Detaillierte Funktionen, Besonderheiten und Empfehlungen

🟦 Funktionen – Was kann melibo?

KI-CONTENT-GENERIERUNG

KI-gestützte Inhaltsgenerierung – Erstellt automatisch Lernmodule, FAQs und Dokumentationen per Prompt-Eingabe.

Automatische Textzusammenfassungen – Komprimiert umfangreiche Texte und Protokolle in Sekunden und spart bis zu 40 % Recherchierzeit.

Automatisierte Metadaten-Generierung – Extrahiert per NLP relevante Schlagwörter für standardisierte Taxonomien.

INTELLIGENTE WISSENSERSCHLIESSUNG

Semantic Search mit Knowledge Graph – Verknüpft Inhalte kontextuell statt nur über Stichwörter zu suchen.

Personalisierte Lernpfade – Erstellt adaptive Empfehlungen basierend auf Nutzerprofil und Lernfortschritt mit Gamification-Elementen.

KI-Chatbot 24/7 – Bietet Self-Service-Support mit direkter Anbindung an ERP- und CRM-Systeme.

AUTOMATISIERUNG & ANALYTICS

Workflow-Automatisierung – Übernimmt automatisches Tagging, Routing und Eskalation von Inhalten.

Analytics-Dashboard mit KI-Insights – Erkennt Nutzungsmuster und Wissenslücken in Echtzeit.

Trend- & Sentiment-Analysen – Warnt frühzeitig vor sinkenden Lernkurven und Engpässen.

TECHNISCHE INTEGRATION

Offene API & SDK – Ermöglicht die Integration eigener KI-Modelle und externer Services.

Vorgefertigte Konnektoren – Bietet native Anbindung zu SAP, Microsoft 365 und Salesforce.

Domain-spezifische KI-Modelle – Stellt vortrainierte Modelle für Pharma, Finance und Manufacturing bereit.

SICHERHEIT & COMPLIANCE

On-Premise-Installation + EU-DSGVO – Garantiert volle Datenkontrolle, GDPR/BDSG-Konformität und ISO 27001-Zertifizierung.

🟨 Besonderheiten – Was macht melibo einzigartig?

On-Premise-Deployment mit End-to-End-Verschlüsselung

melibo bietet volle Kontrolle über Trainingsdaten und Inferenzen durch die Möglichkeit der lokalen Installation. Diese Option ist besonders für regulierte Branchen wie Pharma, Finance und Manufacturing relevant, wo Datenschutz-Anforderungen höchste Priorität haben. Die Plattform differenziert sich damit von über 80 Cloud-basierten KI-Konkurrenten, die ausschließlich auf externe Server setzen. Unternehmen behalten die vollständige Hoheit über sensible Daten und erfüllen gleichzeitig strenge Compliance-Vorgaben.

Patentierte Knowledge-Graph-Technologie

Mit drei angemeldeten Patenten für semantische Verlinkung hebt sich melibo technologisch ab. Der Knowledge Graph ermöglicht kontextuelle Wissenserschließung, die weit über einfaches Keyword-Matching hinausgeht. Ein Beispiel: Bei der Suche nach einem Pharma-Medikament werden automatisch verlinkte FDA-Regularien, Nebenwirkungen und Best Practices angezeigt. Diese Technologie ist ein entscheidender Faktor für "echte" KI-Intelligenz, nicht nur Text-Generierung. Der messbare Effekt: Referenzkunden berichten von 25 % schnellerer Onboarding-Zeit.

Domain-Modelle reduzieren Implementierungsaufwand um 50 %

melibo stellt speziell vortrainierte Modelle für Pharma, Finance und Manufacturing bereit. Diese sind sofort einsatzfähig und ersparen Unternehmen die typischen 3-6 Monate für Feintuning. Statt bei Null zu beginnen, können Anwender direkt mit branchenspezifischen Inhalten arbeiten. Dies ist ein konkreter ROI-Treiber, der die Time-to-Value erheblich verkürzt. Für regulierte Branchen bedeutet dies einen klaren Wettbewerbsvorteil bei der Implementierung.

Lean-Adoption-Framework mit Change-Management-Toolkit

Die strukturierte Pilot-Phase verhindert riskante Big-Bang-Roll-outs. melibo liefert Schulungen und Zertifizierungen mit, die Nutzerwiderstand aktiv reduzieren. Das Framework führt Teams schrittweise an die Plattform heran und minimiert Implementierungsrisiken. Diese methodische Herangehensweise ist entscheidend für den Projekterfolg, wird aber von vielen Wettbewerbern vernachlässigt.

Einschränkungen

melibo bietet derzeit keinen Multi-Modal-Support für Video- oder Bild-Generierung. Diese Funktionen sind für 2025 auf der Roadmap geplant, stehen aber aktuell nicht zur Verfügung. Die Admin-Einarbeitung dauert mehr als 4 Wochen, da die Plattform komplexer ist als Standard-Lösungen. Zudem bestehen rechtliche Grauzonen bei KI-generierten Inhalten bezüglich Urheberrecht und Haftung, weshalb interne Qualitätskontroll-Prozesse notwendig sind.

🟩 Empfehlung – Für wen eignet sich melibo besonders?

Ideale Zielgruppen

L&D Manager in Industrieunternehmen mit 200-5.000 Mitarbeitern profitieren vom maximalen Einsparpotenzial durch Content-Automatisierung. Die Beschleunigung des Onboardings und die deutliche Reduktion manueller Content-Erstellung rechtfertigen die Investition. Entscheidend ist, dass ein Budget für eine moderne Lernplattform vorhanden ist und der aktuelle manuelle Aufwand bei der Content-Erstellung als Engpass wahrgenommen wird.

Knowledge Manager in regulierten Branchen (Pharma, Finance, Manufacturing) finden in melibo die ideale Lösung für ihre Datenschutz- und Compliance-Anforderungen. Die On-Premise-Option, GxP-Unterstützung und ISO-Zertifizierung sind hier entscheidende Faktoren. Wenn Compliance-Anforderungen und Datenschutz absolute Top-Priorität haben, ist melibo eine der wenigen Plattformen, die diese Anforderungen vollständig erfüllt.

CIO/CTO in digitalisierenden Mittelständlern schätzen den modernen Tech-Stack mit Microservices und offenen APIs. Die nahtlose Integration mit bestehenden ERP- und CRM-Systemen ist ein Kernargument. Relevant wird melibo, wenn die vorhandene Systemlandschaft bereits komplex ist und API-Fähigkeiten für weitere Digitalisierungsprojekte benötigt werden.

Digital Transformation Offices in großen Konzernen nutzen das Change-Management-Toolkit und die nachgewiesene Skalierbarkeit auf 100.000+ Nutzer. Wenn unternehmensweiter Digitalisierungsdruck besteht und eine strategische KI-Initiative gestartet werden soll, bietet melibo die notwendige Enterprise-Reife.

Entscheidende Auswahlkriterien

Datensicherheit & Compliance ist ein Ja/Nein-Kriterium. Wenn On-Premise zwingend erforderlich ist oder GDPR und Branchenregularien kritisch sind, führt kein Weg an melibo vorbei. Ohne diese Anforderungen relativiert sich der Preisvorteil gegenüber Cloud-Alternativen.

Integrationstiefe mit bestehender Systemlandschaft sollte geprüft werden. Bei vorhandenen SAP-, Microsoft 365- oder Salesforce-Installationen sparen die vorgefertigten Konnektoren erhebliche Kosten. Wer eigene KI-Modelle integrieren möchte, nutzt die offene API und SDK-Unterstützung.

