Assisterr

Was ist Assisterr?

Assisterr ist ein Produktportfolio, das auf professionellen kleinen Sprachmodellen, KI-Agenten sowie der Kommerzialisierung solcher Agenten basiert. Die offizielle Website richtet sich hauptsächlich an Unternehmen, die spezielle KI-Agenten für bestimmte Aufgaben benötigen. Durch den ATaaS-Service werden KI-Startups dabei unterstützt, ihre Produkte zu entwickeln, in Token umzuwandeln und auf den Markt zu gelangen.

Ursprünglich begann es als Tool zur Unterstützung von Web3-Entwicklern und erweiterte sich später auf die Erstellung von codefreien SLMs sowie die Zusammenarbeit in Communities. Es ist wichtig, diese Phasen zu verstehen – andernfalls kann es leicht zu Verwechslungen zwischen den Punkten der alten Testnetze, den Produktangeboten für Entwickler und den aktuellen Unternehmenslösungen kommen.

Produktentwicklung und aktuelle Positionierung

Hauptfähigkeiten des Enterprise AI Labs

• Spezifische Modell für Aufgaben: Kleine Sprachmodelle, die auf klar definierten Positionen, Branchenwissen oder Ablaufprozessen basieren.
• Entwicklung von Agenten: Kombination von Modellen, Wissen, Werkzeugen und Geschäftsregeln zu einem AI-Agenten, der Aufgaben ausführen kann.
• Zugang zu Unternehmenswissen: Dokumente, FAQs, Prozesse und interne Materialien werden zu einer suchbaren Wissensbasis strukturiert.
• Sichere Integration: Verbindet bestehende Systeme entsprechend der Unternehmensumgebung und steuert Daten- sowie Zugriffsrechte.
• Ständige Optimierung: Anpassung der Suchfunktionen, Hinweise, Datensätze und Leistung des Modells anhand von Feedback aus der tatsächlichen Nutzung.
• Echtzeit-Anpassung: Aktualisierung von spezifischem Wissen und Arbeitslogik an veränderte Geschäftsbedingungen.
• Kostenkontrolle: Mit kleinen, auf Aufgaben zugeschnittenen Modellen werden die entsprechenden Aufgaben bearbeitet, wodurch verhindert wird, dass alle Anfragen auf große, allgemeine Modelle angewiesen sind.

Was ist der Unterschied zwischen SLM und allgemeinen großen Modellen?

SLM wird in der Regel für engere Bereiche und Aufgaben trainiert oder angepasst, wobei der Schwerpunkt auf Effizienz, fachlicher Konsistenz und Flexibilität bei der Implementierung liegt. Er ist nicht von Natur aus genauer als große Modelle; seine Leistung hängt weiterhin von der Datenqualität, den Grenzen der Aufgabe sowie den Bewertungsmethoden ab.

Wie man einen intelligenten Agenten für ein Unternehmen plant

1. Wählen Sie eine Aufgabe mit klaren Grenzen aus, bei der die Effektivität gemessen werden kann, wie z. B. interne Wissensfragen oder technische Unterstützung an der Frontline.
2. Ordnen Sie die verwendbaren Dokumente, historische Probleme, Standardantworten, Geschäftsregeln und Ausnahmefälle.
3. Definieren Sie die Daten, die ein Agent lesen kann, die Tools, die er aufrufen kann, sowie die Aktionen, die manuell ausgeführt werden müssen.
4. Mit repräsentativen Proben werden Benchmark-Tests durchgeführt, um die Genauigkeit, die Anzahl der Zitate, die Ablehnungen sowie die Erfolgsrate bei der Erledigung der Aufgaben zu überprüfen.
5. Der Zugriff auf Unternehmenssysteme in einem kontrollierten Umfeld sowie die Konfiguration von Identitäten, Mindestberechtigungen, Protokollen und Genehmigungsprozessen.
6. Nach einem Testlauf im kleinen Umfang werden fehlerhafte Fälle analysiert, um anschließend Daten, Hinweise, Tools oder Modelle zu aktualisieren.
7. Nach Erreichen der Qualitätsanforderungen wird der Einsatz schrittweise ausgeweitet, wobei Versionen und Rollback-Mechanismen beibehalten werden.

