Zum Inhalt springen

Forschung · TUM Spin-off

TUM Spin-off. Gebaut für die Industrie.

demi ist eine Ausgründung der Technischen Universität München, gegründet von drei ihrer Absolventen. Wir forschen an dem, was KI im Unternehmen verlässlich macht: verbundene Daten, Rechte für Menschen und Agenten, Ergebnisse, die man nachrechnen kann.

  • Verteilte Systeme
  • Künstliche Intelligenz
  • Wirtschafts­informatik
  • Informations­theorie

Unser Fundament

Vier Forschungsfelder. 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, ein konsistenter Stand. 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. Das Organigramm wird zum Rechtemodell.

  • 04

    Informations­theorie

    Wie viel weiß ein Datensatz wirklich? Unsicherheit, Redundanz und Rauschen werden messbar.

Forschungsfelder

Fünf Fragen, an denen wir arbeiten.

Jedes Feld zeigt eine Forschungsrichtung: die Frage, warum sie schwer ist, unseren Ansatz und die offenen Fragen.

  1. 01Data Layer und Entitätsauflösung
  2. 02Rechte für Menschen und KI-Agenten
  3. 03Deterministische Agenten und Evaluation
  4. 04Verteilte Synchronisation
  5. 05Datenqualität aus Sicht der Informationstheorie
01 · Data LayerForschungsrichtung

Data Layer und Entitätsauflösung

Wann sind drei Einträge in drei Systemen dasselbe Ding?

Warum es schwer ist

Dasselbe Teil heißt im ERP anders als im PLM und im Datenblatt. Schreibweisen, Revisionen und Einheiten weichen ab. Wer falsch zusammenführt, rechnet später mit falschen Zahlen.

Unser Ansatz

  • Jeder Wert ist eine Aussage mit Quelle, Zeitpunkt und Sicherheit.
  • Zusammenführen ist eine umkehrbare Verknüpfung, kein Überschreiben.
  • Widersprüche zwischen Quellen bleiben sichtbar.

Offene Fragen

  • Wie sicher muss eine automatische Zusammenführung sein, bevor ein Mensch sie bestätigen muss?
  • Wie wird aus einer Ablage von Dokumenten ein Graph mit typisierten Beziehungen?

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.
02 · Permission LayerForschungsrichtung

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.

Unser Ansatz

  • Rechte kommen aus deinem Organigramm, und demi erweitert sie nie von selbst.
  • Ein Agent darf nie mehr als der Mensch, für den er arbeitet.
  • Jede Entscheidung fällt pro Anfrage und wird protokolliert.

Offene Fragen

  • Wie prüft man automatisch, dass die Plattform nie mehr zeigt als das Quellsystem?
  • Wie erklärt man verständlich, warum jemand etwas sieht oder nicht sieht?

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.
03 · Intelligence LayerForschungsrichtung

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, gerechnet wird im Code.
  • Gerechnet wird deterministisch auf den Datensätzen: gleiche Frage, gleiches Ergebnis. Die Deutung der Frage kann falsch sein.
  • Das Modell erklärt das Ergebnis und nennt die Quellen.

Offene Fragen

  • Wie misst man, ob die KI das Richtige gefunden hat? Ein Satz goldener Fragen je Branche.
  • 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

Gleiche Frage, zweimal gestellt: gleiches Ergebnis. Sonst ist es ein Fehler.

Das Modell formuliert, der Code rechnet.
04 · Data LayerForschungsrichtung

Verteilte Synchronisation

Wie hält man zehn Systeme auf einem Stand, ohne eines davon anzuhalten?

Warum es schwer ist

Quellsysteme ändern sich ständig, fallen aus oder liefern verspätet. Kernsysteme abzulösen ist teuer und riskant. Also muss die Plattform neben ihnen laufen, nicht an ihrer Stelle.

Unser Ansatz

  • Erst lesen: Neue Anbindungen starten nur lesend.
  • Stände mit Zeitmarke. Änderungen laufen nach, wo das System sie liefert.
  • Schreiben läuft getrennt: als Vorschlag, mit Freigabe, umkehrbar.

Offene Fragen

  • Wann läuft ein Prozess auf der Plattform gleichwertig zum Altsystem, und wie belegt man das im Parallelbetrieb?
  • Wie löst man Konflikte, wenn zwei Systeme denselben Wert zur gleichen Zeit ändern?

Schaubild

Lesen, zuerst

  • 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.
05 · DatenqualitätForschungsrichtung

Datenqualität aus Sicht der 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.

Unser Ansatz

  • Information als verringerte Unsicherheit: Welche Quelle sagt über einen Wert am meisten?
  • Redundanz zwischen Quellen als Beleg nutzen, nicht als Ballast.
  • Qualität in mehreren Dimensionen messen: richtig, aktuell, verbunden, für KI lesbar.

Offene Fragen

  • Welche Halbwertszeit hat Wissen über Kunden, Preise und Ansprechpartner?
  • 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.

Publikationen

  • Erschienen 2018 · Buchkapitel

    Soto Setzke, D.; Hoberg, P.; Murgoci, A.; Franzbonenkamp, S.; Gaß, J.; Wolff, T.; Krcmar, H. (2018): Digitale Transformation bei den Berliner Philharmonikern. In: Informationsmanagement und digitale Transformation. Springer Fachmedien Wiesbaden.

    DOI 10.1007/978-3-658-22624-4_10

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 unserer Roadmap, mit einem Ansprechpartner im Team.

  • Vom Baum zum Graphen

    Typisierte Beziehungen zwischen Dokumenten vorschlagen, ein Mensch bestätigt sie. Gemessen werden Präzision und Trefferquote je Beziehungstyp.

    • Masterarbeit
    • IDP
  • Hat die KI das Richtige gefunden?

    Ein Bewertungsrahmen mit goldenen Fragen, der Volltext-, unscharfe, Graph- und Metadatensuche gegeneinander misst.

    • Masterarbeit
    • IDP
  • Halbwertszeit von Unternehmenswissen

    Aussagen aus öffentlichen Registern über die Zeit verfolgen und je Aussageart eine Zerfallskurve schätzen.

    • Masterarbeit
  • Wie gut muss der Input sein?

    Die Signalqualität von Dokumenten und Bildern messen und prüfen, ob sie die Qualität der Antwort vorhersagt.

    • IDP
    • Werkstudium
  • KI-Sicherheit nach OWASP LLM Top 10

    Prompt-Injection, Missbrauch von Werkzeugen, Datenabfluss: ein wiederverwendbarer Red-Team-Rahmen für Agenten und MCP-Server.

    • Masterarbeit
  • Mandantentrennung beweisen

    Eigenschafts- und Fuzz-Tests, die versuchen, aus einem Mandanten in einen anderen zu gelangen.

    • 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 einen Anwendungsfall hinzu, auf jeder Karte und jeder Fallseite, und sieh, was er pro Jahr bringt, mit der Rechnung dazu. Kostenlos, ohne Anmeldung, unverbindlich: probier es aus und ändere jede Zahl.

Anwendungsfälle ansehen