Wir haben einen Weg gefunden, um mehrstufiges, explizites Reasoning in der Kombination aus einer Stand-alone Reasoning Engine und existierenden AI-Sprachmodellen der GPT4-Klasse zu realisieren.
Das Zusammenwirken aus AI-Sprachmodellen, strukturiertem Wissen und einer dedizierten Reasoning Engine stellt zentrale Funktionsblöcke des menschlichen Gehirns nach. Deswegen nennen wir unseren Ansatz “bionisch”. Er hebt die Leistungsfähigkeit von maschinellem ‘Verstehen’ und ‘Denken’ auf eine neue Stufe.
Der bionische Ansatz hat gegenüber so genannten Large Reasoning Modellen (wie z.B. o1) den Vorteil, dass keine teuren und aufwändigen Trainings durchlaufen werden müssen, sondern der Zuwachs der Intelligenz rein auf Ebene von Software Engineering realisiert wird. Das ermöglicht kürzere und häufigere Innovationszyklen, verbesserte Steuerbarkeit und eine signifikant höhere Effizienz.
Das Zusammenwirken aus AI-Sprachmodellen, strukturiertem Wissen und einer dedizierten Reasoning Engine stellt zentrale Funktionsblöcke des menschlichen Gehirns nach. Deswegen nennen wir unseren Ansatz “bionisch”. Er hebt die Leistungsfähigkeit von maschinellem ‘Verstehen’ und ‘Denken’ auf eine neue Stufe.
Der bionische Ansatz hat gegenüber so genannten Large Reasoning Modellen (wie z.B. o1) den Vorteil, dass keine teuren und aufwändigen Trainings durchlaufen werden müssen, sondern der Zuwachs der Intelligenz rein auf Ebene von Software Engineering realisiert wird. Das ermöglicht kürzere und häufigere Innovationszyklen, verbesserte Steuerbarkeit und eine signifikant höhere Effizienz.
Stand-alone Reasoning
Einbettung von Wissen (Grounding)
Function Calling (Agentic)
Übersicht
Stand-alone Reasoning
Einbettung von Wissen (Grounding)
Function Calling (Agentic)
Übersicht
Mit dem AI MicroWorker® Pattern stellen wir eine innovative, hybride Architektur für Advanced Intelligence vor. Auf dieser Grundlage beherrschen unsere Systeme mehrstufiges Reasoning, Plausibilisierungen und Validierungen. Eingebettetes Function Calling ermöglicht Agenten-artige Automatisierungen mit der Möglichkeit der expliziten Validierung von Schritten vor deren Ausführung.
Die Kombination aus herausragender Leistungsfähigkeit und Zuverlässigkeit macht das AI MicroWorker® Pattern zu einem Schlüssel, um Advanced Intelligence in geschäftskritische Prozesse und regulierte Umgebungen zu bringen.
Komplexe Aufgaben werden in einzelne Sub-Aufgaben zerlegt.
Jede Sub-Aufgabe wird mit individuellem Wissens kontextualisiert.
Das Wissen wird im Kontext der konkreten Sub-Aufgabe interpretiert.
Die individuelle Interpretation wird auf inhaltlicher Ebene plausibilisiert.
Nach erfolgreicher Plausibilisierung erfolgt eine formale Validierung gegen individuell konfigurierbare Verhaltens-Richtlinien.
Nach erfolgreicher Validierung wird die finale Schlussfolgerung gezogen und das Ergebnis an die nächste Sub-Aufgabe übergeben.
Die schrittweise Aufbereitung und strukturierte Ablage von veredeltem Wissen ist eine wichtige Voraussetzung für zuverlässige KI-Nutzung: auf diese Weise kann das Allgemeinwissen aus den KI-Sprachmodellen um relevante Fakten und individuelles Spezialwissen ergänzt werden.
Auf die gleiche Weise werden die für die Automatisierung von Prozessen / Agentic Workflows zu beachtenden Gesetze, regulatorischen Vorgaben und individuellen Unternehmens-Richtlinien auf strukturierte Weise vorgehalten.
Unstrukturierte Informationen werden Struktur- und Kontext-sensitiv extrahiert und bei Bedarf für die weitere Verarbeitung bereinigt.
Auf der Basis von Ontologie-Strukturen werden Roh-Informationen schrittweise zu Wissens-Fragmenten angereichert.
Die angereicherten Wissens-Fragmente werden in einem für AI-Systeme “Abruf-freundlichen” Format abgelegt.
Die systematische Vernetzung einzelner Wissens-Fragmente resultiert in hochwertigem, verdichteten Wissen.
AI-Sprachmodelle sind eine wichtige aber letztendlich austauschbare Commodity-Komponente der embraceable Plattform. Dank unseres Multi-Source AI Paradigmas sind wir ‘Modell-agnostisch by Design’ und ermöglichen Dir auf dieser Grundlage maximale Flexibilität und Wahlfreiheit. Das Gleiche gilt im Übrigen für die zugrunde liegenden Compute-Infrastrukturen.
Darüber hinaus legen wir großen Wert darauf, dass keine Daten beim Modell-Betreiber persistiert werden oder gar für Modell-Training genutzt werden. Du bleibst also auch vollständig “Daten-souverän”. Mehr Flexibilität und Wahlfreiheit geht nicht!
Die embraceable Plattform kann in Kombination mit allen führenden AI-Sprachmodellen und Embedding Modellen genutzt werden.
Dank des Modell-agnostischen Ansatzes kannst Du auch problemlos quelloffene Modelle wie z.B. Llama3.1 450B oder Mixtral 7x8B benutzen.
(AI Model Hub)
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod
