Epsilla

Eine kurze Beschreibung

Epsilla ist eine Plattform zur Erstellung von KI-Agenten, privaten Wissensdatenbanken und RAG-Anwendungen. Sie bietet sowohl visualisierte Cloud-Dienste für Geschäftsmitarbeiter als auch open-source-basierte Vektordatenbanken, die selbst gehostet werden können.

Einführung in die Tools

Epsilla bündelt Datenzugriff, Parsing und Aufteilung, Vektorabfrage, Modellaufruf, Agentenkonfiguration, Bewertung und Veröffentlichung in einem einzigen Arbeitsraum. Der Benutzer kann zunächst eine Wissensdatenbank erstellen und anschließend einen Chat-Agenten oder eine intelligente Suchanwendung entwickeln.

Das Produkt umfasst derzeit zwei Teile, die getrennt verstanden werden müssen: Epsilla Cloud ist ein kommerzielles KI-Agent mit RAG-Plattform, während Epsilla Vector Database eine Open-Source-Vektordatenbank ist. Die Open-Source-Datenbank und der Client bedeuten nicht, dass die gesamte Cloud-Plattform offen zugänglich ist.

Hauptfunktionen

1. Visualisierung der Erstellung von KI-Agenten

Benutzer können in der Web-Oberfläche KI-Agenten für bestimmte Bereiche erstellen und Prompte, Wissensmaterialien, Modelle sowie Suchprozesse konfigurieren. Für grundlegende Aufgaben ist es nicht notwendig, eine vollständige Backend-Struktur von Grund auf zu entwickeln.

• Chat Agent wird zur fortlaufenden Frage- und Antwortverarbeitung sowie zum Dialog auf der Grundlage von privaten Daten verwendet.
• Der Smart Search Agent wird verwendet, um Informationen aus der Wissensdatenbank abzurufen und Antworten zu strukturieren.
• Erweiterte Workflows ermöglichen die Kombination von Suchvorgängen, Modellen, Werkzeugen und Schritten zur Bedingungsverarbeitung.
• Versionierung dient dazu, Änderungen an der Anwendungskonfiguration zu speichern und das Risiko zu verringern, nach einer Änderung nicht mehr in den ursprünglichen Zustand zurückkehren zu können.
• Die Vorschaufunktion ermöglicht es, vor der Veröffentlichung Antworten, Musterfragen sowie die Interaktionsfunktionen zu überprüfen.

2. Mehrkanaliges RAG-Wissensarchiv

Epsilla kann lokale Dateien, Webseiten und Unternehmensinhaltsysteme in eine Wissensdatenbank integrieren. Anschließend werden diese durch Analyse, Aufteilung, Vektorisierung und Indexierung in einen Suchkontext umgewandelt, der von KI-Systemen bei der Beantwortung von Fragen herangezogen wird.

3. Datenanalyse, Aufteilung und automatische Synchronisierung

Die Wissensdatenbank bietet Funktionen wie Analyse, Aufteilung, Einbettungsmodelle, Metadaten sowie automatische Synchronisierung. Das Team kann die Struktur der Datenblöcke anpassen und den Suchbereich mit Metadaten einschränken.

• Auto Sync dient dazu, Änderungen in externen Datensquellen ständig mit der Wissensdatenbank abzustimmen.
• Data Parsing bestimmt, wie der auffindbare Text aus einer Datei oder Seite extrahiert wird.
• Data Chunking steuert die Art der Textaufteilung und beeinflusst die Granularität der Rückholung sowie die Länge des Kontexts.
• Die Einstellungen für das Einbetten bestimmen, wie der Wissensinhalt in eine vektorielle Darstellung umgewandelt wird.
• Hypothetische Fragen können hypothetische Fragen für den Inhalt erzeugen, um die Rückholung von Fragen und Antworten zu verbessern.
• Webhooks und die Möglichkeit zur programmierten Verwaltung ermöglichen es, Aktualisierungen der Wissensdatenbank in die Geschäftsprozesse einzubinden.

4. Abruf privater Daten und gemischte Suche

Die untere Ebene der Vektordatenbank unterstützt Vektorfelder, die Filterung von Metadaten sowie eine gemischte Suche, bei der dichte und spärliche Vektoren kombiniert werden. Sie eignet sich für Aufgaben wie semantische Suche, Dokumentenfragen, Empfehlungen sowie das Langzeitgedächtnis großer Modelle.

