordner zuweisen (Kap. 12).
• Tools: Integrationen aktivieren, die der Agent nutzen darf.
• Conversation Starters: Vorgeschlagene Erst-Prompts, die User mit einem Klick aufrufen können.
• Form Fields oder Freitext: Wie User mit dem Agenten interagieren (siehe 16.3).

16.3 Form Fields

Statt Freitext-Input erhält der Agent strukturierten Input über definierte Felder. Garantiert konsistente Eingaben, weniger Variabilität in Outputs.

Feld-Typen: Text, Textarea, Dropdown, Checkbox, Date-Picker, File-Upload. Beispiel für einen »Brief-Generator«-Agenten:

• Empfänger (Text)
• Anlass (Dropdown: Mahnung, Angebot, Antwort, Sonstiges)
• Tonfall (Dropdown: formell, freundlich, knapp)
• Kontext (Textarea)

16.4 Subagenten

Ein Agent kann andere Agenten aufrufen. Praktisch für mehrstufige Aufgaben, bei denen jede Stufe einen anderen Spezialisten braucht.

Beispiel »Content-Pipeline«: Master-Agent → Recherche-Agent (sammelt) → Schreib-Agent (erstellt Draft) → Review-Agent (prüft Stil und Fakten) → finaler Output.

Vorteile: Jeder Sub-Agent hat einen isolierten, kleineren Kontext. Spart Token gegenüber einer langen Chat-Konversation, die alles mitschleppt. Verbesserte Antwortqualität durch Fokus.

16.5 Agent-Vorlagen

Langdock liefert eine Bibliothek vorgefertigter Agent-Templates. Vom Sales-Outreach über Marketing-Reviewer bis zum Prüfer für Beschaffungsanfragen. Beim Anlegen eines neuen Agenten kannst du eine Vorlage als Startpunkt nehmen und anpassen.

16.6 Versionierung & Draft-Mode

Seit April 2026 haben Agenten echte Versionierung. Änderungen landen automatisch im privaten Draft, der während des Bearbeitens autosaved wird. Live geht nur, was du explizit per »Update« oben rechts publishst.

• Draft testen: Im Editor prüfen, ob die Änderung das gewünschte Verhalten bringt. Nur du siehst den Draft.
• Publish-Summary: Beim Update zeigt Langdock an, was sich gegenüber der Live-Version geändert hat (z.B. »Name aktualisiert, Instructions aktualisiert«). Optional eine Beschreibung mitschicken.
• Versions-Verlauf: Alle Versionen bleiben erhalten, Rückkehr zu einer früheren ist jederzeit möglich.

16.7 Usage Insights

Seit April 2026 hat jeder Agent einen eigenen Analytics-Tab direkt oben in der Konfiguration. Dort siehst du:

• Anzahl Konversationen pro Tag/Woche/Monat
• Aktive User. Wer nutzt den Agenten regelmäßig
• Top-Konversationen. Was sind die typischen Anwendungsfälle
• Feedback. Daumen-Reaktionen plus Filter, Konversations-Switch und Vorschau direkt im Analytics-Tab. Du musst für Reviews die Seite nicht verlassen.

Wertvoll für Agent-Owner: Wenn Adoption nach 4 Wochen niedrig bleibt, ist meistens nicht das Modell schuld, sondern der Agent passt nicht zum tatsächlichen Use-Case.

16.8 Advanced Features

• Labels: Tagging für bessere Sortierung in der Agenten-Übersicht (z.B. »Sales«, »HR«, »Compliance«).
• Pinning: Lieblings-Agenten in der linken Sidebar pinnen.
• Duplication: Existierenden Agenten kopieren als Startpunkt für eine Variante.
• Owner Transfer: Agent an andere Person übergeben (wichtig bei Teamwechseln).

16.9 Slack- & Teams-Bots

Agenten lassen sich als Bots in Slack oder Microsoft Teams ausspielen. Einmaliges Setup pro Workspace, dann sind alle freigegebenen Agenten per @-Mention im Channel oder im DM erreichbar.