Prozess zur Erstellung von SLM ohne Code

In den technischen Dokumenten von Assisterr wird das AI Lab als eine kodenfreie Entwicklungsumgebung für SLM beschrieben, in der Benutzer Daten zu einem spezifischen Thema vorbereiten und Agenten erstellen können. Die tatsächlichen Zugangsvoraussetzungen, die Bedingungen für das Testnetz sowie die Regeln bezüglich der Token können sich ändern; vor der Nutzung sollte man sich stets an die Angaben im Konto orientieren.

1. Klären Sie den Fachbereich von SLM, die Zielgruppe, die Eingabetypen und die erwarteten Ausgaben.
2. Erstellen Sie hochwertige Fragen und Antworten, Fachdokumente sowie Validierungsbeispiele, die fehlerhafte Antworten erkennen können.
3. Erstellen Sie ein Projekt im AI Lab, geben Sie den Zweck an und konfigurieren Sie die Parameter des Modells oder der Agenten.
4. Erstellen oder Importieren von Trainingsdaten, anschließend Überprüfung der Datensatzqualität durch Mitwirkende oder Fachleute.
5. Nach Abschluss der Schulung oder Anpassung wird das Testset ausgeführt, wobei besonders auf Randfälle und fehlerhafte Ablehnungen geachtet wird.
6. Veröffentlichen Sie es in einer verfügbaren Umgebung oder im Modellladen und sammeln Sie kontinuierlich Anfragen sowie Nutzerfeedback.

geeignete Geschäftsansätze

• Entwicklerbeziehungen: Beantwortung von Fragen zu Integration, Schnittstellen und Fehlerbehebung auf der Grundlage der Produktdokumentation.
• Unternehmenswissensassistent: Abfragen von Richtlinien, Prozessen und Produktwissen in den autorisierten Materialien.
• Technischer Support: Klassifizierung häufiger Probleme, Angabe von Diagnoseschritten sowie Weiterleitung komplexer Anfragen.
• Branchenanalyse: Erstellung strukturierter Zusammenfassungen und erster Analysen zu Informationen aus spezifischen Branchenbereichen.
• Betriebsautomatisierung: Zusammenführung von Toolaufrufen zur Erfassung, Klassifizierung und standardisierten Verarbeitung von Informationen.
• KI-Gründungsprojekte: Intelligente Agenten oder Datenprodukte als betriebsfähige Marktplatzprojekte verpacken.
• Handels- und Datenprodukte: Entwurf von Geschäftsmodellen für professionelle Agenturen oder Datendienstleister mit klaren Risikokontrollgrenzen.

Für welche Benutzer geeignet

• Unternehmen, die in Innovation und Digitalisierung voranschreiten möchten, benötigen interne Teams mit Experten für künstliche Intelligenz.
• Entwicklerteams für KI-Anwendungen, die die Kosten für die Inferenz mit allgemeinen Modellen senken möchten.
• Branchenorganisationen, die über hochwertige Daten in bestimmten Bereichen verfügen und planen, professionelle Modelle zu entwickeln.
• Das DevRel-Team, das für die Entwicklerdokumentation, den Community-Support und die Beantwortung technischer Fragen zuständig ist.
• Es gibt bereits KI-Agenten, Modelle oder Datenprodukte – für diese benötigen unternehmerische Teams Unterstützung bei der Entwicklung sowie beim Marktzugang.
• Web3-Entwickler, die sich mit dezentraler KI, Anreizen für Modellbeiträge und einer Agentenökonomie beschäftigen.

Frühe Unterstützung für Multichannel-Entwickler

Die alte Website stellte Assisterr als eine Plattform zur Unterstützung von Entwicklern über mehrere Kanäle dar, mit der statische Dokumente in eine abrufbare Wissensdatenbank umgewandelt werden konnten. Das System richtete sich an Nutzer von Discord, Telegram sowie sozialen Netzwerken und kümmerte sich um die Anbindung sowie technische Probleme im Zusammenhang mit Web3-Protokollen.

