epigos.ai

Was ist Epigos AI?

Epigos AI ist eine End-to-End-Computer-Vision-Plattform, die von Epigos LTD betrieben wird. Das Unternehmen ist im Vereinigten Königreich registriert. Sie hilft Teams dabei, Rohbilder in gelabelte Datensätze umzuwandeln, Modelle zur Bildklassifizierung oder -erkennung zu trainieren, und diese anschließend über Webseiten, APIs, SDKs oder Edge-Geräte einzusetzen.

Das Produkt richtet sich an Unternehmen, Entwickler und Datenteams, die den Entwicklungszeitraum von Projekten im Bereich Computervision verkürzen möchten. Die Plattform bietet gehostete GPUs sowie Tools zur Visualisierung von Workflows – dennoch müssen die Nutzer eigene Geschäftsbezeichnungen festlegen, zuverlässige Beispiele bereitstellen und überprüfen, ob die Modelle den tatsächlichen Anforderungen entsprechen.

Überblick über die Hauptfunktionen

Arbeitsbereiche, Projekte und Teams

Nach der Registrierung muss zunächst ein Arbeitsbereich erstellt werden, innerhalb dessen anschließend Computer-Vision-Projekte angelegt werden. Der Arbeitsbereich dient zur zentralen Verwaltung von Mitgliedern, Projekten, API-Schlüsseln, Abonnements, Ressourcenverbrauch und Berechtigungen.

• Registrieren Sie sich per E-Mail oder mit einem Google-Konto und gelangen Sie zum Dashboard.
• Erstellen Sie separate Projekte für verschiedene Teams, Kunden oder Geschäftsszenarien.
• Legen Sie den Projektnamen, die Verwendung, den Modelltyp, die Tags sowie die Beschreibungen für die Beschriftungen fest.
• Im Arbeitsbereich können Speicher-, Trainings-, Inferenz- und andere Verbrauchsquoten angezeigt werden.
• Laden Sie Mitglieder über Pakete zur Zusammenarbeit ein; die maximale Anzahl der Mitglieder variiert je nach Plan.

Projekte im selben Arbeitsbereich können Kundenvorlagen, Produktproben und Modelldateien enthalten. Der Administrator sollte den Mitgliedern nur die notwendigsten Berechtigungen sowie API-Schlüssel zuweisen und den Zugang umgehend entziehen, wenn jemand das Unternehmen verlässt oder ein Projekt abgeschlossen ist.

Datensatzverwaltung

Epigos AI ermöglicht es den Nutzern, Gruppen von Bildern von ihrem Computer hochzuladen, um diese anschließend anzuzeigen, zu sortieren, zu filtern und aufzuteilen. In der aktuellen Einführungsanleitung wird ausdrücklich erwähnt, dass die Hochladefunktion Bildformate unterstützt; daher sollten andere Medienformate, die in älteren Marketingartikeln erwähnt werden, nicht als unterstützte Eingabeformate angesehen werden.

• Batch-Upload: Bilder derselben Szene oder derselben Erfassungsaufgabe werden als Gruppe eingefügt.
• Datenfilterung: Suche nach zu verarbeitenden und bereits markierten Proben nach Status, Tag oder Batch.
• Trainingsaufteilung: Die Daten werden in Trainings-, Validierungs- und Testuntermengen aufgeteilt, um einen Datenleak bei der Bewertung zu vermeiden.
• Versionierung: Datensatzversionen für verschiedene Annotationen und Aufteilungen werden beibehalten, um Experimente nachzuvollziehen.
• Qualitätskontrolle: Vor dem Training werden fehlende, fehlerhafte oder inkonsistente Etiketten festgestellt.
• Datenaufwertung: Durch Transformationen werden die Trainingsbeispiele erweitert, wobei die Methode der Aufwertung dem tatsächlichen Einsatzumfeld entsprechen muss.

