Interpretable AI: das KI-Modell für regulierte Unternehmen

Reasoning-Modelle sagen nicht immer, was sie denken. Unseres schon.

FORSCHUNGSPAPIER
Reasoning-Modelle sagen nicht immer, was sie denken
Anthropic
Zum Paper →
Wer es nutzt

Gemacht für regulierte Branchen

€ Versicherungs-Underwriting & Preisgestaltung

Prüfen Sie die Felder und Abfragen hinter jeder Prämienberechnung.

Kreditbewertung

Prüfer sehen, wie ein Ergebnis aus den Antragsdaten berechnet wurde.

Gesundheitswesen & Leistungsanspruch

Prüfen Sie die Regeln und Zeilen hinter jedem Ergebnis zur Anspruchsberechtigung.

Warum Interpretierbarkeit

Generative KI

Interpretable AI

Blackbox

Blackbox

Generative KI ist wie ein Außerirdischer, der den gesamten Text im Internet gelesen und sich seine eigene innere Darstellung ausgesucht hat, um Farbe zu "sehen". Diese Darstellungen heißen Dimensionen und wir wissen nicht, was sie bedeuten. Die Frequenz des Lichts könnte seine Dimension sein oder etwas, das wir nicht verstehen. Ebenso wenig wissen wir, wie er die Wörter deutet, die wir zu ihm sagen.

Verständlich

Verständlich

Menschen sehen Braun als Rot, Grün und Blau über drei Zapfentypen im Auge. Prereasoner wird genauso trainiert. Seine Dimensionen sind nach schema.org-Eigenschaften wie Land und Währung benannt. So lassen sich Frage und Antwort auf diese Eigenschaften in unserem Modell zurückführen.

Unvorhersagbar

Unvorhersagbar

Generative KI sagt das wahrscheinlichste nächste Wort voraus. Beim ersten Mal kann sie ein Wort wählen, beim zweiten Mal ein anderes. Das macht sie in Chatbots menschenähnlich. In einer Finanzberechnung heißt es aber, dass dieselbe Frage eine andere Zahl liefern kann.

Vorhersagbar

Vorhersagbar

Prereasoner wandelt eine Frage in benannte Dimensionen um, etwa "SUM" von "SALES" in "FRANCE". Daraus wird deterministisch eine SQL-Abfrage oder Python-Code. Beim Ausführen berechnet die Datenbank oder der Code die Zahl. Mit denselben Daten erhalten Sie dieselbe Abfrage und dieselbe Antwort.

Warum wir

Benannte Dimensionen, kein Konfidenzwert

Ein Konfidenzwert für das nächste Wort ist keine Begründung. Prereasoner zeigt die SQL-Abfrage, die es ausgeführt hat, warum diese Abfrage gewählt wurde, und die Zeilen hinter der Antwort. Ein Prüfer kann jeden Schritt und die Berechnung prüfen und die Antwort dann annehmen oder ablehnen.

Benannte Dimensionen, kein Konfidenzwert
Ein Stellvertreterfeld kann sich nicht in der Abfrage verstecken

Ein Stellvertreterfeld kann sich nicht in der Abfrage verstecken

Ein undurchsichtiges Modell kann eine Versicherungsprämie anhand einer Adresse oder eines anderen Stellvertreterfelds festlegen, das niemand prüfen kann. Hier kommt die Zahl aus einer Abfrage. Wird eine Spalte in einem Filter, Join oder einer Berechnung verwendet, steht sie im SQL, sodass ein Prüfer sie finden und hinterfragen kann.

Transparenz bis zum Quellcode

Die Engine steht unter Apache 2.0 und die Gewichte sind veröffentlicht. Der Code zeigt, wie jede Dimension definiert ist und wie das Modell trainiert wurde. Ihr Prüfer muss uns nicht glauben, wie das Modell schlussfolgert. Er kann die einzelnen Denkschritte lesen und ebenso unseren Quellcode.

Transparenz bis zum Quellcode
Was ein Prüfer kontrollieren kann
Was ein Prüfer brauchtGenerative KIPrereasoner
Erklären, warum eine Entscheidung getroffen wurdeEine generierte Erklärung, die womöglich nicht stimmtDie Herleitung selbst: SQL-Abfrage, Schritte und Zeilen
Die Antwort für einen Prüfer reproduzierenKann je nach Sampling variierenGleiche Abfrage und Antwort bei gleichen Daten und gleichem Setup
Sehen, welche Felder das Ergebnis bestimmt habenIm Modell nicht sichtbarJede verwendete Spalte steht in der Abfrage
Wissen, woher eine Zahl kommtVom Modell geschriebenVon der Datenbank berechnet aus Ihren Zeilen
Mit einer Frage umgehen, die die Daten nicht beantworten könnenAntwortet trotzdem meistensFragt nach in unterstützten Fällen
Regulierte Daten in Ihrer eigenen Cloud behaltenHängt vom Anbieter abSelbst hostbar in Ihrem eigenen Cloud-Projekt

Unsere Produkte

Strukturiertes RAG für Ihre CSV-Daten

Vektor-RAG beantwortet "Umsatz in Frankreich" nach Ähnlichkeit, sodass Kehl, eine deutsche Stadt neben Straßburg, als Frankreich gezählt werden kann. Strukturiertes RAG verknüpft Ihre Stadtspalte mit einer Ländertabelle aus Wikipedia, sodass die Frage zu einem SQL-Join wird, den Sie lesen können.

Paris und Straßburg sind mit Frankreich verbunden, Berlin mit Deutschland. Kehl liegt neben Straßburg, mit einem Fragezeichen zwischen den beiden Ländern.
Terminal, das Prereasoner klont und in Ihrem eigenen Cloud-Projekt bereitstellt

Betreiben Sie die offene Engine auf Ihrer eigenen CPU

Ein Anbieter kann ein gehostetes Modell ohne Ihr Wissen ändern. Der Apache 2.0-Quellcode und die offenen Gewichte von Prereasoner laufen auf CPU. Ein geführtes Skript stellt sie in Ihrem eigenen Google Cloud-Projekt bereit.

Stellen Sie Fragen zu Ihren Daten in Microsoft Excel

Sie können eine Zahl von einer KI nicht prüfen, wenn Sie nicht sehen, wie sie zustande kam. Fragen Sie in normalem Englisch und jede Antwort kommt mit der Abfrage, die auf Ihrer Tabelle lief.

Excel-Antwort mit ihren Zeilen und ihrer Abfrage
Frage zu einer Google-Tabelle mit Berechnung und Antwort

Stellen Sie Fragen zu Ihren Daten in Google Sheets

Ein KI-Chat gibt Ihnen eine Zahl ohne den Rechenweg dahinter. Fragen Sie Ihre Google-Tabelle in normalem Englisch und sehen Sie Schritt für Schritt, wie die Antwort berechnet wird.

Kostenlos starten

Wenn eine falsche Zahl zur Haftungsfrage wird, können Sie keine KI nutzen, die rät

Prereasoner zeigt die Abfrage und die Zeilen hinter jeder Antwort.