• Zusammenfassung von Vereinbarungsdokumenten, Schulungen, häufig gestellten Fragen und Antworten aus der Community-Geschichte.
• Konsistente Entwickler-Fragen und -Antworten über mehrere Community-Kanäle bereitstellen.
• Vermindern Sie die Zeit, die mit der Bearbeitung wiederkehrender Probleme von den leitenden Ingenieuren und DevRel-Mitarbeitern in Anspruch genommen wird.
• Hochfrequente Probleme identifizieren, um Anhaltspunkte für Dokumentenanpassungen und Produktverbesserungen zu liefern.

Offizielle frühe Daten gaben einen höheren Prozentsatz an automatischer Verarbeitung an, doch dies entsprach den offiziellen Angaben für bestimmte Projekte und Zeiträume. Bei der Bewertung sollten Unternehmen ihre eigenen Fragekataloge, die Lösungsrate sowie die Rate der manuellen Überprüfungen verwenden, um die Werte erneut zu überprüfen.

SLM Store arbeitet mit der Gemeinschaft zusammen

Die in dem Litepaper beschriebene Ökosystem umfasst das AI Lab, den SLM Store, die Datenbereitstellung, die Peer-Review sowie einen Modellpool. Ziel ist es, dass Fachleute ihr Wissen beitragen können, dass Modellentwickler Rückmeldungen zur Nutzung erhalten und dass durch Anreizmechanismen die Qualität der Daten und Modelle gewährleistet wird.

• Der Modellentwickler definiert den Bereich, die Aufgaben und die Qualitätsstandards.
• Die Beiträger liefern oder überprüfen Trainingsdaten sowie fachliche Fragen und Antworten.
• Die Peer-Review dient dazu, Proben von niedriger Qualität, Duplikate oder verfälschte Proben aufzudecken.
• Der Modell-Shop hilft Benutzern dabei, die geeigneten professionellen SLMs zu finden und zu nutzen.
• Die Modellkasse dient dazu, ökologische Anreize im Zusammenhang mit bestimmten Modellen zu erfassen.

ATaaS-Service zur Tokenisierung von Agenten

ATaaS ist die Abkürzung für „Agent Tokenization as a Service“. Es richtet sich an Teams, die bereits intelligente Agenten, Modelle, Datenprodukte oder Prototypen besitzen. ATaaS bietet umfassende Dienstleistungen – von der Auswahl des Projekts über die Gestaltung der Tokens bis hin zur Sicherstellung der Liquidität und zum Marktzugang. Allerdings bedeutet die Tokenisierung noch nicht, dass das Produkt bereits echte Einnahmen erzielt.

Antrags- und Bewertungsschritte für ATaaS

1. Vorbereiten Sie Agenten, Modelle, Datenerzeugnisse oder andere AI-Anwendungen, die vorgeführt werden können.
2. Organisieren Sie die Zielkunden, die tatsächlichen Nutzungsdaten, die Einnahmequellen, die technische Architektur sowie den Hintergrund des Teams.
3. Reichen Sie bei Assisterr einen Antrag auf Inkubation oder Zusammenarbeit ein und klären Sie die Auswahlkriterien sowie die Leistungsgrenzen.
4. Erhalten Sie vor der Entscheidung zur Tokenisierung rechtliche, steuerliche und regulatorische Beratung für den jeweiligen Standort.
5. Überprüfen Sie das Token- Angebot, die Zugehörigkeit, die Liquiditätsmechanismen, die Kontrollrechte über die Verträge sowie die Offenlegung von Risiken.
6. Klare Definitionen für Marktunterstützung, Betrieb der Gemeinschaft, Kosten, Einnahmenverteilung und Zwischenprüfungskriterien.
7. Nach dem Go-Live werden kontinuierlich Fortschritte des Produkts, Tätigkeiten im Tresor sowie wesentliche Veränderungen bei den Risiken offengelegt.

Preise und Abrechnungsmethoden

Assisterr bietet derzeit keine einheitlichen Preispakete in Form von Fiat-Währung für das Enterprise AI Lab oder ATaaS an. Für Unternehmensprojekte ist es notwendig, sich mit dem Team in Verbindung zu setzen, damit eine Bewertung vorgenommen werden kann. Die in den alten Dokumenten genannten sASRR sind Token aus dem Testnetz und können nicht in die aktuellen Servicepreise oder den Wert echter Vermögenswerte umgerechnet werden.

