Es ist 23 Uhr. Ein Interessent öffnet eine 360°-Tour, obwohl im Büro niemand mehr erreichbar ist. Er fragt nach einem Raum, die KI antwortet direkt und führt ihn zur passenden Szene. Weitere Fragen klärt er per Spracheingabe. Als sein Interesse konkret wird, hinterlässt er seine Kontaktdaten im Gespräch. So macht ein KI-Concierge für virtuelle Touren aus einem nächtlichen Rundgang eine Anfrage, ohne dass ein Teammitglied neben dem Chatfenster warten muss.
Genau dafür verbindet Panomity eine virtuelle Tour mit einem selbstgehosteten KI-Concierge. Er macht aus einer Abfolge von Panoramen einen Dialog. Besucher sehen nicht nur Räume, sondern können Fragen stellen, Orientierung bekommen und den nächsten Schritt einleiten. Die Technik läuft dabei auf eigener Infrastruktur in Deutschland.
Die Basis ist CMS4VR auf vr.panomity.com, eine Krpano-basierte 360°-Tour-Plattform. Ihr KI-Stack läuft zu 100 % selbstgehostet auf eigenen Servern und eigener GPU in Deutschland. Der Chat nutzt keine US-Cloud-API. Auch Spracheingabe, Vision-Verarbeitung und GPUQ gehören zur eigenen Infrastruktur.
Was ist ein KI-Concierge für virtuelle Touren?
Ein KI-Concierge für virtuelle Touren ist ein mehrsprachiger Assistent direkt im digitalen Rundgang. Er beantwortet Fragen anhand des Szenen-Katalogs und der KI-Beschreibungen, navigiert Besucher zu passenden Ansichten, startet eine geführte Tour und kann Kontaktdaten aufnehmen. Bei Panomity arbeitet dieser Assistent vollständig selbstgehostet.
Der Unterschied zu einem losgelösten Chatbot liegt im räumlichen Kontext. Der Concierge kennt den Szenen-Katalog der Tour. Er kann seine Antwort über die Steuer-Marker mit einer konkreten Bewegung durch das Objekt verbinden. Mehr zum Format findest Du im Panomity-Beitrag Virtuelle Tour: 360 Grad des Erfolgs.
Das Prinzip passt zu mehreren Einsatzfeldern:
- Immobilienmakler führen Interessenten durch Häuser und Wohnungen.
- Hotels beantworten Fragen zu den dargestellten Bereichen.
- Museen begleiten Gäste durch digitale Ausstellungen.
- Ladengeschäfte machen sichtbare Bereiche dialogfähig.
- Agenturen bauen betreute Tour-Erlebnisse für ihre Projekte.
Wie funktioniert der KI-Concierge technisch?
Der Concierge läuft als Ollama-basierter LLM-Chat direkt in der Krpano-basierten CMS4VR-Plattform. Der Server erstellt seinen System-Prompt aus dem Szenen-Katalog und dem KI-Szenenkontext. Antworten kommen als NDJSON-Stream. Die eigene GPUQ koordiniert die KI-Aufträge und meldet Warteschlangenposition, Status und geschätzte Wartezeit an die Oberfläche.
Wie entsteht eine passende Antwort?
Der Server gibt dem lokalen Sprachmodell die vorhandenen Szeneninformationen als Kontext. Das über Ollama betriebene Modell formuliert daraus eine mehrsprachige Antwort. Weil der Prompt serverseitig aufgebaut wird, kann der Concierge die Frage auf den Katalog und die automatisch erzeugten Beschreibungen der jeweiligen Tour beziehen.
Steuer-Marker verbinden Sprache und Navigation. Mit [[GOTO:pID]] wechselt der Concierge in eine bestimmte Szene. [[TOUR:START]] startet eine geführte Tour. [[LEAD:{json}]] übergibt im Gespräch erfasste Kontaktdaten an die Lead-Funktion. Die Marker lösen damit Szenenwechsel, Tour-Start oder Lead-Übergabe direkt aus dem Chat heraus aus.
