Showcase · live in Produktion
Ein Händler gibt eine VIN ein, lädt Fotos hoch und beantwortet fünf Fragen. Offlot liefert fertige Kampagnentexte für sechs Kanäle, einen Kalender und die Leads, die zurückkommen. Der KI-Assistent in der App legt nach einer Rückfrage ein Fahrzeug samt Kampagne an, und ihr bestätigt, bevor etwas gespeichert wird. Live auf offlot.app, end-to-end auf Kumiko gebaut.

Fahrgestellnummer eingeben, Offlot erkennt das Fahrzeug, und die Texte für jeden Kanal stehen bereit.

Die Maske Heute zeigt, was eine Entscheidung braucht, von Fahrzeugen bis zu Kampagnen.

Der Assistent richtet Fahrzeug und Kampagne ein, und ihr bestätigt vorher.

Aus einer VIN werden dekodierte Fahrzeugdaten, die der Händler prüft.
Ein Chatbot kann Text zurückgeben. Offlot führt das Ergebnis durch einen Geschäftsprozess:
VIN oder VIN-Foto zu Fahrzeugdaten, zu Fotos und Händlerangaben, zu Kanaltexten, zum Kampagnenkalender, zur öffentlichen Fahrzeugseite, zu Anfrage und Lead.
Der Starter-Katalog konfiguriert für den GB- und den ES-Markt jeweils Kleinanzeigen-Marktplätze, WhatsApp, Facebook, Instagram, E-Mail und die öffentliche Landingpage. Die Posts werden je Kanal vorbereitet, für WhatsApp als Text zum Kopieren. Der Händler veröffentlicht; Offlot schreibt und erinnert.
Offlot enthält die automobilspezifische Logik: Fahrzeugaufnahme, VIN-Dekodierung, Kampagnen, Kanalregeln, Fotos, Kennzeichenprüfung, öffentliche Fahrzeugseiten und Leads. Kumiko liefert, was jede ernsthafte Multi-Tenant-Anwendung darum herum braucht: Identität, Mandantengrenzen, Dateien, Jobs, Secrets, Benachrichtigungen, Datenrechte, Tiers und operative Screens.
Das Framework ersetzt kein Produktdenken, verhindert aber, dass jedes Produkt dieselbe Plattform darunter neu bauen muss.
Wie es gebaut ist
VIN-Foto + Fahrzeugaufnahme
Der VIN-Foto-Schritt liefert eine validierte VIN, die in den Fahrzeug-Workflow einfließt. VIN-Fakten werden mit Händlerangaben, Fotos und Veröffentlichungsprüfungen verbunden.
KI-Dokument-Workflows →Kennzeichenerkennung + Bildprüfung
Die Kennzeichenerkennung liefert Regionen zur Prüfung. Zwischen Erkennung und öffentlicher Verwendung des Bilds liegt ein manueller Review-Schritt.
KI-Pipeline →Kanaltexte + Prompt Store
Kanaltexte entstehen aus strukturierten Fahrzeugdaten und Kanalregeln. Prompts kommen aus einem mandantenbezogenen, versionierten Prompt Store und lassen sich im KI-Probelauf testen.
Prompt Store →KI-Assistent in der App
Der Assistent (Enterprise) stellt eine Rückfrage, schlägt die Aktion vor, und ein Mensch bestätigt, bevor etwas gespeichert wird.
KI-Assistent →Provider-Adapter
Die App bindet einen Anthropic-Adapter und einen OpenAI-kompatiblen Adapter ein. Provider- und Modellregeln liegen in AI Foundation und Pipeline, nicht in Domain-Handlern.
Provider-Adapter →Kumiko Bundled-Features
Auth, Sessions, User- und Mandanten-Identität, Dateispeicher, Jobs, Secrets, Benachrichtigungen, Datenrechte, Aufbewahrung, Tiers, Caps und Billing kommen aus der Plattform, neben den Offlot-Features.
Tarife und Checkout →Wo der Aufwand liegt
Die App besitzt die Fachlichkeit: Fahrzeuge, Kampagnen, Kanalregeln, Kennzeichenprüfung, öffentliche Fahrzeugseiten, Leads und die Händler-Screens. Identität, Mandanten, Dateien, Jobs, Benachrichtigungen, Tarife und Billing kommen aus der Plattform. Die Offlot-App enthält mehr als 20 eigene Feature-Module und mehr als 400 Testdateien, darunter mehr als 140 Integrationstests (gemessen und abgerundet).
Weiter in der Doku (englisch)
Die Doku führt euch vom ersten Befehl bis zur laufenden App. Das Show-Pony-Tutorial zeigt den ganzen Weg an einer echten Anwendung.