Automi AI

Was ist Automi AI?

Automi AI ist derzeit ein Forschungslabor für Produkte im Bereich KI-Anwendungen – und nicht einfach nur ein Tool zur Erstellung von KI-Lösungen mit geringem Programmieraufwand. Das Team untersucht, wie KI das Lernen, den Verkauf sowie die Betriebsabläufe verändern kann, und entwickelt anschließend die bewährten Methoden zu eigenständigen Produkten weiter.

Auf der offiziellen Website werden derzeit vier veröffentlichte Produkte aufgeführt: TutorLM, Holostaff AI, playboox und machinevision.cloud. Jedes Produkt verfügt über eine eigene Website, eine eigene Nutzerbasis, eigene Abrechnungsmethoden sowie eigene Regeln für die Verarbeitung von Daten, weshalb es notwendig ist, sie einzeln zu bewerten.

Der derzeitige Produktkatalog von Automi AI

Warum müssen alte Versionen unterschieden werden?

Automi AI war früher als Low-Code-Generative-AI, Dialog-Avatar und Modell-Anwendungsplattform bekannt; im Internet gibt es immer noch viele alte Beschreibungen dazu. Die aktuelle Website ist nun zu einem Produktforschungslabor geworden, und der Inhalt des Katalogs sollte nicht weiterhin historische Funktionen als eine heute direkt erhältliche Einheitsplattform darstellen.

Produktforschung und Inkubierungsverfahren

• Wählen Sie Märkte mit klaren Anforderungen in den Bereichen Lernen, Rekrutierung, Kundenerfolg und visuelle Präsentation vor Ort aus.
• Es soll untersucht werden, welche Prozesse nach dem Einsatz von KI neu gestaltet werden können, anstatt nur zusätzliche Chat-Optionen hinzuzufügen.
• Schnell Prototypen erstellen und deren Nutzwert in der praktischen Anwendung überprüfen.
• Entwickeln Sie experimentelle Lösungen mit stabiler Leistung, die bereit sind, zu zahlen, zu eigenständigen Produkten.
• Für das Produkt spezielle Benutzeroberflächen, Infrastruktur, Preisgestaltung und Betriebsabläufe schaffen.
• Weiterhin werden grundlegende Fähigkeiten wie der Agentenmarkt und zyklische langfristige Inferenz untersucht.

TutorLM: Echtzeit-KI-Tutor für Sprache

TutorLM vermittelt Wissen über künstliche Intelligenz durch Echtzeit-Gespräche. Der Tutor zeichnet während der Erklärungen gleichzeitig Formeln, Tabellen, Animationen und Diagramme, hält gelegentlich an, um Fragen zu stellen, organisiert Tests und passt den Rhythmus an die Leistung des Lernenden an.

• Stimme hat Vorrang: Lernende können während der Erklärung jederzeit Fragen stellen.
• Synchronisierte Leinwand: Formeln, Diagramme und Animationen entstehen im Einklang mit der Erzählung.
• Browser-Übungen: Es werden interaktive Python-Übungen bereitgestellt, die direkt ausgeführt werden können.
• Verständnisprüfung: Durch Tests, Rückwärtsklärung und Nachfragen wird das Beherrschungsniveau beurteilt.
• Strukturierte Vorgehensweise: Die Themen der KI werden schrittweise im Rahmen von Kursen und Lernpfaden behandelt.
• Abschlussprüfung: Der Lernweg endet mit einem mündlichen, integrierten Projekt.

Schulungsrichtungen von TutorLM

Wie man mit TutorLM lernt

1. Wählen Sie Kurse, die zu Ihren vorhandenen Kenntnissen in Mathematik, Programmierung und maschinellem Lernen passen.
2. Vorbereiten Sie Kopfhörer und eine stabile Internetverbindung, um den Sprachkurs in einer ruhigen Umgebung zu beginnen.
3. Wenn man etwas nicht versteht, sollte man sofort unterbrechen und um ein anderes Beispiel oder eine andere Herangehensweise bitten.
4. Sehen Sie Formeln, Diagramme und Code auf dem synchronisierten Canvas an und führen Sie Übungen in der Praxis aus.
5. Formulieren Sie die Konzepte in eigenen Worten, damit der Dozent Lücken im Verständnis feststellen kann.
6. Führen Sie die Abschlussprüfung durch, notieren Sie die Fehler und planen Sie anschließend gezieltes Nachholen.
7. Vor der endgültigen mündlichen Prüfung sollte man die Struktur des Wissens sowie die praktischen Aufgaben unabhängig bearbeiten.

