Systeme
Wir entwerfen und bauen KI-Systeme für bestimmte organisatorische Kontexte. Je nach Problemstellung umfasst dies Retrieval über nicht öffentliche Informationen, die Verarbeitung von Dokumenten und Daten, Infrastruktur für Evaluation, die Anpassung von Modellen, die Automatisierung von Arbeitsabläufen oder Systeme, die unter definierten Kontrollen Aktionen ausführen.
Ein System ist nicht fertig, wenn ein Modell eine eindrucksvolle Demonstration liefert. Es ist fertig, wenn sich seine Leistung messen lässt, seine Grenzen verstanden sind, sein Betrieb dokumentiert ist und die verantwortlichen Personen es verlässlich betreiben können.
Angewandtes System
Novalis
Novalis beantwortet Fragen zu den eigenen Dokumenten einer Organisation und verknüpft jede inhaltliche Aussage mit der Textstelle, die sie stützt.
Organisationen halten entscheidendes Wissen oft in Richtlinien, Berichten, Korrespondenz, Scans, Tabellen und anderen Dokumentenbeständen, die sich nur schwer einheitlich durchsuchen lassen. Novalis macht diese Bestände über eine Schnittstelle in natürlicher Sprache zugänglich und erhält dabei die direkte Verbindung zwischen jeder Antwort und ihrer Quelle.
Wenn die verfügbaren Dokumente eine Antwort nicht stützen, sagt Novalis dies. Es präsentiert keine unbelegte Schlussfolgerung, nur weil sie sprachlich plausibel klingt.
Funktionen
- Arbeitet mit Ihren bestehenden Dokumenten
- Novalis verarbeitet Office-Dateien, PDFs, Scans, Tabellen, Korrespondenz und weitere gängige Formate.
- Liefert nachvollziehbare Antworten
- Jede Aussage ist mit der Quellstelle verknüpft, aus der sie abgeleitet wurde.
- Weist Unsicherheit ausdrücklich aus
- Wenn der Dokumentenbestand eine Antwort nicht stützt, gibt das System keine Antwort.
- Läuft in Ihrer Infrastruktur
- Novalis wird in Ihrer Umgebung betrieben und führt standardmässig keine externen Aufrufe aus.
- Unterstützt Zugriffskontrolle
- Bestände lassen sich nach Team, Thema oder anderen organisatorischen Grenzen trennen, mit Zugriffsrechten auf Ebene einzelner Personen.
- Enthält eine Betriebskonsole
- Ihr Team kann das System verwalten, Bestände pflegen und den Betrieb überwachen, ohne Shell-Zugang zu benötigen.
Weitere Arbeitsfelder
Novalis ist eines der angewandten Systeme, die das Labor entwickelt hat. Unsere Arbeit umfasst darüber hinaus:
- Retrieval und Fragebeantwortung über nicht öffentliche Daten
- Extraktion und Klassifikation von Dokumenten
- Evaluation, Benchmarking und Qualitätsmessung
- Auswahl, Anpassung und Fine-Tuning von Modellen
- Automatisierung von Arbeitsabläufen und strukturierte Entscheidungsunterstützung
- Agentische Systeme mit begrenzten und prüfbaren Aktionen
- KI-Systeme, die unter Vorgaben zu Datenschutz, Sicherheit oder Regulierung betrieben werden müssen
- Produktiver Einsatz, Monitoring und Übergabe in den Betrieb
Wir wählen den technischen Ansatz nach dem Problem. Wir gehen nicht davon aus, dass jedes Problem ein grösseres Modell, ein Retrieval-System oder einen autonomen Agenten erfordert.
Engagements
Unsere Engagements decken den gesamten Weg von der Problemdefinition bis zum verlässlichen Betrieb ab. Die genaue Abfolge unterscheidet sich von Projekt zu Projekt, doch die Arbeit durchläuft in der Regel die folgenden Phasen.
Analyse und Problemdefinition
Zu Beginn klären wir, welche Entscheidung, welchen Arbeitsablauf oder welches betriebliche Problem das System unterstützen soll. Dazu gehört ein Verständnis der Nutzerinnen und Nutzer, der bestehenden Prozesse, der verfügbaren Daten, der technischen Umgebung, der Sicherheitsanforderungen und der nicht akzeptablen Fehlerarten.
