Ist die Technologie, die ein Unternehmen behauptet, wirklich echt? DDE liest die Codebasis, um technische Aussagen zu prüfen und Vortäuschung sowie AI-washing aufzudecken — und vergleicht dann mit Branche und Wettbewerbern und bewertet Ihre eigenen Schwachstellen, alles aus Ihrer IDE heraus.
+ Parallel Atlas 4-Axis (35% Crypto Core)
+ 30-Item × 10-Co. Capability Matrix
With Data Provenance Box & Source Appendix
Runs inside your existing IDE AI subscription
Die Due Diligence Engine (DDE) ist ein quelloffenes Kommandozeilen-Tool, das den KI-Agenten in Ihrer IDE — Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity, Cursor, GitHub Copilot — mit Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon, GPT-5 und mehr — in einen erstklassigen technischen Analysten verwandelt. Sie liest die gesamte Codebasis eines beliebigen Ziels — ein Portfolio-Unternehmen, ein Übernahmeziel, einen Wettbewerber oder Ihr eigenes Team —, prüft, ob die behauptete Technologie wirklich umgesetzt ist, recherchiert Markt und Wettbewerber in Echtzeit und bewertet Stärken und Schwächen über mehrere gewichtete Dimensionen hinweg zu einem PDF in Beratungsqualität in Ihrem Downloads-Ordner. Alles läuft lokal in der KI-Sandbox Ihrer IDE — keine API-Schlüssel, keine Drittanbieter-Server, keine Telemetrie und keine zusätzlichen Kosten.
Generic AI code reviewers stop at checkbox compliance ('Has auth? ✓ Has HTTPS? ✓'). DDE inspects actual cryptographic primitives (Signal Protocol, PQXDH + ML-KEM-1024, libsignal/BoringSSL FFI vs. self-rolled crypto), concurrency models, and live 2026 market sources.
Eliminates stale training-cutoff analysis. Before inspecting the repo, the agent searches 2026 competitor acquisitions, shutdowns, funding rounds, CVEs, and regulatory shifts. Every matrix cell carries source URLs + verification dates, surfaced in the PDF Data Provenance Box.
"data_freshness": {
"web_search_performed": true,
"search_date": "2026-10-22",
"queries_executed": 14,
"sources_cited": 28
}In v0.6.2, heuristic false positives (git rebase timestamp diffs, high-velocity commits, documentation buzzword counts) are silently discarded and blocked by _filter_red_flags. Only genuine code-level security gaps, race conditions, and logic bugs with exact file:line and fix plans appear.
{
"severity": "HIGH",
"file_path": "src/crypto/session.rs:142",
"title": "Nonce reuse risk on concurrent retry",
"description": "Use atomic counter or ChaCha20Poly1305 random nonce..."
}Third-party badges (SOC2, ISO, HIPAA) are reference-only and never scored. DDE audits 4 claim-vs-code consistency checks plus 6 code-measured capabilities: Cryptographic depth, Concurrency model, I/O patterns, Caching architecture, Scalability, and ML implementation depth.
Claim vs Code (4): Pitch accuracy / Feature completeness
Code Measured (6): Crypto FFI / Concurrency / I/O / Cache / Scale / MLJedes Pitch Deck spricht von "KI-gestützt". Nur wenige können es belegen. Technische Due Diligence ist langsam, teuer und über eine ganze Pipeline hinweg schwer zu skalieren.
Marketing-Sprache übertreibt — oder erfindet — Fähigkeiten, die die Codebasis nicht hergibt. Diese Lücke zu erkennen, kostet die Zeit einer erfahrenen Ingenieurin oder eines erfahrenen Ingenieurs.
Eine Codebasis zu lesen, die Architektur zu erfassen und für jeden Deal Wettbewerber zu vergleichen, bedeutet Tage an Expertenarbeit, die Sie selten zur Verfügung haben.
Ohne eine objektive technische Grundlage stützen sich Preis- und Risikoentscheidungen auf das Narrativ der Gründer statt auf die Fakten.
Every report delivers both the balanced 5-Dimension Standard Score (equal 20% weights) and the parallel Atlas 4-Axis Engineering Philosophy (55% weighted toward deep cybersecurity engineering).
API Wrapper vs. Genuine IP
Distinguishes thin third-party API wrappers from defensible proprietary algorithms, protocols, and custom engineering.
Stack Modernity & Cryptographic Edge
Evaluates 2026-grade language safety, runtime efficiency, post-quantum primitives (ML-KEM-1024), and modern toolchain maturity.