• Slack-Setup: Workspace-Settings → Integrationen → Slack → Bot installieren. Channels auswählen, in denen der Bot reagieren darf.
• Teams-Setup: Analog für Microsoft Teams.
• Threads in Slack/Teams werden zu Konversationen im Agenten. Kontext bleibt erhalten innerhalb des Threads.
• Tipp für interne Channels: Einen Channel #ai-help einrichten, in dem ein Help-Bot lebt. Senkt die Hemmschwelle, Fragen zu stellen.

16.10 Sharing & Permissions

Rollen: Reader (nur nutzen), Editor (Konfiguration ändern), Owner (alles, inkl. Löschen).

Workflows sind mehrstufige Automatisierungen mit Logik, Bedingungen, externen Aufrufen. Anders als Agenten sind sie deterministisch: gleicher Input ergibt gleichen Output. Und sie zählen nicht auf das Session- oder Wochen-Limit.

17.1 Konzept & Trigger

Ein Workflow startet mit einem Trigger und endet mit einem Output. Dazwischen werden Nodes verkettet:

• Manueller Trigger. Per Button-Klick im UI starten
• Form-Trigger. User füllt ein Formular aus, Workflow läuft
• Webhook-Trigger. Externes System ruft den Workflow auf
• Scheduled-Trigger. Zeitlich (cron-style)
• Integration-Trigger. Event in einem verbundenen System (neue Mail, neuer Lead, neuer Kalender-Eintrag)

17.2 Nodes-Übersicht

18 Node-Typen für unterschiedliche Funktionen:

HTTP Request hat drei Auth-Modi: ohne Auth, Header-Auth (empfohlen), Query-Param-Auth (Legacy).

Webhook-Trigger unterstützt drei Auth-Varianten: ohne Auth, Query-Parameter und X-Webhook-Secret-Header. Für Produktiv-Setups: Header-Variante. Beim Aktivieren von »Wait for response« wird automatisch ein »Respond to Webhook«-Node am Ende eingefügt.

MCP-Server-Anbindung in Workflows: HTTPS-URLs mit Query-Parametern werden akzeptiert. Workspace-shared MCP-Connections sind für alle Member nutzbar.

17.3 Variablen, Field Modes, Cost-Cap

• Variablen: Outputs eines Nodes sind als Variable in nachfolgenden Nodes verfügbar ({{node1.result}}).
• Field Modes: Felder in Nodes haben drei Modi: Static (fester Wert), Dynamic (aus Variable), AI-generiert (Modell füllt zur Laufzeit).
• Cost-Cap: Pro Workflow ein Budget-Limit setzen. Bei Überschreitung wird der Run abgebrochen.
• Human in the Loop: Approval-Gate als Node. Ein Mensch bestätigt manuell, bevor der Workflow weiterläuft.

17.4 Workflows aus Chat per @-Mention

Seit Q1 2026 lassen sich Workflows wie Agenten direkt aus jedem Chat per @ aufrufen. Praktisch für Workflows, die ad-hoc-Anfragen entgegennehmen sollen, ohne extra UI.

Öffentliche Workflow-Forms lassen sich per iframe in eigene Websites oder interne Portale einbetten. Damit ist ein Workflow auch außerhalb der Langdock-UI ansprechbar, ohne API-Code.

Default-Limit: 100 Workflow-Executions pro Stunde (vorher 30). Für höhere Volumen ist das Limit pro Workspace anpassbar.

17.5 Beispiel-Pattern

Drei wiederkehrende Muster, die in fast jedem Unternehmen sinnvoll sind:

• Approval: Form-Trigger (z.B. Urlaubsantrag) → Agent-Bewertung der Anfrage → Human-Approval → Output (Zusage / Ablehnung mit Begründung).
• Enrichment: Webhook-Trigger (neuer Lead aus Form) → Web-Search nach Firma → Agent-Klassifikation (ICP-Fit) → CRM-Update via Action.
• Scheduled-Report: Scheduled-Trigger (Montag 8 Uhr) → Daten-Aggregation aus mehreren Integrationen → Agent-Synthese als Markdown → Send Notification an Slack-Channel.

