Zum Inhalt springen

Forschung · TUM Spin-off

demi Research: KI, die genug weiß, um zu helfen, und im Rahmen ihrer Rechte bleibt.

demi bringt alle Daten eines Unternehmens in einen typisierten Graphen, der aktuell bleibt: mit Mathematik, die abwägt, welchem Wert zu trauen ist, und mit Rechten, die dem Unternehmen folgen, auch für das, was KI berechnet. Darauf findet KI, wonach du fragst, und rechnet die Antwort aus, statt sie zu raten. Diese Seite zeigt die Forschung dahinter: zwei Forschungskerne, fünf Forschungsbereiche und zwölf Studien.

  • Verteilte Systeme
  • Künstliche Intelligenz
  • Wirtschafts­informatik
  • Informations­theorie

Das Problem

KI weiß zu wenig, um zu helfen, oder darf zu viel, um sicher zu sein.

Aktuelle Forschung hat beide Seiten gemessen, und an beiden scheitert KI im Unternehmen heute.

  • 5,1 %

    Zu wenig, um zu helfen

    In einem Benchmark von 2025 zur breiten Informationssuche lieferte das beste System nur in 5,1 % der Aufgaben die ganze Tabelle richtig. Beim Zählen über Tabellenblätter lag die Genauigkeit im Schnitt bei 41,7 %, beim einfachen Nachschlagen bei 89,1 %. Fragen über Mengen, also Listen, Zählungen und Summen, brauchen jedes Element, genau einmal, in der richtigen Einheit und aktuell.

  • 88,6 %

    Zu viel, um sicher zu sein

    Wo KI-Agenten die Ergebnisse mehrerer Werkzeuge kombinierten, lag die Leckrate über sechs Agenten im Schnitt bei 88,6 %, während sie 98,0 % der Aufgaben erledigten. KI kann außerdem erlaubte Fakten zu einem Fakt zusammensetzen, den eine Person nicht sehen darf. Das nennt man Mosaikeffekt. Vollständiger Schutz vor dem, was Summen und Zählungen verraten, ist rechnerisch nicht erreichbar, und jede falsche Ablehnung blockiert echte Arbeit.

Forschungskerne

Zwei Forschungsfragen im Kern von demi.

Kern A fragt, ob KI aus dem digitalen Zwilling eines Unternehmens vollständiger, richtiger und effizienter antwortet. Kern B fragt, ob Zugriffsrechte auf KI-Ergebnisse und Freigaben nach Tragweite Lecks gering halten, ohne die Arbeit zu blockieren. Jeder Kern hat Hypothesen, die sich als falsch erweisen können.

Kern A · Data Layer

Prüfbare Antworten in festem Rahmen

Forschungsfrage

Macht ein strukturierter Schritt vor der Suche (Retrieval) Antworten über die Systeme eines Unternehmens vollständiger, richtiger und effizienter?

Warum es schwer ist

Eine Frage wie „Welche offenen Aufträge über 10 kW gibt es, je Kunde?“ braucht jedes Element, genau einmal, in der richtigen Einheit und aktuell. Suche findet Textstellen, keine vollständigen Mengen, und Sprachmodelle zählen unzuverlässig. Zudem wird die Suche schwächer, je größer der Index wird.

Hypothesen

Wir prüfen, ob der kombinierte Weg:

  • H1Fragen über Mengen vollständiger und richtiger beantwortet;
  • H2Kosten und Zeit je brauchbarer Antwort senkt;
  • H3seinen Vorsprung hält, wenn Quellen und Daten wachsen;
  • H4bei anderen Fragen nicht schlechter abschneidet (Nicht-Unterlegenheit).

Was wir messen

Anteil brauchbarer Ergebnisse innerhalb des Budgets, Richtigkeit, Vollständigkeit (Element-F1, exakte Zählungen), richtige Zahlen und Einheiten, Kosten und Zeit je brauchbarer Antwort, Nachvollziehbarkeit sowie Skalierung, wenn Quellen und Daten wachsen.

Kern B · Permission Layer

Zugriffsrechte auf Ergebnisse

Forschungsfrage

Halten Zugriffsrechte auf KI-Ergebnisse Lecks gering, ohne die Arbeit zu blockieren, wenn ein Mensch nur Aktionen mit großer Tragweite freigeben muss?