Datenbanken verfügen über gängige Verwaltungskonzepte wie Datenbanken, Tabellen und Felder; Vektoren sind lediglich eine Art von Feldtyp. Entwickler können Geschäftsfelder gleichzeitig speichern und bei der Abfrage sowohl den ursprünglichen Text als auch strukturierte Daten zurückgeben.

5. Integration von Modellen und Suchdiensten

Die Plattformdokumentation listet große Modellanbieter wie OpenAI und Anthropic auf und unterstützt Embeddings-Dienste wie GPT, Claude, Mistral sowie Jina AI und Voyage AI. Die tatsächlich verfügbaren Modelle variieren je nach Anbieter und Accountrechten.

Benutzer können ihre eigenen Modell-Schlüssel verwenden; die Kosten sowie Beschränkungen für die Aufrufe der Modelle werden vom jeweiligen Anbieter geregelt. In den Dokumenten wird außerdem Tavily als Websuchdienst aufgeführt, der KI-Systeme mit aktuellen Informationen aus dem Internet versorgt.

6. Anwendungsbewertung

Epsilla bietet Bewertungsprojekte, Bewertungsergebnisse sowie Historiedaten zur Vergleichbarkeit der Leistung von Agenten oder Suchverfahren. In den öffentlichen Aktualisierungsprotokollen wurden bisher Indikatoren wie ROUGE und Token Overlap aufgeführt; die genauen verfügbaren Indikatoren richten sich nach der aktuellen Konsole.

7. Veröffentlichung, Einbetten und Dialoganalyse

Nach der Konfiguration kann der Benutzer die Anwendung vorab ansehen und veröffentlichen, sowie die Chat-Oberfläche in eine Website einbetten. Die Veröffentlichungseinstellungen können mit Theme, Logo, Markdown und LaTeX gestaltet werden.

Die Plattform umfasst eine Analyse der Benutzerinteraktionen, mit der man ermitteln kann, wie die Anwendung genutzt wird. Vor der Einführung in einem Unternehmen sollten die Analysekriterien, die Speicherdauer der Daten sowie die Regeln für die Verarbeitung personenbezogener Informationen festgelegt werden.

8. Projekt- und Teammanagement

Das Projekt dient dazu, Agenten, Wissensdatenbanken, Bewertungsmethoden sowie Integrationserweiterungen zu gruppieren und den Teammitgliedern Zugriffsrechte zuzuweisen. Schlüssel auf Projektebene ermöglichen einen programmierten Zugriff auf Ressourcen; nach ihrer Erstellung müssen sie sorgfältig aufbewahrt und regelmäßig ausgetauscht werden.

Epsilla Vector Database

Fähigkeiten von Vektor-Datenbanken

• Unterstützung der Similaritätsabfrage für eingebettete Vektoren.
• Unterstützt Verwaltungsaufgaben wie Datenbanken, Tabellen, Felder, Einfügen, Aktualisieren, Löschen und Abfragen.
• Unterstützung der Metadatenfilterung, um den Suchbereich nach Benutzer, Zeit, Kategorie oder Berechtigungen einzugrenzen.
• Unterstützung für eine gemischte Suche, die die Kombination von dichten und spärlichen Vektoren ermöglicht.
• Unterstützung für eingebettete Funktionen, sodass in einigen Szenarien direkt mit natürlicher Sprache Eingaben gemacht und Ergebnisse zurückgegeben werden können.
• Es werden Funktionen für getrennte Berechnung und Speicherung sowie Architekturkonzepte für Serverless und Multi-Tenant bereitgestellt.

Einsatz und Client

Entwickler können die Datenbankdienste mit Docker starten und den Datordner an eine persistente Speicherstelle binden. Python-Klientenpakete können zur Erstellung von Datenbanken und Tabellen, zum Schreiben von Datensätzen sowie zur Ausführung semantischer Abfragen verwendet werden.

