Questions about Perspix.ai.

Perspix.ai is an agentic procurement platform for tender evaluation. It takes a buyer's specification and a set of bid responses, derives a weighted scoring matrix from the specification, scores every bid against every requirement line by line, and attaches the agent's reasoning and the source passage to every score. The output is a defensible evaluation file — every score traces back to a specific passage in a specific document, with a full audit trail. Perspix.ai GmbH is registered in Karlsruhe, Germany (HRB 750649, Amtsgericht Mannheim). Founded 2025 by Dr. Michael Bernd Hefenbrock and Gustav Basedow. Managing director: Gustav Basedow.

Three operational moves on the procurement-evaluation chain, plus a memory layer underneath: (1) Specifications become a scoring matrix — tender documents get converted into a structured, weighted requirements matrix, each requirement linking back to its source passage. (2) Bids get scored line by line — every bid is evaluated against every requirement, each score carrying a written rationale and a citation to the exact passage in the bid document. (3) Bids get compared side by side — up to three evaluated proposals next to each other, deltas highlighted, every score traceable to source. Underneath: every requirement, score, rationale, and award decision persists in a structured ledger queryable across tenders.

Every score in Perspix.ai is one click from the passage that supports it. A reviewer scanning the scoring matrix clicks any cell — the bid PDF opens at the exact page, the supporting paragraph highlighted, the agent's rationale displayed alongside. The reviewer can confirm, edit the score, or override it with a comment. Every action — original score, override, comment, reviewer identity, timestamp — persists in the audit trail.

Speed: a procurement lead can verify 50–100 scored cells per hour with the evidence on screen, versus the 5–15 of full-manual evaluation. Result: AI-fast, human-defensible. The agent does the volume work; the reviewer spends their time on the contested or high-impact requirements, with full evidence at hand.

Procurement leads at organizations running complex tenders — typically European industrial firms doing single packages worth a few million to tens of millions of euros, evaluated against bids that run 100+ pages each, with cross-functional sign-off from engineering, quality, and legal. Also public-sector procurement teams operating under formal Vergabe rules. Anywhere the audit trail has to hold up to legal, board, or regulator scrutiny.

Two edges, designed to reinforce each other. Defensibility: Perspix.ai isn't just faster than a human reviewer — it produces an evaluation file that holds up under audit. Every score has a rationale, a source, a version, and a reviewer slot — and every score is one click from the passage that supports it, so a reviewer can verify, edit, or override in real time. The agent handles the volume; the human handles the judgment, with the evidence on screen. Sovereignty: most procurement-AI runs on US-hyperscaler infrastructure; Perspix.ai runs entirely inside the customer's perimeter — on-premise, in the customer's private cloud, or fully air-gapped with zero external connectivity. No phone-home, no shared control plane. EU technology, EU entity, EU parent, EU operations. Bid data never crosses a boundary the customer hasn't approved.

Different category of tool. ChatGPT and Claude are general-purpose assistants — excellent for ad-hoc analysis and first-pass summaries. Perspix.ai is a procurement system — a structured pipeline that enforces a specific evaluation process and produces a defensible record. A general-purpose LLM can build a scoring table when asked. It cannot guarantee completeness across all requirements, consistent scores across reruns, accurate citations, or repeatability six months later. Perspix.ai is built to enforce those properties. A spreadsheet is not an audit trail. A prompt is not a procurement process.

You'll get a table. You won't get an evaluation system. A general-purpose LLM can populate cells, summarize bids, and even cite passages — but it can't guarantee what makes the table defensible: completeness, repeatability, consistent rules, versioning, role-based review, and an audit trail. The table is the visible artifact; the value sits in the pipeline behind it. Perspix.ai's role is to enforce that pipeline: specification, requirements, weighting, evidence extraction, scoring, conflict check, review, export, audit trail.

No. Perspix.ai is a procurement-evaluation system. A large language model is one component inside it — the component that reads natural-language bid responses. Four other components do the work that makes the system reliable in regulated procurement environments.