Holostaff AI: Mitarbeiter für den Kundenerfolg im Produkt

Holostaff AI integriert Mitarbeiter für den Kundenerfolg mit KI in SaaS-Produkte, beobachtet die Aktionen der Benutzer im aktuellen Interface und bietet bei Blockaden aktiv Hilfe an. Es unterscheidet sich von herkömmlichen Chatbots, die darauf warten, dass der Benutzer eine Frage stellt, sowie von Produktroutern mit festgelegten Schritten.

• Scannen Sie den Code-Repository, um Routing, Seiten, Komponenten und Produktprozesse zu verstehen.
• Zeichnen Sie die Nutzerreise und identifizieren Sie die Punkte, die zu Verzögerungen oder Abwanderungen führen können.
• Für Einführung, Schulung, technische Unterstützung sowie Implementierung und Erweiterung werden unterschiedliche Mitarbeiter eingesetzt.
• Jede Service-Aktion wird in einer simulierten Benutzerumgebung erprobt und bewertet.
• Fügen Sie den Ausführungsskripten und dem SDK über eine Code-Review-Anfrage dem Produkt hinzu.
• Jede Aktion wird aufgezeichnet; es stehen Wiedergabe, Rückgängigmachung sowie eine Notstopp-Funktion für einzelne Mitarbeiter zur Verfügung.
• Verwenden Sie eine Kontrollgruppe, um Veränderungen in Aktivierung, Retention, Expansion und Support zu messen.

Holostaff AI-Implementierungsprozess

1. Installieren und ausführen Sie das Holostaff-Befehlszeilenwerkzeug im Code-Repository der Webanwendung.
2. Lassen Sie den Scannings-Agenten Routen, Komponenten und wichtige Benutzerprozesse lesen.
3. Überprüfen Sie die erstellten Nutzerreisen und das Abwanderungsrisiko, damit das System nicht selbst über den Umfang entscheidet.
4. Für jeden KI-Mitarbeiter sollten Aufgaben, Datenrechte und verbotene Handlungen definiert werden.
5. Testen Sie mit simulierten Benutzern wiederholt normale, abweichende und sensible Abläufe.
6. Die automatisch erzeugten Codeänderungen werden überprüft, und nach Bestätigung werden sie vom Team in den Produktivbetrieb integriert.
7. Nach dem Go-Live werden Protokolle der Überwachungsaktionen, Nutzerfeedback sowie Kontrollgruppenindikatoren überwacht.

Holostaff AI-Verwaltungsfähigkeit

• Jeder KI-Mitarbeiter sowie seine Aufgaben werden von dem Unternehmen ausdrücklich genehmigt.
• Vor dem offiziellen Go-Live werden durch Simulationsszenarien Probeaufnahmen und Bewertungen durchgeführt.
• Änderungen bei der Bereitstellung müssen einer eigenen Code-Review sowie einem Merge durch das Unternehmen unterzogen werden.
• Alle Aktionen können aufgezeichnet und wiedergegeben werden, was die Untersuchung von Fehlern erleichtert.
• Jeder KI-Mitarbeiter kann einzeln deaktiviert werden, um den Einflussbereich zu verringern.
• Der Sitzungskontext dient dem Service für den aktuellen Benutzer und sollte nicht zur Schulung von Mitarbeitern anderer Kunden verwendet werden.

PlayBoox: Der Rekrutierungsprozess in der KI-Hilfe

Playboox bringt die Bewerbungsverfahren, die Auswahl der Kandidaten, die Terminvereinbarung für Vorstellungsgespräche sowie die Entscheidungen bezüglich der Einstellung in Claude und ChatGPT unter. Die Kandidaten beantworten in ihrem eigenen AI-Assistenten die von den Arbeitgebern gestellten Fragen, während das Personalteam ebenfalls über den AI-Assistenten Zusammenfassungen einsehen und den Prozess vorantreiben kann.

