Diverse Entwickler und Projektleitung prüfen Monitoring-Displays in einem dunklen Kontrollraum

Technologie-Kompass

Technologie

Der Stack folgt dem System.

LatentDrift entwirft und baut spezialisierte technische KI-Systeme für agentische Systeme, latente Zustandsführung, Evidenzschicht, Datenraum, Echtzeit-Interaktion und Kontrollraum. Wir übersetzen aktuelle Forschung in Schnittstellen, Orchestrierungsregeln, Trace-Schemata, Evaluationssets, Echtzeit-Zustandsmodelle und Freigaberegeln. Daraus wird ein Architektur-Sprint, eine Pilotierung oder ein einzelner Systembaustein mit klarer Prüfspur.

Angebot ansehen Projektmuster ansehen

Latente Zustände
Echtzeit-UX
Erklärbarkeit

Systemfeld: Latente Agenten

Arbeitsgedächtnis für Agenten.

LatentDrift beschäftigt sich mit latenter Agentenkoordination, weil die Engstelle vieler Multi-Agenten-Systeme in der Zustandsübergabe liegt. Wir bauen dafür Arbeitsgedächtnisse, Adapter und Fallback-Pfade: was ein Agent intern weitergeben darf, was als lesbare Spur dokumentiert wird und wann eine explizite Textübergabe sicherer ist. Beauftragbar ist daraus zum Beispiel ein Agenten-Speicherplan für Recherche-, Planungs- oder Prüfprozesse.

Geteiltes Arbeitsgedächtnis

Agenten können Aufgaben, Zwischenergebnisse und interne Zustände über kontrollierte Arbeitsgedächtnisse koordinieren, statt jede Absicht in ausführliche Sprache zurückzuübersetzen. Praktisch bedeutet das: klare Schreibpfade, eine Verdichtungsphase für Widersprüche und ein Lesepfad, der nur den passenden Kontext zurückholt.

Beispiel: ein Fallbearbeitungs-Cockpit, in dem ein Rechercheagent Fundstellen sammelt, ein Planungsagent Schritte vorbereitet und ein Prüfagent nur die relevanten Zustandsausschnitte für die Fachperson sichtbar macht.

Klare Schreibpfade
Widersprüche verdichten
Passenden Kontext holen
Weniger Textübergaben

Alignment und Grenzen

Latente Kanäle sind leistungsfähig, aber sicherheitssensibel. Deshalb planen wir Trennung, Berechtigungen, Leakage-Tests und prüfbare Übergabepunkte von Anfang an. Besonders kritisch sind Sender-Empfänger-Abgleich, Modell- oder Layerwechsel und die Frage, wann ein latenter Zustand in eine prüfbare Textspur gespiegelt wird.

Angebot: LatentDrift definiert Kanalgrenzen, Testfälle und Textfallbacks, damit direkte Agentenkommunikation schneller werden kann, ohne die spätere Prüfung zu verlieren.

Kanalgrenzen
Berechtigungen
Leakage-Tests
Textspur spiegeln

Nachvollziehbarkeit unsichtbarer Zustände

Was nur indirekt lesbar ist, braucht klare Beobachtbarkeit: Laufhistorien, Zustandswechsel, Metriken und verständliche Erklärschichten für Fachnutzer. Für produktive Systeme heißt das: State-Diffs, Token- und Latenzbudgets, Wiederholbarkeit von Läufen und ein expliziter Fallback, wenn der latente Kanal eine belastbare Erklärung braucht.

Ergebnis: ein Trace-Schema, das unsichtbare Übergaben mit Zusammenfassung, Zustands-Diff, Modellversion, Kosten und Prüfstatus verbindet.

Laufhistorien
Zustandswechsel
Kosten-/Latenzbudgets
Erklärbarer Fallback

Systemfeld: Agentische Systeme

Orchestrierung als Betriebsschicht.

Agentische Systeme bringen nur Mehrwert, wenn Orchestrierung, Ausführung und Kontrolle beherrscht werden. LatentDrift baut dafür Betriebsschichten, die Rollen, Routing, Tool-Zugriffe, Scheduling, Beobachtbarkeit, Verifikation, Wiederanlauf und menschliche Freigaben kontrollierbar machen. Ob diese Schicht heute Harness, Runtime oder Orchestrator heißt, ist austauschbar; entscheidend ist der Betriebsrahmen dafür, welcher Agent wann handeln darf und wie ein Lauf später erklärt, gestoppt oder wiederholt wird.

Rollen, Routing und Scheduling

Ein Agentenverbund braucht mehr als Prompts. Er braucht einen Rollengraphen, Aufgabenrouter, Budgetregeln und Prioritäten: Wer darf planen, wer darf ausführen, wer prüft, und wann wird eine Aufgabe gestoppt oder an einen Menschen eskaliert? LatentDrift beschreibt diese Regeln als Betriebskonfiguration, damit sie im Lauf beobachtbar und nach dem Lauf veränderbar sind.