Warum es schwer ist

Rechte stecken verteilt in ERP, Dateiablage, CRM und Organigramm. KI kann erlaubte Daten zu einem Fakt kombinieren, den eine Person nicht sehen darf, etwa eine Durchschnittsmarge hinter Rechnungen, die ein Azubi einzeln öffnen darf. Selbst eine Ablehnung kann etwas verraten. Wer zu viel sperrt, legt die Arbeit lahm; wer zu oft um Freigabe bittet, bekommt Freigaben, die niemand mehr liest.

Hypothesen

Wir prüfen, ob:

  • H5Listen, Zählungen, Aggregate, geschützte Fakten und das, was das Modell liest, im Rahmen der Rechte der fragenden Person bleiben, wobei falsche Ablehnungen mitgemessen werden;
  • H6eine Tragweiten-Regel außerhalb des Modells Freigabeanfragen so selten macht, dass Menschen sie noch lesen, und jede folgenreiche Aktion an ihre Freigabe bindet;
  • H7sich Entscheidung, Freigabe, Aktion und Ergebnis nachvollziehen lassen;
  • und ob KI Aktionen außerhalb des Aufgabenbereichs einer Rolle erkennt (Smart Scope).

Was wir messen

Lecks über den Modellkontext, über Antworten und über die bloße Existenz von Daten; falsche Ablehnungen; erledigte Aufgaben; Bindungsverstöße unter gezielten Angriffstests; Freigabelast; Vollständigkeit des Protokolls.

Unser Ansatz

Ein kombinierter Ansatz und kein weiteres Werkzeug

demi ist kein weiteres KI-Modell, sondern die Schicht, auf der KI-Modelle arbeiten, aus drei Teilen, die voneinander abhängen. Die Teile sind in Forschung und Praxis bekannt. Erforscht wird ihre Kombination, auf den eigenen Systemen eines Unternehmens und im Rahmen der Rechte jeder einzelnen Person.

  • Data Layer: alle Daten in einem typisierten Graphen, aktuell gehalten

    Menschen, Kunden, Produkte, Aufträge, Maschinen und Dokumente werden zu Knoten, ihre Beziehungen zu Kanten, aus den Systemen, die ein Unternehmen ohnehin betreibt. Jeder Wert trägt seine Einheit, seine Quelle und seine Zeitpunkte. So weiß demi, wie alt er ist. Mathematik wägt ab, welchem Wert zu trauen ist, und berücksichtigt dabei, wer ihn genannt hat, wann, wie er gelesen wurde und welche unabhängigen Quellen übereinstimmen. Ändert sich eine Quelle, wird geprüft, was von ihr abhängt.

  • Permission Layer: Rechte, die dem Unternehmen folgen

    Rechte kommen aus den Systemen, die du anbindest, und aus deiner Organisation selbst, also aus ihrem Organigramm, ihren Abläufen und ihren Unterschriftsbefugnissen. Sie gelten für das, was KI liest, und für das, was sie berechnet, etwa Listen, Zählungen und Kennzahlen. Die Entscheidung fällt außerhalb des Modells, damit sich das Modell nicht um sie herumreden kann.

  • Intelligence Layer: findet die Nadel im Heuhaufen, rechnet die Antwort aus

    Suche und Modell finden, wonach du fragst, ein Programm rechnet die Zahlen aus, und jede Antwort nennt, worauf sie beruht. Bei gleichem Plan und gleichen Daten kommt dieselbe Zahl heraus.

FrageAntwort mit Quellen
  1. Intelligence Layer

    findet die Nadel im Heuhaufen, rechnet die Antwort aus

    Wie falsch kann diese Zählung sein?

  2. Permission Layer

    Rechte, die dem Unternehmen folgen

    Was verrät eine Antwort?

  3. Data Layer

    alle Daten in einem typisierten Graphen, aktuell gehalten

    Wie weit ist diesem Wert jetzt zu trauen?

Die Systeme, die du schon betreibst, bleiben, wo sie sind.

Drei Schichten, ein Weg: Die Frage läuft von oben nach unten, jede Antwort trägt ihre Belege wieder nach oben.

Wo die Schichten voneinander abhängen

  • Richtigkeit hängt von Identität und Alter ab.

    Ein doppeltes oder veraltetes Element verändert eine Zählung, eine Liste oder eine Summe.

  • Belege hängen von Rechten ab.

    Auch die Quellen, die eine Antwort nennt, bleiben im Rahmen der Rechte der Person, die gefragt hat.