• Kandidaten müssen kein zusätzliches Konto erstellen oder lange Formulare ausfüllen.
• Die Fragen werden einzeln gestellt, und der Kandidat antwortet in eigenen Worten.
• Alle Anträge weisen die gleiche Struktur und Beweismittel auf, was einen Vergleich erleichtert.
• Das System erstellt für jeden Kandidaten einen kurzen Überblick, die Stärken sowie Fragen für das Vorstellungsgespräch.
• Kandidaten können im Dialog den Status einsehen und einen Termin für das Vorstellungsgespräch auswählen.
• Teammitglieder prüfen in ihren AI-Hilfsprogrammen die zu erledigenden Aufgaben und treffen Entscheidungen.
• Jede Entscheidung zur Fortsetzung des Vorgehens muss von einer bestimmten Person bestätigt werden, wobei die Gründe angegeben werden müssen.

Wie man mit PlayBoox Personal rekrutiert

1. Kombinieren Sie in dem Prozessdesigner die Schritte Antragstellung, Filtern, Vorstellungsgespräch und Einstellung.
2. Für die Stellen festlegen von einheitlichen Kriterien, Beweisbewertung und benannten Verantwortlichen für die Genehmigung.
3. Eine Stellenseite veröffentlichen und den Bewerbern einen Zugang zu einem AI-Hilfsprogramm bieten.
4. Die Kandidaten füllen den Antrag schrittweise in Claude oder ChatGPT aus.
5. Die Personalverantwortlichen lesen die strukturierten Zusammenfassungen sowie die ursprünglichen Antworten und verlassen sich nicht nur auf die Schlussfolgerungen der KI.
6. Von benannten Personen wird bestätigt, ob etwas vorangetrieben, abgelehnt oder zusätzliche Fragen gestellt werden.
7. Planen Sie das Vorstellungsgespräch im Dialog und synchronisieren Sie die Einladung in den Kalendern beider Parteien.

Die Grenzen der Verantwortung zwischen Mensch und Maschine bei Playboox

PlayBoox setzt KI ein, um Informationen zu organisieren, Hinweise zu geben und Abläufe durchzuführen, erlaubt es der KI jedoch nicht, eigenständig Entscheidungen bezüglich der Einstellung von Mitarbeitern zu treffen. Jeder Schritt muss von einer bestimmten Person bestätigt werden. Diese Konstruktion erleichtert die Nachverfolgung der Verantwortlichkeiten, kann aber Vorurteile oder eine fehlerhafte Auswahl nicht automatisch beseitigen.

• KI kann Zusammenfassungen der Bewerber erstellen, aber die Personalverantwortlichen müssen die ursprünglichen Unterlagen lesen.
• KI kann Vorstellungsgesprächsfragen stellen, aber die Mitarbeiter müssen deren Rechtmäßigkeit und Relevanz überprüfen.
• KI kann den nächsten Schritt empfehlen, aber sie darf Kandidaten ohne Genehmigung ablehnen.
• Jede Entscheidung sollte mit dem Namen der beteiligten Person, dem Zeitpunkt sowie dem Geschäftsgrund festgehalten werden.
• Es darf nicht aufgrund geschützter Merkmale, Stellvertretervariablen oder vermuteter Persönlichkeitsmerkmale selektiert werden.
• Kandidaten sollten in der Lage sein, den Status zu erkennen und die notwendigen Kanäle für den direkten Kontakt zu nutzen.

machinevision.cloud: API für maschinelles Sehvermögen

MachineVision.cloud ermöglicht es Entwicklern, visuelle Aufgaben in natürlicher Sprache zu beschreiben. Nach dem Hochladen von Bildern erhält man strukturierte JSON-Ergebnisse. Auf der offiziellen Automi-Website wird es außerdem als Fähigkeit zur visuellen Überwachung beschrieben, bei der Satellitenbilder, Bilder von fest installierten Kameras sowie Bilder von Handys von Mitarbeitern verarbeitet werden können.