PoC Demo vs. Production Grade
Inspects error handling, edge cases, migrations, state machines, and automated test coverage to separate demos from production code.
Structural Integrity + Integrated Security (v0.3)
Evaluates security posture as an inseparable foundation of production architecture alongside modularity, fault isolation, and scalability.
Pitch Deck & Website Claims vs. Code Reality
Cross-examines public marketing claims ('AI-powered', 'E2EE', 'Zero-Knowledge') against actual repository implementation to expose AI-washing.
Strong investment candidate
Viable with conditions
Significant concerns
High risk
Do not invest (or Critical Deal-Breaker)
Generates 7 consulting frameworks across 6 global regions, plus an 8th chart: a ~30-item × 5–10 competitor Implementation Capability Matrix dynamically tailored to the target's industry with 3–5 line competitor selection rationales.
Vision × Execution
Market Growth × Relative Share
Competitive Position × Technical Moat Depth
Security Implementation × Privacy Readiness
Data Protection × Audit Transparency
Downside Risk × Upside Potential
R&D Velocity × ARR Traction (3D Bubble)
Uses the 4-state Japanese tech rating standard (○ / △ / × / ?) with primary source URLs and verification dates on every cell.
Publicly documented & verified in code, whitepapers, or specs
Asserted in marketing, but not independently verifiable
Explicitly absent in documentation or architecture
Cannot be determined from public evidence (preferred over guessing)
| Category / Capability | Target | Comp. A | Comp. B | Comp. C | Provenance (sources + last_verified) |
|---|---|---|---|---|---|
Core Cryptography Hybrid Post-Quantum Key Agreement (PQXDH / ML-KEM-1024) | ○ | ○ | × | △ | [2026-10-22] Verified FIPS 203 ML-KEM-1024 + X25519 FFI implementation |
Metadata Privacy Sealed Sender / Zero-Knowledge Routing | ○ | ○ | × | × | [2026-10-22] Verified sender certificate encapsulation across relays |
Data Governance Cryptographic Message Retirement (Tombstone Zeroize) | ○ | △ | × | ? | [2026-10-22] Verified Ed25519-signed Tombstone & cache zeroization |
Audit Transparency Public Source Code & Automated Security CI | ○ | ○ | × | × | [2026-10-22] Verified public GitHub repository & CodeQL/osv-scanner CI |
* In live PDF reports, the ~30 capability items and 5–10 top competitors are dynamically selected for the target's industry (Messaging, Fintech, Medical, Gaming, SaaS, IoT), with all cited URLs listed in the Source Appendix.
Typeset in black and Atlas Blue (#5271FF), combining executive synthesis, code-level evidence, global market charts, and a cryptographic purge certificate (~22–24 pages depending on findings).
5-dim horizontal bars, 5-dim radar chart, Data Provenance Box (search date, query & source counts, or training-cutoff warning), and business + technical synthesis.
Evidence-backed SWOT grid, per-dimension enablers, 1/3/5-year projections with confidence, immediate/medium/long-term roadmap, and investment thesis.
Genuine code defects only (file:line + fix plan) and the 10-item technical audit (4 claim-vs-code + 6 code-measured).
Regional positioning charts, 3–5 line rationale per competitor (HQ, market position, why chosen), and the ○△×? capability matrix.
Performance / Stability / Lightweight / Security Strength bars plus a plain-language executive glossary (MFA, SOC2, libsignal, PQXDH).
Engineering rebuild time/cost estimation, complete URL Source Appendix (added in v0.6.0), and cryptographic workspace purge certificate.
Eine wiederholbare, faktenbasierte technische Bewertung — dasselbe Schema bei jedem Deal.
Gleicht den Pitch mit der tatsächlichen Codebasis ab, um zu bestätigen, was wirklich gebaut wurde — und was nur behauptet wird.
Markiert Stellen, an denen "KI" nur ein dünner Wrapper, eine fest verdrahtete Heuristik oder gar nicht vorhanden ist — und trennt echtes Machine Learning vom Marketing.
Erzeugt einen Wert von 0–100 und eine Notenstufe über gleich gewichtete Dimensionen hinweg, samt nachvollziehbarer Begründung.
Erfasst Struktur, Abhängigkeiten und Designentscheidungen, um Wartbarkeit, Skalierbarkeit und technische Schulden zu beurteilen.
Recherchiert echte Wettbewerber, Finanzierungen und Sicherheitshinweise im Web und erstellt einen mit Quellen belegten Marktvergleich.