Unternehmens- & Nutzergröße hat direkten Einfluss auf die Wirtschaftlichkeit. Ab 200 Nutzern amortisieren sich die Effizienzgewinne schneller. Bei geplanter Skalierung auf 5.000+ Nutzer ist die nachgewiesene Architektur-Skalierbarkeit ein wichtiges Entscheidungskriterium.

ROI-Perspektive & Nutzungs-Pattern muss realistisch bewertet werden. Wenn Content-Erstellung aktuell manuell und teuer ist, kann ein ROI in 6-12 Monaten erreicht werden. Bei häufiger Dokumentation und FAQ-Generierung liegt die Zeitsparnis bei 30-40 %. Ohne diese Anwendungsfälle verlängert sich die Amortisationszeit erheblich.

Details zur KI-Plattform

melibo positioniert sich als integrierte "Enterprise Knowledge Intelligence"-Plattform, nicht als einfaches Learning Management System. Die Lösung verbindet generative KI, semantische Suche, Wissensmanagement und Lernprozesse in einer durchgängigen Architektur. Die Kernlogik folgt dem Prinzip: Daten werden zu Wissen, Wissen wird zu strukturiertem Lernen. Diese nahtlose Integration unterscheidet melibo von punktuellen Content-Generatoren oder reinen LMS-Lösungen.

Das technologische Herzstück bildet der patentierte Knowledge Graph. Er verbindet Inhalte kontextuell, nicht nur über Stichwörter. Ein praktisches Beispiel aus der Pharmabranche: Ein Nutzer sucht nach einem Medikament und erhält automatisch verlinkte FDA-Regularien, dokumentierte Nebenwirkungen und Best Practices aus ähnlichen Projekten. Diese kontextuelle Verknüpfung führt zu messbaren Effizienzgewinnen. Ein Referenzkunde berichtet von 25 % kürzerer Onboarding-Zeit für neue Mitarbeiter.

Die KI-Funktionen sind modular aufgebaut. Unternehmen können mit einzelnen Use-Cases starten, etwa der automatischen FAQ-Generierung, und später weitere Module wie den Chatbot oder Analytics hinzufügen. Dieses Bausteinkonzept reduziert das Implementierungsrisiko. Es ist kein "All-or-Nothing"-Ansatz erforderlich. Die Kombination aus GPT-basierter Content-Generierung und Knowledge Graph ermöglicht sowohl reaktive (Chat) als auch proaktive (Lernpfade) Wissensbereitstellung.

Praktische Anwendungsszenarien

In der Produktion unterstützt melibo die schnelle Erstellung von Arbeitsanweisungen. Das System generiert aus bestehenden Prozessdokumenten automatisch strukturierte Schulungsmodule. In regulierten Branchen erstellt die Plattform compliance-konforme Dokumentationen, die den Audit-Anforderungen entsprechen. Support-Teams nutzen den Chatbot zur Entlastung, da Standardanfragen automatisch beantwortet werden. Der Knowledge Graph stellt sicher, dass auch komplexe Anfragen durch kontextuelle Verweise beantwortet werden können.

Wissenswertes zum Anbieter

Hinter melibo steht die ThinkingTech GmbH & Co. KG, ein mittelständischer Spezialist mit etwa 50 Mitarbeitern. Das Unternehmen ist kein Marktführer im breiten LMS-Markt, sondern hat sich als Nischenführer im Segment "KI-gestütztes Knowledge Management für Europa" positioniert. Der geografische Fokus liegt auf der D/A/CH-Region und weiteren EU-Ländern. Diese Spezialisierung ermöglicht hohe Kundenorientierung und schnelle Entscheidungswege, die bei Konzernen oft fehlen.

Die Expertise basiert auf mehr als 10 Jahren Erfahrung im Learning & Knowledge Management, ergänzt um 2-3 Jahre spezialisierte KI-Entwicklung. ThinkingTech betreibt zwei dedizierte AI Labs in München und Berlin, was das Commitment zur KI-Entwicklung unterstreicht. Die Roadmap für 2025 umfasst Deep Learning und Multi-Modal-Erweiterungen. Dies zeigt, dass das Unternehmen nicht stagniert, sondern aktiv in Zukunftstechnologien investiert.