• Definieren Sie in natürlicher Sprache die visuellen Aufgaben, die erkannt, überprüft oder extrahiert werden müssen.
• Einzelne Bilder hochladen und strukturierte Feldergebnisse erhalten.
• Überprüfen Sie Veränderungen am Grundstück, am Bauplatz, an den Anlagen oder in der Produktionsumgebung.
• Der Zustand vor Ort wird aus den Fotos auf den Handys des Personals extrahiert.
• Die visuellen Ergebnisse werden in Alarme, Tickets oder das Betriebsystem geschrieben.
• Für die Schlüsselergebnisse werden manuelle Überprüfungen sowie Beweisbilder hinzugefügt.

Ablauf der Verwendung der Machine-Vision-API

1. Definieren Sie die zu identifizierenden Objekte, Zustände, Abweichungen und strukturierten Ausgabefelder.
2. Erstellen Sie Testbilder, die normale, abweichende, unklare sowie Grenzfälle umfassen.
3. Beschreiben Sie die Aufgabe in einfachen, natürlichen Worten und definieren Sie, wie ungewisse Ergebnisse zurückgegeben werden sollen.
4. Rufen Sie die Inferenz-Schnittstelle auf, um ein Bild einzusenden, und speichern Sie die Anfrage, das Ergebnis sowie die Modellversion.
5. Prüfung der Genauigkeit, von Übersehenen Fällen, Fehlalarmen sowie dem Einfluss sensibler Attribute durch Fachleute aus dem jeweiligen Bereich.
6. Für die Beurteilung von hohem Risiko werden eine manuelle Überprüfung sowie Mindestvertrauensanforderungen festgelegt.
7. Nach Erreichen der Geschäftsgröße können Benachrichtigungen, Tickets und automatisierte Prozesse hinzugefügt werden.

Produktpreisgestaltung

Automi AI bietet keinen einheitlichen Labor-Abonnement-Service an; die Preise werden für jedes Produkt separat berechnet. Derzeit sind die offiziellen Preise für TutorLM und playboox bekannt. Bei Holostaff AI wird nur angegeben, dass man kostenlos starten kann, während eine Gebühr fällig wird, sobald die Mitarbeiter tatsächlich eingesetzt werden. Für machinevision.cloud gibt es keine festen Paketpreise.

PlayBoox-Abrechnungsmethode

PlayBoox verwendet eine Abrechnung nach Ergebnissen und Prozessnutzung anstelle von Abonnements für Benutzerkonten. Unternehmen können unbegrenzt Stellen veröffentlichen und unbegrenzt Teammitglieder einladen. Es wird nur 19 US-Dollar berechnet, wenn der Kandidat den gesamten Bewerbungsprozess abgeschlossen hat. Bei Abschluss der Einstellung fällt außerdem eine feste Gebühr von 190 US-Dollar an.

Für welche Benutzer geeignet

• Menschen, die durch ein System mit Echtzeit-Sprach- und Interaktionsübungen AI lernen möchten.
• Das Produktteam hofft, jedem Nutzer innerhalb der SaaS-Produkte aktiv zu helfen.
• Personalabteilungen, die die Belastung durch Stellenausschreibungen und die erste Überprüfung von Lebensläufen verringern müssen.
• Kleine Unternehmen, die möchten, dass sowohl Kandidaten als auch das Team mit einem AI-Assistenten arbeiten.
• Entwickler, die Bilder in die Überwachungssysteme vor Ort sowie in die Betriebsabläufe integrieren müssen.
• Teams, die sich auf die Entwicklung von AI-basierten Produkten sowie auf die Infrastruktur für den Betrieb von Agenten konzentrieren.

