Prognose- und Analyse-KI auf Ihren Unternehmensdaten

UNID AI Predict: Prognosen und Analysen direkt aus Ihren Unternehmensdaten

UNID AI Predict verbindet einen KI-Assistenten mit den Tabellen eines Unternehmens (Kunden, Verträge, Rechnungen, Buchungen). Der Assistent schreibt Abfragen, prüft Daten auf Auffälligkeiten und liefert Prognosen aus einem relationalen Foundation Model. Die Zahlen stammen immer aus Daten und Modellen, nie aus dem Sprachmodell. Auf Wunsch läuft alles auf der Infrastruktur des Kunden.

Zuletzt aktualisiert:

Animierte Beispielansicht: Eine Arbeitsliste zeigt Verträge mit dem höchsten Storno-Risiko für die nächsten 90 Tage, sortiert nach Prämie in Gefahr. Ein Klick auf einen Vertrag zeigt die Gründe aus den Daten und die nächsten passenden Produkte. Ein Rückvergleich zeigt, wie der Versicherer die Prognose selbst überprüft.

Beispieldaten, frei erfunden

Drei Fähigkeiten

Fragen in Alltagssprache

Der Assistent übersetzt Ihre Frage in eine Datenbankabfrage, führt sie aus und zeigt sie an. Sie sehen, woher jede Zahl kommt.

Prüfen

Regeln und Auffälligkeitssuche, zum Beispiel falsche Steuersätze, Dubletten oder fehlende Angaben, jeweils mit den Belegzeilen.

Vorhersagen

Ranglisten wie „wer kündigt wahrscheinlich“ oder „wer kauft was als Nächstes“, mit Begründung aus den Daten.

Erklärt

Was ist ein relationales Foundation Model?

Ein relationales Foundation Model ist ein KI-Modell, das auf vielen verknüpften Tabellen vortrainiert wurde und Prognosen direkt aus Ihrer Datenbankstruktur liefert: Kunden, Verträge, Rechnungen und ihre Beziehungen. Statt monatelang Merkmale von Hand zu bauen, beschreiben Sie, was vorhergesagt werden soll. Ein bekanntes Beispiel ist KumoRFM, das in einer wissenschaftlichen Veröffentlichung beschrieben ist.

Mehr im Glossar →

So prüfen Sie die Prognose selbst

  1. Verdeckter Stichtag

    Sie geben uns Daten bis zu einem Stichtag. Was danach passiert ist (wer gekündigt hat), behalten Sie.

  2. Rangliste

    Wir liefern eine Rangliste für die Zeit nach dem Stichtag, ohne die Ergebnisse zu kennen.

  3. Ihr Vergleich

    Sie vergleichen selbst: unsere Liste gegen die Wirklichkeit und gegen Ihr bestehendes Modell oder eine einfache Regel.

  4. Vereinbartes Kriterium

    Vorab festgelegt wird, ab welchem Ergebnis sich ein Pilot lohnt.

Wichtig: Ein Rückvergleich zeigt, wie gut die Rangliste ist, nicht wie viel Sie sparen. Einsparungen zeigt erst ein Pilot mit Kontrollgruppe.

Betrieb

BetriebsartWo die Daten liegenSprachmodell
Auf Ihrer InfrastrukturIn Ihrem Rechenzentrum, auf Wunsch ohne Verbindung nach außenLokales Modell
Auf einem dedizierten ServerAuf einem für Sie betriebenen ServerLokal oder Cloud, nach Vereinbarung
Mit Cloud-ModellenDaten bleiben in Ihrer Datenbank; nur Abfrageergebnisse gehen an das ModellCloud-Modell mit Auftragsverarbeitung

Predict im Vergleich

UNID AI PredictKlassisches Data-Science-ProjektBI-DashboardChat-Assistent mit CSV-Upload
Prognosenaus verknüpften Tabellenja, nach Merkmalsbauneinunzuverlässig
Fragen in Alltagsspracheja, Abfrage sichtbarneineingeschränktja, kleine Dateien
Herkunft jeder ZahlAbfrage und ModellModellBerichtoft unklar
Zeit bis zum ersten ErgebnisWochenMonateWochenMinuten
On-premise möglichjajaje nach Produktmeist nein

Allgemeine Einordnung, kein Test einzelner Produkte.

Was es nicht kann

  • Es braucht saubere Schlüssel und Zeitangaben in den Tabellen. Das prüfen wir am Anfang.
  • Es trifft keine Entscheidungen über Personen und ist nicht für Preisgestaltung gedacht; Menschen entscheiden.
  • Gegenüber einem gut abgestimmten bestehenden Modell kann der Vorsprung klein sein. Deshalb testen wir zuerst.

Governance

  • Mensch entscheidet (Human in the Loop)
  • Protokoll jeder Abfrage
  • Nur Lesezugriff auf Ihre Daten
  • Modellbeschreibung und Fairness-Auswertung
  • Auftragsverarbeitung nach Art. 28 DSGVO oder vollständig on-premise

FAQ

Häufige Fragen

Was ist Predictive AI auf Unternehmensdaten?

Predictive AI auf Unternehmensdaten heißt: Ein Modell sagt aus den Tabellen eines Unternehmens voraus, was wahrscheinlich passiert, etwa welche Kunden kündigen oder welches Produkt als Nächstes passt. Bei UNID AI Predict kommt ein KI-Assistent dazu, der Fragen beantwortet und die Ergebnisse erklärt.

Was unterscheidet ein relationales Foundation Model von einem Sprachmodell?

Ein Sprachmodell erzeugt Text. Ein relationales Foundation Model rechnet auf Tabellen und ihren Verknüpfungen und liefert Wahrscheinlichkeiten. In Predict formuliert das Sprachmodell nur; die Zahlen kommen aus Abfragen und aus dem Prognosemodell.

Brauchen wir ein Data-Science-Team?

Nein. Sie brauchen jemanden, der Ihre Daten kennt und Zugriff gewähren kann. Den Rest übernehmen wir im Pilot.

Welche Daten brauchen Sie?

Verknüpfte Tabellen mit eindeutigen Schlüsseln und Zeitangaben, zum Beispiel Kunden, Verträge, Rechnungen, Kontakte. Personenbezogene Daten können pseudonymisiert werden. Was genau nötig ist, steht auf den Anwendungsfall-Seiten.

Verlassen die Daten unser Haus?

Nicht, wenn Sie das nicht wollen: Predict kann vollständig auf Ihrer Infrastruktur mit lokalem Sprachmodell betrieben werden. Andere Betriebsarten legen wir schriftlich fest.

Wie erklären Sie eine einzelne Prognose?

Zu jedem Eintrag der Rangliste zeigt Predict die Fakten aus den verknüpften Datensätzen, die zur Einstufung beitragen, etwa eine Prämienerhöhung oder eine abgelehnte Schadensmeldung.

Fällt das unter den EU AI Act?

Das hängt vom Zweck ab, nicht von der Technik. Bestimmte Einsätze, etwa Risikobewertung und Preisgestaltung in der Lebens- und Krankenversicherung, gelten als hochriskant. Eine Rangliste für Kundenbindung ist anders einzuordnen, braucht aber Ihre eigene Bewertung. Mehr unter Sicherheit & Datenschutz.

Sehen Sie es mit Ihren eigenen Unterlagen.

In einem 30-minütigen Gespräch zeigen wir die Produkte live und klären, welcher Anwendungsfall bei Ihnen zuerst Sinn ergibt. Unverbindlich, auf Deutsch oder Englisch, in Wien oder online.

UNID AI · Leonard-Bernstein-Straße 10 · 1220 Wien · +43 660 476 30 89