Was passiert, wenn mehrere KI-Aufträge anstehen?
GPUQ verteilt die Arbeit einer eigenen GPU fair zwischen Chat, Vision, STT, Depth und SHARP. Die Queue sendet Status-Heartbeats, die aktuelle Position und eine ETA an die Frontends. Besucher sehen dadurch, dass ihre Anfrage verarbeitet wird, während mehrere KI-Dienste dieselbe selbstgehostete Infrastruktur nutzen.
Die Chat-Antwort wird per NDJSON gestreamt. Damit kann die Oberfläche bereits laufende Ausgaben darstellen und zugleich den Warteschlangenstatus zeigen. Diese Architektur bündelt verschiedene KI-Funktionen auf einem GPU-Server, ohne die Verarbeitung an eine US-Cloud-KI auszulagern.
Wie funktioniert Sprechen statt Tippen?
Die Spracheingabe nutzt einen eigenen faster-whisper-Microservice. Das Modell „small“ läuft auf der CPU mit int8-Quantisierung, FastAPI und VAD-Filter. Der Dienst ist nur lokal unter Port 8032 erreichbar. Das gesprochene Audio verlässt den Server nie; die erkannte Frage fließt direkt in den Concierge-Dialog ein.
Besucher können eine Frage aussprechen, während sie die Szene betrachten. Der lokale Dienst wandelt die Aufnahme in Text um, ohne das Audio vom Server zu senden. Danach verarbeitet der Concierge die erkannte Frage mit demselben Szenenkontext wie eine getippte Nachricht.
Der VAD-Filter erkennt Sprachabschnitte in der Aufnahme. Die gesamte STT-Komponente bleibt Teil des selbstgehosteten Stacks. Das ist besonders relevant, wenn Du Spracheingabe anbieten möchtest, aber keine Aufnahme an einen externen Cloud-KI-Dienst senden willst.
Woher kennt die KI jede Szene?
Eine Vision-Funktion beschreibt jedes 360°-Panorama automatisch. Panomity speichert diese Beschreibungen pro Sprache und übernimmt sie in den Kontext des Concierge. Zusätzlich erzeugt die Plattform je Szene Gesprächseinstiege und generiert Points of Interest für alle sichtbaren Szenen im Batch über die GPU-Queue. So erhält der Dialog einen konkreten räumlichen Bezug.
Die drei Bausteine erfüllen unterschiedliche Aufgaben:
- Szenenbeschreibungen liefern dem Concierge den sprachlichen Kontext zu einem Panorama.
- Gesprächseinstiege geben Besuchern pro Szene konkrete Startpunkte für den Dialog.
- Automatische POIs markieren Points of Interest für alle sichtbaren Szenen.
Die Vision-Funktion verarbeitet die 360°-Panoramen der Tour. Panomity stellt weitere Informationen zu 360-Grad-Bildern bereit. Für den Concierge werden die automatisch erzeugten Beschreibungen pro Sprache gespeichert. Der Server verbindet sie mit dem Szenen-Katalog zum KI-Szenenkontext.
Wie wird aus einer Frage ein Lead?
Der Concierge begleitet den Besucher von der ersten Objektfrage bis zur Kontaktaufnahme im selben Gespräch. Wenn Interesse entsteht, kann er Kontaktdaten erfassen und über den vorgesehenen Lead-Marker an die Lead-Funktion übergeben. Die Kontaktdaten werden damit direkt im Dialog innerhalb der virtuellen Tour aufgenommen.
Der Ablauf bleibt klar: Der Besucher erkundet eine Szene, stellt eine Frage und erhält eine kontextbezogene Antwort. Auf Wunsch wechselt der Concierge die Szene oder startet die geführte Tour. Wird daraus eine konkrete Anfrage, nimmt er die Kontaktdaten im Dialog auf. Genau das meint die Aussage, dass der KI-Concierge 24/7 verkauft: Er beantwortet, führt und sammelt Leads – auch um 23 Uhr.