Bekannte Teile, neue Kombination

Jedes Feld, auf dem demi aufbaut, löst sein Problem unter einer Annahme, die bei einem Hersteller nicht zutrifft, und eine andere Schicht von demi ist dafür gebaut, das Fehlende zu liefern.

  • Fragen an Datenbanken beantworten

    Annahme
    ein sauberes Schema mit den Rechten eines einzigen Systems
    Beim Hersteller
    Wissen steckt in Datenblättern, ERP-Exporten, Postfächern und doppelten Datensätzen
    Was demi liefert
    typisierte Werte mit Einheit, Quelle und Identität, gebaut aus genau diesen Eingaben
  • Retrieval und Graph-Retrieval

    Annahme
    das Modell setzt die Antwort aus dem zusammen, was es liest
    Beim Hersteller
    Fragen über Mengen brauchen jedes Element, richtig gezählt
    Was demi liefert
    ein Programm rechnet über Mengen; Retrieval arbeitet innerhalb des Rahmens
  • Regelprüfung für KI-Agenten

    Annahme
    ein richtiges, aktuelles Abbild der Organisation
    Beim Hersteller
    Organigramme und Unterschriftsbefugnisse ändern sich
    Was demi liefert
    die Organisation im selben Graphen, aktuell gehalten

Unseres Wissens kombiniert keine Studie diese Teile über die gewachsenen Systeme eines Unternehmens hinweg und im Rahmen der Rechte jeder einzelnen Person. Das prüft die Forschung von demi.

Unser Fundament

Vier Forschungsfelder tragen eine Plattform.

Auf diesen Feldern baut demi auf. Jedes löst einen Teil der Aufgabe, KI auf die echten Daten eines Unternehmens zu bringen.

  • 01

    Verteilte Systeme

    Viele Systeme sollen einen konsistenten Stand haben. Dazu gehören Synchronisation, Konflikte und Ausfälle, ohne dass ein Quellsystem stillsteht.

  • 02

    Künstliche Intelligenz

    Modelle verstehen die Frage und erklären die Antwort. Agenten handeln, aber nur im Rahmen ihrer Rechte.

  • 03

    Wirtschafts­informatik

    IT schafft Wert, wenn sich Prozesse und Organisation mit ihr ändern. Rechte folgen der Organisation, also ihren Systemen, ihrem Organigramm und ihren Unterschriftsbefugnissen.

  • 04

    Informations­theorie

    Wie viel weiß ein Datensatz wirklich? Unsicherheit, Redundanz und Rauschen werden messbar, ebenso das, was eine Antwort verrät.

Grundlagen

Fünf Forschungsbereiche, auf denen die Kerne aufbauen.

Jeder Bereich bringt Methoden und Messungen in die beiden Kerne. Zu jedem zeigen wir die Leitfrage, warum sie schwer ist, unseren Ansatz, die offenen Forschungsfragen und wo der Bereich im Forschungsprogramm verankert ist.

  1. 01Datenqualität und Vertrauen durch Informationstheorie
  2. 02Verteilte Synchronisation: der Zwilling bleibt aktuell
  3. 03Entitätsauflösung und typisierte Werte
  4. 04Rechte für Menschen und KI-Agenten
  5. 05Quasi-deterministische Agenten und Evaluation
01 · Datenqualität · Kerne A und BForschungsbereich

Datenqualität und Vertrauen durch Informationstheorie

Wie viel weiß ein Datensatz wirklich, und wie lange stimmt es noch?

Warum es schwer ist

Qualität wird meist als ein einziger Wert gemessen. Ein Datensatz kann aber vollständig und trotzdem veraltet sein, oder doppelt vorhanden und trotzdem widersprüchlich. Quellen widersprechen sich, und Kopien geben sich als unabhängige Zeugen aus. Eine Antwort über eine Menge ist nur so gut wie ihr schwächstes Element.

Unser Ansatz

  • Jeder Wert ist eine Aussage mit ihrer Quelle, ihren Zeitpunkten und der Art, wie sie gelesen wurde.
  • Vertrauen wird berechnet, nicht angenommen: aus der bewährten Verlässlichkeit einer Quelle, dem Alter des Werts und den unabhängigen Quellen, die übereinstimmen. Kopien eines Werts zählen einmal.
  • Jede Tatsache hat eine Halbwertszeit. demi lernt aus den Änderungen, die es sieht, wie schnell jede Art von Information veraltet, und prüft die richtige Quelle erneut, bevor alte Fakten jemanden in die Irre führen.
  • Information als verringerte Unsicherheit: Wo Quellen sich widersprechen, zeigt die Streuung der Kandidatenwerte, welche Konflikte am meisten zählen, und eine Zählung gibt an, wie sicher sie ist.