1. Document pre-processing. Turns 300+ page PDFs, Word files, and scanned attachments into a structured representation the rest of the pipeline can query. OCR handles scans. Section, clause, and table segmentation handle layout. Every paragraph gets a citation anchor — page plus character offset — generated before any scoring begins. By the time a score is written, the pipeline already knows exactly which paragraph in which document it points to.
2. Schema-validated I/O. Every agent output is strict JSON, validated against a schema, before it reaches the next stage. Retry-on-violation, not retry-on-error. Downstream code — storage, comparison, export, audit — never has to defend against malformed model output. The shape of the data is deterministic regardless of model variance.
3. Context minimization. Every requirement evaluation is scoped to a bounded context window. Hybrid retrieval — vector plus lexical — pulls only the supporting passage instead of stuffing the prompt with the whole bid. This is what allows consistent behaviour across an 800+ requirement matrix instead of drift after the first 50: a known failure mode of large-context LLM pipelines called context rot.
4. Measured reliability. 50-run consistency tests on every release. Majority-vote selection for ambiguous scores. Live monitoring of reference existence (does the citation point to a passage that actually exists?) and reference correctness (does the passage support the conclusion?). Current values against independent human re-derivation: 96% identical-run consistency, 92% / 94% correctness, 99.7% reference existence, 99.2% reference correctness. Targets are explicit and gate releases.

These four components, together with the reference corpus they are tuned against — 800+ requirement matrices replayed against human ground truth, built up over years of working with real procurement cases — are the difference between a procurement decision that holds up to audit and one that does not. The language model can be swapped — open-weight, internal, or commercial — without changing how the system behaves. The components around it cannot.

On the customer's terms. Three options: On-premise — installed inside the customer's own data centre. Private cloud — installed in the customer's cloud tenant (AWS, Azure, GCP, or an EU sovereign cloud). Air-gapped — installed in isolated network environments with no external connectivity. Perspix.ai is model-agnostic — the customer can bring their own language model, use Perspix.ai's, or call commercial APIs through a customer-controlled gateway. US hyperscaler compatible, but not dependent. EU technology, EU entity, EU parent, EU operations.

Customer data stays inside the customer's perimeter. Perspix.ai deploys inside the customer's environment; there is no phone-home, no shared control plane, and no required outbound calls to external services. Tender content, bid responses, and evaluation outputs never leave the boundary the customer approves. Customer data is never used to train Perspix.ai's models or pooled with other customers' content. GDPR by design.

No. Perspix.ai does not train its own models on customer content, and the system is configured so that no third-party model is trained on customer content either. Tender specifications, bid responses, scoring rationales, reviewer comments, and award decisions are processed at evaluation time and persisted inside the customer's deployment. They are not exfiltrated, not pooled across customers, and not used to improve a model that another customer interacts with.

What does compound across tenders is the customer's own sourcing ledger — their previous matrices, scores, supplier behaviour, and award rationales — queryable within their deployment as precedent for the next bid cycle. That is per-customer memory, not cross-customer learning.

When Perspix.ai is configured with a customer-controlled language-model gateway (open-weight, internal, or a commercial API), data handling at the model layer is governed by the customer's contract with that model provider — Perspix.ai adds no additional retention or training right. For commercial APIs from Anthropic, OpenAI, Azure OpenAI, and similar providers, the default enterprise terms already exclude training on customer content. For internal or open-weight models running inside the customer's perimeter, no data leaves the perimeter at all.

No, by structural design.

Access. Perspix.ai is a German GmbH — registered in Karlsruhe, no US parent, no US subsidiary. The CLOUD Act and FISA 702 apply to companies under US jurisdiction; Perspix.ai is not one of them. A US court cannot subpoena Perspix.ai for customer data, and even if it tried, Perspix.ai does not hold customer data: the system runs inside the customer's perimeter, not on a Perspix-controlled cloud. Tender content, bid responses, and scoring outputs live where the customer has approved them to live.

Block. A US executive order, sanctions action, or export-control reclassification cannot stop Perspix.ai from running. The product is deployed in the customer's environment under the customer's network policy; there is no Perspix-side licensing server, no shared control plane, no required outbound connection. The closest practical exposure is at the model layer: if a customer chooses to use a US commercial API (Anthropic, OpenAI, Azure OpenAI) as the language-model component, that API could in principle be reclassified or restricted. Model-agnostic deployment closes that gap — the customer can pre-configure or swap to an open-weight, internal, or non-US model with no change to the surrounding pipeline. The system keeps running on a Tuesday morning even if Washington's policy changes overnight.