Unterstützte Modellaufgaben

Semantische Segmentierung, Schlüsselpunkte, Videoverfolgung und 3D-Sehvermögen sind in den Dokumenten zur Erstellung des aktuellen Projekts nicht als standardmäßige Projekttypen ausdrücklich aufgeführt. Wenn diese Aufgaben benötigt werden, sollte zunächst mit dem Team Rücksprache gehalten werden; es ist nicht ratsam, allein aufgrund des Namens der Computervisionsplattform Schlussfolgerungen zu ziehen.

Bildbeschreibung

Die Anzeigeoberfläche zeigt die zu bearbeitenden Bilder sowie die vorgegebenen Kategorien an. Nachdem der Benutzer eine Kategorie ausgewählt hat oder einen Zielrahmen gezeichnet hat und dies eingereicht hat, wechselt das System automatisch zum nächsten Bild. Klare Definitionen der Labels sowie Regeln bezüglich der Grenzen sind wichtiger als ein reiner Anstieg der Bearbeitungsgeschwindigkeit.

1. Definieren Sie im Projekt Kategorien, die sich nicht überschneiden und einen geschäftlichen Sinn haben.
2. Erstellen Sie Anleitungen zur Beschriftung von positiven Beispielen, negativen Beispielen, Verdeckungen, Unschärfen und Grenzfällen.
3. Wählen Sie eine Upload-Gruppe aus und starten Sie die Annotationsaufgabe.
4. Wählen Sie für die Klassifizierungsobjekte eine Gesamtbild-Bezeichnung aus, zeichnen Sie für die Erkennungsobjekte Rahmen und weisen Sie ihnen eine Kategorie zu.
5. Überprüfen Sie, ob die Kontrollkästchen zum Ziel passen und ob die Kategorien übereinstimmen, und senden Sie die Anmerkungen ab.
6. Die Ergebnisse verschiedener annotierender Personen werden durch Stichprobenprüfung überprüft, um anschließend eine Version des Datensatzes zu erstellen.

Automatische Markierung und manuelle Bearbeitung

Die automatische Annotation kann zunächst Kandidatenresultate erzeugen, die anschließend von Menschen überprüft werden. Dies eignet sich für Daten, bei denen bereits einige Modelle oder klare Muster vorhanden sind. Im Paket werden monatlich unterschiedliche Mengen an Punkten für die automatische Annotation bereitgestellt. Wie viele Bilder oder Aktionen auf einen Punkt entfallen, ergibt sich aus den Angaben im Kontoinformationen-Bereich.

Das Team bietet außerdem professionelle Dienstleistungen zur Dateneinordnung an, wobei menschliche Bearbeiter die Daten gemäß den Projektanweisungen verarbeiten können. Preis, Prüfproben, Nacharbeiten, Vertraulichkeit sowie Lieferformat müssen gesondert festgelegt werden und dürfen nicht vorausgesetzt werden, dass sie im regulären Abonnement enthalten sind.

Modelltraining in der Cloud

Nach der Erstellung des Datensatzes wählt der Benutzer die Datenversion aus und startet das Training. Die Plattform weist im Hintergrund eine GPU zu und führt die Aufgabe aus. Die Dauer des Trainings kann je nach Anzahl der Bilder, Komplexität der Aufgabe sowie der Warteschlange der Ressourcen variieren. Als üblicher Zeitraum wird für Einsteiger 1 bis 12 Stunden angegeben.

1. Bestätigen, dass das Datenset bereits mit Etiketten versehen, überprüft sowie in Trainings- und Validierungsdaten aufgeteilt wurde.
2. Wählen Sie im Projekt das Trainingsmodell aus und geben Sie die Version des Datensatzes an.
3. Überprüfen Sie die verfügbaren Einstellungen wie die Anzahl der Trainingsrunden, die Batch-Größe, die Lernrate und die Modellarchitektur.
4. Starten Sie das Hintergrundtraining und warten Sie auf die Bestätigung der Fertigstellung; ändern Sie die entsprechende Version während des Laufs nicht.
5. Öffnen Sie die Detailseite des Modells, um Kennzahlen, Kurven und Einstellungen anzusehen.
6. Führen Sie die Inferenz mit nicht im Training verwendeten Testbildern durch, um anschließend zu entscheiden, ob sie eingesetzt werden sollen.