Beispiel: ein Beschaffungs- oder Supportprozess, in dem ein Agent Daten sammelt, ein zweiter Optionen vorbereitet und ein dritter nur freigegebene Vorschläge in ein Fachsystem schreibt.

Wer plant
Wer ausführt
Wer prüft
Wann Eskalation

Direkte und latente Kommunikation

Direkte Agentenkanäle können Textübergaben reduzieren: Embeddings, Hidden States oder KV-Zustände transportieren mehr Kontext als lange Nachrichten. In Produktion wird das nur mit sichtbaren Commitments, Textfallbacks, Sender-Empfänger-Alignment und Sicherheitsprüfungen nutzbar. Jede unsichtbare Übergabe braucht ein prüfbares Gegenstück: Zusammenfassung, State-Diff, Freigabe oder Abbruchgrund.

Angebot: Wir entwerfen direkte Agentenkanäle nur dort, wo sie Latenz, Kosten oder Qualität verbessern und trotzdem mit Commitments und Prüfpunkten belegbar bleiben.

Textübergaben reduzieren
Sichtbare Commitments
Sender-Empfänger-Abgleich
Prüfbares Gegenstück

Beobachtbarkeit, Verifikation und Recovery

Die Betriebsschicht protokolliert Trajektorien, Tool-Ergebnisse, Zwischenzustände, Abbrüche und Freigaben. Validatoren, Rücksetzpunkte und menschliche Gates sorgen dafür, dass ein Lauf erfolgreich wirkt, wiederholbar bleibt, auswertbar ist und klare Grenzen hat. Der Mehrwert von Multi-Agenten entsteht, wenn dieses Ausführungssystem beherrscht wird.

Ergebnis: ein lauffähiger Betriebsschicht-Baustein mit Lauf-Traces, Validatoren, Rollback-Regeln, Eskalationspunkten und einer klaren Grenze zwischen autonomem Schritt und menschlicher Freigabe.

Trajektorien
Tool-Ergebnisse
Rücksetzpunkte
Autonomiegrenze

Systemfeld: Systementscheidungen

Entscheidungen für den Betrieb.

LatentDrift übersetzt Technologieoptionen in Entscheidungsarbeit. In einem Architektur-Sprint legen wir fest, welche Zustände, Repräsentationen, Kontrollpolitiken, Retrieval-Qualitäten, Streaming-Regeln, Freigabegrade und Evaluationen das System tragen sollen. Diese Entscheidungen werden als belastbarer Systemrahmen dokumentiert, damit die spätere Umsetzung auf prüfbaren Annahmen basiert.

Zustand und Speicher

Welche Informationen werden persistent, sitzungsbezogen oder nur innerhalb eines Agentenlaufs gehalten? Diese Trennung bestimmt Retrieval, Kosten und Risiko. Moderne Agenten-Speicheransätze beschreiben das als Write-Manage-Read-Loop: Schreiben, Konsolidieren, Vergessen und Wiederfinden sind getrennte Designentscheidungen.

Angebot: Speicherumfang und Löschlogik für Agentensysteme, damit Wissen nutzbar wird, ohne jede Interaktion dauerhaft oder unkontrolliert mitzuschleppen.

Persistent oder Session
Nur im Agentenlauf
Schreiben und Konsolidieren
Vergessen und Wiederfinden

Latenz und Interaktion

Ein Live-Schnittstelle, ein Cockpit und ein Batch-Ablauf brauchen unterschiedliche Antwortzeiten. Daraus folgen Streaming, Modellwahl und Oberflächenverhalten. Bei Echtzeit-Systemen muss die Oberfläche außerdem mit partiellen Ergebnissen, Unterbrechungen, Korrekturen und instabilem Kontext umgehen.

Beispiel: ein Echtzeit-Prüfablauf, bei dem Teilantworten sichtbar sind, eine Fachperson unterbrechen kann und das System sauber zwischen Vorschlag, Nachfrage und Übergabe wechselt.

Antwortzeiten
Streaming
Unterbrechungen
Partielle Ergebnisse

Evaluation und Freigabe

Ein System braucht Testfälle, Fehlerklassen und Freigaberegeln, bevor es mehr Autonomie erhält. Sonst wächst nur die Unsicherheit. Für RAG-Systeme brauchen Retrieval, Generierung, Sicherheit, Effizienz und Quellenstützung getrennte Prüfungen. Auch Erklärungen selbst müssen überprüft werden, weil natürliche Sprachbegründungen von LLMs vom tatsächlichen Entscheidungsweg abweichen können.

Ergebnis: ein Evaluations- und Freigabeset mit Fehlerklassen, Quellenprüfung, Erklärqualität, Kosten/Latenz und klaren Kriterien für mehr oder weniger Autonomie.

