Zum Inhalt springen

KI-Werkzeuge und Produkte

Wir entwickeln KI-Werkzeuge und Funktionen für digitale Produkte. Wir machen aus guten Modellantworten einen Arbeitsablauf mit Qualitätsprüfung, nachvollziehbaren Kosten und der Möglichkeit, das Werkzeug mit Ihrem Team zu verbessern.

Qualität gehört zu Ihrer Aufgabe

Wir beginnen mit der Beschreibung eines Ergebnisses, das Fachleute bei ihrer Arbeit nutzen können. Gemeinsam bestimmen wir, was geprüft werden muss, welche Fehler die Bedeutung einer Antwort verändern und woran die erledigte Aufgabe zu erkennen ist.

Mit Menschen, die die Arbeit kennen, sammeln wir Beispiele und machen aus ihrer Erfahrung Qualitätskriterien. Danach wählen wir den Aufbau des Werkzeugs und prüfen spätere Versionen.

Wichtige Unterschiede werden überprüfbar

Wir prüfen, ob eine angegebene Quelle eine Schlussfolgerung belegt und ob ein vorbereiteter Entwurf bei der Aufgabe hilft. Fehlen Informationen, muss das Werkzeug zeigen, welche genau fehlen.

Wir testen den Ansatz an einem vereinbarten Aufgabensatz, auch an mehrdeutigen Fällen. Danach besprechen wir, was schon einsatzfähig ist, wo Menschen nötig sind und was eine andere Lösung braucht.

Eine Antwort anhand von Dokumenten prüfen

SituationErwartete Aktion
Passende Quelle gefundenAntwort mit Verweis auf das Dokument
Keine Antwort in den QuellenMitteilung über fehlende Informationen
Dokument für Mitarbeiter gesperrtAntwort ohne geschützte Angaben

Ergebnisse in die tatsächliche Arbeit einfügen

Die Beteiligung von Fachleuten gestalten wir zusammen mit dem restlichen Werkzeug. Sie müssen verstehen, woher Informationen stammen, was zu prüfen ist, wie sich das Ergebnis korrigieren lässt und wie es weitergeht.

Wir vereinbaren den Zugang zu Quellen und den Umgang mit Daten. Wir klären, welche Informationen an externe Dienste gehen dürfen und welche im Unternehmen bleiben müssen. Diese Bedingungen berücksichtigen wir bei Modell, Speicherung und Oberfläche.

Korrekturen können zu Wissen werden

Bei der Nutzung entstehen neue Beobachtungen. Wiederkehrende Korrekturen können auf schlechte Ausgangsmaterialien, eine ungeeignete Regel oder Grenzen des Ansatzes hinweisen. Wir untersuchen diese Fälle und nehmen wichtige in den Prüfsatz auf.

So verschwindet das Wissen der Fachleute nicht in der nächsten korrigierten Antwort. Das Team präzisiert allmählich, welches Ergebnis es braucht, und erhält Gründe für die nächste Änderung.

Nach dem akzeptierten Ergebnis vergleichen

Wir zählen Verarbeitung, Wiederholungen und die Zeit der Fachleute bis zu einem nutzbaren Ergebnis. So lassen sich die Gesamtkosten der Arbeit mit verschiedenen Modellen vergleichen.

Beim Wechsel des Modells wiederholen wir Prüfungen nach gespeicherten Kriterien und bewerten, ob er sich lohnt. Wir untersuchen Anbindungen und Datenformate, um Umfang und Kosten einer Migration zu bestimmen.

Einen Weg zur Qualitätsentwicklung übergeben

Mit der verantwortlichen Fachperson besprechen wir die Bewertung von Ergebnissen, neue Kontrollfälle und das Vorgehen bei sinkender Qualität. Einstellungen, Anbindungen, Quellcode, Kriterien und Prüfmaterial bleiben beim Team.

Wir dokumentieren Bedingungen des externen Modellanbieters und übertragene Materialien. Sie behalten Quellcode, Einstellungen und aufgabenbezogene Kriterien, nach denen Sie spätere Alternativen wählen und prüfen können.