„Einfach trainieren“ vereinfacht lediglich die Bedienung der Infrastruktur und behebt nicht automatisch fehlerhafte Etiketten, Stichprobenverzerrungen oder unangemessene Klassifizierungsdesigns. Für das Erstellen von Produktionsmodellen sind weiterhin Datenmanagement, Protokollierung von Experimenten sowie Feldvalidierung erforderlich.

Trainingsergebnisse und Modellbewertung

In den Bereichen Medizin, industrielle Qualitätskontrolle, Sicherheitsüberwachung und landwirtschaftliche Entscheidungsfindung darf man sich nicht nur auf einen Durchschnittswert stützen. Die Teams sollten Schwellenwerte anhand der tatsächlichen Kosten für Fehler festlegen und die Leistung in verschiedenen Kategorien, an unterschiedlichen Orten, mit verschiedenen Geräten sowie unter verschiedenen Bedingungen für verschiedene Bevölkerungsgruppen überprüfen.

Methode der Modellveröffentlichung

Nach Abschluss der Schulung können Beispieltests direkt auf dem Dashboard hochgeladen werden, oder es können gehostete Inferenz-Interfaces oder Webseiten erstellt werden. Das Produkt bietet außerdem die Möglichkeit zum Download von Modellen sowie verschiedene Optionen für Edge-Geräte. Die genauen Konvertierungsformate, die Hardwarebeschleunigung sowie die Offline-Funktionalitäten hängen vom jeweiligen Modell und der Lösung ab.

REST API und API-Schlüssel

Im Arbeitsbereich können API-Schlüssel erstellt werden, wobei man je nach Verwendungszweck zwischen dem Projekt- oder Inferenz-Bereich wählen kann. Im Projektbereich lassen sich Projekte verwalten, Daten hochladen sowie Modelle trainieren und Vorhersagen treffen. Der Inferenzbereich dient hauptsächlich dazu, bereits trainierte Modelle zu nutzen.

• Erstellen Sie für Entwicklung, Test und Produktion jeweils eigene Schlüssel – verwenden Sie keinen einzigen langfristigen Schlüssel.
• Es wird nur der minimale Zugriffsbereich gewährt, den der Aufrufer zur Erledigung der Aufgabe benötigt.
• Sparen Sie das Secret unmittelbar nach der Erstellung in einem sicheren Schlüsselverwaltungswerkzeug.
• Übergeben Sie Secret nicht an GitHub, in App-Pakete oder in die Frontend-Code von Browsern.
• Sollte der Schlüssel durchsickern, muss er unverzüglich nach Abschluss des Projekts gelöscht und neu erstellt werden.
• Offene Reasoning-Anwendungen sollten ebenfalls über ihre eigene Backend-Schnittstelle aufgerufen werden, um zu vermeiden, dass die Plattformschlüssel den Besuchern zugänglich gemacht werden.

API-Zugriffsprozess

1. Erstellen Sie in den Einstellungen des Arbeitsbereichs eine API-Schlüssel mit einem Inferenz-Scope.
2. Wählen Sie ein trainiertes und validiertes Modell aus und notieren Sie die Modellidentifikation sowie die Version.
3. Rufen Sie die Inferenz-Schnittstelle mit einer kleinen Anzahl an Testbildern auf, um Zeitüberschreitungen, Formatprobleme, Zuverlässigkeit sowie fehlerhafte Antworten zu überprüfen.
4. Fügen Sie im Geschäftssystem Überprüfungen der Dateigröße, des Formats und der Zugriffsrechte hinzu.
5. Einstellen Sie Wiederholungsversuche, Protokollierung, Limitierung sowie Alarme für Obergrenzen, um unbegrenzte wiederholte Anfragen zu vermeiden.
6. Speichern Sie die Modellversion und die Vorhersagezeit, um im Falle von Problemen nachvollziehen zu können.

