ContextChat 2.0 soll Enterprise-AI nachvollziehbar machen

Die Abbildung zeigt die Benutzeroberfläche von ContextChat 2.0 auf einem Laptop. Links sind Textinformationen zu finden, während rechts ein Diagramm die Ausgaben für Forschung und Entwicklung darstellt. Die Anwendung bietet modulare Skills und Live-Abfragen aus Unternehmenssystemen. — Moresophy

Das Münchner KI-Unternehmen moresophy hat jetzt ContextChat 2.0 vorgestellt. Die Lösung erweitere die Enterprise-KI-Anwendung um modulare Skills, Live-Abfragen aus Unternehmenssystemen, optionale Wissensmodule und eine schrittweise Herleitung der Ergebnisse. Damit bearbeite ContextChat nicht nur einzelne Fragen zu Unternehmensdaten, sondern durchlaufe vollständige Bearbeitungsprozesse: von der Analyse einzelner Informationen über deren Synthese zu einer Gesamteinschätzung bis zur Planung und Umsetzung konkreter Schritte.

Das setze bei einem zentralen Problem im Unternehmenseinsatz von KI an: Geschäftskritische Antworten stünden selten fertig in einem einzelnen Dokument. Die relevanten Informationen würden sich meist auf Verträge, Berichte, Datenbanken und operative Systeme verteilen. ContextChat führe diese Daten zusammen, ordne sie fachlich ein, prüfe Vorgaben und beziehe aktuelle Informationen ein.

Die nächste Phase der Unternehmens-KI entscheidet sich nicht an immer größeren Modellen, sondern daran, ob Unternehmen ihre Daten und deren Bedeutung beherrschen. Wer nicht zeigen kann, welche Daten, Regeln und Berechnungen zu einem Ergebnis geführt haben, kann geschäftskritische Entscheidungen nicht verantwortbar automatisieren. ContextChat 2.0 macht genau diese Herleitung sichtbar.“

Prof. Dr. Heiko Beier, Gründer und Geschäftsführer von moresophy

Skills machen fachliche Fähigkeiten wiederverwendbar

Nutzer könnten in ContextChat 2.0 Assistenten für konkrete Aufgabenfelder einrichten, etwa für Ausschreibungen, die Schadensbearbeitung in der Versicherung oder die Framing-Analyse von Medienberichten. Jeder Assistent verbinde mehrere Skills zu einem durchgängigen Bearbeitungsprozess. Ein Skill übernehme dabei eine klar umrissene fachliche Aufgabe.

Für jeden Skill lasse sich festlegen, welche Fragen er bearbeiten soll, welches Fachwissen und welche Prüfkriterien gelten und welche Datenquellen, Modelle oder zusätzlichen Ressourcen er benötigt. Einmal eingerichtet, könnten Unternehmen diese Bausteine in verschiedenen Assistenten wiederverwenden. Die Entwicklungsumgebung unterstütze automatisierte Tests und Versionierung für robuste, auditierfähige KI-Prozesse.

Fachverantwortliche könnten bestehende Skills im No-Code-Verfahren an ihre Anforderungen anpassen. Die datengetriebene Orchestrierung übernehme DAPHY, die Steuerungstechnologie von moresophy. DAPHY verbinde die vorgesehenen Skills mit den jeweils relevanten Daten und führe sie passend zur Anfrage zusammen. Der Anwender müsse dafür weder programmieren noch jeden Prozessschritt als Workflow vorgeben.

Live-Daten ergänzen die Dokumentenanalyse

Viele Enterprise-KI-Anwendungen würden auf Retrieval-Augmented Generation (RAG) setzen. ContextChat 2.0 (Website) gehe darüber hinaus: Die Plattform verbinde Dokumente mit Datenbanken, ERP-Systemen und weiteren Fachanwendungen. Während der Bearbeitung frage sie aktuelle Informationen direkt aus den angebundenen Systemen ab. Diese Multi-Source-Fusion verknüpfe die relevanten Datenpunkte zu einer gemeinsamen Auswertung.

Die Multi-Source-Fusion von ContextChat 2.0 bleibe darüber hinaus nicht auf den Einzelfall beschränkt. Dank der zugrundeliegenden ContextSuite-Architektur lasse sich dieselbe Fachlogik auch auf ganze Bestände anwenden – über einzelne Fälle, Verträge oder Berichte hinweg. Damit ermögliche ContextChat Analysen auf Portfolioebene, die mit klassischen KI-Agenten nur schwer zuverlässig über große Datenbestände hinweg umsetzbar seien.

Ein Versicherer könne so zum Beispiel nicht nur eine einzelne Klausel prüfen, sondern ganze Vertragsportfolios auf systematische Risiko- oder Kostenmuster hin auswerten. Diese Portfolioebene eröffne eine Auswertungstiefe, die mit dokumentenbasierten Einzelanalysen bislang nicht erreichbar gewesen sei.

Die Herleitung zeigt mehr als eine Quellenliste

Die KI-Lösung mache den Bearbeitungsweg in einer neuen Herleitung sichtbar. Sie zeige Schritt für Schritt, welche Begriffe das System geklärt, welche Datenpunkte und Quellen es genutzt, welche Skills und Regeln es angewendet und welche Berechnungen es ausgeführt hat. Anwender könnten einzelne Aussagen damit bis zu ihrer fachlichen und datenbezogenen Grundlage zurückverfolgen.

Fehlende Evidenz und widersprüchliche Informationen würden nicht in einer plausibel klingenden Antwort verschwinden. Hat das Unternehmen eine fachliche Regel für einen solchen Fall hinterlegt, wende ContextChat 2.0 sie an und dokumentiere den Schritt. Greift keine Regel, kennzeichne die Anwendung die Unsicherheit oder den Konflikt für die weitere fachliche Prüfung.

Das sei insbesondere in regulierten Prozessen relevant, in denen Unternehmen automatisierte oder KI-gestützte Bearbeitungsschritte nachvollziehbar dokumentieren und kontrollieren müssen. So blieben auch komplexe Entscheidungsprozesse prüfbar.ft