Token und finanzielle Risiken

• Der Preis der Token kann stark schwanken, und es kann keine Garantie für Liquidität oder Rendite aus den Investitionen gegeben werden.
• Die Kurvenveröffentlichung und das automatische Marketmaking können zu Slippage, Frontrunning, Roboteraufträgen sowie einem Rückzug der Liquidität führen.
• Der Zugehörigkeitsplan erfordert die Überprüfung der Smart Contracts auf der Blockchain, der Kontrollrechte, der Begünstigten sowie der Möglichkeit zur Änderung.
• Verschiedene Gerichtsbarkeiten können Token als Wertpapiere, virtuelle Vermögenswerte oder regulierte Finanzprodukte betrachten.
• Es muss eine klare und umsetzbare Beziehung zwischen den Einnahmen des Agenten, dem Wert der Token sowie den Steuerungsrechten bestehen.
• Vor der Beteiligung sollten Vertrag, Prüfung, Risikodisklosure sowie steuerliche und rechtliche Stellungnahmen unabhängig geprüft werden.

Vorteile des Produkts

• Berücksichtigen Sie kleine Domänenmodelle, Agentenwerkzeuge und Unternehmensprozesse in einer einzigen Lösung.
• Fokussiertes Aufgabenmodell, geeignet für Szenarien mit Anforderungen an Kosten, Verzögerungen und professionelle Konstanz.
• Erfahrung in Entwicklerunterstützung und Betrieb einer Web3-Community, geeignet für technische Produkte.
• Der konzepierte codefreie SLM verringert die Hürden für Fachleute, sich an der Erstellung von Daten und Modellen zu beteiligen.
• ATaaS umfasst mehrere Aspekte wie Inkubation, Token-Struktur, Liquidität und Markteintritt.
• GitHub bietet offiziell einige Qualitätsprüfungen, Demonstrationen sowie Integrationscode zur Erleichterung der technischen Bewertung.

Nutzungsbeschränkungen

• Die aktuelle Website, die alte Website, GitBook und das Litepaper zeigen die Produktpositionierung in verschiedenen Phasen.
• Für Unternehmenslösungen gibt es keinen offiziellen Festpreis; die Umsetzungszeit sowie die Gesamtkosten müssen individuell bewertet werden.
• „Codefrei“ bedeutet nicht, dass keine Vorbereitung der Daten, keine Definition von Bewertungskriterien oder keine Umsetzung von Sicherheitsmaßnahmen erforderlich sind.
• Professionelle SLM-Systeme können bei Aufgaben außerhalb ihres Fachbereichs erheblich an Leistung verlieren; daher müssen Mechanismen zur Ablehnung solcher Anfragen sowie zur Weiterleitung an menschliches Personal eingebaut werden.
• Daten zu den Beiträgen der Gemeinschaft können Fehler, Vorurteile sowie Probleme im Zusammenhang mit Urheberrechten oder Privatsphäre enthalten.
• ATaaS führt Token, Markt- und Regulierungsrisiken mit sich und eignet sich nicht für Teams, die nur eine einfache SaaS-Bebuchung benötigen.
• Einige historische Funktionen und Regeln des Testnetzes könnten sich bereits geändert haben und dürfen daher nicht direkt als aktuelle Zusagen angesehen werden.

Empfehlungen zur Datensicherheit und -verwaltung

• Zuerst werden öffentliche, interne, vertrauliche und regulierte Daten unterschieden, um anschließend den Zugriffsbereich des Modells zu bestimmen.
• Vorverarbeitung personenbezogener Daten, Schlüssel, Kundendaten und urheberrechtlich geschützten Inhalts vor dem Training oder Abrufen.
• Konfigurieren Sie für Anrufe von Agentenwerkzeugen minimale Berechtigungen, manuelle Freigabe, Geschwindigkeitsbeschränkungen und Operationen-Protokolle.
• Ein unabhängiges Testset erstellen, um Halluzinationen, Prompt-Injection, Datenlecks und außerhalb der Aufgabe liegende Antworten kontinuierlich zu überwachen.
• Klären Sie die Eigentumsverhältnisse bezüglich der Daten, der Modellgewichte, des erzeugten Inhalts, der Rückmeldungen sowie der abgeleiteten Vermögenswerte.
• Vor dem Einkauf durch das Unternehmen sollten der Speicherort der Daten, die Aufbewahrungsfrist, die Löschmechanismen sowie die Verantwortlichkeiten im Falle von Störungen festgelegt werden.