Häufige Anwendungsszenarien

• KI-Lernen: Lernen Sie mit Sprach-Tutoren über neuronale Netze, Embeddings, Suchfunktionen und Transformer.
• Einführung in SaaS: Aktive Unterstützung bei der Konfiguration und Durchführung der ersten wertvollen Aktion, wenn der Benutzer auf Schwierigkeiten stößt.
• Produktausbildung: KI-Mitarbeiter erklären Funktionen, Dokumentationen und technische Fragen.
• Bewerbungsantrag: Bewerber führen einen strukturierten Dialog über den AI-Assistenten durch.
• Rekrutierungsunterstützung: Der Personalmanager prüft den Überblick, notiert die Gründe und organisiert das Vorstellungsgespräch.
• Ortliche Überprüfung: Analyse von Veränderungen und Anomalien in Bildern von Satelliten, Kameras oder Handys.
• Betriebsautomatisierung: Übermittlung strukturierter visueller Ergebnisse an Ticketsysteme und Alarme.

Vorteile des Produkts

• Konzentrieren Sie sich auf Märkte mit echten Bedürfnissen, anstatt nur allgemeine Chattenfähigkeiten zu zeigen.
• Für alle vier Produkte wurden die jeweiligen Arbeitsabläufe neu gestaltet, wodurch eine klare Struktur entstanden ist.
• TutorLM verbindet Sprache, Visualisierung, Übungen und Prüfungen zu einem Lernzyklus.
• Holostaff AI legt Wert auf Simulationsproben, Code-Reviews, Protokolle und Notstopp-Funktionen.
• PlayBoox behält die Entscheidungen durch menschliche Mitarbeiter bei, um automatische Entscheidungen durch KI bei der Einstellung zu vermeiden.
• Die Machine-Vision-API verringert die Einstiegshürden durch Aufgaben in natürlicher Sprache und strukturierte Ergebnisse.

Nutzungsbeschränkungen

• Automi AI ist keine einheitliche, kaufbare Plattform – die vier Produkte müssen separat registriert und bewertet werden.
• Alte Low-Code-Plattformen sowie digitale Avatare könnten für die aktuellen Produkte nicht mehr geeignet sein.
• Für Holostaff AI und die Machine-Vision-APIs gibt es keine offiziell festgelegten Preise.
• Einige Produkte befinden sich noch in einer frühen Markteintrittsphase, wodurch sich ihre Funktionen und Geschäftsmodelle schnell ändern können.
• TutorLM kann keine offizielle Bildungszertifizierung sowie die Unterstützung von Lehrern bei komplexen Lernschwierigkeiten ersetzen.
• Holostaff AI muss den Produktnachweis sowie den Kontext der Sitzung lesen; Unternehmen müssen die Berechtigungen überprüfen.
• PlayBoox kann Vorurteile bei der Einstellung nicht automatisch beseitigen; menschliche Entscheidungen müssen weiterhin rechtmäßig und nachvollziehbar sein.
• Die Ergebnisse der Maschinenvisualisierung können falsche oder ausgelassene Meldungen liefern und sollten nicht direkt für die automatische Bearbeitung in Hochrisikosituationen verwendet werden.

Hinweise zu Daten und Privatsphäre

• Lesen Sie die Datenschutzrichtlinien und Nutzungsbedingungen für jedes Produkt einzeln – schauen Sie nicht nur auf die Hauptseite von Automi.
• TutorLM kann Sprache, Lernfortschritt, Tests und Identitätsinformationen verarbeiten.
• Holostaff AI kann Code, Produktprozesse, Kontext der Gespräche sowie Benutzerverhalten lesen.
• PlayBoox verarbeitet personenbezogene Daten wie Lebensläufe, Antworten, Entscheidungen zur Einstellung sowie Terminvereinbarungen für Vorstellungsgespräche.
• Bilder der Maschinenvisierung können Gesichter, Orte, Eigentum und andere sensible Informationen enthalten.
• Unternehmen sollten den Speicherort der Daten, die Aufbewahrungsfrist sowie die Methoden für das Trainieren und Löschen von Modellen festlegen.
• Es werden nur die minimalen Daten bereitgestellt, die zur Erfüllung der Aufgabe erforderlich sind, und es wird eine manuelle Zugriffsüberwachung eingerichtet.