This is the structural reason "EU technology, EU entity, EU parent, EU operations" appears in the sovereignty answer. It is not a marketing phrase; it is the design constraint that prevents a single executive order or vendor-side policy change from putting your procurement pipeline on the wrong side of an export control.

20-30 times faster than manual human evaluation per output unit. Per-requirement matrix derivation drops from 3-10 minutes to 10-20 seconds. Per-cell bid evaluation drops from 2-8 minutes to 5-15 seconds. Bid-vs-bid comparison drops from approximately 4 hours to approximately 10 minutes. Measurements are from a real €10M industrial-packaging case with 800+ requirements and 5 bidders, replayed 50 times for consistency analysis.

Measured against an independent human re-derivation on the reference case: 96% consistency across identical reruns on scoring requirements; 92% correctness on scoring requirements; 94% correctness on binary requirements; 99.7% reference existence and 99.2% reference correctness — citations point at the right passage. Internal targets: at least 90% on scoring and correctness, at least 95% on referencing.

Two product tiers, pricing shaped to the customer's deployment footprint. Perspix.ai Procure: self-hosted platform with end-to-end assessment, governance, audit trail, whitelabel, and corporate design. Deployed in the customer's cloud or on-prem environment. Perspix.ai Engine: API-first integration. Evaluation capabilities exposed via versioned APIs and embedded into the customer's existing procurement or document stack. Detailed pricing on request. Email [email protected] or book a demo.

Perspix.ai GmbH was founded in 2025 by Dr. Michael Bernd Hefenbrock and Gustav Basedow. Gustav Basedow is the managing director. The company is registered in Karlsruhe, Germany.

Perspix.ai's research framing for where value leaks out of complex sourcing before the contract is signed. Four leaks per package — price-and-scope quality, avoidable change-order erosion, price drift during evaluation, and schedule slippage — together erode 4.5 to 11 percent of contract value on a typical package. WorldCC's decade-long benchmark of 11 percent of contract value lost after signature corroborates the upper bound. The full diagnostic, including the workload arithmetic that makes proper-depth evaluation structurally unaffordable today, is in the whitepaper at https://www.perspix.ai/research/pre-award-value-gap.html.

No. They are entirely different companies in different industries. Perspix.ai GmbH is a software company in Karlsruhe, Germany, founded 2025, building agentic procurement and tender-evaluation AI — the company described in this FAQ. Perspix Biotech was a biotech company in Frankfurt, Germany, founded 2021, that built AI/robotics-driven development of multispecific biotherapeutics; it was acquired by BioCopy in 2024 and renamed BioCopy Analytix GmbH, and no longer operates under the Perspix name.

Perspix.ai ist eine KI-Plattform für die Bewertung komplexer Angebote. Sie überführt eine Ausschreibungsspezifikation in eine gewichtete Scoring-Matrix, bewertet jedes eingehende Angebot zeilenweise gegen jede Anforderung dieser Matrix und legt zu jeder Bewertung die Begründung sowie die exakte Quellenstelle im Bid-Dokument bei. Das Ergebnis ist eine verteidigbare Bewertungsakte. Die Perspix.ai GmbH ist in Karlsruhe ansässig, HRB 750649 beim Amtsgericht Mannheim. Gegründet 2025 von Dr. Michael Bernd Hefenbrock und Gustav Basedow. Geschäftsführer: Gustav Basedow.

Drei operative Schritte entlang der Vergabe-Bewertungskette plus eine Memory-Schicht. Erstens: Spezifikation wird zur Scoring-Matrix. Ausschreibungsunterlagen werden in eine strukturierte, gewichtete Anforderungsmatrix übersetzt; jede Anforderung verweist auf ihre Textstelle. Zweitens: Angebote werden zeilenweise bewertet, jede Bewertung mit Begründung und Quellenverweis. Drittens: Angebote werden nebeneinander verglichen mit hervorgehobenen Deltas. Darunter persistiert ein strukturiertes Ledger über alle Ausschreibungen hinweg.