Python und Node.js SDK

Die offizielle GitHub-Organisation von Epigos AI wurde hinsichtlich der Domainverifizierung überprüft, und die Repositorien epigos-python sowie epigos-ts wurden veröffentlicht. Beide nutzen die MIT-Lizenz und können zur Vereinfachung der Modellverwaltung sowie der Ausführung von Inferenzen eingesetzt werden.

• Das Python SDK eignet sich für Datenpipelines, Batch-Vorhersagen, Serveranwendungen und Experimentierskripte.
• Das TypeScript SDK eignet sich für die Integration in Node.js-Backends sowie in die JavaScript-Ökosysteme.
• Ein SDK ist nur Client-Code; für die Aufrufe sind weiterhin ein Epigos-Konto, eine API-Key sowie die entsprechenden Quoten erforderlich.
• Dass das SDK offen source ist, bedeutet nicht, dass die Plattform für das Training, die Infrastruktur für Modelle oder der Servercode ebenfalls offen source sind.
• Bevor das SDK aktualisiert wird, sollten Änderungen, Kompatibilität und die gesperrte Version überprüft werden, um plötzliche Veränderungen an den Produktions-APIs zu vermeiden.

Preise und Pakete

Auf der Preisseite werden derzeit die monatlichen Preise für die Versionen Free, Starter und Teams angezeigt. Es besteht außerdem die Möglichkeit, auf eine jährliche Zahlung umzustellen – bei dieser Variante werden 20 % Ersparnis gewährt. Die genauen jährlichen Kosten, Steuern sowie zusätzliche Dienstleistungen sind auf der endgültigen Rechnungsseite oder im Verkaufsangebot zu entnehmen.

Verständnis der Obergrenze

• Die obere Grenze für Bilder gibt die Kapazität des Datensatzes an, doch wie Löschungen, Archivierungen oder Versionen mitgezählt werden, muss im Konto überprüft werden.
• Die Trainingspunkte entsprechen nicht festen GPU-Stunden; die Gebührenregeln für die Modellgröße und die Trainingsaufgaben sind auf der Verbrauchsebene zu finden.
• Ob die Berechnungsgebühren nach jeder Aufruf oder nach Bild, Batch oder Rechenmenge abgerechnet werden, wird auf der offiziellen Preisseite nicht ausführlich erklärt.
• Die automatisch festgelegte Kreditgrenze wird monatlich aktualisiert; ob der ungenutzte Betrag übertragen wird, ist derzeit noch nicht bekannt.
• Enthält die kostenlose Version den Download von Modellen, alle Deployment-Formate sowie technische Unterstützung? Die Darstellung auf der Seite ist unklar; es sollte nach den Rechten des Kontos entschieden werden.

Zahlungen, Stornierungen und Rückerstattungen

Die Plattform akzeptiert Kreditkarten und Debitkarten über Stripe. Es sind Monats- sowie Jahreszahlungen möglich. Die Nutzer können sich in den Account-Einstellungen oder bei der Support-Abteilung von der Abonnementgebühr befreien lassen. Laut offiziellen Angaben werden bei einer Kündigung keine versteckten Gebühren oder Strafen erhoben.

Wann die Stornierung in Kraft tritt, ob bereits bezahlte Abonnementperioden weiterhin genutzt werden können, wie mit den verbleibenden Credits umgegangen wird und ob ein Rückbetrag gewährt wird, wird auf der offiziellen Seite nicht vollständig erklärt. Vor dem Kauf – insbesondere bei jährlichen Abonnements, manueller Bearbeitung oder individueller Konfiguration – sollten schriftliche Bedingungen bezüglich Rückzahlungen und Lieferung eingeholt werden.