Die typische Kundenbasis besteht aus Mittelstand bis Großunternehmen in regulierten Branchen. Ein verifizierter Referenzkunde ist ein mittelständischer Pharmahersteller. Die übliche Kundengröße bewegt sich zwischen 500 und 5.000 Nutzern. Die Anwendungsfälle konzentrieren sich auf Produktionsunternehmen mit komplexen Wissensprozessen, nicht auf Start-ups mit einfachen Schulungsbedürfnissen. Diese Positionierung spiegelt sich auch in der Produktkomplexität wider.

Unternehmensstabilität

Mit 50 Mitarbeitern ist ThinkingTech groß genug für professionellen Support, aber klein genug für flexible Anpassungen. Die aktive Produktentwicklung und veröffentlichte Roadmap minimieren das Risiko, dass der Anbieter in Schieflage gerät oder das Produkt eingestellt wird. Für risikosensible Branchen ist die ISO 27001-Zertifizierung ein Qualitätssignal. Die Fokussierung auf Europa und DSGVO-Compliance ist strategisch sinnvoll und differenziert von US-dominierten Konkurrenten.

Technische Details & Integration

melibo basiert auf einer Cloud-Native Architektur mit Microservices und Container-Technologie (Docker/Kubernetes). Die Datenbank läuft auf PostgreSQL, die Anwendungslogik auf Java. CI/CD-Pipelines ermöglichen kontinuierliche Updates ohne Ausfallzeiten. Diese moderne Architektur bietet horizontale Skalierbarkeit von 200 bis 100.000 Nutzern. Für IT-Verantwortliche bedeutet dies: kein Legacy-System, sondern ein zukunftssicherer, wartbarer Tech-Stack.

Die Deployment-Optionen umfassen Cloud-Hosting in EU-Regionen, On-Premise-Installation und Hybrid-Szenarien. Die Cloud-Variante reduziert den internen Betriebsaufwand, während On-Premise maximale Datenkontrolle bietet. Hybrid-Setups kombinieren beide Ansätze, etwa mit sensiblen Daten on-premise und Analytics in der Cloud. Die Architektur ist flexibel genug, um unterschiedliche regulatorische Anforderungen zu erfüllen.

Die Integration in bestehende IT-Landschaften erfolgt über offene APIs und vorgefertigte Konnektoren. Native Anbindungen existieren für SAP, Microsoft 365 und Salesforce. Für individuelle Anforderungen stehen REST-APIs und ein SDK zur Verfügung. Auch eigene KI-Modelle oder Drittsysteme lassen sich anbinden. ETL-Tools unterstützen die Datenmigration über CSV, XML oder REST APIs. Die typische Integrationsdauer beträgt 2-4 Wochen parallel zur Pilot-Phase.

Sicherheitsarchitektur

Die Sicherheit ist "by Design" konzipiert. melibo ist ISO 27001-zertifiziert und implementiert End-to-End-Verschlüsselung. Die GDPR-Compliance umfasst Datenlokalisierung in der EU und umfassende Dokumentation für Audits. Für Branchen mit speziellen Anforderungen (GxP, FinRep) ist die Konformität dokumentiert. Die On-Premise-Option gibt volle Kontrolle über Trainingsdaten, was bei KI-Anwendungen besonders kritisch ist. Audit-Funktionen wie Data Lineage, Access Logs und Revision Trails unterstützen Compliance-Nachweise.

