En grundläggande princip är alltid densamma: AI-modellen körs lokalt på användarens eget system. Offline, Hybrid och Online avgör inte var modellen körs, utan bara vilka ytterligare anslutningar Rainbow får använda. I Offline-läge arbetar Rainbow utan externa anslutningar. I Hybrid-läge förblir modellen lokal och kan använda API:er selektivt, till exempel för aktuell väderinformation. I Online-läge förblir modellen också lokal; dessutom kan den integrerade Rainbow Apex Router aktiveras.

RAG ingår redan i funktionerna för privatpersoner. Vid behov kan egna dokument och tillhandahållen information användas som en extra kunskapskälla. Om exempelvis en PDF, en Word-fil eller ett annat dokument ska analyseras kan relevant innehåll användas för den aktuella frågan utan att modellen behöver tränas om. Den lokala modellen förblir grunden; RAG kompletterar den när ytterligare eller aktuell information behövs. Samtidigt förblir kontrollen över de egna uppgifterna en central del av Rainbow. Lokal datalagring skyddas med AES-256, med Argon2id som ett kompletterande säkerhetsskydd. För privatpersonen är kärnan enkel: modellen stannar på det egna systemet, personliga data kan hanteras lokalt och ytterligare anslutningar används bara när de faktiskt önskas.

För företag går Rainbow betydligt längre. Rainbow företagsmodell är inte en traditionell Business-version och inte heller bara tillgång till en allmän AI-tjänst. Företaget får en egen modell som anpassas individuellt till verksamheten. Företaget bestämmer självt vilken kunskap som ska bli en del av denna AI. Den information som är avsedd för detta förbereds och förs målmedvetet in i tränings- och anpassningsprocessen för den egna modellen. Den tyska språkbasen och den Tysklandsspecifika kunskapsbasen ingår redan och räknas inte som företagstokens. Den färdiga kundmodellen och de företagsspecifika träningsartefakter och modellkomponenter som uppstår är uteslutande avsedda för det aktuella företaget.

RAG kompletterar företagsmodellen men ersätter den inte. Företagskunskap som ska finnas permanent kan bli en del av den egna modellen. Ny eller aktuell information kan dessutom användas via RAG. Om det till exempel finns en ny Word-fil, PDF eller rapport och informationen i den ska användas direkt, behöver företagsmodellen inte tränas om. Dokumentet kan tillhandahållas som en extra kunskapskälla för den aktuella frågan. Uppdelningen är tydlig: företagsmodellen innehåller den kunskap som permanent ska vara en del av företagets egen AI; RAG kompletterar den flexibelt med aktuella dokument och uppgifter.

Företagsmodellen körs också lokalt och kan drivas i företagets egen infrastruktur. Företaget bestämmer därmed inte bara vilken kunskap som förs in i modellen, utan också på vilken infrastruktur den körs och vilka externa anslutningar som tillåts. Den befintliga hårdvaran granskas före implementationen. Modellstorlek och teknisk konfiguration anpassas därefter till den faktiska infrastrukturen. Resultatet blir inte en standardlösning från hyllan, utan en miljö som passar de tekniska resurser som redan finns.

Tekniskt omfattar företagsmodellen betydligt mer än det synliga gränssnittet. Den innefattar modell- och systemarkitektur, tokenisering, förberedelse av företagskunskap, träning eller modellanpassning, RAG och lokal inferens. Tokenizern delar upp text i bearbetningsbara enheter, så kallade tokens. Inferens är den faktiska körningen av den färdiga modellen – ögonblicket då en inmatning bearbetas och ett resultat genereras. Rainbows AES-256-kryptering och Argon2id-baserade skydd förblir en del av systemet. Rainbow uppfyller därmed två tydliga mål på samma tekniska grund: för privatpersoner en organiserad digital arbetsmiljö med lokal AI-modell, RAG och kontrollerade anslutningar; för företag tillkommer en egen modell som är anpassad till företagets kunskap och infrastruktur. Principen är densamma i båda fallen: modellen förblir lokal. Privatpersonen bestämmer vilka egna uppgifter och externa anslutningar som används; företaget bestämmer dessutom vilken kunskap som blir en del av den egna modellen och på vilken infrastruktur den körs.