Jeder Score in Perspix.ai ist einen Klick von der Belegstelle entfernt. Ein Reviewer, der die Scoring-Matrix durchgeht, klickt eine Zelle — das Angebots-PDF öffnet sich auf der exakten Seite, der stützende Absatz ist hervorgehoben, die Begründung des Agenten steht daneben. Der Reviewer kann den Score bestätigen, korrigieren oder mit Kommentar überschreiben. Jede Aktion — Originalscore, Override, Kommentar, Reviewer-Identität, Zeitstempel — wird im Audit-Trail festgehalten.

Tempo: ein Procurement Lead kann 50–100 gescorte Zellen pro Stunde mit Evidenz auf dem Bildschirm verifizieren, gegenüber 5–15 in vollmanueller Bewertung. Das Resultat ist AI-schnell, menschlich-verteidigbar: der Agent erledigt das Volumen, der Reviewer konzentriert sich auf umstrittene oder hochrelevante Anforderungen — mit der Evidenz direkt auf dem Bildschirm.

Procurement-Leads in Organisationen mit komplexen Ausschreibungen — typischerweise europäische Industrieunternehmen mit Einzelpaketen zwischen wenigen Millionen und zweistelligen Millionenbeträgen, sowie öffentliche Vergabestellen unter formalen Vergaberegeln. Überall dort, wo die Bewertungsakte gegenüber Audit, Vorstand oder Regulator standhalten muss.

Zwei Kanten, die sich verstärken. Verteidigbarkeit: Perspix.ai erzeugt eine Bewertungsakte, die ein Audit übersteht; jeder Score hat Begründung, Quelle, Version und Reviewer-Slot — und jeder Score ist einen Klick von der Belegstelle entfernt, sodass ein Reviewer in Echtzeit bestätigen, korrigieren oder überschreiben kann. Der Agent übernimmt das Volumen; der Mensch übernimmt das Urteil, mit der Evidenz auf dem Bildschirm. Souveränität: Perspix.ai läuft vollständig innerhalb des Kundenperimeters — on-premise, in der Private Cloud des Kunden oder vollständig air-gapped. EU-Technologie, EU-Entität, EU-Mutter, EU-Operations. Angebotsdaten verlassen nie die vom Kunden freigegebene Grenze.

Andere Werkzeugkategorie. ChatGPT und Claude sind General-Purpose-Assistenten. Perspix.ai ist ein Procurement-System — eine strukturierte Pipeline, die einen spezifischen Bewertungsprozess erzwingt und eine verteidigbare Akte produziert. Ein generisches LLM kann eine Scoring-Tabelle bauen, kann aber nicht Vollständigkeit, Konsistenz, korrekte Zitate oder Wiederholbarkeit nach sechs Monaten garantieren. Eine Tabelle ist kein Prüfpfad. Ein Prompt ist kein Vergabeprozess.

Sie bekommen eine Tabelle. Sie bekommen kein Bewertungssystem. Ein generisches LLM kann Zellen ausfüllen, kann aber nicht garantieren, was die Tabelle verteidigbar macht: Vollständigkeit, Wiederholbarkeit, konsistente Regeln, Versionierung, rollenbasiertes Review und ein Audit-Trail. Perspix.ai erzwingt die Pipeline dahinter.

Nein. Perspix.ai ist ein Vergabe-Bewertungssystem. Ein großes Sprachmodell ist eine Komponente darin — die Komponente, die natürlichsprachliche Angebotsinhalte liest. Vier weitere Komponenten leisten die Arbeit, die das System in regulierten Beschaffungsumgebungen verlässlich macht.

