Geben Sie jeder KI einen Workspace, auf dem sie aufbauen kann.
Laden Sie viele Dateien hoch, verbinden Sie Google Drive oder GitHub, fügen Sie Projektanweisungen hinzu – und ChatGPT, Claude, Gemini, Grok und AI Collaboration arbeiten mit derselben indexierten Wissensbasis. Mit Projects geht ernsthafte Arbeit über einmalige Chat-Anhänge hinaus.
Projekt-Workspace
Dateien, Anweisungen und KI-Modelle teilen sich eine gemeinsame Kontextebene.
Quellmaterial
OCR extrahiert Tabellen, Klauseln und Layout-Hinweise.
Code wird als durchsuchbares Referenzmaterial indexiert.
Importierte Dateien lassen sich synchronisieren und neu indexieren.
Bilder erhalten durchsuchbare Beschreibungen.
Retrieval-Engine
An jedes Modell übergeben
Nur relevante Projekt-Chunks werden der Antwort beigefügt.
Sie müssen nicht den ganzen Ordner in einen einzigen Prompt kippen. Das Modell erhält genau dann das passende Quellmaterial, wenn es gebraucht wird.
Ein Chat ist flüchtig. Ein Projekt wird zum Gedächtnis Ihres Unternehmens.
Echte KI-Arbeit bringt Quelldateien, unordentliche PDFs, Screenshots, Code, Kundenkontext, Entscheidungen, Versionen und dauerhafte Anweisungen mit sich. Projects hält dieses Material an einem Ort, sodass jede neue Unterhaltung mit demselben Arbeitsgedächtnis beginnt.
Viele Dateien
Eine Projektbibliothek aufbauen
Laden Sie Dokumente, Tabellen, Bilder, Notizen und Code in einen einzigen Workspace hoch, statt Dateien in jedem Chat neu anzuhängen. Es gelten die Limits Ihres Tarifs sowie Sicherheitslimits.
OCR integriert
Auch gescannte PDFs werden nutzbar
MultipleChat extrahiert Text aus PDFs zuerst per OCR und wechselt bei Bedarf auf weitere Extraktionsverfahren.
Indexierte Chunks
Die KI sucht, bevor sie antwortet
Dateien werden in überlappende Chunks aufgeteilt und zum Zeitpunkt der Frage durchsucht. So können Antworten auf die relevantesten Passagen zurückgreifen, ohne dass der ganze Ordner in den Kontext gepresst wird.
Ein Kontext
Jedes Modell kann ihn nutzen
Wechseln Sie von Claude zu ChatGPT, vergleichen Sie Modelle oder starten Sie AI Collaboration, ohne denselben Kontext neu aufzubauen.
Wie eine Datei zu KI-Kontext wird.
Das ist der Kern: Projects speichert Dateien nicht nur. Es verarbeitet und indexiert sie und ruft genau die Teile ab, die für Ihre Frage wichtig sind.
Schritt 1
Hochladen oder importieren
Fügen Sie Dateien direkt hinzu, importieren Sie sie aus Google Drive oder holen Sie Dateien aus GitHub-Repositorys. Die Datei wird mit Projekt-Metadaten gespeichert und in die Warteschlange für die Indexierung gestellt.
Schritt 2
Extraktion und OCR
PDFs, Office-Dateien, CSV, Code und Text werden in durchsuchbaren Text umgewandelt. Bilder erhalten eine Beschreibung, damit sie später wiedergefunden werden können.
Schritt 3
Chunking und Indexierung
Große Dateien werden in überlappende Chunks aufgeteilt. MultipleChat speichert diese Chunks getrennt im Bereich des richtigen Nutzers oder Teamprojekts.
Schritt 4
Retrieval für Antworten
Wenn Sie eine Frage stellen, durchsucht das Projekt die relevanten Chunks und fügt die besten Belege zusammen mit Ihren Projektanweisungen dem Prompt bei.
Backend-Details
Dank Chunk-Retrieval kann die KI auch mit großen Projektbibliotheken arbeiten.
Der Projektindex nutzt überlappende Text-Chunks, durchsucht das Projekt zum Zeitpunkt der Frage und liefert die besten Treffer. Das ist der Unterschied zwischen „Ich habe einmal eine Datei hochgeladen“ und „Der Workspace findet auch später immer wieder das richtige Quellmaterial“.
Chunks mit ca. 1.000 Zeichen
Lange Dokumente werden in handliche, durchsuchbare Blöcke aufgeteilt.
