Unsere Produkte und unsere Projektarbeit laufen auf einem bewusst kleinen Satz an Technologien. Nicht die längste Liste, die wir schreiben könnten, sondern die Werkzeuge, auf denen wir tatsächlich aufbauen und für die wir geradestehen. Die meisten sind Open Source, und alle sind so gewählt, dass sie innerhalb des eigenen Perimeters eines Kunden laufen, wenn das Netzwerk genau das braucht.
Wie wir sie auswählen
Das hier ist eine Landkarte unserer Expertise, keine Logo-Wand. Jede Technologie unten verdient ihren Platz, weil wir sie in echter Netzwerk- und Security-Arbeit einsetzen und weil sie zu drei Dingen passt, die uns wichtig sind.
Offen als Standard
Open-Source-Werkzeuge, die wir lesen, erweitern und ohne Lizenzschranke betreiben können. Zu einigen tragen wir selbst bei.
Herstellerunabhängig
Wir bauen das Design, nicht die Box eines einzelnen Herstellers. Das Ergebnis ist eine Architektur, die Ihnen gehört und die Sie verschieben können.
Eine Auswahl, kein Katalog
Im Feld arbeiten wir mit weit mehr als dem hier. Was Sie sehen, ist der Kern, auf dem wir selbst aufbauen und den wir in- und auswendig kennen: die Werkzeuge, zu denen wir zuerst greifen.
Der Stack, nach Ebene
Von den Sprachen, in denen wir entwickeln, über die Plattform, auf der wir betreiben, bis zur Daten- und KI-Ebene darüber. Zu jedem Eintrag steht eine Zeile, was wir damit tatsächlich tun.
Automatisierung & Tooling
Wie wir im grossen Massstab standardisieren
-
Ansible
Womit wir Provisionierung, Firmware und Compliance über herstellerübergreifende Flotten automatisieren, damit ein kleines Team ein grosses, konsistentes Netzwerk betreiben kann. Wir pflegen die offene ansible-mikrotik-Collection.
-
Python
Unser Standard für Netzwerk-Automatisierung, Konfig-Parsing und das Daten-Tooling rund um die Produkte. Der grösste Teil unseres Glue-Codes ist Python.
Sprachen & UI
Worin wir entwickeln
-
Go
Performance-kritische Dienste und Netzwerk-Daemons, ausgeliefert als einzelnes statisches Binary, das sich leicht auf knapper Hardware betreiben lässt.
-
TypeScript
Typisiert von den Produkt-UIs bis hinunter zum Node-Tooling dahinter, damit Frontend und Build konsistent bleiben.
-
React
Die Oberflächen für Explorer, IPAM und die Segmentation Toolbox.
Container & Orchestrierung
Wie wir verpacken und betreiben
-
Docker
Verpackung für die Produkte und das Lab, reproduzierbar von einer Umgebung zur nächsten.
-
Kubernetes
Wo diese Container laufen, wenn ein Deployment skalieren oder sich selbst heilen muss.
-
ContainerLab
Virtualisierte IT- und OT-Topologien, um Designs zu validieren, Ausfälle zu proben und die praktischen Kurse zu betreiben.
Virtualisierung & Cloud
Wo es läuft
On-Premises zuerst, Public Cloud dort, wo ein Kunde ohnehin schon ist.
-
Proxmox
On-Premises-Virtualisierung für Labs und Kunden-Deployments, die innerhalb des Perimeters bleiben müssen.
-
Apache CloudStack
Selbst gehostetes IaaS: Cloud-artiger Self-Service und Provisionierung, betrieben auf der eigenen Hardware des Kunden.
-
AWS
Public-Cloud-Umsetzung dort, wo ein Kunde ohnehin schon läuft und mit uns darauf aufbauen will.
Daten & Observability
Wie wir Daten sehen und bewegen
Neben unserem eigenen Log-Analytics-Produkt arbeiten wir mit den offenen Logging- und Streaming-Stacks, die Kunden ohnehin betreiben.
-
Elastic
Log- und Event-Analytics für Netzwerk- und Security-Daten, die Engine hinter unserer Log-Analytics-Arbeit.
-
Graylog
Zentrales Log-Management und Alerting: ein fokussiertes, schlankes SIEM, wenn Elastic mehr ist, als ein Kunde braucht.
-
ntop
Traffic-Transparenz und Flow-Analyse, ntopng, um in Echtzeit zu sehen, was tatsächlich durch ein Netzwerk läuft.
-
Apache Kafka
Das Streaming-Rückgrat, um Telemetrie und Events in grossem Volumen zwischen Systemen zu bewegen.
On-Premises-KI
Intelligenz, die im Haus bleibt
Offene Modelle auf eigener Hardware, keine Daten verlassen den Perimeter.
-
MCP
Die offene Tool-Ebene, mit der ein lokales Modell auf Ihren eigenen Systemen agieren kann, ohne Hersteller-Lock-in.
-
Ollama
Bereitstellung offener Modelle auf lokaler Hardware für kleinere Workloads und schnelles Prototyping.
-
vLLM
Modell-Serving mit hohem Durchsatz, wenn On-Premises-Inferenz skalieren muss.