Satu prinsip dasar selalu sama: model AI berjalan secara lokal di sistem milik pengguna sendiri. Mode Offline, Hybrid, dan Online tidak menentukan di mana model berjalan; ketiganya hanya menentukan koneksi tambahan apa yang boleh digunakan Rainbow. Dalam mode Offline, Rainbow bekerja tanpa koneksi eksternal. Dalam mode Hybrid, model tetap lokal dan dapat menggunakan API secara selektif, misalnya untuk memperoleh informasi cuaca terkini. Dalam mode Online, model juga tetap lokal; selain itu, Rainbow Apex Router terintegrasi dapat diaktifkan.

RAG sudah menjadi bagian dari fitur untuk pengguna pribadi. Bila diperlukan, dokumen milik pengguna dan informasi yang disediakan dapat digunakan sebagai sumber pengetahuan tambahan. Jika, misalnya, sebuah PDF, file Word, atau dokumen lain perlu dianalisis, bagian yang relevan dapat digunakan untuk permintaan tersebut tanpa harus melatih ulang model. Model lokal tetap menjadi dasar; RAG melengkapinya ketika informasi tambahan atau terkini diperlukan. Pada saat yang sama, kendali atas data sendiri tetap menjadi bagian inti dari Rainbow. Penyimpanan data lokal dilindungi dengan AES-256, dengan Argon2id sebagai lapisan perlindungan tambahan. Bagi pengguna pribadi, intinya sederhana: model tetap berada di sistem sendiri, data pribadi dapat dikelola secara lokal, dan koneksi tambahan hanya digunakan ketika memang diinginkan.

Untuk perusahaan, Rainbow melangkah jauh lebih jauh. Model Perusahaan Rainbow bukan sekadar edisi Business biasa dan bukan pula hanya akses ke layanan AI umum. Perusahaan mendapatkan modelnya sendiri yang disesuaikan secara individual dengan perusahaan tersebut. Perusahaan menentukan sendiri pengetahuan apa yang harus menjadi bagian dari AI ini. Informasi yang dipilih untuk tujuan tersebut disiapkan dan dimasukkan secara terarah ke dalam proses pelatihan dan penyesuaian model milik perusahaan. Basis bahasa Jerman dan konteks khusus Jerman sudah termasuk dan tidak dihitung sebagai token perusahaan. Model pelanggan yang selesai beserta artefak pelatihan dan komponen model khusus perusahaan yang dihasilkan ditujukan secara eksklusif untuk perusahaan tersebut.

RAG melengkapi Model Perusahaan, bukan menggantikannya. Pengetahuan perusahaan yang ingin dipertahankan secara permanen dapat menjadi bagian dari model milik perusahaan. Informasi baru atau terkini dapat ditambahkan melalui RAG. Jika, misalnya, ada file Word, PDF, atau laporan baru dan informasinya perlu digunakan segera, Model Perusahaan tidak perlu dilatih ulang. Dokumen tersebut dapat disediakan sebagai sumber pengetahuan tambahan untuk permintaan saat ini. Pembagiannya tetap jelas: Model Perusahaan berisi pengetahuan yang hendak menjadi bagian permanen dari AI milik perusahaan; RAG melengkapinya secara fleksibel dengan dokumen dan informasi terkini.

Model Perusahaan juga berjalan secara lokal dan dapat dioperasikan di dalam infrastruktur milik perusahaan. Dengan demikian, perusahaan tidak hanya menentukan pengetahuan apa yang masuk ke model, tetapi juga di infrastruktur mana model dijalankan dan koneksi eksternal apa yang diizinkan. Perangkat keras yang ada ditinjau sebelum implementasi. Ukuran model dan konfigurasi teknis kemudian disesuaikan dengan infrastruktur sebenarnya. Hasilnya bukan solusi standar siap pakai, melainkan lingkungan yang sesuai dengan sumber daya teknis yang tersedia.

Secara teknis, Model Perusahaan mencakup jauh lebih banyak daripada antarmuka yang terlihat. Di dalamnya terdapat arsitektur model dan sistem, tokenisasi, persiapan pengetahuan perusahaan, pelatihan atau penyesuaian model, RAG, serta inferensi lokal. Tokenizer membagi teks menjadi unit yang dapat diproses, yang disebut token. Inferensi adalah pengoperasian model yang sudah selesai: saat sebuah input diproses dan sebuah output dihasilkan. Enkripsi AES-256 dan perlindungan berbasis Argon2id di Rainbow tetap menjadi bagian dari sistem. Dengan demikian, Rainbow melayani dua tujuan yang jelas di atas fondasi teknis yang sama: untuk pengguna pribadi, ruang kerja digital yang tertata dengan model AI lokal, RAG, dan koneksi terkendali; untuk perusahaan, ditambahkan model khusus yang disesuaikan dengan pengetahuan dan infrastruktur perusahaan. Prinsipnya tetap sama dalam kedua kasus: model tetap lokal. Pengguna pribadi menentukan informasi miliknya dan koneksi eksternal mana yang digunakan; perusahaan juga menentukan pengetahuan apa yang menjadi bagian dari modelnya sendiri dan di infrastruktur mana model tersebut dijalankan.