KI-unterstützte Lösungen
Your Data. Your AI.
Sicher. Keine Daten verlassen Ihr Datacenter.
Effizient. thalabus läuft auf kleiner Infrastruktur.
Schnell. Mit thalabus in wenigen Wochen erstellt.
Korrekt. Antworten basieren auf Daten / Quellenanzeige.
Chatbots für Kunden und Mitarbeiter
Mehrsprachige Chatbots sind der "klassische" Anwendungsfall für Sprachmodelle. Die Aufwand der Entwicklung eines solchen Chatbots nimmt aber mit der Menge und der Komplexität der unterliegenden Informationen zu. Ebenfalls stellen Datenschutz, Schutz von geistigem Eigentum, Regressrisiken bei Falschaussagen etc. in vielen Fällen grosse Hürden bei der Verwendung von Sprachmodellen dar.
Die thalabus Plattform enthält alle Komponenten, damit wir Ihnen auf einfache Weise sichere und zuverlässige Chatbots bauen, die auch solche Aspekte erfüllen.
thalabus unterstützt die Erstellung der Wissensdatenbankt, integriert Daten aus den unterschiedlichsten Quellsystemen und baut automatisch Anwendungsfall-spezifische Ontologien und Graph-Datenbanken auf. Diese dienen auch dem Abgleich, der Vereinheitlichung und der Qualitätssicherung der eingelesenen Daten.
Basierend auf diesem Wissen, können auf thalabus basierende Chatbots korrekte, überprüfbare Antworten in den gewünschten Sprache erstellen. Diese Antworten werden zwar auch mit Hilfe von Sprachmodellen erstellt – aber basierend auf der tatsächlich eingelesenen Datenbasis und Daten aus aktuellen Webseiten. Halluzinationen und falsche Antworten, wie man sie von ChatGPT und anderen kennt, sind damit praktisch ausgeschlossen. Da thalabus immer die ganze Kette der Antwortgenerierung und der Quellsysteme vorhält, kann der Benutzer sehr einfach direkt auf die Quellen der Informationen zugreifen. Diese Art eine Antwort zu generieren ist ein optimiertes, sogenanntes RAG (Retrieval Augmented Generation).
Nachtrag Februar’24: neuerdings bieten auch z.B. Gemini und chatGPT den Modus «Deep Research» für die Antwortsuche in aktuellen Webseiten an. Aber auf Unternehmens-interne/schützenswerte Daten können die Modelle nicht zugreifen.
Kunden-Selfservice und -Support
Das ist einer der typischen Anwendungen für Chatbots. thalabus kann die Antworten aus seiner lokalen Kopie der Daten erstellen. Aber diese enthalten i.d.R. nur öffentlich zugängliche Daten. Private, schützenswerte Daten lassen wir in den Quellsystemen und fragen sie nur bei Bedarf ab, ohne sie permanent zu speichern.
Der Benutzer muss auch die entsprechende Berechtigung im Quellsystem haben, um die Daten zu bekommen. Wird nach Daten gefragt, für die der Benutzer keine Berechtigung hat, kann ihn das System dabei unterstützen, die Berechtigung anzufragen.
Wenn die verschiedenen Systeme an thalabus angebunden werden, kann der Chatbot auch Graphiken/Sichten aus diesen Systemen anzeigen. So kann der Kunde nach dem Stand seiner Bestellung oder seiner Bestell-Historie fragen und erhält in wenigen Sekunden automatisch eine Antwort. Wenn er dann z.B. die Lieferadresse ändern muss, kann er das (je nach Konfiguration) direkt im Quellsystem tun oder mittels eines Ticket anfragen. Alles in natürlicher Sprache, ohne Ihre Systeme verstehen zu müssen.
Selbstverständlich kann thalabus in Ihr Portal eingebunden und wird mit Ihrer Corporate Identity versehen.
thalabus wird damit zum Self-Service Portal im Unternehmen.
Semantische Suche und Wissensmanagement
t2b arbeitet seit 2012 in diesem Gebiet und unterstützt seither vor allem Firmen in der Pharma-Branche dabei, Informationen und Wissen aus bestehenden Dokumenten und Systemen zu extrahieren, zusammenzuführen, abzugleichen und in Wissensdatenbanken zu integrieren. Maschinelles Lernen, Ontologien und Graph-Datenbanken werden in diesen Bereichen schon sehr lange verwendet. Jetzt kann auch die KI damit arbeiten.
thalabus baut beim Einlesen von Daten automatisch Anwendungsfall-spezifische Ontologien und Graph-Datenbanken auf. Diese dienen auch dem Abgleich, der Vereinheitlichung und der Qualitätssicherung der Daten. Durch die LLM Unterstützung werden auch Synonyme, Homonyme und andere Spezialfälle in der Graph-Datenbank richtig einsortiert/verbunden. Auch werden die verschiedenen Daten- und Text-Blöcke mehrfach indexiert/ge-tagged.