Läuft vollständig in der KI-Sandbox Ihrer IDE. Keine Drittanbieter-Server, keine Telemetrie — auditiert mit CodeQL, Dependabot und pip-audit.
DDE itself operates zero third-party servers and zero telemetry. Choose the exact execution boundary that matches your security policy.
$ dde prompt --pdfDDE locally generates a structured prompt. Code reading and PDF generation happen inside your existing IDE AI agent session (Claude Code, Codex, Gemini CLI, Antigravity, Copilot, Cursor).
DDE makes zero outbound calls. Your AI agent runs STEP 0 live web searches for public competitor & CVE data.
$ dde analyze . --skip-aiSource code is analyzed 100% locally in memory/temp workspace and never sent to any AI model or external service.
In v0.6.3 (780e3cd / aac4c77), --skip-ai strictly disables API key auto-loading and blocks all outbound network requests.
$ dde analyze owner/repoUses your own API keys to cross-verify across up to 3 providers via the unified SSOT registry (BYOK_DEFAULT_MODELS / PROVIDER_MODEL_COSTS): Anthropic (Claude Haiku 5.5 → Sonnet 5.5 → Fable 5.1), Google (Gemini 4 Argon), and OpenAI (Astra gpt-6.1-sol / GPT-5).
Configured for zero-retention API endpoints (store=False, with fail-closed enforcement on GoogleProvider). Strips user:token@ credentials from GitHub URLs and immediately dereferences PATs after single in-memory use.
Eradicated all 36 audit defects across 35+ modules with GPT-6-Astra (xhigh) & Gemini 4 Argon, unified the SSOT model/cost registry, and locked permanent verification with 156 automated tests (tests/test_audit_regressions.py + tests/test_zero_drift_invariants.py).
Blocks Zip Slip traversal, symlinks, and FIFO special files during archive ingestion, and strips user:token@ credentials from GitHub URLs. Preserves .git during analysis for commit forensics, then performs in-place "r+b" 3-pass zero-fill shredding with strict os.walk(onerror=...) failure propagation and Windows NTFS user-only ACL locking.
Site verification (site_analyzer.py) enforces ip.is_global to block RFC 6598 CGNAT (100.64.0.0/10), private, loopback, and cloud metadata IPs as well as unsafe redirects, using reentrant DNS pinning (_pinned_dns_context) to prevent time-of-check to time-of-use (TOCTOU) DNS rebinding attacks.
Applies _esc_text across all dynamic PDF fields (ImplementationMatrix, sources, RedFlags) to prevent ReportLab XML parser crashes. Protects Latin digits and ASCII punctuation with Helvetica in Arabic (ar) and Thai (th) to prevent missing-glyph tofu boxes (□) across 24-page PDFs, enforces Jinja2 autoescape=True, and guarantees idempotent Score.compute().
Unifies __version__, BYOK_DEFAULT_MODELS, and PROVIDER_MODEL_COSTS (Astra gpt-6.1-sol $2/$10, gpt-6-astra $5/$25, gpt-5 $1.25/$10, Haiku >100k tiered rate) in config.py SSOT. Enforces fail-closed store=False on GoogleProvider, supports async def AST analysis, and locks 156 CI tests via test_zero_drift_invariants.py.
DDE erzeugt einen strukturierten Prompt, den jeder KI-Agent ausführen kann, der Dateien lesen und Shell-Befehle ausführen kann. Kein DDE-spezifisches Plugin und kein Login erforderlich.
Installation aus dem öffentlichen Repository mit einem einzigen pip-Befehl. Reines lokales Python — keine Konten, keine Konfiguration.
Führen Sie den DDE-Befehl im Zielprojekt im Terminal Ihrer KI-IDE aus. Ihr bestehendes KI-Abonnement übernimmt die Analyse — ohne Zusatzkosten.
Der Agent liest Hunderte von Dateien, bewertet über gewichtete Dimensionen hinweg und recherchiert Wettbewerber, Finanzierungen und Sicherheitshinweise live im Web.
Ein PDF im Beratungsstil landet in Ihrem Downloads-Ordner — mit einem Wert von 0–100, einer Notenstufe, einer Wettbewerbslandschaft und mit Quellen belegten Begründungen.
New in v0.6.3: paste Method A directly into your AI agent chat for fully automated install + audit + PDF generation, or run Method B in your terminal. Bundled Noto fonts render 14 PDF languages out of the box.
✓ Your current locale is natively supported for localized PDF output (14 languages).
