Kleine und mittelständische Unternehmen erkennen die Potenziale generativer KI, schrecken jedoch oft vor der Umsetzung zurück. Mangelnde Expertise, hohe Kosten und Unsicherheiten bei der Kontrolle der Ergebnisse gehören zu den häufigsten Hemmschwellen. Moresophy will mit DAPHY diese Barrieren abbauen und „eine Lösung bieten, die einfach nutzbar ist, präzise arbeitet und spürbare Vorteile im Arbeitsalltag schafft,“ sagt Professor Heiko Beier, Gründer und Geschäftsführer von Moresophy. Für ihre innovative Technologie ist das Unternehmen drei Jahre in Folge vom Bundesministerium für Wirtschaft und Klimaschutz mit dem BSFZ-Siegel ausgezeichnet worden. Die Patentanmeldung für die DAPHY-Technologie wurde am 19.12.2024 eingereicht und befindet sich derzeit im Prüfungsverfahren.
Assistenz für das Prompting der KI
Die Lösung kombiniert die kreative Leistung generativer KI mit der analytischen Präzision von Algorithmen des maschinellen Lernens. Im Kern bereitet die Technologie Unternehmensdaten intelligent auf und nutzt diese, um generative KI-Modelle gezielt zu steuern. Unternehmen können so vielfältige Aufgaben effizient und zuverlässig bewältigen: von der automatischen Anpassung von Produktbeschreibungen an verschiedene Zielgruppen über die Generierung präziser, kontextbezogener Antworten im Kundenservice bis hin zur Unterstützung fundierter Geschäftsentscheidungen durch die Kombination qualitativer Einschätzungen mit quantitativen Kennzahlen in Berichten, Studien oder Verträgen.
Die Ergebnisqualität generativer KI in Form von LLMs hängt maßgeblich davon ab, wie spezifisch sie den Kontext vorhandener Daten versteht. Dies kann auf verschiedene Weise erreicht werden. Das Training neuer LLMs mit umfassenden Daten ist extrem ressourcenintensiv und verursacht Kosten im mehrstelligen Millionenbereich. Mittels Fine-Tuning können vortrainierte LLMs auf spezifische Aufgaben oder Fachdomänen optimiert werden. Auch dies ist aber Spezialisten vorbehalten und erfordert ebenfalls kostspielige GPU-Ressourcen. Daher haben sich sogenannte Retrieval-Augmented-Generation-(RAG)-Ansätze bewährt, die das im LLM antrainierte Kontextverständnis auf eigene Daten anwenden. Mit dem Nachteil, dass das LLM arbeitet, wie es dies für richtig hält.
Intelligentes, automatisiertes Prompting
DAPHY setzt dagegen auf eine intelligente Generierung von Prompts unter Einbindung strukturierter Daten. Die Prompts werden in Echtzeit präzise auf den jeweils relevanten Kontext optimiert. Damit wird das Prompting automatisiert, aber gleichzeitig für den Nutzer transparent steuerbar. Der oftmals hohe Aufwand des Prompt-Engineerings entfällt und die Ergebnisse sind nicht nur präzise, sondern auch jederzeit nachvollziehbar und reproduzierbar. Unternehmen können ihre eigenen Daten direkt nutzen und bleiben unabhängig von kostspieligen Cloud-Lösungen – ohne dabei die Kontrolle über sensible Informationen aus der Hand zu geben.
Da die Lösung mit strukturierten Daten arbeitet, die aus Rohdaten und Informationen eines Unternehmens gewonnen werden, sind die Ergebnisse mittels Rückbezug auf die Quellen überprüfbar. Dies erhöht die Zuverlässigkeit und minimiert die Risiken durch KI-generierte Fehlinformationen.
Neueste Kommentare
Noch keine Kommentare zu Nachvollziehbare und reproduzierbare KI
Kommentar hinzufügenVielen Dank für Ihren Kommentar.
Ihr Kommentar wurde gespeichert und wartet auf Moderation.