Vollständiger Arbeitsablauf

1. Erstellen Sie ein Epsilla-Konto und wechseln Sie zum Standardprojekt, um die Anforderungen bezüglich des Teams, der Datenerfüllung und des Budgets zu überprüfen.
2. Wählen Sie eine lokale Datei, eine Website oder ein Cloud-Inhaltsystem aus, erstellen Sie eine Wissensdatenbank und vollziehen Sie die Autorisierung.
3. Stellen Sie die Strategien für die Analyse, Aufteilung in Blöcke, Einbettung, Metadaten sowie Synchronisierung ein und warten Sie darauf, dass die Daten indiziert sind.
4. Erstellen Sie einen Chat Agent oder einen Smart Search Agent, wählen Sie ein Modell aus und verknüpfen Sie es mit der Wissensdatenbank.
5. Konfigurieren Sie Prompte, Suchschritte, Werkzeuge und Ausgabeformate, um reale Probleme in einer Vorschauumgebung zu testen.
6. Es werden Bewertungsdaten und -indikatoren erstellt, um die Richtigkeit der Antworten, die zitierten Inhalte sowie die Fehlfallbeispiele zu überprüfen.
7. Speichern Sie die Anwendungsversion und wählen Sie die Methode zur Veröffentlichung im Web – sei es als eingebettete Komponente oder über programmierte Aufrufe.
8. Durch die Verwendung von Analysen, Bewertungsprotokollen und Nutzerfeedback wird die Wissensdatenbank sowie die Arbeitsabläufe kontinuierlich angepasst.

Anleitung zur Verwendung

Erstellen des ersten Wissensdatenbank-Frage-und-Antwort-Agenten

1. Erstellen Sie in dem Projekt eine Wissensdatenbank und wählen Sie einen Datenkanal aus, für den bereits eine Nutzungsgenehmigung vorliegt.
2. Laden Sie eine kleine Anzahl an repräsentativen Dateien hoch und erstellen Sie zunächst den Index unter Verwendung der Standard-Einstellungen für die Analyse und Aufteilung.
3. Erstellen Sie einen Chatbot und verknüpfen Sie ihn mit dieser Wissensdatenbank. Legen Sie außerdem den Umfang der Antworten sowie die Vorgehensweise fest, wenn keine Antwort möglich ist.
4. Erstellen Sie Faktenfragen, Dokumentübergreifende Fragen und Fragen ohne Antwort und überprüfen Sie nacheinander den abgerufenen Inhalt sowie die Antworten.
5. Erst nach Überprüfung der Wirksamkeit sollte der Umfang der Daten erweitert und die automatische Synchronisierung für die entsprechenden Datengrundlagen aktiviert werden.

Anbindung an die eigenen Modell-Schlüssel

1. Wählen Sie im Integrationseinstellungen-Dialog den Modellanbieter aus.
2. Erstellen Sie Schlüssel für Modelle mit minimierten Berechtigungen und führen Sie die Überprüfung in Epsilla durch.
3. Weisen Sie die benötigten Modelle den Agenten oder Aufgaben zu, um eine Verwendung teurer Modelle standardmäßig zu vermeiden.
4. Überprüfen Sie getrennt die Nutzung der Epsilla-Ressourcen sowie die Rechnungen des Modellanbieters, da beide möglicherweise separat abgerechnet werden.
5. Legen Sie Budgetwarnungen fest und etablieren Sie einen Prozess für den Schlüsselwechsel, um diese rechtzeitig zu widerrufen, wenn Mitglieder ausscheiden oder Schlüssel geleakt werden.

Selbstverwaltete Vektor-Datenbanken

1. Vorbereiten Sie einen Server für die Unterstützung von Docker und planen Sie Verzeichnisse für persistente Daten, Ports sowie Strategien zur Datensicherung.
2. Der Pull-Server zieht das Vektor-Datenbankbild herunter, montiert den Datenordner und startet anschließend den Dienst.
3. Installieren Sie den offiziellen Client, verbinden Sie sich mit der Datenbank und erstellen Sie die Tabellendatenstruktur sowie Vektorindizes.
4. Schreiben Sie einige Testdaten ein, um semantische Abfragen, Metadatenfilterung und zurückgegebene Felder zu überprüfen.
5. Vor dem Go-Live sollten Identitätsverifizierung, Netzwerkisolierung, Überwachung, Aktualisierungen sowie Notfallwiederherstellungspläne ergänzt werden.

Für welche Benutzer geeignet

• Unternehmens-Wissensmanagement-Team: Nutzung von in Dokumenten, Webseiten und Collaboration-Systemen gespeicherten Informationen für interne Fragen und Antworten.
• Produkt- und Kundenservice-Team: Erstellung von Produktassistenten, Suchfunktionen im Hilfesystem sowie intelligenter Kundenservice-Assistenten.
• Entwickler: Erstellung von RAG-Anwendungen unter Verwendung offener Vektor-Datenbanken, Clients und Schnittstellen.
• Beratungs- und Fachdienstleistungs-Team: Entwicklung von Domain-Agenten auf der Grundlage von Branchendaten, Vorschriften und Projektunterlagen.
• Datenteam und AI-Team: Testen von Blockierung, Einbettung, Suchworkflows und Bewertungsansätzen für Antworten.
• Teams, die eine private Implementierung benötigen: Selbsthostete Vektor-Datenbanken sowie die Anbindung der Anwendungslogik an bestehende Systeme.