Forschungsfragen

  • Welche Quelle erweist sich für welche Art von Wert als verlässlich?
  • Wie schnell veraltet jede Art von Wert, und ist die Schätzung kalibriert?
  • Ab welcher Qualität der Eingangsdaten wird die Antwort der KI nicht mehr besser?

Schaubild

Wahrscheinlichkeit, dass der Wert noch stimmt

Zeit seit der letzten Bestätigung

  • Adresse
  • Ansprechpartner
  • Preis
Schematische Darstellung, keine Messwerte.

Im Forschungsprogramm

Kern A: Werte und Zuordnungen werden an Blindstichproben geprüft, Antworten erneut mit einer stichprobenbasierten Fehlerschranke kontrolliert, und demi warnt, wenn Information altert. Studien R3, R4, R5, R6.

02 · Data Layer · Kerne A und BForschungsbereich

Verteilte Synchronisation: der Zwilling bleibt aktuell

Wie aktuell ist eine Antwort in dem Moment, in dem sie gegeben wird, und was kostet es, diesen Stand zu halten?

Warum es schwer ist

Quellsysteme ändern sich ständig, fallen aus oder liefern verspätet, und jeder Softwareanbieter begrenzt, wie oft sein System abgefragt werden darf. Kernsysteme abzulösen ist teuer und riskant, also läuft die Plattform neben ihnen, nicht an ihrer Stelle. Eine Antwort über eine Menge ist falsch, wenn ein Element veraltet ist, und alles live zu lesen kostet Zeit und Abfragekontingent.

Unser Ansatz

  • Lesen vor Schreiben: Neue Anbindungen starten nur lesend, über offizielle Schnittstellen, im Kontext der jeweiligen Person.
  • demi bemerkt Änderungen, prüft erneut, was sich wahrscheinlich geändert hat und für Antworten zählt, und liest live, wenn du es jetzt brauchst, in den Grenzen jedes Systems und im Budget, das du festlegst.
  • Jede Antwort zeigt, wie aktuell die Werte dahinter sind.
  • Schreiben läuft getrennt: als Vorschlag, mit Freigabe, umkehrbar.

Forschungsfragen

  • Wie aktuell ist jede Antwort, wenn sie gegeben wird, und was kostet es, sie aktuell zu halten, in den Grenzen jedes Systems und im Budget, das ein Kunde festlegt?
  • Wie aktuell und richtig bleiben Antworten mit einem Index und live gelesenen Werten, verglichen mit einer vollständigen Kopie?
  • Wann läuft ein Prozess auf der Plattform gleichwertig zum Altsystem, und wie belegt man das im Parallelbetrieb?

Schaubild

Lesen vor Schreiben

  • ERP
  • CRM
  • Dateien
Stand mit ZeitmarkeData Layer

Schreiben, nur mit Freigabe

  1. Vorschlag als Änderung
  2. Freigabe durch einen Menschen
  3. Zurückschreiben
  4. In einem Schritt rückgängig
Die Quellsysteme laufen weiter. Nichts wird abgelöst, bevor es sich bewährt hat.

Im Forschungsprogramm

Kern A: Aktualität gehört zu einer richtigen Antwort, und was es kostet, sie zu halten, zählt zu den Kosten je brauchbarer Antwort. Studien R1, R3, R6, R7, R8.

03 · Data Layer · Kern AForschungsbereich

Entitätsauflösung und typisierte Werte

Wann sind drei Einträge in drei Systemen dasselbe Ding, und wie sicher müssen wir sein, bevor eine Zählung davon abhängt?

Warum es schwer ist

Dasselbe Teil heißt im ERP anders als im PLM und im Datenblatt. Schreibweisen, Revisionen und Einheiten weichen ab. Werden die falschen Datensätze zusammengeführt, rechnet man danach mit falschen Zahlen. Eine falsche Zuordnung sieht nicht unordentlich aus, sie verändert die Zählung.

