Aller au contenu

Recherche · TUM Spin-off

TUM Spin-off. Conçu pour l'industrie.

demi est un spin-off de l'Université technique de Munich, fondé par trois de ses diplômés. Nous étudions ce qui rend l'IA fiable dans l'entreprise : des données reliées, des droits pour les personnes et les agents, des résultats que l'on peut recalculer.

  • Systèmes distribués
  • Intelligence artificielle
  • Systèmes d'information
  • Théorie de l'information

Nos fondations

Quatre domaines de recherche. Une plateforme.

demi s'appuie sur ces domaines. Chacun résout une partie de la tâche : amener l'IA sur les vraies données d'une entreprise.

  • 01

    Systèmes distribués

    Plusieurs systèmes, un état cohérent. Synchronisation, conflits et pannes, sans arrêter aucun système source.

  • 02

    Intelligence artificielle

    Les modèles comprennent la question et expliquent la réponse. Les agents agissent, mais seulement dans la limite de leurs droits.

  • 03

    Systèmes d'information

    L'informatique crée de la valeur quand les processus et l'organisation changent avec elle. L'organigramme devient le modèle de droits.

  • 04

    Théorie de l'information

    Que sait vraiment un enregistrement ? L'incertitude, la redondance et le bruit deviennent mesurables.

Axes de recherche

Cinq questions sur lesquelles nous travaillons.

Chaque axe présente une direction de recherche : la question, pourquoi elle est difficile, notre approche et les questions ouvertes.

  1. 01Couche de données et résolution d'entités
  2. 02Des droits pour les personnes et les agents d'IA
  3. 03Agents déterministes et évaluation
  4. 04Synchronisation distribuée
  5. 05La qualité des données vue par la théorie de l'information
01 · Data LayerAxe de recherche

Couche de données et résolution d'entités

Quand trois entrées dans trois systèmes désignent-elles la même chose ?

Pourquoi c'est difficile

La même pièce porte un nom dans l'ERP, un autre dans le PLM et un troisième dans la fiche technique. Orthographes, révisions et unités divergent. Fusionner les mauvais enregistrements, c'est fausser tous les chiffres qui suivent.

Notre approche

  • Chaque valeur est une affirmation avec sa source, sa date et son degré de certitude.
  • Une fusion est un lien réversible, jamais un écrasement.
  • Les contradictions entre sources restent visibles.

Questions ouvertes

  • Quel degré de certitude une fusion automatique doit-elle atteindre avant qu'une personne doive la confirmer ?
  • Comment un fonds de documents devient-il un graphe aux relations typées ?

Schéma

Trois systèmes

  • ERPRéf. 200-17 · Pompe P200
  • PLMPlan P-200, rév. C
  • Fiche technique (PDF)P 200 · 7,5 kW

Un enregistrement

Pompe P-200
Référence article
200-17ERP
Révision
CPLM
Puissance
7,5 kWFiche technique, p. 2
Exemple : trois entrées, un enregistrement, chaque donnée avec sa source.
02 · Permission LayerAxe de recherche

Des droits pour les personnes et les agents d'IA

Comment garantir qu'un agent ne puisse jamais faire plus que la personne pour laquelle il travaille ?

Pourquoi c'est difficile

Les droits sont dispersés entre l'ERP, le stockage de fichiers et l'organigramme. Un agent qui tourne sur un compte de service voit vite plus que n'importe quel collaborateur.

Notre approche

  • Les droits viennent de votre organigramme, et demi ne les élargit jamais de lui-même.
  • Un agent ne peut jamais faire plus que la personne pour laquelle il travaille.
  • Chaque décision est prise à chaque requête et journalisée.

Questions ouvertes

  • Comment vérifier automatiquement que la plateforme n'affiche jamais plus que le système source ?
  • Comment expliquer clairement pourquoi quelqu'un voit une chose, ou ne la voit pas ?

Schéma

  • Prix fournisseurs

    • Anna, achatsautorisé
    • L'agent peutautorisé
  • Commandes ouvertes

    • Anna, achatsautorisé
    • L'agent peutautorisé
  • Dossiers du personnel

    • Anna, achatsnon autorisé
    • L'agent peutnon autorisé

D'où viennent les droits

  1. 1Système source
  2. 2Organigramme
L'agent ne peut jamais faire plus qu'Anna.
03 · Intelligence LayerAxe de recherche

Agents déterministes et évaluation

Comment obtenir d'un modèle de langage des chiffres sur lesquels on peut compter ?

Pourquoi c'est difficile

Les modèles de langage rédigent bien mais ne calculent pas de façon fiable. La même question peut donner deux réponses différentes. Dans les offres, les commandes et les rapports, ce n'est pas acceptable.

Notre approche

  • Le modèle comprend votre question, le calcul se fait dans le code.
  • Le calcul se fait de manière déterministe sur les enregistrements : même question, même résultat. L'interprétation de la question peut être fausse.
  • Le modèle explique le résultat et cite ses sources.

Questions ouvertes

  • Comment mesurer si l'IA a trouvé la bonne chose ? Un jeu de questions de référence par secteur.
  • À partir de quel niveau de risque une personne doit-elle valider, et quand la validation devient-elle une formalité ?

Schéma

Quel est le montant des commandes ouvertes du client 4711 ?

  1. 1Question
  2. 2Le modèle comprend
  3. 3Calcul exact
  4. 4Réponse avec sources

Contrôle

La même question posée deux fois donne le même résultat. Sinon, c'est une erreur.

Le modèle rédige, le code calcule.
04 · Data LayerAxe de recherche

Synchronisation distribuée

Comment garder dix systèmes au même état sans en arrêter aucun ?