Typische Anwendungsszenarien

• Internes Fragen-und-Antwort-System: Es ermöglicht den Mitarbeitern, Antworten in Richtlinien, Prozessen und Bedienungsanleitungen zu finden.
• Kundensupport: Produktdokumentationen und häufig gestellte Fragen in den Dialog-Assistenten integrieren, um wiederholte Anfragen zu reduzieren.
• Intelligente Suche innerhalb der Plattform: Die Hilfeseiten oder die Inhaltssammlung werden nach semantischen Aspekten gesucht – und nicht nur anhand von Schlüsselwörtern.
• Projektwissensassistent: Synchronisierung von Projektdaten in Drive, Notion, Confluence oder Jira.
• Dokumentenanalyse: Suche in mehreren Berichten, Zusammenfassung sowie Erhalt nachvollziehbarer Wissensfragmente.
• Entwickler-Search-Basis: Bietet vektorbasierten Speicher für Chatbots, Empfehlungen, Suchfunktionen und das Gedächtnis großer Modelle.

Vorteile des Produkts

• Von der Dateneingabe bis zur Veröffentlichung durch das Agent ist der Prozess recht vollständig, was die Konfigurationsarbeiten zwischen mehreren separaten Diensten reduziert.
• Gleichzeitig deckt es die visuelle Erstellung für Vertriebsmitarbeiter sowie die Anforderungen an Datenbanken, Client- und Programmverwaltung für Entwickler ab.
• Die Wissensdatenbank-Connector umfassen gängige Dateien, Webseiten, Cloud-Speicher und Unternehmenskollaborationssysteme.
• Einstellungen wie Blockierung, Einbettung, Metadaten, Annahmefragen und automatische Synchronisierung eignen sich zur kontinuierlichen Optimierung von RAG.
• Unterstützung für Projekte, Mitglieder, Versionen und Bewertungen zur einfachen Verwaltung mehrerer Anwendungen durch das Team.
• Der Quellcode der unteren Ebene-Vektordatenbank ist öffentlich zugänglich, sodass Entwickler die Implementierung überprüfen und sie unter Einhaltung der Lizenz selbst hosten können.

Einsatzbeschränkungen und Hinweise

• Antworten von RAG können weiterhin Informationen übersehen, falsch zitieren oder falsch zusammenfassen; wichtige Geschäftsergebnisse müssen manuell überprüft werden.
• Die Qualität der Wissensdatenbank hängt stark von den ursprünglichen Dateien, den Analyseergebnissen, der Aufteilung in Blöcke, den eingebetteten Modellen sowie der Berechtigungsstruktur ab.
• Externe Modelle, Suchdienste und Datensätze können zusätzliche Kosten verursachen; daher kann die Gesamtkosten nicht allein auf der Grundlage des Epsilla-Pakets geschätzt werden.
• Free und Starter haben deutliche Einschränkungen hinsichtlich der Anzahl der Mitglieder und Projekte und eignen sich nicht für komplexe, mehrteilige Berechtigungsstrukturen.
• Web-Scraping, Cloud-Synchronisierung und Unternehmensverbindungen werden durch die Berechtigungen Dritter, die Übertragungsgeschwindigkeit sowie die Formatierung des Inhalts beeinflusst.
• Eine selbst gehostete Vektordatenbank ist nicht gleich der vollständigen Privatisierung einer Cloud-Plattform; die Agentenoberfläche, die Bewertungsmethoden sowie die Anschlüsse müssen separat geprüft werden.
• GPL-3.0 sieht Verpflichtungen bei der Verbreitung und Erstellung von Ableitwerken vor; vor einer kommerziellen Integration muss diese von Technik- und Rechtsabteilungen gemeinsam geprüft werden.
• Offizielle Unterlagen geben keine vollständige Aufschlüsselung zu allen Optionen bezüglich der Datenspeicherung, des Modelltrainings und der Datengebiete. Vor der Veröffentlichung sensibler Daten ist eine vertragliche Bestätigung einzuholen.

Preise und Pakete

Die Epsilla-Cloudplattform bietet die Versionen Free, Starter, Professional und Enterprise an. In den derzeit verfügbaren offiziellen Dokumenten werden Obergrenzen für Mitglieder und Projekte angegeben, doch es liegen keine zuverlässig bestätigten aktuellen Beträge vor. Daher sollten keine historischen Screenshote oder Preise Dritter herangezogen werden.