Kosten & Preismodell

melibo verwendet ein modul- und nutzerbasiertes Lizenzmodell. Die Basis-Lizenz wird ergänzt um optionale Module wie Content-Generierung, Chatbot und Analytics. Die Preisgestaltung unterscheidet zwischen Cloud- und On-Premise-Varianten, wobei On-Premise typischerweise höhere Kosten verursacht. melibo positioniert sich im Hochpreissegment, vergleichbar mit etablierten Anbietern wie Cornerstone oder SAP SuccessFactors. Für 500 Nutzer liegt das jährliche Budget zwischen 80.000 und 150.000 Euro, abhängig von Modulauswahl und Deployment-Option.

Die Total Cost of Ownership (TCO) über drei Jahre umfasst mehr als nur Lizenzkosten. Einmalige Kosten entstehen für Setup (5.000-15.000 Euro), Datenmigration (10.000-25.000 Euro) und Customizing (15.000-50.000 Euro). Laufende Kosten beinhalten Lizenzen, Hosting, Support mit 24/5-Verfügbarkeit und SLA von 4 Stunden sowie Schulungen und Zertifizierungen. Eine realistische Gesamtkostenkalkulation für 500 Nutzer über drei Jahre liegt bei 150.000-250.000 Euro. Der Hersteller verspricht einen Break-Even nach 6 Monaten bei 200+ Nutzern, diese Angabe sollte jedoch unabhängig validiert werden.

Häufig unterschätzte Kostenfaktoren sind personelle Ressourcen. Für die Pilot-Phase werden 1-2 Fachexperten plus 0,5-1 Projektmanager über 3-6 Monate benötigt. Die Admin-Schulung erfordert mehr als 4 Wochen Einarbeitungszeit, was Produktivitätsverluste bedeutet. KI-generierte Inhalte müssen lektoriert und auf Faktentreue geprüft werden, da automatische Generierung nicht fehlerfrei ist. Der Knowledge Graph benötigt kontinuierliche Pflege, um seine Qualität zu erhalten. Diese versteckten Kosten können 60.000-100.000 Euro zusätzlich ausmachen.

Wirtschaftlichkeitsbetrachtung

Der ROI entsteht primär durch Zeitsparnis bei der Content-Erstellung (30-40 % laut Herstellerangaben) und schnelleres Onboarding (25 % Zeitreduktion bei Referenzkunden). Für ein L&D-Team mit 5 Content-Erstellern ergibt sich ein Einsparpotenzial von etwa 1,5 Vollzeitstellen pro Jahr. Bei Personalkosten von 70.000 Euro pro Stelle entspricht dies 105.000 Euro jährlicher Einsparung. Gegengerechnet mit Lizenzkosten von 100.000-150.000 Euro im ersten Jahr ergibt sich ein Break-Even zwischen 9 und 18 Monaten, realistischer als die Herstellerangabe von 6 Monaten.

Migration & Umstieg

Die Standard-Implementierung folgt einer strukturierten Roadmap über 3-6 Monate. Phase 1 ist die Analyse (2-4 Wochen) mit Bestandsaufnahme, Use-Case-Definition und technischem Setup. Phase 2 umfasst den Pilot (1-2 Monate) mit 50-100 Testnutzern, ausgewählten Kerninhalten und einem Feedback-Loop zur Optimierung. Phase 3 ist der Roll-out (2-4 Wochen) mit stufenweiser Ausweitung auf die gesamte Nutzerbasis. Dieser gestaffelte Ansatz vermeidet riskante Big-Bang-Implementierungen und reduziert Ausfallrisiken erheblich.

Die Datenmigration ist kritisch für den Projekterfolg. Das "Garbage in, garbage out"-Prinzip gilt besonders für KI-Systeme. melibo bietet ETL-Tools für CSV, XML und REST APIs. Der typische Aufwand liegt im Strukturieren von Bestandsdaten, Bereinigen von Duplikaten und Vereinheitlichen von Taxonomien. Schlechte Eingangsdaten führen zu fehlerhaften KI-Ergebnissen, etwa ungenaue Content-Generierung oder irrelevante Chatbot-Antworten. Best Practice ist ein paralleles Datenhygiene-Projekt während der Implementierung.