Wenn die nativen Integrationen nicht reichen. Weil das System eine interne Eigenentwicklung ist oder eine sehr spezifische Aktion gebraucht wird. Gibt es zwei Wege: Custom Integrations und MCP.

18.1 Custom Integrations & Action Builder

Eigene Aktion definieren, die eine REST-API ansprechen. Pro Aktion: Endpoint, Auth, Request-Schema, Response-Schema.

Action Builder Agent: Hilft beim Bauen, in dem du natürlichsprachlich beschreibst, was die Aktion tun soll. Der Agent generiert die Konfiguration und du bestätigst.

18.2 Model Context Protocol (MCP) als Konzept

MCP ist ein offenes Protokoll für die Kommunikation zwischen KI-Modellen und externen Tools/Daten. Ähnlich wie REST für Webservices, aber für KI-Tools standardisiert. Anbieter wie Anthropic, OpenAI und Langdock unterstützen MCP.

Vorteil: Wer einen MCP-Server baut, kann ihn an alle MCP-kompatiblen Clients anbinden. Kein Custom-Code pro Integration.

18.3 Custom MCP Server anbinden

Eigenen MCP-Server (selbst gehostet) per URL und Auth in Langdock einbinden. Tools des Servers stehen dann den Agenten zur Verfügung. Genauso wie native Integrationen.

Verfügbar im Integration-Verzeichnis als »MCP Server hinzufügen«. Auth üblich über API-Key oder OAuth.

18.4 Langdock Agent MCP Server

Andersrum funktioniert es auch: Langdock kann selbst als MCP-Server auftreten und Workspace-Agenten als MCP-Tools an externe Clients ausspielen.

• Use-Case 1: Claude Code (Anthropic) ruft euren internen Sales-Agenten als Tool auf.
• Use-Case 2: Eine selbst gebaute Anwendung mit OpenAI-SDK nutzt euren HR-Agenten.
• Use-Case 3: Andere KI-Plattformen mit MCP-Support docken an Langdock-Agenten an.

Langdock hat eine API für alle, die KI-Fähigkeiten in eigene Anwendungen einbauen wollen. Drei Zugänge, je nach Use-Case.

19.1 Fäcade-Modus

Bestehende SDKs von Anthropic, OpenAI, Google oder Mistral zeigen einfach auf Langdock. Kein Code-Change, nur Base-URL und API-Key ändern. Vorteile: Workspace-Limits, EU-Hosting, zentrale Abrechnung greifen auch für diese Calls.

19.2 Native API

Für Funktionen, die spezifisch zu Langdock sind:

• Agenten per API ansprechen, inklusive ihrer Wissens-Anbindung und Tools
• Ordner verwalten (anlegen, Dateien hoch, durchsuchen)
• Audit-Logs abrufen (für Compliance-Reportings)
• Usage exportieren (pro Modell, Agent, Project, User)

19.3 Rate-Limits & Auth

• Rate-Limits: 60.000 Tokens/Minute, 500 Requests/Minute. Usage-Export-Endpoints sind auf 1 Mio Rows pro Aufruf begrenzt.
• Auth: API-Keys werden in den Account-Settings angelegt. Pro Key lässt sich beschränken, welche Agenten/Ordner zugänglich sind.

Was Admins regelmäßig brauchen, kompakt. Für SAML/SCIM/BYOK-Setup siehe Kap. 21.

20.1 Plans & Subscription

Abrechnung pro Seat, monatlich oder jährlich. Invoice-Verlauf in den Workspace-Settings.

20.2 Extra Usage

Workspace-Settings → Usage → »Enable extra usage«. Default-Cap ist 1.000 €/Monat workspaceweit. Alles darüber wird zu API-Tarifen plus Aufschlag abgerechnet, als separater Posten auf der Monatsrechnung.

• Empfehlung beim Aktivieren: Nicht beim Default-Cap bleiben. Erst auf 200 bis 300 € runterschrauben, nach 4 Wochen anhand der Usage Exports neu kalibrieren.
• Per-User-Override: Pro User lässt sich ein eigenes Budget setzen (Standard, Unbegrenzt oder Custom-Betrag). Nützlich, um Heavy-User abzufangen, ohne den Workspace-Cap zu sprengen.
• Allow usage requests: Anlassen. User können direkt aus dem Chat eine Limit-Erhöhung anfragen, der Admin sieht das in der Inbox plus per Mail.