Auf der Rechnungsseite der Konsole können man das aktuelle Paket, den Ressourcenverbrauch, die Zahlungsmethoden sowie die historischen Rechnungen einsehen. Zudem ist es möglich, ein Upgrade durchzuführen. Die tatsächlichen Kosten, die Speicherkapazität, die Anzahl der Anwendungen, die Nachrichtenmenge sowie die Unternehmensvorteile richten sich nach den Angaben auf der Kaufseite oder im Vertrag.

Zusätzliche Kosten

• Wenn eigene große Modell-Schlüssel verwendet werden, werden die Kosten für Textgenerierung und -einschub vom Anbieter des Modells separat berechnet.
• Webseiten-Suchdienste können ein eigenes Konto sowie eine bestimmte Anzahl an Aufrufen erfordern.
• Objektspeicher, Cloud-Plattform-Nutzung und Unternehmensinhaltsysteme können Drittkosten verursachen.
• Selbstverwaltete Datenbanken erfordern Kosten für Berechnungen, Speicherung, Backups, Überwachung und Wartung.

Support-Plattformen und Integration

APIs, SDKs und Open Source

Epsilla Cloud ermöglicht die Verwaltung von API-Schlüsseln in Projekten und bietet Funktionen wie die programmierte Verwaltung von Wissensdatenbanken. Projekt-Schlüssel sollten sofort sicher gespeichert werden, sobald sie nur einmal angezeigt werden; in der Produktivumgebung sind zudem minimale Berechtigungen, Schlüsselwechsel sowie Zugriffsaudits erforderlich.

Die Hauptdatenbank von Epsilla Vector verwendet die GPL-3.0-Lizenz; der Kern der Anwendung ist in C++ implementiert. Die offiziellen Python- und JavaScript-Klienten nutzen die Apache-2.0-Lizenz. Beispieldatenanwendungen sowie einige integrierte Datenbanken folgen der MIT-Lizenz. Für die genauen Lizenzbedingungen jedes Projekts muss man sich separat informieren.

Privatsphäre, Sicherheit und Urheberrecht

• Bevor die Wissensdatenbank hochgeladen wird, sollten die Zugriffsrechte für Dateien, Websites und Cloud-Daten überprüft werden, um zu verhindern, dass Kundendaten oder Mitarbeiterdaten unbefugten Personen zugänglich gemacht werden.
• Die Anbindung an Drittmodelle sendet die notwendigen Eingaben an den jeweiligen Anbieter; die Verwendung der Daten sowie die Regeln zur Speicherung müssen im Anbietervertrag geprüft werden.
• Projekt-Schlüssel, Modell-Schlüssel und Autorisierungsdaten für Datenquellen sollten nicht in öffentlichen Code, Prompts oder gemeinsam genutzte Dokumente aufgenommen werden.
• Das Team sollte für das Projekt einen Mindestzugriffsbereich festlegen und die Berechtigungen rechtzeitig zurückziehen, wenn sich die Rollen der Mitglieder ändern.
• Offizielle Informationen geben keine vollständige Aufschlüsselung darüber, ob alle Kundendaten zur Verbesserung der Modelle verwendet werden. Für sensible Fälle sollten in den Unternehmensverträgen klare Mechanismen zur Ausklammerung und Löschung solcher Daten festgelegt werden.
• Die Verantwortung für Patches für selbst gehostete Datenbanken, Netzwerkisolierung, Backups, Protokollierung und Wiederherstellung liegt beim Betreiber.

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 4,3 / 5. Epsilla eignet sich für Teams, die ihre Wissensdatenbanken, RAG-, Agenten-Strukturen sowie Bewertungs- und Veröffentlichungsfunktionen auf einer einzigen Plattform zusammenbringen möchten, sowie für Entwickler, die eine open-source-basierte Vektordatenbank benötigen.

Der Hauptmangel besteht darin, dass die derzeit offiziell angegebenen Preise nicht transparent genug sind. Zudem lassen sich die Grenzen zwischen Cloud-Plattformen und Open-Source-Datenbanken leicht falsch verstehen. Vor einer endgültigen Beschaffung sollten die echten Datenquellen, die Qualität der Suchergebnisse, die Kosten für Drittanbietermodelle sowie die Bedingungen bezüglich der Unternehmensdaten überprüft werden.

