Ihre KI. Ihr Server. Keine Abhängigkeiten. Hergestellt in Europa.

Wenn Mitarbeiter KI-Tools ohne Genehmigung von Management oder IT-Abteilung nutzen, spricht man von Schatten-KI. Die Nutzung persönlicher Accounts auf öffentlichen KI-Plattformen birgt viele Risiken, wie Sicherheits-, Compliance- und Datenschutzverletzungen sowie Datenlecks. Schatten-KI umfasst öffentliche KI-Tools, Drittanbieter-KI-Plugins und -Agenten oder jede SaaS-Anwendung mit integrierten KI-Funktionen.

Wenn Ihre KI „halluziniert“, liefert sie Antworten, die zwar plausibel klingen, aber nicht korrekt sind. KI-Halluzinationen entstehen hauptsächlich durch unzureichende oder qualitativ schlechte Trainingsdaten, fehlerhafte Logik oder falsche Annahmen in den Algorithmen. Denken Sie z. B. an die Abfrage historischer Fakten, die zwar wahrheitsgetreu erscheinen, aber nicht korrekt sind.

KI-Bias ist ein systematischer Fehler. Wenn Trainingsdaten Vorurteile enthalten, führt dies zu Fehlern im Entscheidungsprozess der KI, die bestimmte demografische Gruppen benachteiligen oder unfair behandeln.

Ein Workflow beschreibt die einzelnen Schritte eines Prozesses. Mit KI können diese Workflows intelligent automatisiert werden, sodass die KI erkennt, was getan werden muss, und die Aufgaben ohne menschliches Eingreifen ausführt.

KI Ingest beschreibt einen entscheidenden Prozess beim Aufbau eines KI-Modells von Grund auf. Rohdaten müssen aus verschiedenen Quellen gesammelt, transformiert und geladen werden. Normalerweise umfasst der Datenfeed sowohl strukturierte als auch unstrukturierte Daten. Ein weiterer wichtiger Schritt im KI-Ingest-Prozess ist die Aufbereitung der Daten durch Bereinigung, Validierung und Strukturierung.

AI Inferenz setzt ein trainiertes KI-Modell in die Praxis um, indem es Entscheidungen, Klassifikationen oder Vorhersagen auf Basis neuer, bisher unbekannter Daten trifft. In dieser Phase liefert die KI Wert, indem sie gelernte Muster nutzt, um auf neue, reale Eingaben zu reagieren. Ein Beispiel: Ein KI-Modell wurde auf tausenden Bildern von Hunden trainiert. Wenn es nun in einem völlig neuen Foto einen Hund erkennt, ist dies die Inferenz.

RAG steht für Retrieval Augmented Generation und ist entscheidend, um korrekte und aktuelle Informationen zu liefern und Antworten faktenbasiert zu untermauern, wodurch AI-Halluzinationen reduziert werden. Eine RAG-Pipeline verbessert die Fähigkeit eines LLM, genaue und relevante Antworten zu generieren, indem sie an externe Wissensquellen angebunden wird. Der Prozess beginnt damit, externe Daten in kleinere Abschnitte zu teilen und diese in numerische Repräsentationen („Embeddings“) umzuwandeln, die in einer Vektordatenbank gespeichert werden. Die ursprüngliche Nutzeranfrage wird dann mit den abgerufenen Textabschnitten kombiniert, um einen erweiterten Prompt zu erstellen, der es dem LLM ermöglicht, eine spezifischere und relevantere Antwort zu liefern.

Private KI gewährleistet Datenschutz und Sicherheit bei der Nutzung von KI im Unternehmen. Im Gegensatz zu lokaler KI bleiben die Daten innerhalb Ihrer kontrollierten Infrastruktur, müssen aber nicht zwingend auf einer einzigen lokalen Maschine liegen. Private AI kann lokal, in einer privaten Cloud oder in einer hybriden Umgebung bereitgestellt werden.

Wenn KI-Operationen auf einem lokalen Gerät oder Netzwerk ausgeführt werden, handelt es sich um Local AI. Alle Datensätze werden vollständig auf Ihrer eigenen Hardware verarbeitet und gespeichert.

Wir verwenden Open-Source-Modelle, die überprüfbar und feinabstimmbar sind, sodass Sie Bias in den Ergebnissen jederzeit überwachen und entsprechende Maßnahmen ergreifen können. Da die Daten privat bleiben, haben Sie die volle Kontrolle über die Trainingsdatensätze, was wichtig ist, um externe Vorurteile nicht zu übernehmen. Transparenz und ethische Richtlinien sind uns wichtig – die Verantwortung für KI-Bias liegt bei Ihnen.

Traditionelle Automatisierung folgt festen Regeln, wie z. B. dem klassischen „If-Then“-Prinzip. KI-Agenten reagieren hingegen dynamisch, lernen aus Erfahrung, erkennen Muster in Daten und können komplexe Entscheidungen treffen. Dadurch sind KI-Agenten deutlich flexibler und vielseitiger.

Wir halten alle Datenverarbeitungen strikt intern, um jegliches Leck von personenbezogenen Daten wie Namen, Finanzinformationen, Gesundheitsdaten oder Zugangsdaten zu verhindern. Während integrierte Anonymisierungstools wie bei spezialisierten Anbietern (z. B. Private KI, die PII über Sprachen und Entitäten hinweg identifiziert und anonymisiert) nicht enthalten sind, können Nutzer solche Funktionen integrieren oder eigene Vorverarbeitungen durchführen, um Compliance sicherzustellen. Dieser Ansatz priorisiert Datenmanagement und Verschlüsselung und entspricht erhöhten Datenschutzanforderungen.