Überlappung zwischen Chunks
Der Kontext bleibt über Chunk-Grenzen hinweg erhalten.
Die besten Treffer werden abgerufen
Das Modell sieht relevante Passagen statt zufälligem Rauschen aus Dateien.
Bringen Sie das unordentliche Material mit, von dem echte Arbeit abhängt.
Projects ist für PDFs, Bilder, Codebasen, Tabellen, Präsentationen, strukturierte Daten und Notizen im Klartext gemacht. Gefährliche ausführbare Dateien und Archivformate werden aus Sicherheitsgründen blockiert.
PDFs und gescannte Dokumente
PDF-OCR extrahiert Text aus gescannten und textlastigen Dokumenten – wo möglich auch Tabellen und strukturierte Inhalte.
Dokumente, Tabellen und Folien
DOCX, XLSX, CSV, TSV, PPTX und verwandte Formate lassen sich in durchsuchbares Projektwissen verwandeln.
Code- und Konfigurationsdateien
Unterstützt werden Python, JavaScript, TypeScript, React, Vue, Java, Go, Rust, C/C++, SQL, YAML, JSON und viele weitere Text- und Code-Formate.
Bilder und Screenshots
PNG-, JPG-, GIF- und WebP-Dateien können für die Suche beschrieben werden, damit visuelle Referenzen nicht aus dem Projektgedächtnis verschwinden.
Verbinden Sie die Orte, an denen Ihr Wissen bereits liegt.
Für Projekte müssen Sie Ihren Workspace nicht von Hand nachbauen. Importieren Sie aus Drive, holen Sie Dateien aus GitHub und halten Sie Ihren KI-Kontext nah an der Quelle.
Google Drive
Drive-Dateien importieren und synchronisieren
Holen Sie Google Docs, Sheets und Drive-Dateien in ein Projekt. Native Google-Dateien lassen sich in textfreundliche Formate exportieren, und Drive-PDF-OCR hilft, schwierige PDFs in nutzbaren Text zu verwandeln.
GitHub
Code aus Repositorys importieren
Verbinden Sie GitHub, wählen Sie Repository-Dateien aus, importieren Sie sie ins Projekt und lassen Sie MultipleChat den Code indexieren. Ideal, um Architekturen zu erklären, Module zu prüfen und Projektunterhaltungen auf den echten Code zu stützen.
Projektanweisungen halten alle Modelle auf Kurs.
Legen Sie dauerhafte Anweisungen einmal fest: Tonfall, Zielgruppe, Vorgaben, bevorzugtes Format, Terminologie, Markenregeln, Coding-Standards, Anforderungen an Quellenangaben oder Kundenkontext. Jede Unterhaltung im Projekt kann diese Regeln übernehmen.
Beispiel für Projektanweisungen
Sie arbeiten im Projekt für den Acme-Launch im dritten Quartal.
Nutzen Sie vor jeder Antwort das hochgeladene Produkt-Briefing, die Preislisten, den Leitfaden zur Markenstimme und die Kundenstudien.
Formulieren Sie knapp und auf Führungsebene. Kennzeichnen Sie Unsicherheiten. Nennen Sie den Namen der Quelldatei, wenn eine Aussage auf Projektmaterial beruht.
Die meisten wissen nicht, was in ein Projekt gehört. Hier erfahren Sie es.
Projects entfaltet seine Stärke, wenn der Workspace zur Aufgabe passt. Studierende brauchen ihre Kursunterlagen. Marketer brauchen Marken- und Kampagnenkontext. Anwälte brauchen eine Fallakte. Diese Playbooks zeigen, was Sie hochladen, welche Anweisungen Sie festlegen und mit welchen Prompts Sie beginnen sollten.
Faustregel
Wenn ein menschlicher Experte diese Dateien bräuchte, bevor er eine ernsthafte Antwort geben kann, gehören sie zuerst in ein Projekt.
Studierende
Projekte für Kurse und Prüfungen
Laden Sie Mitschriften, Folien, Lektüre, Bewertungsraster und Altklausuren hoch. Machen Sie daraus Lernleitfäden, Quizze und Feedback zu Ihren Essays.
Playbook für Studierende →
Marketingteams
Marken- und Kampagnenprojekte
Laden Sie Markenrichtlinien, Produktdokumentation, Kampagnen-Briefings, Wettbewerbsanalysen und Performance-Notizen hoch.
Marketing-Playbook →
Rechtsabteilungen
Projekte für Fallakten
Laden Sie Verträge, Beweisunterlagen, gescannte PDFs, Chronologien und Recherchen hoch – für eine quellengestützte juristische Prüfung.
