Made in Baden-Württemberg
Erstes Pilotprojekt gesucht
Ihre KI hat Ihre Daten. Geben Sie ihr jetzt Ihr Verständnis.
Folaint baut den Ihres Unternehmens, der in der Ontologie aus Strukturen und Standards Ihrer Branche verankert ist. Ihre Fachleute geben die Regeln frei. KI schlägt dort nach, bevor sie Ihre Fragen beantwortet und Ihre Aufträge ausführt. Sie rät nicht. Das Ergebnis gehört Ihnen.
Sie planen Gebäude oder Gebäudetechnik? Dann sind Objektplanung und TGA der genauere Einstieg.
Drei Fragen, die heute Tage kosten
Drei Arten von Frage, aus jedem Industrieunternehmen. Das Prinzip ist immer gleich: Was heute Tage kostet, wird in Sekunden beantwortet, und jeder Teil der Antwort verweist auf das Dokument, aus dem er stammt.
Jede davon ist in zehn Minuten beantwortet. Wenn man weiß, wo man nachsieht.
Illustrative Beispiele. Namen, Zahlen und Dokumente sind fiktiv.
Jedes gängige Format, verbunden mit Ihrem Wissensgraphen.
PowerPoint, Excel, PDFs, SAP und die Werkzeuge, mit denen Sie ohnehin arbeiten: Folaint liest die Formate und Systeme ein, in denen Ihre Teams leben, und macht daraus einen einzigen, kontrollierten Wissensgraphen. Neue Konnektoren kommen mit jedem Release dazu.
Alle Produktnamen und Marken sind Eigentum ihrer jeweiligen Inhaber. Die Namen dienen ausschließlich der Beschreibung der Kompatibilität als Datenquelle und implizieren keine Verbindung oder Empfehlung.
Die drei Fragen von oben, geprüft an den üblichen Mitteln.
Die zwei üblichen Mittel sind eine Kontextdatei (Anweisungen im Prompt) und RAG, eine Top-k-Nächste-Nachbarn-Suche über Vektor-Embeddings. Beides hilft. Keines übersteht die drei Fragen, die Sie gerade gesehen haben.
Nicht das Modell ist zu schwach. Die Frage steht nur nirgends ganz.
„In welchen ausgelieferten Maschinen steckt Ventil V-220?“
Vektorsuche sortiert nach Ähnlichkeit. Sie zählt nicht auf.
Das übliche MittelDie Suche liefert die 10 bis 20 ähnlichsten Textstellen: Sie findet das Passendste, nicht alles.
Was es brauchtEine vollständige Abfrage: dem Stücklisten-Graphen folgen und alle 47 Maschinen liefern, mit dem Nachweis, dass es keine 48. gibt.
Fast alle ist nicht alle. Bei einem Produktrückruf ist „wahrscheinlich die meisten“ eine falsche Antwort.
„Wie viel hängt bei uns wirklich schon an Brandt?“
Die Suche holt nur, was schon dasteht. Das hier muss berechnet werden.
Das übliche MittelDie 4,2 Mio. € stehen in keinem Dokument. Die Suche liefert nur Text, der schon existiert.
Was es brauchtDrei Lieferantennamen aus drei Systemen als eine Gruppe erkennen und dann das Volumen zusammenrechnen: erst zuordnen, dann über den Graphen verbinden.
Eine Suche kann nur zurückgeben, was irgendwo steht, und diese Zahl stand nirgends.
„Das Controlling sagt 14 %, der Vertrieb 19 %. Welche Marge stimmt?“
Ein Prompt ist ein Hinweis, keine Regel.
Das übliche Mittel„Netto nach Erstattungen“ ist nur ein Hinweis im Prompt; das Modell kann trotzdem die Vertriebstabelle stärker gewichten und 19 % antworten.
Was es braucht„Marge“ wird zu einer festen Kennzahl: eine verbindliche Formel mit Verantwortlichem, Version und Regeln, an denen jede Antwort geprüft wird.
Anweisungen, die das Modell ignorieren darf, sind keine Kontrolle, und niemand hält tausend davon in einer Datei aktuell.
Kontextdatei und RAG geben Ihrem Modell mehr Text. Folaint gibt ihm geprüfte Fakten, vollständige Beziehungen und durchgesetzte Definitionen, die es abfragen kann.
Ihre KI kann nicht über Zeilen schlussfolgern. Über eine Landkarte der Bedeutung schon.
Ein gibt Ihrer KI Entitäten, Beziehungen und Regeln, denen sie folgen kann: verankert in den veröffentlichten Standards Ihrer Branche, nicht nur in Mustern aus vergangenen Daten.
Eine Liste weiß, was drinsteht. Ein Graph weiß, was daraus folgt.
Lebendiger Graph: Ziehen Sie einen Knoten, gestrichelte zeigen beim Hover, was dahintersteckt.
Was die Begriffe wirklich bedeuten.
In Standards verankert, nicht auf Präzedenzfälle gestützt.
Er erfasst Unterscheidungen, die in Ihren Daten nie vorkamen, die Regulierung aber verlangt. Eine und -Regeln machen die Bedeutung explizit und überprüfbar.
Offen, kein privater Dialekt.