Passend für Nutzer und Anwendungsfallen

• Fertigungsunternehmen: Identifizierung von Kratzern, Rissen, fehlenden Teilen und Verpackungsfehlern sowie Erfassung der Produktmenge.
• Landwirtschaftsteam: Erkennung von Pflanzen, Tieren, Krankheitsflecken oder Objekten auf dem Feld zur Unterstützung bei Inspektionen und Klassifizierung.
• Lagerlogistik: Klassifizierung oder Ortung von Waren, Verpackungen und Lagerbildern.
• Verkaufsteam: Analyse der Regalgestaltung, des Produktangebots und der visuellen Elemente im Geschäft.
• Medizinische Forschung und Entwicklung: Entwicklung von Prototypen für die Klassifizierung oder Erkennung von Bildern, diese dürfen jedoch ohne Überprüfung nicht zur klinischen Diagnose eingesetzt werden.
• Sicherheitsteam: Erkennung bestimmter Objekte oder abweichender Bereiche unter Einhaltung der Vorschriften zu Privatsphäre, Überwachung und Gesichtserkennungsdaten.
• AI-Entwicklerteam: Mit API und SDK werden benutzerdefinierte visuelle Modelle in bestehende Produkte integriert.

Privatsphäre und Datensicherheit

Die Plattform sammelt Kontoinformationen und Kontaktdaten, Zahlungsinformationen, IP-Adressen, Geräteinformationen, Browserdaten, besuchte Seiten sowie Cookie-Daten. Diese Daten werden zur Erbringung von Dienstleistungen, zur Abwicklung von Zahlungen, für die Kommunikation sowie für Forschung und Analyse verwendet. Dritte Dienstleister können die entsprechenden Informationen unter bestimmten Voraussetzungen verarbeiten; gesetzliche Anforderungen können außerdem eine Offenlegung erfordern.

• Laut der Datenschutzerklärung werden sichere Verschlüsselungsprotokolle verwendet, und der Zugang zu den Daten ist auf autorisierte Personen beschränkt.
• Persönliche Daten werden so lange aufbewahrt, wie es für die Erreichung der Zwecke sowie aus rechtlichen Verpflichtungen notwendig ist, wobei keine genauen Fristen öffentlich gemacht werden.
• Daten können außerhalb des Europäischen Wirtschaftsraums übertragen und gespeichert werden, weshalb Unternehmen grenzüberschreitende Mechanismen bewerten müssen.
• Benutzer können beantragen, auf persönliche Daten zuzugreifen, diese zu aktualisieren, zu korrigieren oder zu löschen, wenn sie nicht mehr benötigt werden.
• In den offiziellen Unterlagen werden keine vollständigen Liste der Unterauftragnehmer, der Standorte der Rechenzentren, der Backupszyklen oder der konkreten Sicherheitszertifizierungen aufgeführt.
• Vor der Veröffentlichung von Industriebildern, medizinischen Bildern und Überwachungsdaten müssen Datenverarbeitungsvereinbarungen unterzeichnet und eine Risikobewertung durchgeführt werden.

Inhaltsrechte und Hinweise zur kommerziellen Nutzung

Der Benutzer muss sicherstellen, dass die hochgeladenen Bilder, Tags und andere Inhalte über eine legale Nutzungsrechte verfügen. Die Bedingungen gewähren Epigos das weltweite, urheberrechtsfreie, übertragbare und weiterlizenzierbare, nicht-exklusive Recht, die Inhalte des Benutzers zum Zweck der Erbringung der Dienstleistungen zu verwenden, zu kopieren, zu ändern, zu verbreiten und anzuziehen.