Das Ergebnis ist ein klar umrissenes Problem und nicht ein allgemeiner Wunsch, KI einzusetzen. Wir legen fest, was automatisiert werden soll, was unter menschlicher Kontrolle bleiben soll und welche Belege zeigen würden, dass das System nützlich ist.
Machbarkeit und Risikobewertung
Wir prüfen, ob die verfügbaren Daten, Modelle und die Betriebsumgebung für das angestrebte Ziel ausreichen. Wo sinnvoll, untersuchen wir Datenqualität, Retrieval-Leistung, Modellverhalten, Einschränkungen bei der Integration, Datenschutzanforderungen und wahrscheinliche Fehlerquellen.
Wir benennen auch Fälle, in denen der vorgeschlagene Ansatz voraussichtlich keinen ausreichenden Nutzen bringt. Wenn sich ein Problem nicht für ein KI-System eignet, sagen wir dies, bevor eine umfangreiche Umsetzung beginnt.
Entwurf der Evaluation
Bevor wir auf den produktiven Einsatz hinarbeiten, legen wir fest, wie die Leistung bewertet wird. Dazu können repräsentative Beispiele, von Fachleuten geprüfte Testsets, aufgabenspezifische Qualitätskriterien, Tests zu Verweigerung und Unsicherheit, Anforderungen an Latenz und Kosten sowie betriebliche Abnahmekriterien gehören.
Die Evaluation wird auf den vorgesehenen Anwendungsfall ausgerichtet, statt sich allein auf öffentliche Benchmarks zu stützen. Beide Seiten erhalten so eine gemeinsame Grundlage, um zu entscheiden, ob sich das System verbessert und ob es bereit für den nächsten Schritt ist.
Prototyp und technische Validierung
Wir bauen einen fokussierten Prototyp, wo immer möglich mit repräsentativen Daten und in der vorgesehenen technischen Umgebung. Ziel ist keine ausgefeilte Demonstration, sondern die Prüfung der zentralen Annahmen des vorgeschlagenen Systems.
In dieser Phase vergleichen wir technische Ansätze, decken Fehlerarten auf und bestimmen, welche Teile des Arbeitsablaufs Software verlässlich übernehmen kann und welche eine menschliche Prüfung erfordern.
Systementwicklung
Sobald der Ansatz validiert ist, entwickeln wir das System entlang der betrieblichen Anforderungen der Organisation. Dazu können Datenpipelines, Retrieval, Modellorchestrierung, Benutzeroberflächen, Zugriffskontrollen, Werkzeuge für die Evaluation, Audit-Logs und Integrationen in bestehende Systeme gehören.
Funktionsfähige Software wird früh ausgeliefert, damit die Personen, die sie nutzen und betreiben werden, sie testen können.
Einsatz und Integration
Das System wird in der Infrastruktur der Organisation installiert und durchläuft die massgeblichen Prüfungen zu Sicherheit, Datenschutz und Betrieb. Wir testen es unter realistischen Bedingungen, einschliesslich unvollständiger Daten, mehrdeutiger Anfragen, unerwarteter Eingaben und Änderungen an den zugrunde liegenden Informationen.
Der Einsatz gilt als technischer und organisatorischer Prozess und nicht als letzter Schritt nach Abschluss der KI-Arbeit.
Schulung und Übergabe
Wir schulen das verantwortliche Team darin, das System zu betreiben, Ausgaben zu prüfen, Daten zu verwalten, Fehler zu untersuchen und auf Routineprobleme zu reagieren. Die Dokumentation umfasst Architektur, Annahmen, Evaluationsergebnisse, Grenzen und Betriebsabläufe des Systems.
Ein Einsatz ist erst abgeschlossen, wenn der Auftraggeber das System betreiben kann, ohne auf informelles Wissen des Umsetzungsteams angewiesen zu sein.
Weiterentwicklung
Nach der Übergabe können wir weiterhin beteiligt bleiben, etwa bei Modell-Upgrades, Erweiterungen, Aktualisierungen der Evaluation, Monitoring und der Untersuchung von Fehlern im Betrieb. Ziel ist es, das System auf Grundlage der beobachteten Nutzung zu verbessern, nicht Änderungen um ihrer selbst willen vorzunehmen.
Wo keine laufende Unterstützung nötig ist, wird das System so entworfen und dokumentiert, dass das Team des Auftraggebers es selbst warten kann.
Wenn Sie ein Engagement besprechen möchten, schreiben Sie an hello@mnemiclabs.com.