Das Vendor Lock-in-Risiko ist moderat bis hoch. Daten können über APIs exportiert werden, der Knowledge Graph lässt sich in Standard-Formaten sichern. Eine echte Ausstiegsoption erfordert jedoch eine Neuimplementierung bei einem anderen System, was 6-12 Monate dauern kann. Zur Risikominimierung empfehlen sich Langfrist-Support-Agreements über 3-5 Jahre mit klaren Dateneigentums-Klauseln. Auch regelmäßige Datenbackups in unabhängigen Formaten reduzieren die strategische Abhängigkeit.

Change-Management-Aspekte

Technische Migration ist nur die halbe Miete. Der Erfolg hängt maßgeblich von der Nutzerakzeptanz ab. Das Lean-Adoption-Framework von melibo unterstützt durch strukturierte Schulungen und Zertifizierungen. Dennoch bleiben Change-Widerstände realistisch, besonders bei komplexeren Systemen mit mehr als 4 Wochen Einarbeitungszeit. Wichtig ist eine klare Kommunikation der Vorteile, Early Adopters als Multiplikatoren und kontinuierliches Monitoring der Nutzungsraten in der Pilot-Phase.

Vorteile und Herausforderungen

Kernvorteile

Der größte Vorteil liegt in messbaren Effizienzgewinnen. 30 % weniger Zeit bei der Content-Erstellung (Herstellerangabe) bedeutet für ein Team von 5 Personen etwa 1,5 FTE jährliche Einsparung. 25 % schnellere Onboarding-Zeit wurde bei einem verifizierten Referenzkunden nachgewiesen. 40 % weniger Recherchierzeit durch KI-Zusammenfassungen beschleunigt Wissensprozesse erheblich. Diese Zahlen zeigen konkreten Impact, müssen aber im eigenen Kontext validiert werden.

Sicherheit und Compliance sind ein echter Wettbewerbsvorteil. Die On-Premise-Option ermöglicht volle Datensouveränität, was für Pharma-, Finance- und Public-Sector-Kunden oft entscheidend ist. Die ISO 27001-Zertifizierung und GDPR-Konformität reduzieren Compliance-Risiken nachweislich. Die Unterstützung branchenspezifischer Regularien wie GxP oder FinRep ist am Markt selten. Dies verkürzt Sales-Cycles mit regulatorisch-sensitiven Kunden.

Die technologische Zukunftsfähigkeit schützt die Investition. Der patentierte Knowledge Graph ist ein defensives Asset gegen Wettbewerber. Offene APIs ermöglichen die Integration eigener LLMs oder zukünftiger KI-Innovationen. Die Produktroadmap für 2025/26 mit Deep Learning und Multi-Modal-Erweiterungen zeigt strategische Tragfähigkeit. Die Investition ist nicht kurzlebig, sondern mittelfristig wertstabil.

Kernherausforderungen

Die Implementierungskomplexität ist höher als bei Standard-LMS. Die Admin-Einarbeitung dauert über 4 Wochen, deutlich länger als bei einfacheren Systemen. 1-2 Fachexperten plus Projektmanager müssen dediziert werden, was oft Ressourcen-Engpässe verursacht. Das Lean-Adoption-Framework hilft, aber Change-Widerstände bleiben realistisch. Das größte Risiko: Erfolgreicher Pilot, aber schlechter Roll-out wegen unzureichender Change-Kommunikation.

KI-spezifische Risiken erfordern neue Prozesse. Urheberrecht bei generierten Inhalten ist rechtlich ungeklärt – wer haftet bei Fehlinformationen? KI-Modelle können Verzerrungen (Bias) aus Trainingsdaten reproduzieren. GPT-basierte Systeme erzeugen gelegentlich "Halluzinationen", also faktenwidrige Inhalte. Dies erfordert ein Vier-Augen-Prinzip bei Content-Publishing und klare interne Richtlinien für KI-Content-Nutzung.