1. Document Pre-Processing. Wandelt 300+ seitige PDFs, Word-Dateien und gescannte Anhänge in eine strukturierte Repräsentation um, die die Pipeline abfragen kann. OCR übernimmt Scans. Segmentierung in Abschnitte, Klauseln und Tabellen übernimmt das Layout. Jeder Absatz erhält einen Zitatanker — Seite plus Zeichen-Offset — generiert bevor irgendein Score geschrieben wird. Wenn ein Score gesetzt wird, weiß die Pipeline bereits genau, auf welchen Absatz in welchem Dokument er verweist.
2. Schema-Validated I/O. Jede Agent-Ausgabe ist Strict-JSON, gegen ein Schema validiert, bevor sie die nächste Stufe erreicht. Retry-on-Violation, nicht Retry-on-Error. Downstream-Code — Storage, Vergleich, Export, Audit — muss sich nie gegen fehlerhafte Modell-Ausgaben verteidigen. Die Form der Daten ist deterministisch, unabhängig von Modell-Varianz.
3. Context Minimization. Jede Anforderungsbewertung ist auf ein gebundenes Context-Window begrenzt. Hybride Retrieval — vector plus lexical — holt nur die Belegstelle, anstatt den Prompt mit dem gesamten Angebot zu überladen. Das ermöglicht konsistentes Verhalten über eine 800+ Anforderungs-Matrix, statt Drift nach den ersten 50 — ein bekannter Failure-Mode großer LLM-Pipelines, genannt Context Rot.
4. Measured Reliability. 50-Replay-Konsistenztests bei jeder Release. Majority-Vote bei mehrdeutigen Scores. Live-Monitoring von Reference Existence (zeigt das Zitat auf eine Passage, die existiert?) und Reference Correctness (stützt die Passage die Schlussfolgerung?). Aktuelle Werte gegen unabhängige menschliche Wiederbewertung: 96% identische Reruns, 92% / 94% Korrektheit, 99,7% Reference Existence, 99,2% Reference Correctness. Zielwerte explizit und Release-blockierend.

Diese vier Komponenten, zusammen mit dem Referenz-Korpus, gegen den sie kalibriert sind — 800+ Anforderungs-Matrizen, gegen menschliche Ground Truth wiederholt, aufgebaut über Jahre der Arbeit mit echten Beschaffungsfällen — sind der Unterschied zwischen einer Vergabeentscheidung, die ein Audit übersteht, und einer, die es nicht tut. Das Sprachmodell kann ausgetauscht werden — Open-Weight, intern oder kommerziell — ohne dass sich das Verhalten des Systems ändert. Die Komponenten drum herum können das nicht.

Auf den Bedingungen des Kunden: On-Premise, Private Cloud oder Air-Gapped. Perspix.ai ist modell-agnostisch — der Kunde kann das eigene Sprachmodell mitbringen oder kommerzielle APIs über ein vom Kunden kontrolliertes Gateway aufrufen. US-Hyperscaler-kompatibel, aber nicht abhängig. EU-Technologie, EU-Entität, EU-Mutter, EU-Operations.

Kundendaten verlassen das Kundenperimeter nicht. Kein Phone-Home, keine geteilte Control-Plane, keine zwangsweisen ausgehenden Verbindungen. Kundendaten werden nie zum Training von Perspix-Modellen verwendet oder mit Inhalten anderer Kunden zusammengeführt. DSGVO-konform by design.

Nein. Perspix.ai trainiert seine eigenen Modelle nicht mit Kundeninhalten, und das System ist so konfiguriert, dass auch kein Drittmodell mit Kundeninhalten trainiert wird. Ausschreibungsunterlagen, Angebotsantworten, Scoring-Begründungen, Reviewer-Kommentare und Vergabeentscheidungen werden zur Bewertungszeit verarbeitet und im Deployment des Kunden persistiert. Sie werden nicht exfiltriert, nicht über Kunden hinweg zusammengeführt und nicht verwendet, um ein Modell zu verbessern, mit dem ein anderer Kunde interagiert.

Was sich über Ausschreibungen hinweg ansammelt, ist das eigene Sourcing-Ledger des Kunden — seine vorherigen Matrizen, Scores, Supplier-Verhalten und Vergabeentscheidungen — abfragbar innerhalb seines Deployments als Präzedenz für die nächste Ausschreibung. Das ist Pro-Kunde-Memory, nicht kundenübergreifendes Lernen.

Wenn Perspix.ai mit einem vom Kunden kontrollierten Sprachmodell-Gateway konfiguriert ist (Open-Weight, intern oder kommerzielle API), wird die Datenverarbeitung auf Modellebene durch den Vertrag des Kunden mit dem jeweiligen Modellanbieter geregelt — Perspix.ai fügt keine zusätzliche Aufbewahrung oder Training-Erlaubnis hinzu. Für kommerzielle APIs von Anthropic, OpenAI, Azure OpenAI und ähnlichen Anbietern schließen die Enterprise-Standardverträge ohnehin Training auf Kundeninhalten aus. Für interne oder Open-Weight-Modelle, die innerhalb des Kundenperimeters laufen, verlässt kein Datum den Perimeter überhaupt.

