KI-Entwicklung

Unser Grundsatz: Künstliche Intelligenz (KI) als kontrollierte Verarbeitung, nicht als isolierter Antwortgenerator. Wo sich ein Sachverhalt rechnen oder mit einer Regel entscheiden lässt, rechnen und entscheiden wir. Wo Sprache, Bilder oder unscharfe Zusammenhänge zu verstehen sind, setzen wir KI-Modelle ein.

Maschinelles Lernen als Kern der KI-Entwicklung

Maschinelles Lernen (Machine Learning) ist der Teil der Künstlichen Intelligenz, in dem ein Verfahren seine Fähigkeit nicht aus festen Regeln erhält, sondern aus Beispielen lernt. Es ist der Kern unserer KI-Entwicklung: Bildmodelle, Sprachmodelle und Agenten beruhen darauf. Deep Learning, das Lernen mit tiefen neuronalen Netzen, setzen wir dort ein, wo Bilder, Sprache oder Sensordaten zu verstehen sind.

Ein Vorhaben des maschinellen Lernens folgt bei uns einem festen Ablauf:

1. Daten erheben und aufbereiten. Wir sichten Ihre Daten, bereinigen und vereinheitlichen sie und halten fest, welche Fassung für welches Modell verwendet wurde.
2. Annotieren. Beispiele erhalten die Angaben, die das Modell lernen soll. Eine automatische Vorannotation beschleunigt die Arbeit, Menschen korrigieren und geben frei.
3. Modell auswählen und trainieren. Wir passen ein vortrainiertes Modell an Ihre Aufgabe an oder trainieren ein eigenes, je nach Datenlage und Anforderung.
4. Bewerten. Das Modell wird an Daten geprüft, die es im Training nicht gesehen hat, und an vereinbarten Kriterien gemessen.
5. Einsetzen und nachführen. Das Modell läuft im Zielsystem, auf dem Server oder auf einem eingebetteten Rechner. Korrekturen aus dem Betrieb fließen in das nächste Training ein.

Wo die Aufgabe es verlangt, verbinden wir maschinelles Lernen mit klassischer Datenanalyse, Regeln und physikalischen Modellen. Anwendungen beschreiben wir unter Vision AI, GeoAI, Sensor Fusion & Physical AI und Personenerkennung.

Aufbau einer KI-Pipeline

Komplexe Aufgaben zerlegen wir in spezialisierte Teilaufgaben und verbinden die Ergebnisse in einer Pipeline:

1. Quellen. Dokumente, Projektdaten, Protokolle, Bilder, Sensordaten: Text, Bild, Audio und strukturierte Daten werden gemeinsam verarbeitet.
2. Wissensschicht. Indexierung, Vektorsuche und Kontextaufbau stellen bereit, was für die jeweilige Frage relevant ist.
3. Analyse. Klassische Datenanalyse, Regeln, Statistik und Klassifikation.
4. KI-Modelle. Sprachmodelle, Bildmodelle, Modelle für Audio und Text, entstanden durch maschinelles Lernen.
5. Agenten. Spezialisierte Agenten mit eigenen Fähigkeiten und Werkzeugen, in Abläufen mit Prüfung.
6. Nutzung. Entscheidung, Dokumentation, Nachverfolgbarkeit und Wiederverwendung.

Verlässlichkeit durch mehrere Wege

Wo es auf das Ergebnis ankommt, bearbeiten mehrere unabhängige KI-Pfade dieselbe Frage. Stimmen sie überein, steigt die Verlässlichkeit; weichen sie ab, wird geprüft. Korrekturen fließen zurück in die Pipeline.

Der Mensch bleibt in der Verantwortung

Die KI strukturiert, vergleicht, schlägt vor und macht transparent. Der Mensch bewertet, priorisiert und verantwortet. An kritischen Stellen ist die menschliche Freigabe fest in den Ablauf eingebaut.