-
Wie geht man vor, wenn man sich einen MVP für eine Reasoning-basierte Wissensdatenbank erstellen will? Wir haben mal einen kleinen Blueprint geschrieben.
-
Wissensdatenbanken als Assistenten im technischen Service werden heute oft noch wenig eingesetzt, weil der Pflegeaufwand ziemlich hoch ist. Setzt man auf ein Reasoning-basiertes Konzept, reduziert sich der Aufwand für die Erstellung und Pflege des Wissens um 90% oder 95%. Allerdings können auch fehlerhafte Antworten auftreten. Wir haben mal die Vorteile und Nachteile zusammengestellt.
-
Seit Anthropic seine Legal Plug-Ins vorgestellt hat ist die Idee im Markt: Rechtliche Fragen klärt man per AI. Geht das wirklich? Und was kann man daraus lernen?
-
Der Redaktionsaufwand für Wissensdatenbanken ist im technischen Bereich oft exorbitant hoch und gerade von mittleren und kleineren Organisationen nicht leistbar. Reasoning-basierte GenAI Wissensdatenbanken werden hier immer mehr zu einer extrem attraktiven Alternative.
-
Lösungen und Antworten per Reasoning generieren ist viel effizienter, als alle Antworten vorsehen und dann nur Antworten zitieren. Aber da muss man auch wissen wie. Ein paar Tipps können wir geben. Und da wir einen sehr spannenden Artikel mit einer ähnlichen Aussage gefunden haben, dachten wir schreiben das mal auf.
-
DeepSeek ist in den letzten Wochen mit sehr tiefgehenden Innovationen aufgefallen. Sowohl mHC (magnifold-Constrained Hyper-Connections) als auch Engram sind Innovationen, die sich direkt mit dem Kern der Architektur des Deep Learnings beschäftigen und die das Lerntempo und die notwendigen Ressourcen optimieren. Und so haben wir uns mal das Reasoning ein bisschen näher angesehen.
-
Chinesische Unternehmen sorgen in letzter Zeit oft für Schlagzeilen im Bereich der künstlichen Intelligenz – und offensichtlich kann das Land leistungsfähige LLMs (Large Language Models) bereitstellen. Da war es höchste Zeit, auch DeepSeek 3.2 einmal genauer unter die Lupe zu nehmen.
-
Schritt-für-Schritt-Anleitung zur Installation von Anthropics Bloom Framework. Inkl. API-Keys, Konfiguration und erstem erfolgreichen Test auf KI-Sicherheit.
-
Wie stellt man sicher, dass Chatbots nicht nur auf die erste Frage reagieren können, sondern einen ganzen Dialog führen können?
-
Mit BLOOM LLM zeigt das BigScience-Projekt, dass leistungsfähige KI offen und mehrsprachig sein kann. Erfahre, warum dieses weniger bekannte Modell die Open-Source-LLM-Szene prägte – und wie es sich vom Bloom-Framework von Anthropic unterscheidet.