Nein, strukturell ausgeschlossen.

Zugriff. Perspix.ai ist eine deutsche GmbH — in Karlsruhe registriert, keine US-Mutter, keine US-Tochter. Der CLOUD Act und FISA 702 gelten für Unternehmen unter US-Jurisdiktion; Perspix.ai ist keines davon. Ein US-Gericht kann Perspix.ai nicht zur Herausgabe von Kundendaten zwingen, und selbst wenn es das versuchen würde: Perspix.ai hält keine Kundendaten. Das System läuft innerhalb des Kundenperimeters, nicht auf einer von Perspix.ai kontrollierten Cloud. Ausschreibungsinhalte, Angebotsantworten und Bewertungsergebnisse leben dort, wo der Kunde sie freigegeben hat.

Blockade. Eine US-Executive-Order, Sanktion oder Export-Control-Reklassifizierung kann Perspix.ai nicht stoppen. Das Produkt wird in der Umgebung des Kunden unter dessen Netzwerkrichtlinie betrieben; es gibt keinen Perspix-seitigen Lizenzserver, keine geteilte Control-Plane, keine erforderliche ausgehende Verbindung. Die nächstgelegene praktische Exposition besteht auf der Modellebene: Wenn ein Kunde sich entscheidet, eine US-kommerzielle API (Anthropic, OpenAI, Azure OpenAI) als Sprachmodell-Komponente zu nutzen, könnte diese API prinzipiell reklassifiziert oder eingeschränkt werden. Modell-agnostisches Deployment schließt diese Lücke — der Kunde kann vorkonfigurieren oder auf ein Open-Weight-, internes oder Nicht-US-Modell wechseln, ohne dass sich die umgebende Pipeline ändert. Das System läuft am Dienstagmorgen weiter, selbst wenn sich Washingtons Politik über Nacht ändert.

Das ist der strukturelle Grund, warum "EU-Technologie, EU-Entität, EU-Mutter, EU-Operations" in der Souveränitäts-Antwort auftaucht. Es ist kein Marketing-Satz, sondern die Design-Bedingung, die verhindert, dass eine einzige Executive-Order oder Vendor-seitige Policy-Änderung den Beschaffungsprozess auf die falsche Seite eines Export-Controls bringen kann.

20-30 mal schneller als eine manuelle Evaluation pro Output-Einheit. Gemessen an einem realen Industriefall mit einer 10-Mio-Euro-Verpackungslinie, 800+ Anforderungen und 5 Bietern, 50-mal wiederholt zur Konsistenzanalyse.

Gegen unabhängige menschliche Wiederbewertung: 96% Konsistenz über identische Reruns, 92% Korrektheit bei Scoring-Anforderungen, 94% bei binären Anforderungen, 99,7% Reference Existence und 99,2% Reference Correctness.

Zwei Produktstufen, abhängig vom Deployment-Footprint. Perspix.ai Procure: Self-hosted Plattform mit End-to-End-Bewertung, Governance, Audit-Trail. Perspix.ai Engine: API-First-Integration. Detaillierte Preise auf Anfrage unter [email protected].

Die Perspix.ai GmbH wurde 2025 von Dr. Michael Bernd Hefenbrock und Gustav Basedow gegründet. Gustav Basedow ist Geschäftsführer. Sitz: Karlsruhe.

Perspix.ai' Forschungs-Framework für den Wertverlust, der in komplexer Beschaffung vor Vertragsschluss entsteht. Vier Leaks pro Paket erodieren zusammen 4,5 bis 11 Prozent des Vertragswerts. Vollständige Diagnose im Whitepaper unter https://www.perspix.ai/research/pre-award-value-gap.html.

Nein. Zwei verschiedene Unternehmen. Perspix.ai GmbH ist ein Softwareunternehmen in Karlsruhe, gegründet 2025. Perspix Biotech war ein Biotech-Unternehmen in Frankfurt, gegründet 2021, 2024 von BioCopy übernommen und in BioCopy Analytix GmbH umbenannt. Wer Biotech sucht, ist bei BioCopy Analytix richtig.