Pourquoi c'est difficile

Les systèmes sources changent sans cesse, tombent en panne ou livrent en retard. Remplacer les systèmes cœur est coûteux et risqué. La plateforme doit donc tourner à côté d'eux, pas à leur place.

Notre approche

  • Lire d'abord : les nouvelles connexions démarrent en lecture seule.
  • Des instantanés horodatés. Les changements suivent là où le système les fournit.
  • L'écriture est séparée : sous forme de proposition, avec validation, réversible.

Questions ouvertes

  • Quand un processus sur la plateforme est-il équivalent à l'ancien système, et comment le prouver en fonctionnement parallèle ?
  • Comment résoudre les conflits quand deux systèmes modifient la même valeur au même moment ?

Schéma

Lire, d'abord

  • ERP
  • CRM
  • Fichiers
Instantané horodatéData Layer

Écrire, seulement avec validation

  1. Proposition de changement
  2. Validation par une personne
  3. Réécriture
  4. Annulation en une étape
Les systèmes sources continuent de tourner. Rien n'est remplacé avant d'avoir fait ses preuves.
05 · Qualité des donnéesAxe de recherche

La qualité des données vue par la théorie de l'information

Que sait vraiment un enregistrement, et combien de temps reste-t-il vrai ?

Pourquoi c'est difficile

La qualité est souvent mesurée par une seule note. Mais un enregistrement peut être complet et pourtant périmé, ou présent en double et pourtant contradictoire.

Notre approche

  • L'information comme incertitude réduite : quelle source en dit le plus sur une valeur ?
  • Utiliser la redondance entre sources comme preuve, pas comme lest.
  • Mesurer la qualité selon plusieurs dimensions : exacte, à jour, reliée, lisible par l'IA.

Questions ouvertes

  • Quelle est la demi-vie du savoir sur les clients, les prix et les interlocuteurs ?
  • Au-delà de quelle qualité d'entrée la réponse de l'IA ne s'améliore-t-elle plus ?

Schéma

Probabilité que la valeur soit toujours juste

Temps depuis la dernière confirmation

  • Adresse
  • Interlocuteur
  • Prix
Représentation schématique, sans valeurs mesurées.

Publications

  • Paru 2018 · Chapitre d'ouvrage

    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

Réseau

Relié à l'université, à l'écosystème des fondateurs et aux programmes de soutien.

demi est un TUM Spin-off et est soutenu par des programmes en Bavière, en Allemagne et en Europe.

demiMunich

Science

  • Université technique de MunichLes trois fondateurs ont étudié à la TUM.
  • TUM Venture LabsLà où demi est né.
  • Étudiants de la TUMProjets d'études, projets interdisciplinaires et mémoires sur nos questions de recherche.

Création et soutien

  • UnternehmerTUMMembre de l'écosystème, programme UnternehmerTUM Incubator.
  • EXIST-ForschungstransferProgramme du BMWE, cofinancé par l'Union européenne (FSE+).
  • Ministère fédéral de l'Économie et de l'ÉnergieFinance demi via le programme EXIST-Forschungstransfer.

Programmes

  • ESA BIC BavariaBusiness Incubation Centre de l'Agence spatiale européenne.
  • NVIDIA InceptionProgramme pour les start-up de l'IA.
  • AI5innovationAccélérateur Elevator Ignite de l'European Digital Innovation Hub cofinancé par l'UE.

Faire de la recherche avec nous

Votre mémoire sur une vraie question.

Nous encadrons des mémoires de master, des projets interdisciplinaires et des étudiants salariés. Chaque sujet est une vraie partie de notre feuille de route, avec un interlocuteur dans l'équipe.

  • De l'arbre au graphe

    Proposer des relations typées entre documents, qu'une personne confirme. On mesure la précision et le rappel par type de relation.

    • Mémoire de master
    • IDP
  • L'IA a-t-elle trouvé la bonne chose ?

    Un cadre d'évaluation avec des questions de référence qui compare la recherche plein texte, floue, par graphe et par métadonnées.

    • Mémoire de master
    • IDP
  • La demi-vie du savoir de l'entreprise

    Suivre dans le temps des affirmations issues de registres publics et estimer une courbe de déclin par type d'affirmation.

    • Mémoire de master
  • Quelle qualité d'entrée faut-il ?

    Mesurer la qualité du signal des documents et des images et vérifier si elle prédit la qualité de la réponse.

    • IDP
    • Étudiant salarié
  • Sécurité de l'IA selon l'OWASP LLM Top 10

    Injection de prompt, détournement d'outils, fuite de données : un cadre de red team réutilisable pour les agents et les serveurs MCP.

    • Mémoire de master
  • Prouver l'isolation entre clients

    Des tests de propriétés et de fuzzing qui tentent de passer d'un client à un autre.

    • Mémoire de master

L'encadrement académique est assuré par votre chaire dans votre université. Nous apportons le sujet, l'accès et un interlocuteur dans l'équipe.

Postes et sujets ouverts

Architecture de sécurité

Comment demi sécurise les agents IA

Pour qui un agent agit, ce qu'il a le droit de voir et de déclencher, comment les entreprises restent séparées et où tournent les données et les modèles : les principes, avec sources.

Vers l'architecture de sécurité

Une recherche qui arrive jusqu'à l'atelier.

En 20 minutes, nous vous montrons comment la couche de données, les droits et l'IA travaillent ensemble sur un cas comme le vôtre.

Votre configurateur

Aucun cas d'usage pour l'instant

Votre configurateur est encore vide

Ajoutez un cas d'usage depuis n'importe quelle carte ou page de cas et voyez ce qu'il rapporte par an, calcul à l'appui. Gratuit, sans inscription, sans engagement : essayez et modifiez chaque chiffre.

Voir les cas d'usage