Kategorie: Uncategorized
-
Platon kritisierte die Schrift, weil sie keinen echten Dialog ermöglicht – und damit kein echtes Verständnis. Large Language Models wirken wie die Lösung: reaktiv, iterativ, adaptiv. Aber der Schein trügt. Wer AI-Systeme zuverlässig einsetzen will, braucht mehr als gute Outputs – er braucht einen Prozess, der das System systematisch hinterfragt. Ein Gedanke, der auch den…
-
Wenn ein Kunde fragt, was ihm nach Tarifwechsel, Promo-Gutschrift und Störung zusteht – scheitert klassische KI-Suche. Reasoning-Modelle lösen genau solche komplexen Mehrschritt-Fragen: durch iteratives Denken, gezielte Quellenverknüpfung und transparente Begründung.
-
Eigentlich sind wir gewohnt, Bildern und Videos zu vertrauen. „Seeing is believing“ ist ein geflügeltes Wort und drückt diese Erfahrung gut aus. DeepFakes erschüttern diese Erfahrung zunehmend. Daher wird es immer wichtiger zu verstehen, woran man denn DeepFakes erkennen kann. Wir haben uns damit beschäftigt und dafür ein paar Tipps beschrieben.
-
Immer mehr Anwendern wird klar, dass Testen zum Geschäft gehört, sollen GenAI Anwendungen verlässlich sein. Und …. richtig verlässlich sind sie sowieso nie – oder doch? In diesem Beitrag zeigen wir, wie durch ein komplexitätsbasiertes Testdesign auch 100% Verlässlichkeit erreicht werden können und dennoch Aufwand gespart wird.
-
Mit Reasoning ist es möglich, dass ein System nicht nur Texte wiederholt, sondern selbstständig Antworten aus einem Wissensbestand ableitet, und damit den Redaktionsbedarf drastisch reduziert. Wer Reasoning produktiv einsetzen möchte, muss verstehen, wie es funktioniert und wo seine Grenzen liegen. Dieser Beitrag gibt dazu praxisnahe Orientierung.
-
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.