
Große Sprachmodelle wie ChatGPT können kleinen und mittelständischen Unternehmen helfen, Prozesse zu automatisieren und Wissen effizient zu nutzen – aber nur, wenn sie mit den richtigen Daten angereichert werden.
Genau das leisten sogenannte RAG-Architekturen – Retrieval Augmented Generation. Dabei sucht ein sogenanntes Retrieval-System gezielt relevante Informationen aus Unternehmensdokumenten heraus, damit das LLM passgenaue Antworten geben kann.
Für KMUs ist das jedoch oft nicht umsetzbar:
- Kommerzielle Lösungen verlangen, dass man seine sensiblen Daten in die Cloud lädt – ein No-Go für viele kleine Betriebe.
- Die Infrastruktur für den Eigenbetrieb ist teuer.
- Die Systeme sind technisch komplex – und müssen regelmäßig mit neuem Wissen aktualisiert werden.
Unser Projekt löst genau diese Probleme:
Wir entwickeln ein leichtgewichtiges, lokal betreibbares Retrieval-System, das es KMUs erlaubt, ihre eigenen Daten sicher und effizient mit Open-Source-LLMs zu nutzen – ganz ohne Cloud, ohne GPU-Investitionen und ohne Abhängigkeit von Dritten.
So ermöglichen wir kleinen Unternehmen den Einstieg in generative KI – sicher, kosteneffizient und auf ihre Realität zugeschnitten.
Kontakt: Dr. Cristina Mihale-Wilson | LinkedIn | mihale-wilson(at)wiwi.uni-frankfurt.de