Mobile-Menu

Model Factory  Generative KI-Modelle mit Unternehmenswissen verzahnen

Quelle: Reply 2 min Lesedauer

Anbieter zum Thema

TURCK GmbH
dataTec AG
Schneider Electric GmbH

Reply stellt mit der Model Factory eine industrialisierte Produktionslinie für die Entwicklung generativer KI-Modelle vor, die auf unternehmensspezifischem Wissen basieren. Sie sind darauf ausgelegt, KI-Systeme und agentenbasierte Anwendungen im jeweiligen operativen Kontext eines Unternehmens zu steuern.

In der Model Factory von Reply können Unternehmen interne Dokumentationen, Software-Repositories, Geschäftsdaten, Domänenwissen und Prozessinformationen in sichere Vaults überführen. (Bild: aliececome – stock.adobe.com_KI-generiert)
In der Model Factory von Reply können Unternehmen interne Dokumentationen, Software-Repositories, Geschäftsdaten, Domänenwissen und Prozessinformationen in sichere Vaults überführen.
(Bild: aliececome – stock.adobe.com_KI-generiert)

In der Regel werden KI-Modelle so realisiert, dass sie eine Vielzahl unterschiedlicher Aufgaben bewältigen können. Dabei stützen sie sich weitgehend auf öffentlich zugängliche Daten. Unternehmen hingegen arbeiten mit internem Wissen, zu dem technische Standards, regulatorische Vorgaben, Betriebsprozesse, proprietäre Systeme und branchenspezifische Expertise gehören. Mit der Model Factory will Reply diese Lücke schließen. Sie ermöglicht es Unternehmen, Modelle zu trainieren, die ihren eigenen Kontext verstehen und sich nahtlos in bestehende Prozesse, Systeme und Governance-Strukturen einfügen.
 

Daten, Informationen und Wissen in sichere Vaults überführen

In der Factory können Unternehmen interne Dokumentationen, Software-Repositories, Geschäftsdaten, Domänenwissen und Prozessinformationen in sichere Vaults überführen. Dort werden diese Informationen aufbereitet, um die Modelle mit der jeweiligen Terminologie, den Logiken und den operativen Rahmenbedingungen vertraut zu machen. Die Reply Model Factory industrialisiert den gesamten Lebenszyklus der Datenaufbereitung, des Trainings, der Evaluation, des Deployments und der kontinuierlichen Optimierung.

Grundlage dafür sind ein kontrollierter Entwicklungsprozess und konsistente Ontologien. Modularität ist dabei ein zentrales Prinzip, das für eine nahtlose Integration in bestehende Technologie-Stacks sorgt:   

  • Innerhalb der Training Layer schafft das Pre-Training auf Basis von Kundendaten und internen Assets ein tiefes Domänenverständnis.
  • Überwachtes Finetuning trainiert die präzise Ausführung spezifischer Aufgaben und Prozesse.
  • Reinforcement Learning stärkt Fachwissen und agentenbasiertes Verhalten im Einklang mit Richtlinien, Bewertungskriterien und operativen Zielen.
  • Mithilfe von Destillation und spekulativem Decoding können spezialisierte Modelle effizient und skalierbar bereitgestellt werden.
  • Sowohl jedes Modell als auch jeder daraus abgeleitete Kundendatensatz wird als versioniertes „Enterprise Asset” mit kontrollierten Schnittstellen, integrierten Quality Gates und einer von Beginn an auf die Anforderungen des EU AI Act ausgelegten Architektur zur Verfügung gestellt.

Von generischer KI zu proprietären Frontier-Modellen

Mit diesem Ansatz will Reply Unternehmen dabei unterstützen, den Schritt von generischer KI zu proprietären Frontier-Modellen zu gehen. Diese entwickeln sich kontinuierlich mit dem Wissen, den Prozessen und der Expertise eines Unternehmens weiter – und bleiben dabei stets unter dessen Kontrolle.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte