Iris.ai

Eine kurze Beschreibung

Iris.ai ist eine KI-Plattform, die wissenschaftliche Arbeiten, Patente und Unternehmensdokumente in suchbar, extrahierbar und überprüfbares Wissen umwandelt. Derzeit richtet sie sich vor allem an Forschungs- und Entwicklerteams, Abteilungen für Wissensmanagement sowie Branchen mit strengen Vorschriften.

Einführung in die Tools

Iris.ai wird von dem norwegischen Unternehmen Iris AI AS betrieben. Ursprünglich erregte das Tool zur Suche in wissenschaftlichen Artikeln aus der KI-Branche die Aufmerksamkeit von Wissenschaftlern. Heute umfasst das Produktangebot auch eine Plattform für Unternehmens-KI-Wissen, mit der Daten strukturiert werden können – mithilfe von Axion, Neuralith und RSpace – sowie Werkzeuge für agierende RAG-Lösungen und Forschungsworkflows.

Daher kann es nicht mehr einfach als eine Website zur Suche nach wissenschaftlichen Arbeiten beschrieben werden. Die für einzelne Forscher relevanten Dokumente gehören weiterhin zu RSpace, während Unternehmen interne Dokumente, Diagramme, Patente und Datenbanken in ein umfassenderes System aus Wissen und Agenten einbinden können.

Drei Produktpositionierungen

Strukturierte Axion-Daten

Axion dient dazu, Wissen, das in Dokumenten, Bildern, Scans, Tabellen und Grafiken verteilt ist, in ein einheitliches, maschinenlesbares Format umzuwandeln. Es handelt sich dabei nicht nur um OCR-Funktionen – vielmehr werden durch die Berücksichtigung des Kontexts, von Metadaten, Beziehungen zwischen Entitäten sowie branchenspezifischen Schemata wiederverwendbare Datenschichten erstellt.

• Verbindet PDF, Word, Excel, PowerPoint, reinen Text, Webseiten und gescannte Bilder.
• Werte, Beschriftungen, Beziehungen und Erläuterungen aus Tabellen, Diagrammen und Bildern identifizieren.
• Durch OCR werden die Texte in Bildern verarbeitet und eine Beschreibung des visuellen Inhalts erzeugt.
• Verwenden Sie Branchenvorlagen, um Dokumente wie Verträge, Patente, klinische Studien und Finanzberichte zu organisieren.
• Ausgegebene Daten sind strukturierte Daten, die für Suchen, Analyse, RAG und Agenten verwendet werden können.
• Mit Qualitätsberichten und Selbstbewertungen werden die Projekte markiert, die einer manuellen Überprüfung bedürfen.

Axion-Arbeitsablauf

1. Bestimmen Sie die zu unterstützenden Geschäftsprobleme sowie die benötigten Felder und Beziehungen.
2. Verbinden Sie Dateien, Cloud-Speicher, Datenbanken oder Geschäftsprozesse und begrenzen Sie den Verarbeitungsbereich.
3. Wählen Sie ein Brancheschema oder entwerfen Sie eine benutzerdefinierte Operating Data Layer.
4. Führt OCR, Kontexttrennung, Tabellen- und Grafikextraktion sowie Entitätsverknüpfung durch.
5. Überprüfen Sie die Qualitätsberichte, Felder mit geringer Zuverlässigkeit und abweichende Dokumente.
6. Die Beispiele werden von Experten aus dem jeweiligen Bereich überarbeitet, anschließend werden die Regeln für das Extrahieren und Indexieren angepasst.
7. Übertragen Sie stabile Ergebnisse an Suchmaschinen, RAG, Analyse- oder Neuralith-Agenten.

Axion-Unterstützte Formate und Sprachen

Neuralith-Agenten-Orchestrierung

Neuralith ist für die Konzeption, Implementierung und Verwaltung von agierenden RAG-Systemen in Unternehmen konzipiert. Auf der in Axion gesammelten Datenbasis organisiert es Suchfunktionen, Modelle, Tools sowie Workflows für Agenten, sodass Anwendungen auf Basis des Unternehmenswissens Fragen beantworten und Aufgaben ausführen können.

RSpace-Forschungsarbeitsbereich

RSpace bringt die Literatursuche, -filterung, thematische Analyse, strukturierte Extraktion, Zusammenfassung sowie Fragen- und Antworten-Funktionen in einem einzigen Arbeitsbereich zusammen. Forscher können die Module kombinieren, um eine umfassende Literaturübersicht zu erstellen, und gleichzeitig neue Artikel, Patente oder interne Entwicklungsunterlagen im Auge behalten.

Literaturfindung und -sichtung

Explore verlangt nicht, dass der Nutzer von Anfang an eine perfekte boolesche Abfragesprache verwendet – stattdessen soll er zunächst die Konzepte durch das Verständnis von Fragen oder repräsentativen Literaturquellen erfassen und die damit verbundenen Forschungen erweitern. Die Ergebnisse müssen schließlich durch Filter und fachliche Beurteilungen weiter verfeinert werden.

• Zuerst sollten die Forschungsfragen sowie die Einbeziehungskriterien und Ausschlusskriterien klar definiert werden.
• Starten Sie die Konzepterkundung mit einem hochrelevanten Artikel oder einer vollständigen Frage.
• Überprüfen Sie die Konzeptdiagramme und die zugehörigen Literaturquellen, um mehrdeutige Begriffe und fehlende Themen zu korrigieren.
• Kombinieren Sie Zeit, Datenbanken, Themen und Kontextfilterbedingungen.
• Speichern Sie die Begründungen für die Ausnahme, um derselben Literaturstelle nicht wiederholt zu prüfen.
• Zur systematischen Übersicht werden native Datenbanksuchen ergänzt und eine vollständige Suchstrategie aufgezeichnet.

Themenanalyse analysieren

Analyze erkennt aus einer Dokumentensammlung häufig vorkommende Wörter, Konzepte und Themen und liefert die Ergebnisse an das Filterfeld. Es eignet sich zur Erkennung der inneren Struktur einer Forschungssammlung, wobei die Thementags durch Fachleute interpretiert werden müssen.

Eine hohe Worthäufigkeit bedeutet nicht notwendigerweise starke Beweise, und Themenklustering entspricht auch nicht einer kausalen Beziehung. Die Nutzer sollten zu den jeweiligen wissenschaftlichen Arbeiten zurückkehren, um Methoden, Stichproben, Statistiken und Schlussfolgerungen zu überprüfen.

Strukturierte Extraktion von Extracts

Extract kann je nach der Ausgangsdatenstruktur die zu extrahierenden Felder festlegen und die Informationen aus Artikeln, Patenten oder Berichten in vergleichbare Tabellen ordnen. Zu den gängigen Feldern gehören Materialien, Proben, Methoden, Indikatoren, Versuchsbedingungen und Schlussfolgerungen.

1. Aus den Forschungsfragen leitet man die minimale Feldmenge ab und definiert den Typ sowie die Einheit für jedes Feld.
2. Wählen Sie repräsentative Dokumente aus, um eine Extraktionsstichprobe zu erstellen.
3. Beschreibungen der Konfigurationsfelder, Synonyme, zulässige Werte und Regeln für fehlende Werte.
4. Führen Sie die Extraktion durch und überprüfen Sie zufällig die Zuordnung von Textstellen, Tabellen und Grafiken.
5. Einheitliche Formatierung für Einheiten, Entity-Names und Mehrwertfelder.
6. Ergebnisse mit geringer Zuverlässigkeit oder Widersprüchen sollten an Fachexperten zur Überprüfung weitergeleitet werden.
7. Nach der Exportierung der Daten werden die Dokumentidentifikation und Version beibehalten, um ein Rückschreiten zu ermöglichen.

Zusammenfassen und Chat

Summarize kann einzelne Dokumente oder Datensätze komprimieren, während Chat es den Nutzern ermöglicht, weiterhin Fragen zum Inhalt der Arbeitsumgebung zu stellen. Beide eignen sich für eine schnelle Navigation, können aber nicht die Lektüre der wichtigsten Originaltexte, Statistiken und Zusatzmaterialien ersetzen.

• Der Zusammenfassung sollten die Schlussfolgerungen des Autors, die Ergebnisse der Experimente sowie die aus der Plattform gewonnenen Schlussfolgerungen unterschieden werden.
• Bei der Stellung von Fragen sind Datensätze, Zeitrahmen und Bedeutungen von Begriffen zu begrenzen.
• Es wird verlangt, dass die Antworten mit Verweisen auf Dokumente und Absätze untermauert werden.
• Wichtige Zahlen, Vergleiche und negative Schlussfolgerungen müssen manuell überprüft werden.
• Interpretieren Sie nicht als nicht vorhanden Informationen, die nicht erwähnt wurden.

Multi-RAG und Suchtechnologien

RAGaaS von Iris.ai stützt sich nicht nur auf die Vektorähnlichkeit, sondern kombiniert Vektorabfrage, Graphenabfrage, Wissensfingerabdrücke und Schlüsselwortsuche. Das System wählt je nachdem, ob es sich um kurze, lange oder entitätsbasierte Fragen handelt, die passende Abfrumethode aus.

Unternehmen können ihre eigenen großen Modelle wählen und mithilfe von Bewertungsrahmen verschiedene Modelle sowie Anpassungsstrategien vergleichen. Die tatsächliche Genauigkeit hängt von der Kombination aus Datenstruktur, Suchfunktionen, Anweisungen, dem Modell selbst sowie der Geschäftsbeurteilung ab.

Unternehmenswissensmanagement

Iris.ai kann jahrelange interne Dokumente sammeln, indizieren, Metadaten bereinigen und kontinuierlich aktualisieren, sodass das Wissen abgerufen und von KI-Systemen genutzt werden kann. Es eignet sich für Bereiche mit komplexen Daten sowie hohen Anforderungen an Nachvollziehbarkeit – wie Forschung und Entwicklung, Fertigung, Life Sciences, Finanzwesen und der öffentliche Sektor.

• Erstellen Sie Felder für den Dokumenteneigentümer, das Vertraulichkeitsniveau, die Version und die Gültigkeitsdauer.
• Einschränken Sie den Sichtbereich nach Abteilung, Projekt und Rolle.
• Es werden Regeln für die Gültigkeitsdauer von Ablaufrichtlinien und für den Rückzug von Artikeln festgelegt.
• Unterscheiden Sie externe Veröffentlichungen, Patente von internen Experimenten und Entscheidungsprotokollen.
• Ständige Überwachung neuer Daten und Erstellung eines inkrementellen Indexes.
• Jede Antwort soll die Rückverfolgungskette von Dokument, Absatz und extrahierten Feldern beibehalten.

Einsatz und Integration

Axion kann mit internen Datenbanken, CRM-Systemen, BI-Tools sowie Cloud-Speicherlösungen verbunden werden. RAGaaS wiederum kann Entwicklern von Unternehmensanwendungen dienen. Vor dem Kauf sollte die Leistung, die verfügbaren Felder, Webhook-Funktionen, die Authentifizierungsmethoden sowie die Fähigkeit zur Fehlerbehebung anhand von Beispieldaten überprüft werden – anstatt sich nur auf Demonstrationen zu verlassen.

Axion-Pakete und Preise

0,05 Euro pro Seite ist der niedrigste Werbepreis von Enterprise unter den besten Rabattbedingungen – es handelt sich dabei nicht um einen festen Preis für alle Projekte. Die Komplexität des Dokuments, OCR, Diagramme, Schemata, die Art der Implementierung sowie die angebotenen Dienstleistungen und Zusicherungen beeinflussen den endgültigen Preis.

Preise für RSpace und Neuralith

Die offizielle Website gibt derzeit keinen einheitlichen Abonnementpreis für RSpace und Neuralith an; die Preise werden hauptsächlich auf Basis von Demonstrationen sowie einer Bewertung der Unternehmensanforderungen festgelegt. Die auf dem Internet vorhandenen Preisseiten für persönliche Assistenten mit dem Namen Iris gehören nicht zu diesem Produkt und dürfen nicht verwechselt werden.

Methoden zur Prüfung von Einkäufen

1. Wählen Sie echte Beispiele aus, die Texte, Tabellen, Scans, Grafiken sowie mehrsprachige Inhalte enthalten.
2. Definieren Sie im Voraus die Genauigkeit auf Feldebene, die Recherchewiederholrate, die Nachvollziehbarkeit der Antworten sowie die Verarbeitungszeit.
3. Lassen Sie die Lieferanten den vollständigen Ablauf von Axion, RSpace oder Neuralith an denselben Beispielen demonstrieren.
4. Überprüfen Sie die Fähigkeit zur Erkennung von Markierungen mit geringer Zuverlässigkeit, zur manuellen Korrektur sowie zur Neubearbeitung.
5. Getrennte Preise für Software, Credits, Implementierung, OCR, Bereitstellung, Support und Übernutzung.
6. Überprüfen Sie die Prozesse für Datenlöschung, Berechtigungen, Auditing, Backups und Vertragsbeendigung.
7. Nachdem die Indikatoren durch Pilotprojekte in kleinem Maßstab bewiesen wurden, wird das Datenvolumen erweitert.

Privatsphäre und externe Speicherung

Hinweise zur Datenschutzrichtlinie: Google Drive, Dropbox und Microsoft SharePoint werden über OAuth2 autorisiert. Die Plattform speichert nur verschlüsselte Token – nicht die Passwörter der Benutzer. Die Tokens werden in den AWS-Umgebungen im Europäischen Wirtschaftsraum gespeichert.

• Erteilen Sie nur die Berechtigungen für die Ordner, die das Projekt benötigt, sowie für den minimalen Zugriffsbereich.
• Überprüfen Sie die Share-Rechte sowohl auf der ursprünglichen Speicherebene als auch bei Iris.ai.
• Wenn die Verbindung getrennt oder das Konto gelöscht wird, werden die entsprechenden OAuth-Tokens ungültig gemacht und gelöscht.
• Die Nutzerdaten von Google dürfen weder für Werbezwecke noch zum Verkauf verwendet werden und unterliegen eingeschränkten Nutzungsvorgaben.
• Unternehmen sollten weiterhin das Datum der Löschung von Dokumentenkopien, Indizes, Extraktionsergebnissen und Backups festhalten.

Sicherheit und Datengovernance

Das System kann Wissensfehler verringern, kann aber keine Gewähr für die Genauigkeit aller extrahierten Informationen und Antworten bieten. Bei regulierten Entscheidungen sollten Experten zur Überprüfung, Genehmigung und letztendlichen Verantwortung vorhanden sein.

Löschung von Konten und Daten

Der Benutzer kann sein Konto in den Einstellungen löschen. Die damit verbundenen Daten werden umgehend gelöscht und können nicht wiederhergestellt werden. Wenn das Konto vor Ablauf der bezahlten Laufzeit gelöscht wird, wird es nicht erneut verlängert, doch der nicht genutzte Zeitraum wird nicht rückerstattet.

Konten, bei denen seit längerer Zeit keine erheblichen Forschungstätigkeiten stattfinden, können nach zwei Jahren als inaktive Konten betrachtet werden und nach mehrfachen Benachrichtigungen gelöscht werden. Die Vorschriften für die Aufbewahrung sowie den Austritt aus Unternehmensverträgen können unterschiedlich sein; es gelten die in den unterschriebenen Dokumenten festgelegten Regeln.

GitHub und der Open-Source-Zustand

Bei Iris.ai gibt es eine GitHub-Organisation, die mit der Markenidentität übereinstimmt, doch derzeit ist nur ein Repository mit den im Jahr 2018 aktualisierten ICO-Verträgen öffentlich zugänglich. Der Quellcode der Kernplattformen Axion, Neuralith, RSpace oder Multi-RAG ist nicht öffentlich verfügbar.

Das Unternehmen erklärt, dass sein System aus selbst entwickelten Modellen sowie angepassten und feinjustierten Open-Source-Modellen besteht. Das bedeutet jedoch nicht, dass das endgültige Produkt open source ist. Der Status der Open-Source-Componenten im Verzeichnis sollte mit „Nein“ gekennzeichnet werden; außerdem müssen die Rechte zur Bereitstellung sowie die Rechte am Quellcode getrennt bewertet werden.

Für welche Benutzer geeignet

• Wissenschaftler, die wissenschaftliche Artikel über verschiedene Datenbanken hinweg finden und auswählen müssen.
• Entwicklerteam für systematische Übersichtsarbeiten, Evidenzbasierte Tabellen und Patentanalysen.
• Teams, die Daten aus Scans, Tabellen und Grafiken in strukturierte Felder umwandeln müssen.
• Unternehmens-AI-Teams, die internes Wissen zur Unterstützung von RAG und Agenten nutzen möchten.
• Regulierte Organisationen, die Wert auf private Implementierungen, Berechtigungen, Audits und Nachvollziehbarkeit legen.
• Ein Team für AI-Plattformen, das die tatsächliche Leistung von Modellen und Suchprozessen im Geschäftsalltag vergleichen muss.

Vorteile des Produkts

• Von den Erkenntnissen aus den Arbeiten zur Strukturierung multimodaler Daten in Unternehmen und zur Orchestrierung von Agenten.
• RSpace umfasst Explore, Filter, Analyse, Extrahieren, Zusammenfassen und Chat.
• Axion kann Texte, Scans, Tabellen, Grafiken sowie mehr als 68 Sprachen verarbeiten.
• Suchmethoden wie Multi-RAG-Kombinationsvektoren, Schlüsselwörter, Graphenabfragen und Wissensfingerabdrücke.
• Unterstützung für eigene Modelle, Cloud, Private Cloud und lokale Implementierung.
• Schwerpunkt auf Qualitätsberichten, Markierungen mit niedriger Zuverlässigkeit, Bewertung und manueller Überprüfung.
• Komplexe Kenntnisse für Wissenschaft, Patente und regulierte Unternehmen.

Nutzungsbeschränkungen

• Derzeit dient es hauptsächlich zur Präsentation bei Unternehmen und zur Erstellung individueller Angebote; es eignet sich nicht für Privatnutzer, die transparente und günstige Preise suchen.
• RSpace und Neuralith geben keine offiziellen, festen Paketpreise an.
• Komplexe Schemata, OCR, Diagramme und Anpassungen an den jeweiligen Bereich erfordern Umsetzung sowie Expertenbeistand.
• Die Extraktion, Themen und generierten Ergebnisse können weiterhin fehlerhaft sein; es ist notwendig, zum Originaltext zurückzukehren, um dies zu überprüfen.
• Die technischen Details der öffentlichen API sowie standardisierte Informationen zur selbstständigen Anbindung sind begrenzt.
• GitHub gibt den Quellcode seines Kernprodukts nicht öffentlich heraus, sodass eine private Bereitstellung der Open-Source-Version nicht möglich ist.
• Systematische Übersichtsarbeiten erfordern weiterhin reproduzierbare Suchstrategien sowie menschliche Entscheidungen bei der Einbeziehung und Ausschließung von Studien.