Die Multi-Modal-Lücke schränkt Einsatzszenarien ein. Derzeit gibt es nur Text-Content-Generierung und text-basierte Suche. Video-Generierung, Video-Analytics und Audiotranskription fehlen. Für video-intensive Lernszenarien ist melibo nur eine Teillösung. Die Roadmap verspricht Multi-Modal-Support für 2025, aber aktuell ist diese Funktionalität nicht verfügbar. Workarounds mit externen Video-Tools sind möglich, aber nicht ideal.

FAQ

Brauchen wir wirklich eine neue Plattform, wenn wir bereits ein LMS haben? melibo ist kein reines LMS-Replacement, sondern eine KI-gestützte Intelligenzschicht. Sinnvoll wird es, wenn manuelle Content-Erstellung ein Engpass ist, Wissensfindung mühsam verläuft oder Datenschutz/Compliance kritisch sind. Alternativ können Plugins zu bestehendem LMS geprüft werden, etwa SAP SuccessFactors mit externer KI-API.

Passt melibo zu unserem Kleinstunternehmen mit 50 Mitarbeitern? Nein. melibo ist ab 200 Nutzern wirtschaftlich sinnvoll. Der ROI-Break-Even setzt Skalierungseffekte voraus. Für unter 100 Mitarbeiter genügen Standard-LMS-Lösungen oder Low-Code-Plattformen wie Moodle oder Canvas.

Wie lange dauert es, bis wir ROI haben? Die Herstellerangabe lautet 6 Monate bei 200+ Nutzern. Realistischer sind 9-18 Monate, da die Pilotphase Overhead verursacht, Content-Qualitätssicherung Zeit kostet und Change-Adoption stocken kann. Messbare KPIs sind Zeitersparnis bei Content-Erstellung, Onboarding-Beschleunigung und Support-Ticket-Reduktion.

Ist melibo DSGVO-konform? Ja. melibo ist ISO 27001-zertifiziert, nutzt EU-Datenzentren und bietet On-Premise-Installation. Dennoch muss jedes Unternehmen eine Datenschutz-Folgenabschätzung durchführen, insbesondere wegen KI-Trainingsdaten. Externe Beraterunterstützung ist empfohlen.

Können wir eigene KI-Modelle integrieren? Ja, über offene APIs und SDK. melibo bietet aber auch vortrainierte Domain-Modelle für Pharma, Finance und Manufacturing. Best Practice ist, mit Domain-Modellen zu starten und später gegebenenfalls Custom-Modelle hinzuzufügen.

Was ist mit Multi-Modal-Content wie Video und Bilder? Derzeit nicht vorhanden. Die Roadmap für 2025 verspricht diese Funktionen. Als Workaround können externe Video-Tools genutzt werden, während melibo Text und Metadaten verwaltet. Nicht ideal, aber machbar.

Wie hoch sind die tatsächlichen Gesamtkosten? Für 500 Nutzer über 3 Jahre liegen die Kosten bei etwa 150.000-250.000 Euro (Lizenzen, Setup, Customizing, Schulungen). Dazu kommen interne Ressourcen von 2 FTE über 6 Monate, etwa 60.000-100.000 Euro. Total-Investition: 200.000-350.000 Euro.

Können wir jederzeit wechseln, falls es nicht passt? Moderat schwierig. Der Knowledge Graph ist proprietär, aber Daten lassen sich exportieren. Ein echter Ausstieg erfordert eine komplette Neuimplementierung bei einem anderen System, was 6-12 Monate dauert. Empfehlung: Langfrist-Verträge (3-5 Jahre) mit klarer Klausel für Daten-Portabilität.

Wer ist Support-Ansprechpartner? melibo bietet eine 24/5-Hotline mit SLA von 4 Stunden Reaktionszeit. Support erfolgt ticketbasiert. Für On-Premise ist auch On-Site-Support verfügbar. Kundenberichte bescheinigen gute Support-Qualität.