Aufgebaut auf Standards, die Sie lesen, exportieren und behalten können, nie eine Blackbox, die nur wir deuten können.
- Wissensgraph
- Ein Netzwerk von Entitäten (Kunden, Verträge, Bestellungen), verbunden durch typisierte Beziehungen. Im Gegensatz zu Datenbankzeilen trägt jede Verbindung eine definierte Bedeutung, der eine KI folgen und schlussfolgern kann.
- Ontologie
- Ein formales Vokabular für eine Domäne: Entitätstypen, Eigenschaften und erlaubte Beziehungen. Ein Schema für Bedeutung, nicht nur für Daten: „Ein Vertrag muss eine Gegenpartei vom Typ Kunde haben.“
- Triple
- Die kleinste Tatsache im Wissensgraphen: Subjekt, Beziehung, Objekt. „Vertrag 2024-117, hat Gegenpartei, Acme GmbH.“ Die Extraktion aus Ihren Dokumenten läuft in zwei Durchgängen, zuerst die Entitäten, dann die Beziehungen dazwischen, und jedes Triple speichert Quelldokument, Seite und Zeitstempel seiner Herkunft.
- Kompetenzfrage
- Eine konkrete Frage, die der Graph beantworten können muss, gesammelt mit Ihren Fachleuten, bevor irgendetwas gebaut wird: „Welche Lieferanten sind Einzelquelle für ein kritisches Teil?“. Jede wird mit einer Testabfrage hinterlegt. Nach jeder Änderung an der Ontologie laufen alle erneut, ein Regressionstest für Bedeutung.
- SHACL
- Shapes Constraint Language: ein W3C-Standard für maschinenlesbare Regeln. Wenn eine Compliance-Regel besagt, dass jeder Lieferant eine Risikobewertung haben muss, markiert SHACL automatisch jeden, der keine hat.
- Offene Standards
- Das W3C veröffentlicht die vollständigen Spezifikationen für RDF, OWL und SHACL. Jeder Entwickler kann sie lesen und implementieren. Ihr Datenmodell ist nie proprietär. Sie können es exportieren, prüfen und ohne uns weiterverwenden.
Zwei Assets, die Ihnen gehören. Jede Tür, die sie öffnen.
Am Ende des Prozesses halten Sie einen , der Ihre Domäne abbildet, und eine , die ihn regelt. Beides in offenen Formaten auf Ihrer Infrastruktur. Unten sehen Sie die Möglichkeiten, die sich Ihnen eröffnen, unabhängig von der KI-Schicht, die Sie als Nächstes wählen.
Entitäten, Beziehungen und Verbindungen, die Ihre KI traversieren und nachvollziehen kann.
Die Definitionen, Regeln und Governanceschicht, die jede Tatsache im Graphen verlässlich macht.
Jede KI-Schicht speisen
Ihr LLM, Ihre -Pipeline und Ihre Agenten schöpfen alle aus demselben gepflegten Graphen. Neue Werkzeuge lassen sich jederzeit anbinden. Die aufgebaute Bedeutung ist in jeder Schicht wiederverwendbar.
Jede Ausgabe auditieren und zertifizieren
Jede graphbasierte Antwort trägt einen Begründungspfad zurück zum Quelldokument und zur bestätigenden Fachperson. Compliance-Prüfungen und regulatorische Audits werden zum Nachschlagen, nicht zur Ermittlung.
Ein Datensatz in jedem System
Entitätsauflösung gibt jedem Kunden, jedem Produkt und jedem Asset eine einzige kanonische ID. CRM, ERP und Helpdesk hören auf zu widersprechen. Master-Data-Governance entsteht als Nebeneffekt des Graphen.
Modelle tauschen, Arbeit behalten
Die erfasst, was Ihre Domäne bedeutet. Wechseln Sie LLM-Anbieter, aktualisieren Sie Versionen oder fügen Sie neue Reasoning-Engines hinzu. Ihre Investition in den Graphen überdauert jede Modellgeneration.
Offene Formate, volle Portabilität
Graph und werden als Standard-RDF/OWL gespeichert. Exportieren, hosten, übergeben oder migrieren Sie sie jederzeit. Kein proprietäres Format hält Sie zurück.
Ein wachsendes Wissens-Asset
Jede Expertenüberprüfung schärft die . Jede aufgelöste Entität verdichtet den Graphen. Anders als statistische Modellgewichte kodiert dieses Asset bewusste Entscheidungen und akkumuliert Wert, während sich Ihre Domäne weiterentwickelt.
Wenn das Modell wechselt, verschwindet die Bedeutung. Ihr Wissensgraph und Ihre Ontologie bleiben. Beides gehört Ihnen, in offenen Formaten. Mieten Sie Intelligenz, wo Sie wollen. Die Bedeutung besitzen Sie mit uns.
Intelligenz können Sie überall mieten. Die Bedeutung gehört dauerhaft Ihnen.
Und wie kommt das in Ihr Haus?
Fünf Schritte, eine automatisierte Pipeline und Ihre Fachleute an genau drei Freigabetoren. Das Erklärvideo und die Mechanik hinter jedem Schritt stehen auf einer eigenen Seite.