Unser Ansatz

  • Jeder Wert trägt seine Einheit, einen normierten SI-Wert, seine Quelle und seine Zeitpunkte.
  • Starke Schlüssel wie Register- und Seriennummern haben Vorrang. Zuordnungen, die nur auf einem Score beruhen, bleiben Vorschläge, bis Blindstichproben ihre Präzision belegen.
  • Eine Zuordnung ist eine Verknüpfung mit ihren Belegen, nie ein Überschreiben: Machst du sie rückgängig, ist jede Quelle noch da.
  • Widersprüche zwischen Quellen bleiben sichtbar.

Forschungsfragen

  • Wie sicher muss eine automatische Zuordnung sein, bevor ein Mensch sie bestätigen muss?
  • Wie wird aus einer Ablage von Dokumenten ein Graph mit typisierten Beziehungen?
  • Wie stark verändern Identitätsfehler Listen, Zählungen und Summen?

Schaubild

Drei Systeme

  • ERPArt.-Nr. 200-17 · Pumpe P200
  • PLMZeichnung P-200, Rev. C
  • Datenblatt (PDF)P 200 · 7,5 kW

Ein Datensatz

Pumpe P-200
Artikelnummer
200-17ERP
Revision
CPLM
Leistung
7,5 kWDatenblatt, S. 2
Beispiel: drei Einträge, ein Datensatz, jede Angabe mit ihrer Quelle.

Im Forschungsprogramm

Kern A: Präzision der Zuordnung und richtige Einheiten werden als Fehlerquellen in Antworten über Mengen gemessen, auch wenn Quellen und Daten wachsen. Studien R4, R5, R7.

04 · Permission Layer · Kern BForschungsbereich

Rechte für Menschen und KI-Agenten

Wie stellt man sicher, dass ein Agent nie mehr darf als der Mensch, für den er arbeitet?

Warum es schwer ist

Rechte stecken verteilt in ERP, Dateiablage und Organigramm. Ein Agent, der mit einem Dienstkonto arbeitet, sieht schnell mehr als jeder einzelne Mitarbeiter. Und KI kann erlaubte Fakten zu einem neuen Fakt verbinden, den eine Person nicht sehen darf.

Unser Ansatz

  • Rechte kommen aus den Systemen, die du anbindest, und aus deinem Organigramm, und demi erweitert sie nie von selbst.
  • Ein Agent handelt im Rahmen der Rechte des Menschen, für den er arbeitet, und das Protokoll nennt beide.
  • Rechte reichen bis in das, was KI berechnet: Listen, Zählungen und Kennzahlen, nicht nur die Dateien, die sie liest.
  • Jede Entscheidung fällt pro Anfrage, außerhalb des KI-Modells, und wird protokolliert.

Forschungsfragen

  • Wie prüft man automatisch, dass die Plattform nie mehr zeigt als das Quellsystem?
  • Wie erklärt man verständlich, warum jemand etwas sieht oder nicht sieht?
  • Darf eine Person eine Kennzahl sehen, die KI aus Werten berechnet, die sie einzeln nicht sehen darf?

Schaubild

  • Lieferantenpreise

    • Anna, Einkauferlaubt
    • Agent darferlaubt
  • Offene Bestellungen

    • Anna, Einkauferlaubt
    • Agent darferlaubt
  • Personalakten

    • Anna, Einkaufnicht erlaubt
    • Agent darfnicht erlaubt

Woher die Rechte kommen

  1. 1Quellsystem
  2. 2Organigramm
Der Agent darf nie mehr als Anna.

Im Forschungsprogramm

Kern B: Zugriffsrechte auf Listen, Zählungen, Aggregate und geschützte Fakten, gemessen zusammen mit falschen Ablehnungen; Freigabestufen aus den eigenen Regeln der Organisation. Studien R6, R12.

05 · Intelligence Layer · Kerne A und BForschungsbereich

Quasi-deterministische Agenten und Evaluation

Wie bekommt man von einem Sprachmodell Zahlen, auf die man sich verlassen kann?

Warum es schwer ist

Sprachmodelle formulieren gut, rechnen aber nicht verlässlich. Dieselbe Frage kann zwei verschiedene Antworten ergeben. In Angeboten, Bestellungen und Berichten ist das nicht tragbar.

Unser Ansatz

  • Das Modell versteht deine Frage, ein Programm rechnet die Zahl aus.
  • Bei gleichem Plan und gleichen Daten kommt dieselbe Zahl heraus, und du siehst, wie sie berechnet wurde. Die Deutung der Frage kann abweichen, und das messen wir.
  • Im Hintergrund werden Antworten erneut gegen ihre Quellen geprüft.
  • Freigaben bleiben an die genaue Aktion gebunden, und Entscheidung, Freigabe, Aktion und Ergebnis werden gemeinsam protokolliert.