Install https://github.com/Atlas-Associates-Inc/Due-diligence-engine (python3 -m pip install -U --no-cache-dir git+https://github.com/Atlas-Associates-Inc/Due-diligence-engine.git), run dde prompt --pdf --lang de on this project, and execute the entire generated prompt (STEP 0 live web research, full code audit, JSON generation, and PDF rendering) end-to-end to save the consulting PDF report to ~/Downloads/.python3 -m pip install -U --no-cache-dir git+https://github.com/Atlas-Associates-Inc/Due-diligence-engine.git && dde prompt --pdf --lang dedde doctordde prompt --pdf --lang de --url https://example.comWorks out of the box in any AI agent capable of reading files and running shell commands.
Boutique consulting depth with local-first privacy at zero added software cost.
| Dimension | DDE (v0.6.3) | Manual DD Consulting | Generic AI Code Review | SaaS DD Platforms |
|---|---|---|---|---|
| Added Cost | $0 (uses your IDE AI) | $$$$ (consultant fees) | Per-token API fees | $$$$ (enterprise subscription) |
| Code Privacy | Local / IDE sandbox (0 DDE servers) | Manual NDA & repo sharing | Uploads code to vendor | Stores code in vendor cloud |
| Deliverable | 24-page consulting PDF (14 langs) | Bespoke report | Inline PR comments | Web dashboard |
| Data Freshness | Live web search (2026) + URLs | Depends on analyst | Training cutoff only (stale) | Vendor refresh cycle |
| Crypto & Security Depth | PQXDH / ML-KEM-1024 / FFI audit | Depends on consultant | Surface checklist | Surface checklist |
| Competitive Benchmarks | 7 charts × 6 markets + 30-item matrix | Manual research (weeks) | None | Limited |
| Red Flag Precision | Code-verified only (file:line + fix) | High (slow) | High false-positive noise | Heuristic rule noise |
| Setup & Turnaround | 1 command / ~10–20 min | 2–4 weeks | Minutes (partial) | Days (onboarding) |
Ob Sie eine Investitionsentscheidung treffen, einen objektiven Blick auf Ihre eigene Entwicklung werfen oder Wettbewerber vergleichen — Belege direkt aus dem Code, und das schnell.
VCs, Growth-Fonds und M&A-Teams: Prüfen Sie technisches Risiko und den Wahrheitsgehalt hinter den Aussagen über Ihre gesamte Pipeline hinweg, bevor Sie tief einsteigen.
Lassen Sie DDE über Ihre eigene Codebasis laufen, um Stärken, Schwächen und technische Schulden aus einer externen Perspektive zu sehen — um Korrekturen zu priorisieren oder sich auf eine Finanzierungsrunde vorzubereiten.
Vergleichen Sie den Tech-Stack und die Umsetzungstiefe von Wettbewerbern anhand öffentlicher Repositories und Marktdaten und verstehen Sie Ihre eigene Position mit Belegen.
Ja. DDE ist Open Source unter der Apache 2.0-Lizenz. Es nutzt das KI-Abonnement, das Sie ohnehin in Ihrer IDE haben — es gibt also keinen API-Schlüssel und keine Zusatzkosten.
Nein. DDE ist zu 100 % lokales Python und läuft in der KI-Sandbox Ihrer IDE. Es gibt keine DDE-Server und keine Telemetrie. Die Web-Recherche ruft ausschließlich öffentliche Informationen über Wettbewerber und den Markt ab.
Jeder Agent, der Dateien lesen und Shell-Befehle ausführen kann. Verifiziert ist es mit Claude Code, OpenAI Codex CLI, Google Gemini CLI, Antigravity und GitHub Copilot Agent Mode (unterstützt neueste Modelle wie Claude Opus 5.5 / Sonnet 5.5, Gemini 4 Argon und GPT-5), und es funktioniert mit Cursor, Gemini Code Assist, Aider, Windsurf und ähnlichen agentischen Terminals.
Ein PDF in Beratungsqualität (rund 24 Seiten), gespeichert in Ihrem Downloads-Ordner, mit einem Gesamtwert von 0–100, einer Notenstufe, einer Wettbewerbslandschaft, einer Implementierungsmatrix und mit Quellen belegten Begründungen.
AI-washing bedeutet, ein Produkt als KI-gestützt zu vermarkten, obwohl die zugrunde liegende Technologie minimal oder nicht vorhanden ist. DDE vergleicht die Aussagen im Pitch mit der tatsächlichen Implementierung in der Codebasis und markiert die Lücken.
Einmal installieren, aus jeder KI-IDE ausführen und sich die Fakten selbst ansehen. Kostenlos und Open Source.