KI-gestützte Markenschutz- und Ermittlungsplattform: Eine Fallstudie is a case study by HDWEBSOFT. Industry: Technologie. Services provided: Entwicklung, Integration, Datenmanagement und -analyse, DevOps. Technologies used: .NETTO, KI, AWS, Cloud. Solutions: Cybersicherheit, Datenanalyse. Wie HDWEBSOFT ein KI-Markenschutz-SaaS baute, in dem Ermittler Beweise sammeln, forensische Checks ausführen und zitierfähige Berichte erzeugen.

Technologie.NETTOKIAWSCloud

KI-gestützte Markenschutz- und Ermittlungsplattform: Eine Fallstudie

HDWEBSOFT baute eine Markenschutz-Ermittlungsplattform für ein schwedisches SaaS-Unternehmen — mit vereinheitlichter Beweiserfassung, Bildforensik, OSINT-Prüfungen und einem evidenz-abgesicherten KI-Agenten, der stundenlange Handarbeit auf Minuten reduziert.

Gefälschte Websites, gestohlene Produktbilder, Phishing-Mails und Fake-Verkäufer auf Marktplätzen — all das kostet Umsatz und Vertrauen. Doch Ermittler, die ihnen nachgehen, flicken typischerweise Dutzende getrennter Werkzeuge zusammen: hier ein WHOIS-Lookup, dort eine Rückwärtssuche für Bilder, woanders ein Header-Analyzer. Ein schwedisches SaaS-Unternehmen beauftragte HDWEBSOFT, diesen fragmentierten Workflow in einer einzigen Abo-Plattform zu bündeln, auf der Ermittler Beweise sammeln, forensische Checks ausführen, einen KI-Agenten die komplette Ermittlung abarbeiten lassen und am Ende einen Bericht erhalten, der auch vor Rechtsabteilungen standhält.

Projektkontext

Markenmissbrauch ist ein Mengenproblem. Jede gefälschte Storefront, jedes kopierte Bild oder jede gespoofte Mail erfordert Beweise aus mehreren Quellen — Domain-Records, Bildforensik, E-Mail-Header, Marketplace-Listings — bevor eine Abschaltung oder rechtliche Eskalation möglich ist. Die Kunden des Auftraggebers erledigten das manuell: ein WHOIS-Tool hier, ein Reverse-Image-Search dort, ein Header-Analyzer woanders, dann alles per Hand in ein Dokument kopieren.

Die Produktvision war ein Ermittler-Arbeitsplatz mit einem Login: E-Mails und Dateien tracken, um zu sehen, wann und wo sie geöffnet werden; jede Website oder jeden Verkäufer über dedizierte Ermittlungs-Labs prüfen; und einen KI-Agenten die gesamte Beweiskette autonom abarbeiten lassen, bevor er die Ergebnisse aufschreibt. HDWEBSOFT entwarf und baute die komplette Plattform — eine Blazor-Server-Webanwendung mit PostgreSQL, Stripe-Abrechnung für das Abo-Modell und einem über Microsoft Agent Framework orchestrierten KI-Ermittlungsagenten.

Interview mit dem Projektteam

“Jede externe Quelle sprach einen anderen Dialekt — WHOIS liefert Text, VirusTotal liefert Scores, Google Vision liefert Labels. Der Wendepunkt war die Weigerung, die KI irgendeine Quelle roh lesen zu lassen. Wir zwangen alles durch eine Normalisierungsschicht, die ein einziges kleines, standardisiertes Beweissignal ausgibt, und sagten dem Agenten: Du darfst keinen Befund schreiben, bis ein echtes Signal ihn stützt, und jeder Schritt landet auf einer abspielbaren Timeline. Das war der Moment, in dem Ermittler aufhörten, die KI gegenzuprüfen, und anfingen, ihre Berichte den Abschaltanzeigen beizulegen.”

— Quynh Le, Projektmanagerin bei HDWEBSOFT

Diese Disziplin prägte die Plattformarchitektur. Statt jeder Integration rohe Payloads zu überlassen, wurde jede Datenquelle so adaptiert, dass sie standardisierte “Signale” emittiert — kleine, typisierte Beweisobjekte, die einen einzigen Report-Builder speisen. Der KI-Agent arbeitet ausschließlich über Signale und muss für jede Schlussfolgerung ein Signal zitieren; jeder Schritt wird auf einer auditierbaren Timeline persistiert. Vertrauen wurde so zur Eigenschaft der Pipeline, nicht zur Hoffnung auf das Modell.

Zentrale Funktionen

  • E-Mail- und Dokumenten-Tracking — getrackte E-Mails, Bilder und Dateien melden, wann und wo sie geöffnet werden, inklusive Standort, Gerät und Referrer.
  • Ermittlungs-Labs — dedizierte Prüfungen für Websites, Domains, Bilder, Dateien, E-Mail-Header, Unternehmen, Technologien und Online-Marktplätze, inklusive eBay-Verkäufer-Profiling.
  • Bildforensik — Bild-Metadaten auslesen, online kursierende Kopien finden und Anzeichen erkennen, dass ein Bild bearbeitet wurde.
  • KI-Ermittlungsagent — ein autonomer Agent führt die Beweisprüfungen Schritt für Schritt aus und erstellt einen vollständigen, zitierten Ermittlungsbericht.
  • Intelligence-Dossiers — alle Erkenntnisse kompiliert zu einem lesbaren Bericht mit zitierfähigen Beweiseinträgen.
  • Abos und Abrechnung — Tarifstufen, kostenlose Testphase und Zahlungsabwicklung über Stripe.