Forschungsfragen

  • Wie misst man, ob die KI das Richtige gefunden hat, etwa mit einem Satz von Referenzfragen mit geprüften Antworten je Branche?
  • Wie oft stimmen wiederholte Läufe überein, beim Plan, bei der Zahl und bei der Antwort?
  • Ab welchem Risiko muss ein Mensch freigeben, und wann wird Freigabe zur Formsache?

Schaubild

Wie hoch ist der offene Auftragswert von Kunde 4711?

  1. 1Frage
  2. 2Modell versteht
  3. 3Exakt berechnet
  4. 4Antwort mit Quellen

Prüfung

Gleicher Plan und gleiche Daten ergeben dieselbe Zahl, alles andere ist ein Fehler.

Das Modell formuliert, der Code rechnet.

Im Forschungsprogramm

Kern A: berechnete Zahlen im Vergleich zu Zahlen, die das Modell selbst rechnet; Antwortprüfungen mit einer stichprobenbasierten Fehlerschranke. Kern B: Freigaben unter gezielten Angriffstests, Nachvollziehbarkeit jedes Laufs. Studien R1, R2, R3, R10, R11.

Studien

Zwölf Studien in fünf Gruppen.

Jede Studie prüft eine Aussage, die sich als falsch erweisen kann. Zusammen decken sie beide Kerne ab.

  • Antworten über Mengen

    • R1Der Antwortweg über den Zwilling liefert vollständigere und richtigere Antworten auf Fragen über Mengen (H1) und ist bei anderen Fragen nicht schlechter (H4); Kosten und Zeit je brauchbarer Antwort werden gemessen (H2).
    • R2Zahlen, die eine Abfrage oder ein Programm über typisierte Werte berechnet, stimmen öfter als Zahlen, die das Modell selbst ausrechnet.
    • R7Der Effekt bleibt bestehen oder wächst, wenn Quellen und Daten zunehmen (H3).
  • Datenqualität und Vertrauen

    • R3Eine Prüfung im Hintergrund findet Fehler, und eine stichprobenbasierte Fehlerschranke gilt auch für zurückgehaltene Daten und bei veränderter Datenverteilung.
    • R4, R5Typisierte Werte mit normierten Einheiten lassen sich aus Datenblättern lesen, und die Zuordnung derselben Entität über Quellen hinweg ist präzise genug, um Zählungen nicht zu verzerren.
  • Zugriffsrechte auf Ergebnisse

    • R6Listen, Zählungen, Aggregate und Modellkontexte bleiben im Rahmen der Rechte der fragenden Person (H5), auch bei widersprüchlichen Rechten über Systeme hinweg und bei Zugriffsrechten auf Ergebnisse.
  • Freigabe und Nachweis

    • R10Freigaben bleiben unter gezielten Angriffstests an die genaue Aktion gebunden, und Menschen prüfen, was sie freigeben (H6).
    • R11Entscheidung, Freigabe, Aktion und Ergebnis lassen sich an Stichproben von Läufen nachvollziehen, und eingeschleuste Manipulation wird erkannt (H7).
    • R12Eine Tragweiten-Regel außerhalb des Modells setzt Freigabestufen, die dem Urteil von Menschen entsprechen, bei vertretbarer Freigabelast (H6), und KI erkennt Aktionen außerhalb des Aufgabenbereichs einer Rolle.
  • Im Einsatz

    • R8Der Antwortweg funktioniert im Schattenbetrieb, unter echten Rechten und echter Last.
    • R9Fachleute der Kunden akzeptieren Antworten öfter und kommen schneller zu einem brauchbaren Ergebnis als mit ihrem bisherigen Vorgehen.

Netzwerk

Verbunden mit Universität, Gründerszene und Förderprogrammen.

demi ist ein TUM Spin-off und wird von Programmen in Bayern, Deutschland und Europa unterstützt.

demiMünchen

Wissenschaft

  • Technische Universität MünchenAlle drei Gründer haben an der TUM studiert.
  • TUM Venture LabsHier ist demi entstanden.
  • Studierende der TUMProjektstudium, interdisziplinäre Projekte und Abschlussarbeiten an unseren Forschungsfragen.