Die semantische Suche gibt dann dem Benutzer die Möglichkeit mit seinen eigenen Begriffen zu suchen, obwohl in den Datenquellen vielleicht andere Begriffe verwendet wurden. Diese «Übersetzung» funktioniert mit Sprachen, aber auch mit für Benutzer mit unterschiedlichen Hintergründen: so wird ein Ingenieur/Produktentwickler ein Produkt oder Konzept vermutlich unter einem anderen Begriff suchen wie der PR-Verantwortliche.
Die Graph-Datenbank steht hinter thalabus, aber der Benutzer kann auch mit einen Klick direkt an die Stelle der DB springen und kann dort auch direkt über das GUI selber recherchieren. Wir erwarten aber, dass die natürlich-sprachigen Fragen an thalabus so schnell zum Ziel führen, dass diese Option selten zum Einsatz kommt.
-> thalabus wird damit zum Portal für das Unternehmens-Wissen.
Wissens-Management
Sprachmodelle wurden hier bisher aus Kostengründen selten zur Suche eingesetzt. Auch für die Datenaufbereitung arbeiten die meisten Systeme mit klassischem ML, Algorithmen und klassischen Programmierung.
thalabus hat den Vorteil, dass Fragen in kleine Elemente zerlegt werden, und die Suche über die Vector/Graph-Datenbank sehr effizient ist. Die Zusammenfassung erfolgt dann in einem kostengünstigen, lokalen Sprachmodell.
thalabus unterstützt den Aufbau von komplexen Ontologien, sodass die Informationen aus den unterschiedlichsten Perspektiven abgefragt werden können. So wird das Wissen einer Organisation klassifiziert, bereinigt und besser zugänglich.
Vom Projekt bei Cham Paper Group ist eine detaillierte Fallstudie von einer Universtät verfügbar.
Definition der Datenelemente und des Glossars. Koordination der Diskussionen und Freigaben der definierten Begriffe mit dem Business. Einführung von Verantwortlichkeiten und Prozessen. Analysen der Datenflüsse und benötigten Änderungen in der Applikationslandschaft.
Produktionsfirma
Daten- und Informationsflussmodellierung vom Verkauf bis Logistik. Einführung von SAP MDM zur Prozessunterstützung.
Sicherung der Daten-Qualität
Sind Daten aus unterschiedlichen Quellen immer konsistent? Das ist in den seltensten Fällen garantiert. Bei der Zusammenführung der Daten wird thalabus Inkonsistenzen entdecken. Wir empfehlen, das System so zu parametrisieren, dass es einfache Fehler selbst korrigiert und schwierige an einen User-Workflow übergibt. Es wird auf jeden Fall immer annotiert und eine Liste der «Änderungen» geführt, sodass sich die Unterschiede zu Quell-Daten klar erkennen lassen,
Wir empfehlen, Datenfehler immer in den Quell-Systemen korrigieren zu lassen. Natürlich kann thalabus das auch übernehmen respektive unterstützen.
Für manche Organisationen wird die Unterstützung der Sicherung der Daten-Qualität sicher eine wichtige, wenn nicht die wichtigste Funktion von thalabus sein.
Produkt-Daten und -Kataloge
Ihre Produktdaten liegen in unterschiedlicher Form, Qualität, Sprache, Medien, etc. vor? Ihre Organisation verwendet viel Geld und Arbeit auf die Überprüfung, Vereinheitlichung, Qualitätssicherung und Präsentation dieser Daten auf?
Die Verteilung der Daten in die Zielsysteme und Produktkataloge ist aufwändig und benötigt ebenfalls viele manuelle Korrekturen?
Dann ist das ein Fall für thalabus!
thalabus baut automatisch Anwendungsfall-spezifische Ontologien und Graph-Datenbanken auf. Diese dienen auch dem Abgleich, der Vereinheitlichung und der Qualitätssicherung der eingelesenen Daten. Auf Basis der erkannten Merkmale von verschiedenen Produkt-Kategorien kann thalabus auch automatisch die Produkte klassifizieren. Beispielsweise werden die Attribute Diameter, Länge, Gewicht, Material etc. von Holzpfosten, Schrauben, Münzen u.ä. aus Text, Datenbanken oder Bildern extrahieren und dem jeweiligen Produkt zuordnen.
Auf der anderen Seite gibt die semantische Suche dem Benutzer die Möglichkeit mit seinen eigenen Begriffen zu suchen, obwohl in den Datenquellen vielleicht andere Begriffe verwendet wurden. Ein typisches Beispiel dafür ist auch die Verwendung unterschiedlicher Nummerierungs-Systeme vom Markenproduzenten, OEM Herstellern und dem eigenen ERP System.
e-Commerce
Sprachmodelle wurden hier bisher aus Kostengründen nicht zur Suche eingesetzt. Auch für die Datenaufbereitung arbeiten die meisten Systeme mit klassischem ML, Algorithmen und klassischen Programmierung.
thalabus hat den Vorteil, dass Fragen in kleine Elemente zerlegt werden, und die Suche über die Vector/Graph-Datenbank sehr effizient ist. Die Zusammenfassung erfolgt dann in einem kostengünstigen, lokalen Sprachmodell. (siehe auch den e-commerce Flyer)
Sammler-Objekte
In vielen Bereichen von Sammlern werden die Daten und Kataloge von Freiwilligen und ohne grosses IT Budget verwaltet. Dort wo spezialisierte Firmen die Daten verwalten werden sie auch als wichtiges IP eingestuft und die Verwendung restriktiv gehandhabt.
