Saltar al contenido

Investigación · TUM Spin-off

TUM Spin-off. Construido para la industria.

demi es un spin-off de la Universidad Técnica de Múnich, fundado por tres de sus titulados. Investigamos lo que hace fiable la IA dentro de una empresa: datos conectados, permisos para personas y agentes, y resultados que se pueden volver a calcular.

  • Sistemas distribuidos
  • Inteligencia artificial
  • Sistemas de información
  • Teoría de la información

Nuestra base

Cuatro campos de investigación. Una plataforma.

demi se apoya en estos campos. Cada uno resuelve una parte de la tarea de llevar la IA a los datos reales de una empresa.

  • 01

    Sistemas distribuidos

    Muchos sistemas, un estado coherente. Sincronización, conflictos y caídas, sin detener ningún sistema de origen.

  • 02

    Inteligencia artificial

    Los modelos entienden la pregunta y explican la respuesta. Los agentes actúan, pero solo dentro de sus permisos.

  • 03

    Sistemas de información

    La TI crea valor cuando los procesos y la organización cambian con ella. El organigrama se convierte en el modelo de permisos.

  • 04

    Teoría de la información

    ¿Cuánto sabe realmente un registro? La incertidumbre, la redundancia y el ruido se vuelven medibles.

Líneas de investigación

Cinco preguntas en las que trabajamos.

Cada línea muestra una dirección de investigación: la pregunta, por qué es difícil, nuestro enfoque y las preguntas abiertas.

  1. 01Capa de datos y resolución de entidades
  2. 02Permisos para personas y agentes de IA
  3. 03Agentes deterministas y evaluación
  4. 04Sincronización distribuida
  5. 05La calidad de los datos desde la teoría de la información
01 · Data LayerLínea de investigación

Capa de datos y resolución de entidades

¿Cuándo son tres entradas en tres sistemas la misma cosa?

Por qué es difícil

La misma pieza se llama de una forma en el ERP, de otra en el PLM y de otra en la ficha técnica. La escritura, las revisiones y las unidades no coinciden. Si se fusionan mal los registros, todas las cifras posteriores serán erróneas.

Nuestro enfoque

  • Cada valor es una afirmación con su fuente, su momento y su grado de certeza.
  • Fusionar es un vínculo reversible, nunca una sobrescritura.
  • Las contradicciones entre fuentes siguen siendo visibles.

Preguntas abiertas

  • ¿Qué grado de certeza necesita una fusión automática antes de que una persona tenga que confirmarla?
  • ¿Cómo se convierte un archivo de documentos en un grafo con relaciones tipadas?

Diagrama

Tres sistemas

  • ERPArt. 200-17 · Bomba P200
  • PLMPlano P-200, rev. C
  • Ficha técnica (PDF)P 200 · 7,5 kW

Un registro

Bomba P-200
Número de artículo
200-17ERP
Revisión
CPLM
Potencia
7,5 kWFicha técnica, p. 2
Ejemplo: tres entradas, un registro, cada dato con su fuente.
02 · Permission LayerLínea de investigación

Permisos para personas y agentes de IA

¿Cómo se garantiza que un agente nunca pueda hacer más que la persona para la que trabaja?

Por qué es difícil

Los permisos están repartidos entre el ERP, el servidor de archivos y el organigrama. Un agente que trabaja con una cuenta de servicio ve enseguida más que cualquier empleado.

Nuestro enfoque

  • Los permisos vienen de tu organigrama, y demi nunca los amplía por sí solo.
  • Un agente nunca puede hacer más que la persona para la que trabaja.
  • Cada decisión se toma por solicitud y queda registrada.

Preguntas abiertas

  • ¿Cómo se comprueba automáticamente que la plataforma nunca muestra más que el sistema de origen?
  • ¿Cómo se explica con claridad por qué alguien ve algo, o no lo ve?

Diagrama

  • Precios de proveedores

    • Anna, compraspermitido
    • El agente puedepermitido
  • Pedidos abiertos

    • Anna, compraspermitido
    • El agente puedepermitido
  • Expedientes de personal

    • Anna, comprasno permitido
    • El agente puedeno permitido

De dónde vienen los permisos

  1. 1Sistema de origen
  2. 2Organigrama
El agente nunca puede hacer más que Anna.
03 · Intelligence LayerLínea de investigación

Agentes deterministas y evaluación

¿Cómo se obtienen de un modelo de lenguaje cifras en las que se pueda confiar?

Por qué es difícil

Los modelos de lenguaje redactan bien, pero no calculan de forma fiable. La misma pregunta puede dar dos respuestas distintas. En ofertas, pedidos e informes eso no es aceptable.

Nuestro enfoque

  • El modelo entiende tu pregunta, el cálculo se hace en el código.
  • El cálculo se hace de forma determinista sobre los registros: misma pregunta, mismo resultado. La interpretación de la pregunta puede ser errónea.
  • El modelo explica el resultado y cita sus fuentes.

Preguntas abiertas

  • ¿Cómo se mide si la IA ha encontrado lo correcto? Un conjunto de preguntas de referencia por sector.
  • ¿A partir de qué nivel de riesgo debe aprobar una persona, y cuándo se convierte la aprobación en un trámite?

Diagrama

¿Cuál es el valor de pedidos abiertos del cliente 4711?

  1. 1Pregunta
  2. 2El modelo entiende
  3. 3Cálculo exacto
  4. 4Respuesta con fuentes

Prueba

La misma pregunta, hecha dos veces, da el mismo resultado. Si no, es un error.

El modelo redacta, el código calcula.
04 · Data LayerLínea de investigación

Sincronización distribuida

¿Cómo se mantienen diez sistemas en un mismo estado sin detener ninguno?

Por qué es difícil

Los sistemas de origen cambian constantemente, se caen o entregan tarde. Sustituir los sistemas centrales es caro y arriesgado. Por eso la plataforma tiene que funcionar junto a ellos, no en su lugar.

Nuestro enfoque

  • Primero leer: las nuevas conexiones empiezan solo en modo lectura.
  • Instantáneas con marca de tiempo. Los cambios llegan después, allí donde el sistema los ofrece.
  • La escritura va por separado: como propuesta, con aprobación y reversible.

Preguntas abiertas

  • ¿Cuándo funciona un proceso en la plataforma igual que en el sistema heredado, y cómo se demuestra en paralelo?
  • ¿Cómo se resuelven los conflictos cuando dos sistemas cambian el mismo valor a la vez?

Diagrama

Leer, primero

  • ERP
  • CRM
  • Archivos
Instantánea con marca de tiempoData Layer

Escribir, solo con aprobación

  1. Propuesta de cambio
  2. Aprobación de una persona
  3. Escribir de vuelta
  4. Deshacer en un paso
Los sistemas de origen siguen funcionando. Nada se sustituye antes de demostrar su valor.
05 · Calidad de datosLínea de investigación

La calidad de los datos desde la teoría de la información

¿Cuánto sabe realmente un registro, y durante cuánto tiempo sigue siendo cierto?

Por qué es difícil

La calidad suele medirse con un único valor. Pero un registro puede estar completo y aun así desactualizado, o duplicado y aun así ser contradictorio.

Nuestro enfoque

  • La información como incertidumbre reducida: ¿qué fuente dice más sobre un valor?
  • Usar la redundancia entre fuentes como prueba, no como lastre.
  • Medir la calidad en varias dimensiones: correcta, actual, conectada, legible para la IA.

Preguntas abiertas

  • ¿Qué vida media tiene el conocimiento sobre clientes, precios y personas de contacto?
  • ¿A partir de qué calidad de entrada deja de mejorar la respuesta de la IA?

Diagrama

Probabilidad de que el valor siga siendo correcto

Tiempo desde la última confirmación

  • Dirección
  • Persona de contacto
  • Precio
Representación esquemática, sin valores medidos.

Publicaciones

  • Publicado 2018 · Capítulo de libro

    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

Red

Conectados con la universidad, el ecosistema emprendedor y los programas de financiamiento.

demi es un TUM Spin-off con el apoyo de la Agencia Espacial Europea, NVIDIA Inception y programas públicos para startups. Ninguno de ellos tiene participación en el capital de demi.

demiMúnich

Ciencia

  • Universidad Técnica de MúnichLos tres fundadores estudiaron en la TUM.
  • TUM Venture LabsAquí nació demi.
  • Estudiantes de la TUMProyectos de estudio, proyectos interdisciplinares y trabajos de fin de máster sobre nuestras preguntas de investigación.

Fundación y financiamiento

  • UnternehmerTUMParte del ecosistema, programa UnternehmerTUM Incubator.
  • EXIST-ForschungstransferPrograma del BMWE, cofinanciado por la Unión Europea (FSE+).
  • Ministerio Federal de Economía y EnergíaFinancia a demi con el programa EXIST-Forschungstransfer.

Programas

  • ESA BIC BavariaBusiness Incubation Centre de la Agencia Espacial Europea.
  • NVIDIA InceptionPrograma para startups de IA.
  • AI5innovationAceleradora Elevator Ignite del European Digital Innovation Hub cofinanciado por la UE.

Investiga con nosotros

Tu trabajo de fin de máster sobre una pregunta real.

Dirigimos trabajos de fin de máster, proyectos interdisciplinares y estudiantes en prácticas. Cada tema es una parte real de nuestra hoja de ruta, con una persona de contacto en el equipo.

  • Del árbol al grafo

    Proponer relaciones tipadas entre documentos que una persona confirma. Se miden la precisión y la exhaustividad por tipo de relación.

    • Trabajo de fin de máster
    • IDP
  • ¿Ha encontrado la IA lo correcto?

    Un marco de evaluación con preguntas de referencia que compara la búsqueda de texto completo, difusa, en grafo y por metadatos.

    • Trabajo de fin de máster
    • IDP
  • La vida media del conocimiento empresarial

    Seguir en el tiempo las afirmaciones de registros públicos y estimar una curva de decaimiento por tipo de afirmación.

    • Trabajo de fin de máster
  • ¿Qué calidad debe tener la entrada?

    Medir la calidad de señal de documentos e imágenes y comprobar si predice la calidad de la respuesta.

    • IDP
    • Estudiante en prácticas
  • Seguridad de la IA según el OWASP LLM Top 10

    Inyección de prompts, uso indebido de herramientas, fuga de datos: un marco de red team reutilizable para agentes y servidores MCP.

    • Trabajo de fin de máster
  • Demostrar el aislamiento entre clientes

    Pruebas de propiedades y de fuzzing que intentan pasar de un cliente a otro.

    • Trabajo de fin de máster

La dirección académica la asume tu cátedra en tu universidad. Nosotros aportamos el tema, el acceso y una persona de contacto en el equipo.

Puestos y temas abiertos

Arquitectura de seguridad

Cómo protege demi a los agentes de IA

En nombre de quién actúa un agente, qué puede ver y desencadenar, cómo se mantienen separadas las empresas y dónde están los datos y se ejecutan los modelos: los principios, con fuentes.

Ir a la arquitectura de seguridad

Investigación que llega a la planta.

En 20 minutos te mostramos cómo la capa de datos, los permisos y la IA trabajan juntos en un caso como el tuyo.

Tu configurador

Aún no hay casos de uso

Tu configurador todavía está vacío

Añade los casos de uso que necesitas: desde cualquier tarjeta o página de caso. Aquí verás lo que aporta cada uno al año, con el cálculo.

Ver casos de uso