Methoden zur Bewertung von Automi-Produkten

1. Wählen Sie zunächst einen konkreten Bedarf aus: TutorLM, Holostaff, playboox oder Maschinenvision.
2. Besuchen Sie die Website des jeweiligen Produkts, um die aktuellen Preise, Bedingungen und Hilfedokumente einzusehen.
3. Definieren Sie messbare Ziele, wie beispielsweise die Abschlussrate der Kurse oder die Aktivierungsrate der Nutzer.
4. Führen Sie einen kleinen Pilotversuch mit einem Testkonto, anonymen Daten oder nicht-produktiven Bildern durch.
5. Überprüfen Sie die Genauigkeit, die manuelle Arbeitsbelastung, die Privatsphärenrisiken und die Gesamtkosten.
6. Die Werbeindikatoren für Produkte mit eigenen Daten erneut überprüfen.
7. Die Einführung wird nur ausgeweitet, wenn die Effektivität und Steuerung die erforderlichen Schwellenwerte erreichen.

GitHub, API und Open-Source-Status

Bis zu dieser Überprüfung wurde weder eine einheitliche offizielle GitHub-Organisation des Automi AI-Labors noch ein verifizierbar damit verbundenes Open-Source-Kernrepository gefunden. machinevision.cloud bietet ausdrücklich eine Inferenz-API an, während Holostaff AI Befehlszeilentools sowie eine SDK-basierte Implementierung bereitstellt – doch offene Schnittstellen bedeuten nicht automatisch, dass die Kernplattform offen zugänglich ist.

Grundlegende Informationen

Empfehlungswert

Der Gesamtbewertungsfaktor beträgt 4,0 von 5 möglichen Punkten. Die vier Produkte von Automi AI sind für bestimmte Arbeitsabläufe konzipiert; ihre Gestaltung ist klar durchdacht. Allerdings handelt es sich bei dem Tool selbst nicht um ein einheitliches Werkzeug. Die Nutzer müssen daher zu den jeweiligen Produkten gehen, um deren Funktionen, Preise sowie Bedingungen zu überprüfen.

Häufige Fragen

Ist Automi AI jetzt eine Low-Code-Plattform?

Die derzeitige Website positioniert sich als Forschungslabor für KI-Anwendungsprodukte und zeigt keinen einheitlichen Low-Code-Builder als Hauptprodukt.

Welche aktuellen Produkte gibt es von Automi AI?

Derzeit werden die vier Produkte TutorLM, Holostaff AI, playboox und machinevision.cloud aufgelistet.

Ist TutorLM kostenlos?

Es stehen monatlich 3 kostenlose Sitzungen zur Verfügung, die kostenpflichtigen Pakete beginnen bei 15 US-Dollar pro Monat.

Was macht Holostaff AI?

Es integriert Mitarbeiter für den Kundenerfolg im Bereich KI in SaaS-Produkte, um aktiv zu helfen, wenn die Nutzer auf Schwierigkeiten stoßen.

Wird Playboox automatisch Entscheidungen bezüglich der Einstellung treffen?

Nein, die KI ist für die Organisation und das Vorschlagen zuständig; jeder weitere Schritt muss von einer bestimmten Person bestätigt werden.

Wie wird Playboox abgerechnet?

Positionen und Teammitglieder sind kostenlos, eine vollständige Bewerbung kostet 19 Dollar, bei erfolgreicher Einstellung wird eine feste Gebühr von 190 Dollar erhoben.

Was macht machinevision.cloud?

Es nimmt visuelle Aufgaben in natürlicher Sprache sowie Bilder entgegen und gibt strukturierte Ergebnisse der maschinellen Bildverarbeitung zurück.

Gibt es einen einheitlichen Abonnement-Plan für Automi AI?

Es wurde keine einheitliche Abonnementlösung gefunden; die vier Produkte verfügen über eigene Konten, Preise und Geschäftsmodelle.

Wird eine API bereitgestellt?

MachineVision.cloud bietet ausdrücklich APIs an; für die Integration in andere Produkte muss man sich die jeweiligen Dokumentationen ansehen.

Ist Automi AI ein Open-Source-Projekt?

Nein, es wurden weder ein Labor noch offizielle, vollständige Open-Source-Repositorys für die vier Kernprodukte gefunden.