opso9 · Opsonine

Data products
for the AI age.

Wir bauen präzise Datenprodukte für den DACH-Raum — von öffentlichen Quellen zu vertriebsrelevanten Signalen.

18 NRW-Städte
9 Datenquellen
6–24 Monate Vorlauf
opso9 // data pipeline
$ opso9 ingest --source public.registry --region NRW
→ verbinde 9 Upstream-Quellen
→ normalisiere Schema ✓
→ klassifiziere Entitäten ✓
→ Relevanz-Scoring ✓
2 241 Datensätze · Latenz 1.2s
 
$ opso9 query --gewerk daemmung --territory rheinland --horizon 12m
→ 47 Projekte · ~18 300 m² Dämmung · Ø 14 Monate vor Ausschreibung

Was wir bauen

Von öffentlichen Daten
zu vertriebsrelevanten Signalen.

Erfassung

Präzise Datenaufnahme

Bauleitpläne, Vergabeportale, Amtsblätter, Ratsinformations­systeme — strukturiert und unstrukturiert, lizenziert und reproduzierbar.

Anreicherung

Mengen statt Metadaten

LLM-gestützte Ableitung von Materialmengen, Bauvolumen und €-Schätzungen — feine Material-Taxonomie statt grober Gewerke.

Frühwarnung

Signal vor Ausschreibung

Bebauungspläne und OParl-Beschlüsse geben Bauvorhaben 6–24 Monate vor der ersten Ausschreibung preis. Wir machen das verwertbar.

Auslieferung

Produkte, die ankommen

PDF-Reports, Wochen-Digests, Dashboards, APIs. Datenprodukte, die für Empfänger gebaut sind — nicht für Datenteams.

Aktive Produkte

Im Einsatz.

Bauprojekt-Intelligence

Sales-Intelligence für den DACH-Baustoffhandel

Fusion aus Bauleitplänen, Vergabe, Amtsblättern und Ratsinformationen über 18 NRW-Städte — angereichert um Materialmengen und €-Werte. Vertriebsgebiets-bezogene Frühwarnsignale 6–24 Monate vor der ersten Ausschreibung.

construct.opso9.com →

"Die Organisationen, die das KI-Jahrzehnt prägen, sind nicht jene mit den größten Modellen — sondern jene mit den klarsten Daten."

Unser Ansatz

Minimale Oberfläche.
Maximale Tiefe.

Public-first

Open Data, kontrollierter Loop

Wir bauen ausschließlich auf offenen und öffentlichen Datenquellen — lizenziert, rechtssicher, reproduzierbar. Der Vorteil liegt im Engineering, nicht im Zugang.

DACH-deep

Tiefe schlägt Breite

Enger geographischer Fokus, rigoros umgesetzt, schlägt einen breiten Datensatz mit Kompromissen. Wir gehen tief beim DACH-Upstream — dort, wo der Vorsprung entsteht.

AI-native

Strukturiert für Maschinen

Jedes Datenprodukt ist von Grund auf darauf ausgelegt, KI-Systeme zu speisen — typisierte Schemata, konsistente Vokabulare, reichhaltige Provenienz-Metadaten.