Aivi arbeitet mit strukturierten Wissenseinheiten und Beziehungen. Der Fokus liegt darauf, Antworten nicht nur sprachlich zu erzeugen, sondern sie auf nachvollziehbare Wissensgrundlagen zurückzuführen.
Wissen wird nicht als undifferenzierter Textblock behandelt, sondern in klar abgegrenzte Einheiten überführt. So lässt sich einzelnes Wissen prüfen, verknüpfen und gezielt heranziehen — statt es in einem unstrukturierten Modell zu verlieren.
Einheiten stehen nicht isoliert, sondern in benannten Beziehungen zueinander. Diese Verbindungen bilden das Netz, entlang dessen Aivi Zusammenhänge herstellt und Schlüsse zieht.
Der Weg von der Frage zur Antwort wird als nachvollziehbarer Pfad sichtbar. Welche Wissenseinheiten und Beziehungen wurden genutzt? Diese Sichtbarkeit ist der Kern von „Visible Inference".
Aivi behandelt Nicht-Wissen als eigenständige Information. Fehlt eine Grundlage oder ist sie unsicher, wird das offengelegt — statt eine plausible, aber unbegründete Antwort zu erzeugen.
Die sprachliche Ausgabe ist an die zugrundeliegenden Wissensgrundlagen gebunden. Ziel ist eine Antwort, die sich auf Nachvollziehbares stützt, statt frei zu formulieren, was überzeugend klingt.
Bewusst zurückhaltend. Aivi befindet sich in eigenständiger Forschung und Entwicklung. Ausgewählte Prinzipien und Fortschritte werden öffentlich beschrieben. Vollständige Architektur, konkrete Algorithmen, interne Strukturen und Trainingsdaten sind nicht öffentlich zugänglich.
Anwendungsfelder von Bildung über Forschung bis zu sensiblen Umgebungen.
Zur Vision