Gründung und Förderung

  • UnternehmerTUMTeil des Ökosystems, Programm UnternehmerTUM Incubator.
  • EXIST-ForschungstransferProgramm des BMWE, kofinanziert von der Europäischen Union (ESF Plus).
  • Bundesministerium für Wirtschaft und EnergieFördert demi im Programm EXIST-Forschungstransfer.

Programme

  • ESA BIC BavariaBusiness Incubation Centre der Europäischen Weltraumorganisation.
  • NVIDIA InceptionProgramm für KI-Startups.
  • AI5innovationAccelerator Elevator Ignite des EU-kofinanzierten European Digital Innovation Hub.

Mit uns forschen

Deine Abschlussarbeit an einer echten Frage.

Wir betreuen Masterarbeiten, interdisziplinäre Projekte und Werkstudierende. Jedes Thema ist ein echtes Stück unseres Forschungsprogramms, mit einem Ansprechpartner im Team.

  • Vom Baum zum Graphen

    Wie gut lassen sich aus Ordnern, Dokumenten und Exporten typisierte Entitäten und Verknüpfungen gewinnen? Die Arbeit schlägt typisierte Beziehungen zwischen Dokumenten vor, ein Mensch bestätigt sie, und Präzision und Trefferquote werden je Beziehungstyp gemessen.

    Teil von

    Kern A · Entitätsauflösung und typisierte Werte
    • Masterarbeit
    • IDP
  • Hat die KI das Richtige gefunden?

    Welcher Teil eines kombinierten Antwortwegs bringt was? Referenzfragen über Mengen mit geprüften Antworten, bewertet von einem Programm, messen, was Rahmen, Suche, Graph und Berechnung jeweils beitragen.

    Teil von

    Kern A · Quasi-deterministische Agenten und Evaluation
    • Masterarbeit
    • IDP
  • Halbwertszeit von Unternehmenswissen

    Die Arbeit verfolgt Aussagen aus öffentlichen Registern über die Zeit und schätzt, wie schnell jede Art von Aussage veraltet. Sie prüft, ob eine gelernte Schätzung für „noch aktuell“ kalibriert ist.

    Teil von

    Kern A · Datenqualität und Vertrauen
    • Masterarbeit
  • Wie gut muss der Input sein?

    Die Arbeit misst die Signalqualität von Dokumenten und Bildern (Sicherheit der Extraktion, Widersprüche zwischen Quellen, fehlende erwartete Eigenschaften) und prüft, ob sie Fehler in Antworten vorhersagt und ab welchem Niveau Antworten nicht mehr besser werden.

    Teil von

    Kern A · Datenqualität und Vertrauen
    • IDP
    • Werkstudium
  • KI-Sicherheit nach OWASP LLM Top 10

    Ein wiederverwendbarer Red-Team-Rahmen für Agenten und MCP-Server prüft Prompt-Injection, Missbrauch von Werkzeugen, Selbstfreigabe und Datenabfluss und speist die Testfamilien von Kern B.

    Teil von

    Kern B · Rechte für Menschen und KI-Agenten
    • Masterarbeit
  • Mandantentrennung beweisen

    Property-based Tests und Fuzzing, die versuchen, aus einem Mandanten oder aus dem Modellkontext einer Person in einen anderen zu gelangen.

    Teil von

    Kern B · Rechte für Menschen und KI-Agenten
    • Masterarbeit

Die Betreuung an der Hochschule übernimmt dein Lehrstuhl. Wir stellen Thema, Zugang und einen Ansprechpartner im Team.

Offene Stellen und Themen

Sicherheitsarchitektur

Wie demi KI-Agenten absichert

Für wen ein Agent handelt, was er sehen und auslösen darf, wie Unternehmen getrennt bleiben und wo Daten und Modelle laufen: die Prinzipien, mit Quellen.

Zur Sicherheitsarchitektur

Forschung, die im Werk ankommt.

In 20 Minuten zeigen wir dir, wie Data Layer, Rechte und KI an einem Fall wie deinem zusammenspielen.

Dein Konfigurator

Noch keine Anwendungsfälle

Dein Konfigurator ist noch leer

Füge auf einer Karte oder einer Fallseite einen Anwendungsfall hinzu, dann siehst du, was er pro Jahr bringt, mit der Rechnung dazu. Das ist kostenlos, ohne Anmeldung und unverbindlich, und du kannst jede Zahl ändern.

Anwendungsfälle ansehen