• Für Bilder von Personen, Patienten, Mitarbeitern oder Verbrauchern ist die Einwilligung gemäß den geltenden Gesetzen oder eine andere rechtmäßige Grundlage erforderlich.
• Medizinische und biologische Daten müssen zunächst von Identifikationsinformationen befreit, ethisch geprüft sowie hinsichtlich Vertraulichkeit und grenzüberschreitender Übertragung überprüft werden.
• Wenn der Kunde eine Markierung in Auftrag gibt, müssen die Rechte an den ursprünglichen Daten, den Ergebnissen der Markierung sowie am trainierten Modell sowie die Anforderungen bezüglich der Löschung klar festgelegt werden.
• Modellvorhersagen garantieren keine Genauigkeit; für Sicherheit, Qualität und Diagnoseprozesse müssen Mechanismen für manuelle Überprüfung und Abschaltung eingeführt werden.
• Bevor es auf eine öffentliche Webseite bereitgestellt wird, muss der Zugriffskontrollmechanismus überprüft werden – die Personen, die den Teillink haben, könnten sonst Schlussfolgerungen ziehen.

Open-Source-Zustand

Hauptvorteile

• Abdeckung von Daten, Annotation, Training, Bewertung und Bereitstellung – dadurch wird die Notwendigkeit, mehrere Tools selbst zusammenzustellen, reduziert.
• Es unterstützt zwei gängige visuelle Aufgaben – die Klassifizierung von Bildern und die Erkennung von Objekten – und die Benutzeroberfläche eignet sich gut für Anfänger ohne Expertenwissen.
• Die Verwaltung von GPUs erspart den Kauf sowie die Wartung von Training-Infrastrukturen in der Anfangsphase.
• Es werden gehostete APIs, Modelldownloads sowie Pfade für Edge-Geräte bereitgestellt, um sich an unterschiedliche Produktionsbedingungen anzupassen.
• Offene Python- und TypeScript-SDKs zur einfachen Integration in Server und Datenpipelines.
• Das Paket listet Projekte, Mitglieder, Bilder, automatische Annotationen sowie die Limits für Training und Inferenz auf, um eine erste Vergleichsmöglichkeit zu bieten.

Fähigkeitsgrenzen und Risiken

• Der aktuelle Standard für das Hochladen legt ausdrücklich den Schwerpunkt auf Bilder; Videos, Segmentierung, Pose sowie dreidimensionale Aufgaben sind nicht ausreichend definiert.
• Die automatische Beschriftung kann die bereits vorhandenen Verzerrungen des Modells verstärken und muss daher manuell überprüft werden.
• Der offizielle Preis erklärt nicht die gesamte Umrechnung der Punkte sowie den Preis pro zusätzlichem Einheit, wobei die tatsächlichen Kosten durch Pilotmessungen ermittelt werden müssen.
• Dass das Modell auf dem Testdatensatz gut abschneidet, bedeutet nicht, dass es sich an neue Kameras, Beleuchtungssituationen, Regionen und Bevölkerungsgruppen anpassen kann.
• Verwaltete Inferenz hängt von Netzwerken, Plattformverfügbarkeit und Quoten ab und eignet sich nicht für kritische Steuerungen ohne Fehlertoleranzdesign.
• Eine Edge-Deployment erfordert möglicherweise Quantifizierung, Umwandlung und Hardware-Optimierung; es ist nicht unbedingt möglich, sie direkt nach dem Herunterladen auszuführen.
• Die Offenlegung von Privatsphäre- und Sicherheitsaspekten ist eher allgemein gehalten; sensible Branchen benötigen zusätzliche vertragliche Unterlagen.