GitHub und Open Source

Die offizielle GitHub-Organisation von Assisterr hat Repositorien für Qualitätsprüfung, Demonstrationen, SLM-Integration sowie Hackathons veröffentlicht. Die veröffentlichten Repositorien bedeuten jedoch nicht, dass die Unternehmensplattform, das AI Lab, der SLM Store oder ATaaS vollständig open source sind.

Grundlegende Informationen

Empfehlungswert

Der Gesamtbewertungswert beträgt 4,0 von 5 Punkten. Es eignet sich für Teams, die professionelle SLM-Lösungen, Unternehmensagenten oder Tokenisierungsprodukte für KI untersuchen möchten. Vor dem Kauf sollten jedoch die verfügbaren Module, der Umfang der Lieferung, die Preise sowie die damit verbundenen Compliancepflichten überprüft werden.

Häufige Fragen

Was macht Assisterr derzeit hauptsächlich?

Derzeit werden hauptsächlich SLMs und AI-Agenten entwickelt, die speziell für Unternehmensanwendungen konzipiert sind, sowie ATaaS-Dienste für AI-Startups bereitgestellt.

Ist es immer noch ein Tool für den Kundenservice der Entwickler?

Entwicklerunterstützung war eine frühe Ausrichtung; die alte Website enthält noch entsprechende Informationen, doch die aktuelle Hauptwebsite konzentriert sich nun auf Unternehmens-Agenten und die Tokenisierung von Agenten.

Eignet sich Assisterr für normale Privatnutzer?

Es eignet sich besser für Unternehmen, Entwicklerteams und AI-Startups – es ist kein Konsumgüter-Tool, das hauptsächlich für normale Chats nutzt wird.

Kann man SLM ohne Code erstellen?

Die technischen Dokumente beschreiben den Prozess des Code-free AI Lab, doch Eingangsvoraussetzungen, Qualifikationen sowie verfügbare Funktionen müssen anhand des aktuellen Produktzustands überprüft werden.

Was ist sASRR?

sASRR ist eine synthetische Token-Einheit aus den alten Testnetz-Dokumenten und sollte nicht als aktueller Preis für echte Token oder als Währungseinheit angesehen werden.

Was ist ATaaS?

Es handelt sich um einen Service, der KI-Agenten, Modelle oder Datenprodukte bei ihrer Entwicklung, beim Entwurf von Tokenen, bei der Schaffung von Liquidität sowie beim Markteintritt unterstützt.

Was steht hinter der 80/20-Struktur?

Der offizielle Plan sieht vor, 80 % der Versorgungsmenge für eine langfristige Zuweisung zu verwenden, während die restlichen 20 % für die schrittweise Bereitstellung sowie zur Preisbestimmung genutzt werden. Die genauen Details hängen von den jeweiligen Verträgen ab.

Gibt es offizielle Preise für Assisterr?

Derzeit gibt es kein einheitliches Paket für Unternehmenswährungen; sowohl das Enterprise AI Lab als auch ATaaS müssen mit dem Team in Verbindung treten, um dies zu klären.

Ist Assisterr Open Source?

Die vollständige Plattform ist kein Open-Source-Produkt, doch die Entwickler haben Teile der Repositorys wie Qualitätsprüfung, Demonstrationen und SLM-Integration öffentlich gemacht.

Was muss ein Unternehmen vor der Nutzung überprüfen?

Es sollte zunächst die Genauigkeit der Aufgaben, die Grenzen der Daten, die Systemrechte, der Umfang der Lieferung sowie die Gesamtkosten überprüft werden. Bei Beteiligung von Token müssen zudem rechtliche und vertragliche Prüfungen durchgeführt werden.