Zum Inhalt springen

Die Plattform

verlässliche Antworten und KI-Agenten.

Machen Sie aus den Daten Ihres Unternehmens präzise Antworten und KI-Agenten, die Arbeit erledigen, mit integrierten Guardrails und Logs. Starten Sie heute mit unserem SaaS oder betreiben Sie NeuralSeek in Ihrer eigenen Infrastruktur.

So funktioniert es

Guardrails, Modellwahl und Bereitstellungsoptionen sind Standard. Schalten Sie sie ein und passen Sie sie an Ihren Bedarf an.

  • Guardrails bei jedem Aufruf

    Integrierte Guardrails prüfen jede Frage und jede Antwort. Dieselben Regeln gelten für ein Chatfenster, einen API-Aufruf oder einen geplanten Agenten.

  • Die Modelle Ihrer Wahl nutzen

    Fügen Sie ein Modell oder mehrere hinzu, und NeuralSeek verteilt die Last auf sie. Legen Sie fest, welche Aufgaben jedes Modell übernimmt. Ihre Daten, Guardrails und Apps bleiben, wo sie sind.

  • Läuft, wo Sie NeuralSeek brauchen

    Nutzen Sie unser SaaS oder betreiben Sie NeuralSeek in Ihrem eigenen Cloud-Konto, auf Ihrem OpenShift-Cluster oder vollständig isoliert ohne Internetverbindung auf Ihrer eigenen Hardware. Guardrails und Funktionen sind überall dieselben.

Bestandteile

Alles, was Sie zum Entwickeln mit KI brauchen

Alle Teile greifen ineinander. Ein Guardrail, den Sie für Antworten festlegen, gilt auch, wenn ein Agent sie nutzt, egal welches Modell antwortet und wo es läuft.

  • Seek: Antworten aus Ihren Daten

    Antworten aus Ihren eigenen Dokumenten, bewertet nach Konfidenz und Abdeckung, mit hervorgehobenen Quellpassagen. Erweiterte Suche und ein Cache für freigegebene Antworten sind integriert.

    console › seek
    Eine Antwort in der NeuralSeek-Konsole mit hervorgehobenen Quellpassagen, neben dem Sitzungsbereich und einer Tabelle mit Werten für Übereinstimmung, Konfidenz und Abdeckung.
  • mAIstro: KI-Agenten

    Erstellen Sie mehrstufige Agenten in einem visuellen Editor oder im Code mit NTL, der Template-Sprache von NeuralSeek. Wählen Sie pro Schritt ein Modell, verzweigen Sie nach Ergebnissen, führen Sie Schritte parallel aus und lassen Sie Agenten nach Zeitplan selbstständig laufen.

    console › maistro › agent editor
    Der Agenten-Editor von mAIstro: ein Knotengraph von einer Nachrichtensuche über das Entfernen personenbezogener Daten und eine Schutzprüfung bis zu einem LLM-Paar aus Planen und Handeln und einer Präsentationsausgabe, daneben die Funktionsbibliothek.
  • Guardrails

    Hunderte von Guardrails prüfen eingehende Fragen und ausgehende Antworten. Legen Sie sie pro Thema fest und testen Sie Ihre eigenen Agenten jederzeit mit Red Teaming.

    console › neural config › guardrails
    Der Guardrails-Bereich von Neural Config, mit Tabs von semantischer Bewertung, Prompt-Injection, personenbezogenen Daten und Schimpfwörtern bis zu eigener Governance, geöffnet auf Min Confidence: ein Schieberegler für den Schwellenwert, ein Agent für eine eigene Meldung und eine Ersatzantwort.
  • Governance

    Ein Protokoll aller Ausführungen: Antwortbewertungen im Zeitverlauf, Agentenausführungen mit ihren Laufzeiten und ein Änderungsprotokoll Ihrer Einstellungen, über das Sie Änderungen zurücksetzen können.

    console › governance › overview
    Die Governance-Übersicht: Kacheln für semantische Konfidenz, beantwortete Fragen, die Blockrate für Hass, Missbrauch und Schimpfwörter, das Risiko von Prompt-Injection und Fragen mit personenbezogenen Daten, für einen gewählten Zeitraum.
  • Konnektoren

    Fertige Knoten für Ihre Datenbanken, Dateispeicher, Suche und Dokumentbibliotheken. Jeder ist ein Schritt in einem Agenten, und jeder Agent lässt sich per REST oder als MCP-Tool aufrufen.

    console › maistro › function library
    Konnektor-Karten aus der Funktionsbibliothek von mAIstro in einem Raster: Knoten für Datenbanken, Suche, Dateispeicher und Dokumentbibliotheken, jeder mit einer einzeiligen Beschreibung und einem Einstellungselement.
  • Jedes Modell nutzen

    Fügen Sie ein LLM hinzu, indem Sie eine Plattform und ein Modell wählen, und sehen Sie vorab, welche Funktionen es unterstützt. Fügen Sie mehrere hinzu, und NeuralSeek verteilt die Last. Ein Modell tauschen Sie in den Einstellungen.

    console › neural config › add an llm
    Der Dialog zum Hinzufügen eines LLM: OpenAI als Plattform und GPT-4o als Modell gewählt, daneben die Hinweise zum Modell, darunter die eine Funktion, die es nicht unterstützt.
  • Bereitstellung

    Ein Container mit allem oben Genannten. Starten Sie mit unserem SaaS, kaufen Sie über die Marketplaces von AWS, Azure oder IBM Cloud, betreiben Sie NeuralSeek auf IBM Fusion oder installieren Sie es auf Ihrem eigenen OpenShift oder Kubernetes, bei Bedarf vollständig isoliert.

Häufige Fragen

Was Teams meist fragen, bevor sie anfangen.

  1. Was unterscheidet das von einem einfachen RAG-Setup?

    Retrieval ist nur ein Teil. NeuralSeek ergänzt Prüfungen bei jedem Aufruf, ein vollständiges Protokoll jeder Antwort, das Sie noch Monate später nachschlagen können, Agenten, die weiterlaufen, wenn Sie das Modell wechseln, und die Bereitstellung in Ihrer eigenen Umgebung.

  2. Bindet uns das an einen einzigen Modellanbieter?

    Nein. Sie legen fest, welche Aufgaben jedes Modell übernimmt, wählen ein Modell für jeden Agentenschritt und können das Modell für einen einzelnen API-Aufruf überschreiben. Jede dieser Änderungen nehmen Sie in den Einstellungen vor.

  3. Wir haben schon einen Modellanbieter und einen Vektorspeicher. Wo passt NeuralSeek hinein?

    Es setzt auf beiden auf. Nutzen Sie die Schlüssel Ihres eigenen Anbieters und verbinden Sie NeuralSeek mit der Suche, die Sie bereits betreiben. NeuralSeek ergänzt Guardrails, Agenten, ein vollständiges Audit-Protokoll und Prüfungen, ob Antworten auf Ihren Quellen basieren.

Noch heute mit NeuralSeek starten.

Registrieren Sie sich online und beginnen Sie mit einer zweiwöchigen Testphase, oder sprechen Sie mit unseren Fachleuten darüber, wie Sie NeuralSeek in Ihrer eigenen Cloud betreiben.