Empfehlungen zur Auswahl und Inbetriebnahme

1. Wählen Sie einen Szenario mit klar definierten Kategorien und der Möglichkeit, echte Werte vor Ort zu erheben – bei geringem Risiko – für die Konzeptüberprüfung.
2. Überprüfen Sie mit dem Free-Plan den Upload-, Annotation-, Trainings- und Inferenz-Prozess und dokumentieren Sie außerdem den Ressourcenverbrauch in jeder Phase.
3. Ein unabhängiges Testset erstellen und die Bewertung nach echten Geräten, Orten und schwierigen Bedingungen gruppieren.
4. Überprüfen Sie das Exportformat des Modells, die Inferenzverzögerung, die Gerätekompatibilität sowie die Netzwerkunterbrechungsstrategie.
5. Minimale Berechtigungen sowie Verfahren zur Löschung für Daten, Annotationen, Modelle, API-Schlüssel und Seiten zum Teilen festlegen.
6. Vor der Zahlung sollten der Überpreis, die jährliche Gesamtkosten, Rückerstattungen, technischer Support sowie die Möglichkeiten einer individuellen Implementierung überprüft werden.

Häufige Fragen

Welche Aufgaben der Computervisualisierung werden von Epigos AI unterstützt?

Die aktuellen Projektdokumente nennen ausdrücklich die Bildklassifizierung und das Objekterkennung. Andere Aufgaben sind als Standardprojekttypen nicht ausreichend festgelegt und müssen bei dem Produktteam überprüft werden.

Kann man es kostenlos nutzen?

Ja. Das Free-Paket erfordert keine Kreditkarte und beinhaltet 1 Projekt, 5 Mitglieder, 1000 Datensatzbilder, 5 Trainingspunkte sowie 100 Inferenzpunkte pro Monat.

Muss man für das Trainieren des Modells selbst eine GPU bereitstellen?

Das ist nicht notwendig – die Plattform verteilt die Trainingsressourcen in der Cloud und führt die Prozesse im Hintergrund aus. Die Zeit, die für das Training komplexer Projekte benötigt wird, sowie der verbrauchte Speicherplatz hängen weiterhin von der Menge der Daten, den Einstellungen sowie den verfügbaren Ressourcen ab.

Kann das Modell auf eigenen Geräten bereitgestellt werden?

Die Plattform bietet die Möglichkeit, Modelle herunterzuladen, und bewirbt Jetson, OAK, Raspberry Pi, Mobilgeräte, Browser sowie Cloud-Lösungen. Das tatsächliche Format, die Auflösung, die Geschwindigkeit sowie die Kompatibilität müssen anhand der Zielhardware überprüft werden.

Bietet Epigos AI API und SDK an?

Es werden eine REST-API sowie SDKs für Python und TypeScript bereitgestellt. Die API-Schlüssel können auf Projekt- oder Inferenz-Ebene festgelegt werden; die beiden SDK-Repositorien sind unter der MIT-Lizenz verfügbar.

Ist Epigos AI selbst open source?

Die Hosting-Plattform ist kein Open-Source-Produkt. Offen ist nur der Client-SDK-Code; daraus lässt sich nicht schließen, dass der Server, das Trainingsystem oder die Modellbibliothek Open Source sind.

Wie lauten die Regeln für die jährliche Zahlung und Rückerstattungen?

Auf der Jahresabonnement-Seite wird angegeben, dass im Vergleich zum Monatsabonnement 20 % eingespart werden, doch der genaue Betrag richtet sich nach der Rechnungsseite. Das Abonnement kann gekündigt werden; auf der öffentlichen Seite werden die Regeln bezüglich Rückerstattungen und des verbleibenden Kontostands nicht vollständig dargestellt. Vor dem Kauf sollte dies schriftlich bestätigt werden.

Eignet es sich direkt für die medizinische Diagnose?

Das Plattformmodell sollte nicht direkt zur Diagnose verwendet werden. In medizinischen Kontexten sind eine Anonymisierung sowie ethische und rechtliche Prüfungen erforderlich, außerdem müssen externe Überprüfungen, klinische Bewertungen und manuelle Überprüfungen durchgeführt werden.