Häufige Fragen

Ist Epsilla kostenlos?

Die Cloud-Plattform bietet eine kostenlose Ebene, die sich für die persönliche Verifizierung eignet. Laut den offiziellen Dokumenten sind sowohl die Anzahl der Mitglieder als auch die Anzahl der Projekte auf 1 begrenzt. Für andere Pakete muss man über die Konsole oder über Angebote für Unternehmen bezahlen.

Ist Epsilla nur eine Vektor-Datenbank?

Nein. Die Vektor-Datenbank ist eines seiner grundlegenden und open-source-Produkte. Derzeit bietet Epsilla außerdem Wissensdatenbanken, KI-Agenten, Workflows, Bewertungsfunktionen sowie Tools für die Teamverwaltung.

Ist Epsilla Open Source?

Es muss getrennt beurteilt werden. Die Epsilla Vector Database wird unter der GPL-3.0 lizenziert, die Quellcode für einige Clients und Beispiele ist ebenfalls öffentlich verfügbar, doch die Epsilla Cloud-Plattform kann deshalb nicht als gesamtheitlich open source bezeichnet werden.

Welche Dateien können hochgeladen werden?

Es können lokale Dateien, Webseiten, Google Drive, Notion, S3, SharePoint, Confluence, Jira sowie verschiedene Cloud-Objektlagerräume verwendet werden. Die konkreten Dateiformate und Kapazitäten sind durch die aktuelle Paketoptionen sowie den Parser begrenzt.

Wird die Teamzusammenarbeit unterstützt?

Unterstützung bei der Verwaltung von Projekten und Mitgliedern. Bei Free sind es nur 1 Person, bei Starter maximal 2 Personen, bei Professional maximal 20 Personen. Für Enterprise ist die Anzahl der Mitglieder in den offiziellen Dokumenten unbegrenzt angegeben.

Kann man eigene Modelle anschließen?

Ja. Die Plattform ermöglicht die Konfiguration der Schlüssel des Modellanbieters; die Kosten für den Aufruf der Modelle sowie die Geschwindigkeitsbeschränkungen werden vom jeweiligen Anbieter gesteuert.

Wird eine API bereitgestellt?

Es werden programmierbare Funktionen bereitgestellt. Cloud-Projekte können API-Schlüssel sowie Ressourcen aus der Wissensdatenbank verwalten. Zudem bietet die Vektor-Datenbank REST-Schnittstellen sowie Client-Tools in mehreren Sprachen.

Wird eine private Bereitstellung unterstützt?

Offene Vektordatenbanken können über Docker selbst gehostet werden, doch das bedeutet nicht, dass die gesamte Anwendungslogik von Epsilla Cloud privat bereitgestellt werden kann. Unternehmen, die eine private Agentenplattform wünschen, sollten den genauen Umfang bei den Herstellern erfragen.

Ist die erzeugte Antwort zuverlässig?

Die Qualität der Antworten hängt von den Daten, der Analyse, der Aufteilung in Teile, der Suche sowie vom Modell ab. Selbst bei Verwendung von RAG können Auslassungen oder falsche Schlussfolgerungen auftreten; daher sollten wichtige Ergebnisse mit einem Evaluationsset sowie durch manuelle Überprüfungen validiert werden.

Wird die Daten für das Training verwendet?

Die derzeit verfügbaren, überprüfbaren öffentlichen Informationen reichen nicht aus, um alle Fragen bezüglich der Nutzung der Daten zur Trainierung vollständig zu beantworten. Unternehmen sollten vor dem Hochladen sensibler Informationen schriftliche Bestimmungen bezüglich der Ausschließung, Beibehaltung, Löschung sowie der Datengebiete erhalten.

Zusammenfassung

Epsilla verbindet mehrkanalige Wissensdatenbanken, RAG-Suchfunktionen, KI-Agenten, Workflows, Bewertungen und Veröffentlichungsfunktionen zu einem integrierten Anwendungsprozess und behält dabei eine selbst gehostete, open-source-Vektordatenbank bei.

Einzelne Personen können die Wissensfragen auf der Free-Ebene überprüfen, während Teams entsprechend den Bedürfnissen der Mitglieder, Projekte sowie Ressourcen ein Paket auswählen sollten. Vor dem Kauf oder der Einführung ist es wichtig, die aktuellen Preise, die Kosten für Modelle und externe Suchfunktionen, die Datenkonformität sowie die tatsächlichen Grenzen der Cloud-Plattformen und Open-Source-Komponenten zu prüfen.