20.3 User-Management & Permissions

• SCIM für Auto-Provisioning (Microsoft Entra, Okta über generic SCIM-Endpoint).
• Rollen: Member (Standard), Admin (Workspace-Settings), Owner (Billing).
• Permission Recommendations in der Doku. Gute Defaults für typische Setups.

20.4 Manage Agents & Manage Workflows

Beide Bereiche im Admin-Menü, mit gleichem Aufbau:

• Verified / Highlighted: Markieren von geprüften Agenten/Workflows, die im Picker oben erscheinen.
• Disabled: Temporär abschalten ohne Löschen.
• Owner Transfer: Bei Teamwechseln. Sonst landen verwaiste Agenten/Workflows.
• Spend Limits bei Workflows: pro Run-Cap, um Eskalation zu verhindern.
• Security Controls: Welche Aktionen ein Workflow ausführen darf (z.B. keine externen HTTP-Requests).

Plus: Admin Integration Newsletter. Opt-in Notification-System für kritische Integration-Updates, die Admin-Action erfordern.

20.5 Usage Exports

Admin-Menü → Usage Exports. CSV/JSON-Export pro:

• Modell (welches Modell verbraucht wieviel)
• Agent (welcher Agent ist Heavy)
• Project (welche Projekte produzieren Volumen)
• User (wer sind die Heavy-User)

Für grosse Workspaces: gleicher Export ist auch über die API erreichbar, max. 1 Mio Rows pro Aufruf.

API-Kosten als CSV: Admins exportieren API-Kosten für frei wählbare Zeiträume bis zu 12 Monate. Sinnvoll für interne Cost-Center-Verrechnung.

20.6 Empfohlene Roll-out-Reihenfolge

Für Workspaces, die gerade auf die neue Fair Usage Policy umstellen oder beim Capacity-Management neu sortieren:

1. Default-Modell anpassen und das Drei-Stufen-Cheat-Sheet aus Kap. 3.2 ans Team verteilen.
2. Extra Usage aktivieren mit Workspace-Cap von 200 bis 300 €/Monat.
3. Usage-Requests anlassen und 4 Wochen Daten sammeln.
4. 1 bis 5 echte Heavy-User auf Business Max ziehen, basierend auf den Usage-Daten.
5. Erst danach BYOK evaluieren, falls Kosten weiter dominieren oder die Use-Case-Lage sich verschiebt.

Was IT-Security typischerweise interessiert. Setup-Pfade in der Langdock-Doku, hier die Übersicht der Optionen.

21.1 SAML / SCIM

21.2 IP-Restrictions, Static IP, Session Management

• IP-Restrictions: Workspace-Login nur aus bestimmten IP-Ranges erlauben (z.B. nur aus dem Firmen-VPN).
• Static IP: Outbound-Calls von Langdock laufen über feste IP-Adressen. Für Allowlists in externen Systemen, die nur bestimmte Quellen akzeptieren.
• Session Management: Maximale Session-Dauer und Idle-Timeout konfigurierbar pro Workspace.

21.3 BYOK (Bring Your Own Keys)

Eigene Provider-API-Keys hinterlegen statt über Langdock-Pool laufen zu lassen. Verfügbar für Anthropic, OpenAI/Azure OpenAI, Google, Mistral.

• Eigene Limits: Du verhandelst direkt mit dem Anbieter, Langdock-Limits gelten für diese Calls nicht.
• Eigene Abrechnung: Modell-Kosten gehen direkt zwischen euch und dem Anbieter, nicht über Langdock.
• Reduzierte Seat-Lizenz: Da Langdock kein Modell mehr stellt.
• Sinnvoll wann: Wenn euer Modell-Verbrauch die Pool-Limits dauerhaft sprengt, oder wenn ihr ohnehin schon einen Enterprise-Deal mit dem Anbieter habt.

21.4 Deployment-Modi