Weil thalabus die Arbeit für Kataloge quasi selbstständig macht, können wir sie Vereinen und anderen Interessenten zum Selbstkosten-Preis anbieten. (siehe auch den Collectibles Flyer)
Scanning, OCR++, Dokumenten-Analyse
Papierloses Büro? Digitalisierung? Viele arbeiten immer noch daran. Tatsächlich liegen sehr viele Daten immer noch auf Papier vor. Um sie digital verarbeiten zu können, müssen sie gescannt und digitalisiert werden.
Mit klassischen OCR-Libraries funktioniert das Einlesen von gescannten Bildern nicht schlecht. AUSSER die Druck-/Copier-Qualität ist schlecht. Hier hilft der Einsatz von KI genauso wie beim Verarbeiten der generierten Buchstaben-Sequenzen. Mit KI können auch Problemfälle wie richtige Sequenzierung von mehrspaltigen Texten, Bild- und Tabellen-Verarbeitung unterstützt werden.
Dank eines spezialisierte Partners können wir dies ebenfalls anbieten.
Die auf Scanning spezialiserte thalabus Instanz unterstützt folgende Funktionen
- Unleserlicher Dokumente: klassische OCR-Libraries lesen Buchstaben nach Buchstaben – das funktioniert bei schlechter Qualität nicht. Unser Partner hat es mit Fine-Tuning eines spezialisierten Modells möglich gemacht: wir können Texte lesen, die für das menschliche Auge unleserlich sind.
- Sequenzialisierung: auch Texte in Spalten und separaten Boxen werden richtig in PDF umgesetzt.
- Informationen in Bildern: werden erkannt, die Bilder ebenfalls beschrieben
- Tabellen: werden sowohl in Scan-Images, wie auch in PDF Dateien richtig erkannt
- Formular-Extraktion: Daten von maschinell oder handschriftliche gefüllten Formularen werden ins gewünschte Format extrahiert (CSV, EXCEL, SQL etc.)
Anschliessend kommen natürlich die «normale» Funktionen der KI zum Einsatz: Indexieren, Zusammenfassen, Analysieren, Fragen beantworten etc.
thalabus wird damit zum Self-Service Portal im Unternehmen.
KI-unterstützte Unternehmensarchitektur
Unternehmesarchitektur heisst Best-Practice-IT-Management. t2b berät kleine, mittlere und grosse, nationale und multinationale Firmen sowie auch Behörden zum Thema Unternehmens-(IT)-Architektur. Mit KI können wir dabei die Architekten bei der Datensammlung, -Klassifikation und -Aufbereitung unterstützten. Aber insbesonderen können wir den Zugriff auf diese Informationen für alle Interessenten wesentlich vereinfachen.
thalabus ist bereits für Enterprise Architektur Management vorkonfiguriert und enthält die entsprechenden Ontologien aus TOGAF, Archimate und kann durch Unternehmens-Spezifische Notation und Ontologie ergänzt werden. Einer der wichtigsten Anwendungsfälle ist hierbei die Qualitätssicherung der Daten beim Einlesen.
EAM-Systeme und Um-System
Die Integration der verschiedenen Systeme im EAM System über den gesamten Lifecycle erlaubt eine gesamthafte Sicht auf Projekte, Systeme und Prozesse. thalabus liest die Daten aus dem EAM-System (Mega etc.), dem Projektmanagement-System (Jira etc.), dem Versionskontroll-System (GIT etc.) und den verschiedenen Dokumenten-Systemen (Confluence etc) und führt diese zusammen.
Damit kann die Daten-Pflege und -Abfrage wesentlich erleichtert werden.
thalabus kann die Antworten aus seiner lokalen Kopie der Daten erstellen, aber auch Funktionen/Graphiken/Tabellen der angebundenen System direkt aufrufen. So wird die Suche nach dem richtigen Quellsystem und dem richtigen Report innerhalb dieses Systems wesentlich vereinfacht.
thalabus wird damit zum Portal für alle Architektur-Artefakte im Unternehmen.
Sicherung der Daten-Qualität
Sind Daten aus unterschiedlichen Quellen immer konsistent? Das ist in den seltensten Fällen garantiert. Bei der Zusammenführung der Daten wird thalabus Inkonsistenzen entdecken. Wir empfehlen, das System so zu parametrisieren, dass es einfache Fehler selbst korrigiert und schwierige an einen User-Workflow übergibt. Es wird auf jeden Fall immer annotiert und eine Liste der «Änderungen» geführt, sodass sich die Unterschiede zu Quell-Daten klar erkennen lassen,
Wir empfehlen, Datenfehler immer in den Quell-Systemen korrigieren zu lassen. Natürlich kann thalabus das auch übernehmen respektive unterstützen.
Für manche Organisationen wird die Unterstützung der Sicherung der Daten-Qualität sicher eine wichtige, wenn nicht die wichtigste Funktion von thalabus sein.