Aktuelle Arbeiten

Problem

Nützliches Wissen sammelt sich in Formaten an, die niemand durchsuchen kann: stundenlange Aufzeichnungen von Calls und Vorlesungen, gescannte PDFs, Videos, Fotos auf dem Handy. Cloud-Assistenten können es zusammenfassen und Fragen dazu beantworten, aber erst, nachdem jede Datei auf fremde Server hochgeladen wurde - womit sie für private Notizen, Kundenmaterial oder alles unter NDA ausscheiden.

Architektur

• Eine Schnittstelle für jedes Modell. Generierung, Embeddings, Transkription und Bildverarbeitung liegen hinter einem einzigen, anbieterunabhängigen Vertrag. Welche Engine antwortet und wo sie läuft, ist eine Deployment-Entscheidung, keine Code-Abhängigkeit.
• Jedes Gerät ist ein Ingest-Kanal. Ein Gerät verbindet sich mit eigenen, rotierbaren Zugangsdaten und sieht einen virtuellen Namensraum, der nur seine eigenen Dateien enthält. Der Transport ist ein austauschbarer Kanal, nicht die Architektur: Ein Handy anzubinden ist eine Zeile in einer Tabelle, auf dem Host wird nichts eingerichtet.
• Nichts wird bestätigt, bevor es dauerhaft gespeichert ist. Ein Backup-Client markiert ein Foto als synchronisiert, sobald die Übertragung geschlossen wird - also gelingt das Schließen erst, wenn Bytes und Datensatz committet sind. Duplikate werden am Inhalt erkannt, nicht anhand dessen, woran sich der Client zu erinnern glaubt.
• Verarbeitung ist eine Queue, kein Request. Atomares Claiming mit Lease: Worker skalieren horizontal, ein Absturz mitten in einer Datei ist behebbar, und ein Reconciler repariert, was ein Absturz hinterlassen hat. Schwere Medien laufen out-of-band und melden sich per Callback zurück, sodass die API nie auf eine Transkription wartet.
• Retrieval ist ein Vertrag, kein Top-k-Aufruf. Chunks unterhalb eines Relevanzwerts erreichen das Modell nie - eine schwache Frage liefert nichts statt einer selbstsicheren Antwort aus Rauschen. Text- und Bildähnlichkeit werden auf getrennten Skalen bewertet; ein gemeinsamer Schwellenwert für zwei Embedding-Räume ist ein Bug, keine Vereinfachung.
• Gebaut, um schlechten Input zu überstehen. Eine mehrstufige Extraktionskette mit OCR als Fallback, und nicht unterstützte Formate werden in einem expliziten Zustand geparkt, statt den ganzen Batch scheitern zu lassen.
• Struktur wird vorgeschlagen, nie aufgezwungen. Zusammengehörige Einträge werden erkannt und als Serie angeboten; ein Mensch bestätigt. Das Auto-Tagging verwendet zuerst das bereits genutzte Vokabular, bevor es neue Begriffe erfindet, und manuelle Änderungen überstehen eine erneute Verarbeitung.