Technische Herausforderungen

Viele externe Quellen, keine gemeinsame Sprache

OpenAI, Google Vision, Apify, WHOIS, VirusTotal und andere Anbieter liefern jeweils unterschiedliche Formate, setzen unterschiedliche Rate-Limits und scheitern auf unterschiedliche Weise. Eine naive Integration hätte ein fragiles Gewirr an Provider-Logik erzeugt, über dem der KI-Agent nicht konsistent hätte schlussfolgern können.

Langläufer-Jobs, die Neustarts überstehen müssen

Scraping, Screenshot-Aufnahme und KI-Läufe dauern weit länger als ein HTTP-Request. Diese Jobs durften den UI-Thread der Anwendung nicht einfrieren, und ein Server-Neustart mitten in einer Ermittlung durfte nicht stillschweigend stundenlang gesammelte Beweise verlieren.

KI-Ausgaben müssen vertretbar sein

Ein Ermittlungsbericht ist nur dann nützlich, wenn seine Schlussfolgerungen zu echten Beweisen zurückverfolgt werden können. Eine generative KI, die einen Bericht frei formuliert, riskiert erfundene Befunde — inakzeptabel, wenn Berichte Rechtsabteilungen erreichen. Der Agent brauchte Zwänge, die jede Aussage an einen konkreten Check binden.

Quellen, die sich wehren

Ziel-Websites blockieren häufig automatisierte Zugriffe. Download- und Scraping-Versuche wurden regelmäßig abgelehnt — Erfassungs-Workflows brauchten also resiliente Fallback-Pfade statt harter Fehlschläge.

Lösungen

Eine gemeinsame Pipeline standardisierter Signale

Jede Datenquelle wurde in einen Adapter gehüllt, der die rohen Provider-Ausgaben in kleine, standardisierte Beweis-”Signale” umwandelt. Ein einziger Report-Builder konsumiert Signale aller Quellen einheitlich — ein neuer Provider bedeutet einen neuen Adapter, nicht Eingriffe in Ermittlungs- und Berichtsebene. Der KI-Agent arbeitet ausschließlich über Signale, was zugleich seine Zitate verifizierbar macht.

Dauerhafte Orchestrierung von Hintergrundjobs

Schwere Arbeit — Scraping, Screenshots, Bildanalyse, KI-Läufe — wurde in in PostgreSQL persistierte Hintergrundjobs verlagert. Jobs überstehen Prozessneustarts und setzen fort statt neu zu starten, sodass die Blazor-UI auch bei langen Ermittlungen reaktionsfähig bleibt.

Ein KI-Agent mit beweisgestützten Leitplanken

Der Agent wurde auf dem Microsoft Agent Framework mit harten Constraints gebaut: eine feste Werkzeugausführungsreihenfolge, die Anforderung, dass jeder Befund ein gespeichertes Signal referenziert, und eine persistierte Timeline jedes unternommenen Schritts. Die Ausgabe liest sich wie das Arbeitsprodukt eines Ermittlers, weil sie unter denselben Beweisregeln entsteht.

Resiliente Erfassung trotz Blockierungen

Proxy-Fallbacks und Retry-Strategien wurden in die Erfassungs-Workflows eingebaut, damit blockierte Downloads und Scraping-Versuche automatisch wieder aufgenommen werden, statt die Ermittlung scheitern zu lassen.

Geschäftsergebnisse

  • Ermittlungen von Stunden auf Minuten reduziert — autonome Agentenläufe plus vereinheitlichte Beweiserfassung ersetzten manuelles Werkzeug-Hopping.
  • Eine Plattform statt vieler Werkzeuge — konsolidierte Abos und ein einziger Workflow senkten Softwarekosten und Einarbeitungszeit für Ermittlungsteams.
  • Berichte bereit für rechtliche Eskalation — evidenzgestützte Dossiers lassen sich ohne erneute Prüfung an Rechtsabteilungen oder Endkunden weitergeben.
  • Ein SaaS-Modell mit wiederkehrenden Einnahmen — Stripe-Abos mit kostenlosen Testphasen ermöglichen die Monetarisierung der Plattform als Produkt statt als Auftragsarbeit.

Technischer Überblick

  • Backend & App: .NET 10, ASP.NET Core Blazor Server, MudBlazor-Komponentenbibliothek, PostgreSQL mit Entity Framework Core, datenbankpersistente Hintergrundjobs.
  • KI & Analyse: OpenAI über Microsoft Agent Framework, Bildanalyse mit Google Vision, Scraping mit Apify, Anreicherung mit WHOIS und VirusTotal.
  • Abrechnung: Stripe-Abos, Testphasen und Tarifverwaltung.
  • Infrastruktur: AWS (S3-Storage, SES-E-Mail, ECS-Hosting), Docker-Container, Azure DevOps CI/CD.

Fazit

Die Plattform ersetzte einen fragmentierten, manuellen Ermittlungsworkflow durch ein einziges Abo-Produkt, in dem Beweise durch eine standardisierte Pipeline fließen und ein evidenz-abgesicherter KI-Agent zitierfähige Berichte erzeugt. Der schwierigste Teil — KI-Ausgaben vertrauenswürdig genug für rechtliche Kontexte zu machen — wurde architektonisch gelöst: jede Quelle zu Signalen normalisieren, jeden Schritt persistieren und das Modell nur das schreiben lassen, was die Beweise stützen.

Wenn Ihr Team einen KI-Agenten mit vertretbaren Ausgaben, eine Datenerfassungsplattform unter widrigen Quellbedingungen oder ein Abo-SaaS-Produkt baut, decken unsere KI-Entwicklungsdienste und unsere Entwicklungsdienste für Daten-Scraping und Web-Crawling genau dieses Liefermodell ab. Kontaktieren Sie unser Team, um ein ähnliches Projekt zu skizzieren.

Verwandte Inhalte entdecken

Sehen Sie weitere Fallstudien, Services, Branchen und passende regionale Expertise.