KI-Systeme
Wir bauen Workflows und Agenten auf Sprachmodellen, damit der Teil Ihres Prozesses, der einen Menschen brauchte, ohne einen auskommt.
Fast jedes Unternehmen hat einen Prozess mit einem Menschen in der Mitte. Bestellungen, Schadensfälle oder Anfragen kommen als E-Mail oder PDF, jemand liest sie, entscheidet, was sie bedeuten, und trägt das Ergebnis woanders ein. Diese Entscheidung kann jetzt ein Sprachmodell treffen. Wenn die Software um das Modell herum auch danach handeln kann, nennt man das einen Agenten.
Der Haken: In der Demo funktioniert alles. Ein Modell gibt beim ersten Versuch auf fast alles eine plausible Antwort, und die Demo und das Produktivsystem sehen gleich aus. Der Unterschied liegt in allem um das Modell herum: wie Sie es testen, was passiert, wenn es auf halbem Weg scheitert, was es pro Dokument kostet. Das ist gewöhnliche Ingenieursarbeit, und die machen wir.
- Claude
- Gemini
- Mistral
- Node.js
- SigNoz
- GitHub Actions
Etwas kommt rein
eine Bestellung, ein Schadensfall, eine Anfrage
Jemand entscheidet
der Schritt, der einen Menschen brauchte
Etwas wird erledigt
ein Datensatz geschrieben, ein Fall weitergeleitet
Die beiden Enden sind seit Jahrzehnten automatisiert. Die Mitte ist der Teil, den jetzt ein Sprachmodell übernimmt.
Was wir machen.
Sie wissen nicht, welches Modell Sie nehmen sollen oder was es kosten wird.
Extrahieren, Klassifizieren und Zusammenfassen brauchen unterschiedliche Genauigkeit und kosten pro Token unterschiedlich viel. Wir routen jede Aufgabe zu dem Modell, das zu ihr passt, und messen das Ergebnis. Ein günstiges Modell erledigt, was es kann, und das teure wird nur da gerufen, wo sich die Genauigkeit bezahlt macht.
Ihre Daten stecken in E-Mails, PDFs und Scans.
Das meiste, was sich zu extrahieren lohnt, wurde für Menschen geschrieben, nicht für Maschinen. Die richtige Antwort beginnt damit, die richtige Stelle im Dokument zu finden. Deshalb zerlegen wir entlang der Struktur, die das Dokument selbst hat, und testen gegen Datensätze, bei denen Sie die Antwort schon kennen.
Sie müssen wissen, was das im Betrieb kostet.
Token-Ausgaben bewegen sich mit dem Traffic wie jede andere Kostenstelle, also instrumentieren wir sie wie eine. Sie sehen die Kosten pro Dokument und pro Modell, neben Latenz und Fehlerrate.
Sie wollen einen Agenten.
Ein Agent ist eine Schleife um eine Reihe von Werkzeugen, und die Schleife ist die leichte Hälfte. Entscheidend ist, welche Werkzeuge er aufrufen darf, was jedes davon tun darf und was passiert, wenn ein Schritt auf halbem Weg scheitert. Wir bauen sie so, dass ein fehlgeschlagener Lauf Ihr System genau da lässt, wo es angefangen hat.
Wir haben Bestell-E-Mails in Freitext zu Datensätzen gemacht, die ein ERP akzeptiert.
Bestellungen kommen als E-Mails, von Menschen geschrieben, ohne festes Format. Das System liest sie, je nach Aufgabe mit Claude, Gemini oder Mistral, und schreibt einen Datensatz, den das ERP annimmt. Wenn es das nicht kann, schreibt es lieber nichts als etwas Falsches.
- Kunde
- Dentalbranche, Deutschland
- Eingang
- Unstrukturierte Bestell-E-Mails
- Ausgang
- ERP-konforme Datensätze
- Modelle
- Claude, Gemini und Mistral, je Aufgabe geroutet
- Laufzeit
- Node.js
- Observability
- SigNoz
- Auslieferung
- GitHub Actions
Erzählen Sie uns, was Sie bauen.
Schreiben Sie uns oder buchen Sie ein Gespräch, wie Sie möchten. Sie hören innerhalb von zwei Werktagen von uns. Unsere Kunden sitzen in der DACH-Region und in der ganzen EU, und wir arbeiten mit allen remote.