Die nächste Version beginnt nicht bei null

Sie können Aufgaben erweitern, Regeln überprüfen und andere Modelle anhand gesammelter Beispiele testen. Eine neue Version muss zeigen, welche Arbeit sie besser erledigt und was sich für die Fachperson ändert.

Mit dem Produkt übergeben wir eine Methode, Qualität anhand der Aufgaben Ihres Teams fortlaufend zu prüfen und zu verbessern.

Was Teil der Arbeit sein kann

  • Suche in einer Wissensbasis

    Antworten mit Verweisen auf Quellen, die Mitarbeiter nutzen dürfen.

  • Assistent für Fachleute

    Dokumententwürfe aus Ausgangsmaterial.

  • Dokumentenverarbeitung

    Felder extrahieren und strittige Fälle zur Prüfung sammeln.

  • Anfragen analysieren

    Themen, Wiederholungen und Fragen für das Produktteam.

Organisation der Arbeit

Anforderungen bestimmen

Mit Ihren Fachleuten klären wir, welche Antwort nützlich und welche Fehler unzulässig sind. Wir wählen eine Aufgabe und entscheiden, welche Daten verwendet werden dürfen.

Von Ihnen
Anonymisierte Beispiele, Beteiligung von Fachleuten und Regeln zum Umgang mit Daten
Ergebnis der Etappe
Aufgabe, Anforderungen an das Ergebnis und erlaubte Daten

An Beispielen prüfen

Wir probieren den gewählten Ansatz an echten Fällen. Wir beurteilen Fehler, Verarbeitungskosten und den Prüfaufwand, der Menschen bleibt.

Von Ihnen
Beispiele guter und falscher Antworten, Beteiligung von Fachleuten
Ergebnis der Etappe
Prüfergebnisse und Kostenschätzung

Werkzeug integrieren

Wir verbinden Daten und Oberfläche mit dem Arbeitsablauf. Wir berücksichtigen menschliche Prüfung und Fälle, in denen Informationen für eine Antwort fehlen.

Von Ihnen
Zugänge, erlaubte Daten und Regeln zur Antwortprüfung
Ergebnis der Etappe
Funktionierendes Werkzeug mit Einstellungen und beschriebenen Grenzen

Übergeben und schulen

Wir zeigen, wie neue Aufgaben geprüft und Änderungen an Modell oder Einstellungen beurteilt werden. Wir übergeben Kontrollbeispiele mit dem Werkzeug.

Von Ihnen
Mitarbeiter, der für das Werkzeug verantwortlich sein wird
Ergebnis der Etappe
Quellcode, Einstellungen, Kontrollbeispiele und Prüfanleitung

Was wir prüfen

  • Rechte der Mitarbeiter

    Antworten werden unter Berücksichtigung des Quellenzugriffs geprüft.

  • Speicherort der Daten

    Modelle und Speicherung wählen wir nach den Regeln des Unternehmens.

  • Gesamtkosten

    Wir zählen Verarbeitung, Wiederholungen und manuelle Ergebnisprüfung.

Was wir übergeben

  • Quelldateien und Projektrepository
  • Zugänge und Liste externer Anbindungen
  • Anleitungen für Updates und Wiederherstellung
  • Dokumente zu Rechten und verwendeten Lizenzen
  • Kontrollbeispiele, Qualitätskriterien und Regeln für menschliche Beteiligung.

Welche Aufgabe möchten Sie einer KI übertragen?

Teilen Sie anonymisierte Eingangsdaten, ein geeignetes Ergebnis oder Ihr Experiment. Wir besprechen Qualitätskriterien, Datengrenzen und den Bereich, mit dem wir beginnen sollten.

Projekt besprechen

Nach Vereinbarung der Arbeit

  • Anonymisierte Beispiele von Eingangsdaten
  • Beispiele geeigneter und fehlerhafter Ergebnisse
  • Verantwortliche Fachperson und Regeln zum Umgang mit Daten