Künstliche Intelligenz war das Schlagwort des letzten Jahres, wir haben es alle mal ausprobiert und waren beeindruckt - aber was nun? Wir sehen KI und Generative KI nicht als ein Schlagwort, das wir uns gerne auf die Fahnen schreiben, sondern als nützliches Werkzeug für unsere Arbeit und Ihre Webseiten.
Anwendungsbeispiele für Webseiten (Drupal)
- Vorschläge und Verbesserungsvorschläge für Texte und Text-Abschnitte
- Erstellung von Texten in leichter Sprache
- Chat-Bots
- LLM-Assistenzsysteme statt oder neben einer klassischen Suche
- Generierung von Bildbeschreibungen und Alternativtexten für Barrierefreiheit
- Generierung von Tags und Taxonomiebäumen
- Übersetzungsassistenz oder Vollübersetzungen
Erfahren Sie mehr über die Anwendungsmöglichkeiten in Drupal!
Eigener KI-Server
Wir bieten digital souveräne KI-Server auf Open Source Basis mit Benutzeroberfläche, Rechteverwaltung, mehreren LLMs, eigenen KI-Agenten (z.B. zum Auslesen von Webseiten oder externen Datenbanken) und Vektor-Datenbanken als schlüsselfertiges Produkt.
Der KI-Server liefert Chat-Bots, die Sie als Snippet in Ihre bestehenden Webseiten oder Ihr Intranet einbinden können.
Mit dem KI-Server können Sie eigenständig Daten und Dateien abspeichern und für Ihre eigene Suche oder Chat-Bots verfügbar machen.
Sie können alle Prompts, Datenströme und Abfragen steuern und so für Ihre eigene Organisation nutzbar machen, beispielsweise als interne Knowledge-Base, Recherche-Tool oder zum Erstellen von Texten abgestimmt auf Ihre Organisation.
Digitale Souveränität
Im Sinne Digitaler Souveränität betreiben wir eigene KI-Server und setzen unterschiedliche LLMs für den jeweiligen Anwendungszweck an.
Wir betreiben Server für Vektor-Datenbanken, so dass Daten für den Abruf von KI-Systemen bei uns datensouverän gespeichert werden können, beispielsweise für Ihre eigene RAG-Anwendung.
Wir betreiben selbst gehostete Workflow-Tools, um auch komplexe KI-Vorgänge inkl. Agenten und MCP-Servern und -Clienten anzusprechen.
Durch die Schnittstellen der Drupal-Module können mit wenig Aufwand auf Kundenwunsch auch externe proprietäre Systeme eingebunden werden.
Wir achten darauf, KI-Systeme verantwortungsbewusst und gemäß der KI-Verordnung (EU) einzusetzen und besprechen mit Ihnen auch gerne die ethischen Aspekte.
KI-Glossar
-
Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von IT-Systemen, Aufgaben auszuführen, die normalerweise menschliches Denken erfordern. Dazu gehören das Lösen komplexer Probleme, das Erkennen von Mustern und das Treffen von Entscheidungen auf der Grundlage von Daten. KI-Systeme nutzen Algorithmen und maschinelles Lernen, um aus großen Mengen an Daten zu lernen und Vorhersagen zu treffen.
-
Systeme mit Generativer Künstlicher Intelligenz (Generative AI, GenAI) sind in der Lage, neue Inhalte zu erstellen, die menschlichen Erzeugnissen ähneln. Dies können Texte, Übersetzungen, Bilder, Musik und andere Medien sein. Für den jeweiligen Einsatzzweck werden spezielle Modelle benötigt, die auf diesen Einsatz-Zweck trainiert wurden. Es gibt auch spezielle Modelle, mit denen Programm-Code erzeugt werden kann.