Häufige Fragen

Ist Iris.ai jetzt nur noch ein Tool zur Suche nach wissenschaftlichen Artikeln?

Nein. Die Forschungsergebnisse und der Forschungsprozess konzentrieren sich auf RSpace; die aktuelle Gesamtstrategie umfasst außerdem die Strukturierung von Unternehmensdaten mit Axion sowie die Orchestrierung von Neuralith Agentic RAG.

Welche Hauptwerkzeuge gibt es in RSpace?

Es umfasst hauptsächlich Explore, Filter, Analyse, Extrahieren, Zusammenfassen und Chat, die kombiniert zur Dokumentensuche, -filterung, thematischen Analyse, Datenauswertung, Zusammenfassung sowie zum Fragen- und Antworten genutzt werden können.

Kann es Scans und Diagramme verarbeiten?

Axion unterstützt das Scannen von PDFs, OCR für Bilder, die Extraktion von Tabellen, Grafiken und Diagrammen sowie die Verarbeitung von Word-, Excel-, PowerPoint-Dateien und reinem Text.

Wird Chinesisch unterstützt?

Axion gibt an, mehr als 68 Sprachen zu unterstützen, darunter Chinesisch. Mehrsprachige technische Dokumente sollten dennoch getrennt voneinander hinsichtlich der Qualität von OCR, Terminologie, Tabellen und Übersetzungen getestet werden.

Wie viel kostet Iris.ai?

RSpace und Neuralith geben keine festen Preise an. Axion ist in den Versionen Starter, Professional und Enterprise erhältlich; die Preise hängen jedoch vor allem von den Verkaufsbedingungen ab. Bei der Enterprise-Version liegt der niedrigste angegebene Preis pro Seite bei 0,05 Euro bei großen Bestellmengen.

Kann es mit Unternehmenssystemen verbunden werden?

Es ist möglich, über APIs und Verbindungswege auf Systeme wie Cloud-Speicher, Datenbanken, CRM-Systeme sowie BI-Tools zuzugreifen. Zudem wird die Unterstützung für Cloud-Umgebungen, Private Clouds sowie lokale Implementierungen geboten. Die genauen Schnittstellen müssen im Rahmen der Projektbewertung festgelegt werden.

Ist Iris.ai open source?

Die Kernprodukte sind nicht open source. Auf GitHub gibt es nur ein altes Repository mit ICO-Verträgen; die Nutzung einiger open source-Modelle auf der eigenen Plattform bedeutet nicht, dass Axion, Neuralith oder RSpace ihre Quellcode öffnen.

Kann es eine direkte Alternative zu systematischen Übersichtsarbeiten durch Menschen sein?

Nicht möglich. Es kann die Entdeckung, Selektion, Extraktion und Zusammenfassung beschleunigen, doch für Forschungsprotokolle, die Bewertung von Verzerrungen, die Überprüfung der Originalquellen sowie die endgültigen Schlussfolgerungen sind weiterhin die Forscher verantwortlich.

Zusammenfassung

Iris.ai hat sich von einem Werkzeug zur Literatursuche zu einer Plattform entwickelt, die Datenstrukturierung, Forschungsverarbeitung sowie wissensbasierte Unternehmensagenten umfasst. RSpace unterstützt den wissenschaftlichen Forschungsprozess, Axion wandelt komplexe Daten in für KI nutzbare Daten um, und Neuralith ist für die Orchestrierung und Verwaltung von agierenden RAG-Systemen zuständig.

Es eignet sich besonders für Organisationen mit komplexen Daten, vielen Fachbegriffen und hohen Compliance-Anforderungen, doch die Einkaufsbarrieren sowie die Implementierungskomplexität sind höher als bei herkömmlichen Forschungshilfen. Die Überprüfung der Genauigkeit, Nachvollziehbarkeit, des Einsatzes sowie der Gesamtkosten anhand echter Beispiele ist entscheidend, um zu entscheiden, ob es eingesetzt werden soll.