FAQ & Kontakt
Beginnen Sie mit Ihrem Anwendungsfall
Jede Implementierung beginnt mit den Zielen, die Sie erreichen wollen, den Informationen, die Sie bereits besitzen, den Entscheidungen, die Sie unterstützen müssen, und dem Sicherheitsniveau, das Ihre Organisation verlangt.
Was wir gemeinsam klären können
Sprechen Sie mit uns über eine maßgeschneiderte Implementierung
Ein erstes Gespräch umfasst in der Regel:
- Welche Daten Sie bereits haben
- Welche Erkenntnisse Sie liefern müssen
- Welche Entitäten und Beziehungen relevant sind
- Welche Risiken Sie überwachen müssen
- Welches Sicherheitsniveau erforderlich ist
- Ob das System gehostet, privat, hybrid oder lokal betrieben werden soll
- Wie eine erste Implementierung aussehen könnte
Kontakt aufnehmen
Erzählen Sie uns von Ihren Zielen
Wir melden uns bei Ihnen, um ein Discovery-Gespräch, einen Workshop oder ein Gespräch unter NDA zu vereinbaren. Nichts, was Sie mit uns teilen, verpflichtet Sie zu irgendetwas.
FAQ
Einige Fragen sind als auf Aussagendisziplin geprüft gekennzeichnet – wir sind bewusst zurückhaltend damit, was wir öffentlich formulieren.
Zum Angebot
Ist Causality.tools ein SaaS-Produkt?
Nicht im üblichen Sinne einer Standardlösung für alle. Causality.tools ist ein individuell implementiertes Intelligenzsystem. Jede Kundenimplementierung wird auf die jeweiligen Daten, Sicherheitsanforderungen, Workflows und branchenspezifischen Anforderungen zugeschnitten.
Wie berechnet sich der Preis?
Der Preis richtet sich nach dem Implementierungsumfang. Zu den Faktoren können Datenvolumen, Anzahl der Nutzer, Integrationen, Deployment-Modell, Sicherheitsanforderungen, Reporting-Anforderungen, Anforderungen an Live-Monitoring sowie die Frage gehören, ob Modelle lokal auf kundeneigener Infrastruktur laufen müssen.
Der beste Einstieg ist ein Discovery-Gespräch oder ein Workshop.
Können wir zunächst mit einer Fähigkeit starten?
Ja. Manche Organisationen beginnen mit einer fokussierten Implementierung – rund um Graph RAG, Entitätsintelligenz, Risikoberichte, einen Wissensgraphen oder einen Discovery-Workshop –, bevor sie zu einem umfassenderen System ausbauen.
Funktionsweise
Was ist ein kausaler Wissensgraph?
Ein kausaler Wissensgraph verbindet Entitäten, Ereignisse, Evidenz und Risiken so, dass Nutzer nicht nur verstehen, was verbunden ist, sondern auch, wie ein Faktor mit einem anderen zusammenhängen kann.
In Causality.tools werden Beziehungen aus Ihren Daten aufgebaut, indem Informationen zerlegt, kategorisiert und in vernetzte Strukturen überführt werden.
Was ist Graph RAG?
Graph RAG ist ein Verfahren, das KI-Antworten verbessert, indem Evidenz aus vernetztem Wissen abgerufen wird, statt sich allein auf isolierte Textsuche oder ein generisches KI-Modell zu verlassen. Es hilft, Antworten zu erzeugen, die stärker in den eigenen Informationen der Organisation verankert sind.
Ist das nur ein Chatbot?
Nein. Ein Chatbot kann eine der Schnittstellen sein, aber Causality.tools versteht man besser als Intelligenzebene. Es verbindet Daten, Dokumente, Entitäten, Beziehungen, Geografie, Gedächtnis und Workflows.
Können Ergebnisse auf Evidenz zurückverweisen?
Ja. Causality.tools ist um evidenzverknüpfte Intelligenz herum gebaut. Ergebnisse können so gestaltet werden, dass sie stützende Quellen, Entitäten, Konfidenzwerte und Punkte für die menschliche Prüfung ausweisen.
Wird das System Entscheidungen für uns treffen?
Nein. Causality.tools ist darauf ausgelegt, Expertenentscheidungen zu unterstützen. Es kann überwachen, abrufen, kartieren, zusammenfassen und eskalieren – das menschliche Urteil bleibt zentral.
Welche Datenquellen kann es nutzen?
Mögliche Quellen können Dokumente, Datenbanken, APIs, Tabellen, Webquellen, Nachrichtenströme und interne Systeme umfassen. Die genauen Integrationen werden in der Discovery festgelegt.
Arbeitet das System mit Wahrscheinlichkeiten?
Das System kann Konfidenzwerte vergeben. Wir beschreiben die Plattform in Begriffen begründeter, evidenzverknüpfter Beziehungen und Konfidenz – und sind bei öffentlichen Formulierungen rund um Wahrscheinlichkeit bewusst vorsichtig; sie werden vor Verwendung von unserem technischen Team geprüft.
Was bedeutet „Echtzeit“?
In diesem Kontext bezeichnet es live oder häufig aktualisierte Informationsströme, etwa eingehende Nachrichten- oder Webdaten. Das genaue Aktualisierungsmodell wird im Scoping bestätigt und nicht als feste Latenz zugesagt.
Sicherheit und Deployment
Kann es mit sensiblen Daten arbeiten?
Ja. Die Implementierung kann auf Ihre Sicherheitsanforderungen zugeschnitten werden. Zu den Optionen können gehostete, private, kundenkontrollierte, hybride oder lokale Deployment-Modelle gehören.
Können die KI-Modelle lokal laufen?
Ja. Für Hochsicherheits-Anwendungsfälle können LLMs auf dedizierter lokaler Infrastruktur im Eigentum des Kunden laufen – vorbehaltlich Scoping, Hardwareanforderungen und Preisgestaltung.
Unterstützen Sie Confidential Computing?
Causality.tools kann, wo angemessen, mit Confidential Computing und Trusted-Execution-Prinzipien konzipiert werden. Die konkreten Technologien werden in der technischen Discovery bestätigt und hier bewusst nicht benannt.
Erste Schritte
Wie starten wir?
Die meisten Kunden beginnen mit einem Discovery-Gespräch oder einem Workshop. Bei sensiblen Projekten können erste Gespräche unter NDA stattfinden.