-
Ein Large Language Model (LLM) ist ein Sprachmodell, das mit großen Mengen Textdaten trainiert wird, um natürliche Sprache zu verstehen und zu generieren. LLMs nutzen maschinelles Lernen und neuronale Netzwerke, um Muster in der Sprache zu erkennen und darauf basierend sinnvolle Antworten oder Texte zu erstellen. Sie werden in verschiedenen Anwendungen eingesetzt, darunter Chatbots, Übersetzungsdienste, Textverarbeitung und künstliche Intelligenz-Assistenten.
-
Retrieval Augmented Generation (RAG) ist ein Ansatz in der Künstlichen Intelligenz, bei dem ein Sprachmodell durch zusätzliche Informationen aus einer externen Datenbank oder einem Wissensspeicher ergänzt wird. Im Gegensatz zu traditionellen Sprachmodellen, die nur auf ihrem internen Wissen basieren, nutzt RAG eine Retrieval-Komponente, um relevante Informationen abzurufen und diese dann in den Generierungsprozess einzubeziehen. Dies ermöglicht es dem Modell, präzisere und aktuellere Antworten zu liefern, insbesondere bei Fragen, die spezifisches Wissen erfordern.
Mithilfe von RAG kann beispielsweise eine Chat-Bot einer Webseite mit zusätzlichen Informationen aus den Datenbanken der Webseite gespeist werden.
-
Semantische Suche ist ein Ansatz zur Informationssuche, der darauf abzielt, die Absicht und den Kontext hinter einer Suchanfrage zu verstehen, anstatt nur nach Schlüsselwörtern zu suchen. Im Kontext von Künstlicher Intelligenz (KI) nutzt semantische Suche fortschrittliche Algorithmen und maschinelles Lernen, um die Bedeutung der Worte und Sätze in einer Anfrage zu analysieren. Dies ermöglicht es dem System, relevantere und präzisere Ergebnisse zu liefern, da es nicht nur die Übereinstimmung von Schlüsselwörtern berücksichtigt, sondern auch den semantischen Zusammenhang und die Absicht der Anfrage.
Technische Basis einer semantischen Suche ist die Verwendung von LLMs und Vektor-Datenbanken.
-
Vektor-Datenbanken sind spezialisierte Datenbanksysteme, um Daten als hochdimensionale Vektoren effizient zu speichern und abzufragen. Im Gegensatz zu traditionellen Datenbanken sind Vektor-Datenbanken darauf optimiert, ähnlichkeitssuchende Abfragen durchzuführen. Sie verwenden Algorithmen wie k-nearest neighbors (k-NN) oder Approximate Nearest Neighbors (ANN), um die nächsten Nachbarn eines gegebenen Vektors zu finden. Diese Datenbanken sind besonders nützlich in Anwendungen, die auf maschinellem Lernen und Künstlicher Intelligenz basieren, wie z.B. Bild- und Spracherkennung, Empfehlungssysteme und natürliche Sprachverarbeitung.
Die Umwandlung von Daten in Vektor-Daten (das sogenannte Embedding) geschieht mit spezialisierten LLMs.
-
KI-Agenten sind Systeme, die selbstständig Aufgaben in einer bestimmten Umgebung erfüllen können. Sie nutzen Künstliche Intelligenz (KI) und maschinelles Lernen, um Entscheidungen zu treffen und Handlungen vorzunehmen. Mit KI-Agenten können beispielsweise automatisch Texte geprüft oder in Social Media Plattformen gepostet werden.
-
Mithilfe von Workflow-Tools können komplexe Vorgänge ohne aufwändige Programmierung realisiert werden. Beispiele: die Verarbeitung und Weitergabe von Webformular-Eingaben an externe Dienste oder eine mehrstufige Beantwortung von Suchanfragen mittels LLM und mehreren Datenbanken.
-
Das Model Context Protocol (MCP) ist der neue Standard, mit dem KI-Agenten und andere System-Komponenten miteinander kommunizieren können. Dadurch ist es möglich, Agenten mit vielfältigen Aufgaben zu erstellen.
Für Drupal stehen Module zur Verfügung, um als MCP-Server oder als MCP-Client agieren zu können.