Legal-Playbook →
Entwickler
Codebasis-Projekte
Verbinden Sie GitHub-Dateien, README-Dokumente, Schemas, Stacktraces und Screenshots, damit die KI das Repository versteht.
Coding-Playbook →
Berater
Kundenprojekte
Laden Sie Briefings, Recherchen, Notizen, Tabellen und frühere Präsentationen hoch und verdichten Sie sie zu kundenfertigen Empfehlungen.
Consulting-Playbook →
Forschende
Projekte für Literatur und Quellen
Laden Sie Paper, Notizen, Datensätze und Entwürfe hoch, um Literaturmatrizen und quellengestützte Synthesen zu erstellen.
Research-Playbook →
Produktteams
Feature- und Roadmap-Projekte
Laden Sie Nutzerfeedback, PRDs, Spezifikationen, Screenshots und Analysenotizen hoch, um bessere Produktentscheidungen vorzubereiten.
Produkt-Playbook →
Vertriebsteams
Projekte pro Kundenkonto
Laden Sie Gesprächsnotizen, Account-Recherchen, Produktdokumentation und Angebote hoch, um gezielte Follow-ups und Einwandbehandlung vorzubereiten.
Vertriebs-Playbook →
Content-Teams
Redaktions- und Quellenprojekte
Laden Sie Redaktionsrichtlinien, Quell-PDFs, Interviews, Entwürfe und Markenbeispiele hoch, um quellengestützte Content-Workflows aufzubauen.
Content-Playbook →
Gemacht für wichtige Dateien, nicht für beliebige Uploads.
Das Backend behandelt hochgeladenes Material als nicht vertrauenswürdige Referenzdaten. Dateien werden validiert, gefährliche Dateiendungen blockiert, die Indexierung ist auf Nutzer oder Team beschränkt, und abgerufene Chunks werden so eingebettet, dass das Modell versteht: Dateiinhalte sind Quellen, keine Befehle.
Dateivalidierung
Projekt-Uploads prüfen Dateityp und Inhaltssignaturen vor Speicherung und Indexierung.
Azure-Speicher
Projektdateien werden vor der Indexierung mit Metadaten und Lebenszyklusstatus gespeichert.
Schutz vor Prompt-Injection
Abgerufene Dateiinhalte werden als nicht vertrauenswürdiges Referenzmaterial gekennzeichnet, damit hochgeladene Dateien der KI nicht ohne Ihr Wissen Anweisungen erteilen.
Teamgerechte Abgrenzung
Chunks aus persönlichen Projekten und Teamprojekten sind getrennt abgegrenzt, sodass die Suche im richtigen Workspace bleibt.
Erstellen Sie ein Projekt pro echtem Ziel.
Projects funktioniert am besten, wenn das Quellmaterial zusammengehört: ein Kunde, ein Produkt, ein Forschungsthema, eine Codebasis, eine Kampagne, ein Rechtsfall. So bleibt das Retrieval präzise und irrelevanter Kontext nimmt ab.
01
Laden Sie zuerst die Quellen hoch
Geben Sie dem Projekt Dokumente, Code, Bilder und Tabellen, bevor Sie nach fertigen Ergebnissen fragen.
02
Schreiben Sie Anweisungen nur einmal
Legen Sie Zielgruppe, Tonfall, Vorgaben und den Umgang mit Quellen auf Projektebene fest.
03
Wählen Sie den passenden KI-Modus
Chatten Sie mit einem Modell, vergleichen Sie Modelle nebeneinander oder lassen Sie AI Collaboration eine fundiertere Antwort zusammenführen.
Projects in MultipleChat
Erwarten Sie nicht länger, dass sich die KI an etwas erinnert, das sie nicht sehen kann.
Legen Sie das Material in ein Projekt, lassen Sie MultipleChat OCR und Indexierung übernehmen und arbeiten Sie dann mit jedem Modell auf derselben verlässlichen Grundlage.
Projekt erstellen
Starten Sie mit Dateien, Anweisungen und Ihrem bevorzugten KI-Modell.
Tarife ansehen
Wählen Sie die Workspace-Kapazität, die zu Ihrer dateiintensiven Arbeit passt.
Funktionen entdecken
Entdecken Sie Projekte zusammen mit KI-Vergleich, Websuche und den Studios.
Für Teams
Nutzen Sie gemeinsames Projektwissen für Kundenaufträge oder interne Arbeit.