Warum ist Self-Hosting ein DSGVO-Vorteil?
Self-Hosting hält den beschriebenen KI-Stack auf eigener Infrastruktur in Deutschland und gibt Panomity die Datenhoheit. Chat, Spracheingabe und KI-Verarbeitung benötigen keine US-Cloud-KI. Das macht die Lösung DSGVO-freundlich. Besonders eindeutig ist die Spracheingabe: Das Audio wird lokal verarbeitet und verlässt den Server nie.
Zur Infrastruktur gehören der Ollama-Chat, der lokale faster-whisper-Dienst, Vision-Aufträge und GPUQ. Statt mehrere externe KI-APIs für einzelne Arbeitsschritte aufzurufen, arbeitet der Stack auf eigenen Servern und mit eigener GPU. Das schafft eine klare technische Grundlage für Datenhoheit.
„DSGVO-freundlich“ ist dabei die sachlich passende Aussage. Die Grundlage bilden der vollständig selbstgehostete Stack, eigene Server und eigene GPU in Deutschland. Für die beschriebenen KI-Funktionen werden keine Daten an eine US-Cloud-KI übertragen; Panomity behält die volle Datenhoheit.
FAQ zum KI-Concierge
Ist der KI-Concierge vollständig selbstgehostet?
Ja. Der KI-Stack von Panomity läuft auf eigenen Servern und eigener GPU in Deutschland. Der Chat nutzt Ollama, die Spracheingabe einen lokalen faster-whisper-Dienst. Für diese Funktionen werden keine Daten an eine US-Cloud-KI gesendet. Dadurch bleibt die technische Datenhoheit bei Panomity.
Kann der Concierge die virtuelle Tour steuern?
Ja. Der Concierge kann über interne Steuer-Marker zu einer bestimmten Szene wechseln oder eine geführte Tour starten. Dadurch bleibt seine Antwort nicht auf Text beschränkt: Er kann Besucher direkt zur passenden Ansicht führen und den Rundgang im laufenden Gespräch fortsetzen.
Wie funktioniert die Spracheingabe ohne Cloud?
Ein lokaler faster-whisper-Microservice wandelt die Sprache direkt in Text um. Das Modell „small“ läuft CPU-basiert mit int8-Quantisierung und VAD-Filter. Der FastAPI-Dienst ist nur über localhost erreichbar. Das Audio verlässt den Server nie; der erkannte Text wird anschließend als Frage verarbeitet.
Wie erhält der Concierge Wissen über die Szenen?
Die Vision-Funktion beschreibt jedes 360°-Panorama automatisch und speichert die Ergebnisse pro Sprache. Der Server verbindet diese Beschreibungen mit dem Szenen-Katalog zum KI-Kontext. Zusätzlich erzeugt die Plattform Gesprächseinstiege pro Szene und Points of Interest für alle sichtbaren Szenen der virtuellen Tour.
Wie erfasst der KI-Concierge einen Lead?
Der Besucher kann seine Kontaktdaten direkt im Gespräch angeben. Der Concierge übergibt diese Daten über einen internen Lead-Marker an die Lead-Funktion. So kann aus einer beantworteten Frage innerhalb der virtuellen Tour eine konkrete Anfrage werden, ohne den laufenden Rundgang zu verlassen.
Fazit: Eine Tour, die das Gespräch weiterführt
Der selbstgehostete KI-Concierge verbindet 360°-Szenen, lokale Sprachverarbeitung, Navigation und Lead-Erfassung. Er antwortet mehrsprachig und verkauft 24/7, indem er Fragen beantwortet, durch die Tour führt und Leads sammelt. Gleichzeitig verzichtet der Stack auf US-Cloud-KI. Wenn Du Deine virtuelle Tour zum aktiven Dialog machen möchtest, kannst Du eine virtuelle Tour bei Panomity anfragen.
0 Kommentare