Testfälle vor Autonomie
Fehlerklassen
Quellenstützung prüfen
Erklärungen prüfen

Systemfeld: Evidenzschicht

Evidenz als Systemteil.

Erklärbarkeit gehört als Systemteil in die Architektur. LatentDrift bietet die Evidenzschicht als eigenen Systembaustein an: Provenienz, Rollen-Erklärungen, Evidenzgraphen, Evaluationsberichte, Model-/Data-Cards und Übergaberegeln werden in die Architektur eingebaut. Gerade in behördlichen oder regulierten Umfeldern ist das der Unterschied zwischen einer plausiblen Ausgabe und einem prüfbaren KI-System.

Provenienz und Evidenzgraph

Jede relevante Ausgabe braucht eine rekonstruierbare Spur: Anfrage, Datenstand, Quelle, Chunk oder Datensatz, Modellversion, Prompt-/Tool-Konfiguration, Zwischenzustand und Freigabe. Daraus entsteht ein Evidenzgraph, der Antwort, Quelle und Systemlauf verbindet und später fachliche Korrektur, Audit oder Modellwechsel unterstützt.

Beispiel: eine Akten- oder Dokumentenprüfung, bei der jede Empfehlung auf Fundstelle, Regel, Modelllauf und Prüfstatus zurückgeführt werden kann.

Anfrage und Datenstand
Quelle oder Chunk
Prompt-/Tool-Konfig
Freigabe

Erklärstandard pro Rolle

Fachperson, Nutzer, Betrieb und Revision brauchen unterschiedliche Erklärungen. Deshalb definieren wir Erklärstandards: Was soll verständlich sein, welche Unsicherheit muss sichtbar werden, welche Grenzen gelten, und wann muss eine belegbare Regel oder Quelle die Antwort tragen? So wird Erklärbarkeit zu einer Schnittstelle zwischen Systemlauf, Schnittstelle und Verantwortlichkeit.

Angebot: Rollenbezogene Erklärschichten für Fachbereich, Betrieb, Revision und Endnutzer mit passender Tiefe pro Rolle.

Passt zur Rolle
Unsicherheit sichtbar
Grenzen benennen
Regel oder Quelle

Behördentaugliche Nachweise

In öffentlichen und regulierten Umfeldern zählen technische Nachweise: technische Dokumentation, Logging-Fähigkeit, Datenqualität, Modell- und Datensatzkarten, Evaluationsberichte, Zugriffskontrolle und eine klare Übergabe. Das ersetzt keine Rechtsprüfung; es schafft die notwendige Engineering-Basis für prüfbare KI.

Ergebnis: ein Nachweispaket, das technische Dokumentation, Teststand, bekannte Grenzen, Datenqualität und Übergabeentscheidungen zusammenführt.

Technische Doku
Logging-Fähigkeit
Datenqualität
Zugriffskontrolle

Systemfeld: Echtzeit-Interaktion

Echtzeit mit Zuständen.

Die entscheidenden Fähigkeiten liegen unter der Oberfläche: Streaming, Interruptionslogik, Sprecherwechsel, Reaktionsmodell, Kontextzustand, visuelle Ausgabe, Identitätskontrolle und Sicherheitsregeln. LatentDrift bietet dafür eine Echtzeit-Interaktionsschicht an. Ein Avatar ist nur ein möglicher Anwendungsfall und kann nach Bedarf zugeschnitten gebaut werden; genauso gut kann die Schicht ein Cockpit, einen Sprachdialog oder einen Prüfprozess tragen. Entscheidend ist, dass jeder Wechsel zwischen Hören, Denken, Sprechen, Warten, Abbruch und Übergabe als Zustand geführt wird.

Beispiel: ein Trainings- oder Serviceinterface, das unterbrechen kann, bei Unsicherheit nachfragt, visuelle Präsenz optional ergänzt und jederzeit in einen menschlichen Prüfablauf übergibt.

Hört, wartet und unterbricht kontrolliert
Reagiert auf Sprache, Blick und Kontextwechsel
Erklärt Zustand, Unsicherheit und nächste Aktion
Übergibt sauber an menschliche Prüfung

Lieferarchitektur

Erst Systemrahmen, dann Technologieauswahl.

Wir wählen Frameworks, Modelle und Infrastruktur erst, wenn Zustände, Latenzbudgets, Datenrechte, Freigabepfade und Oberflächenverhalten beschrieben sind. Der Stack folgt also dem Systemrahmen. Technisch übersetzen wir unsere Systembausteine in drei belastbare Schichten: Daten und Evidenz, Inferenz und Routing, Prüfung und Kontrolle.

Dunkler RAG-Backbone mit Parsing-, Rechte-, Embedding-, Graph-, Re-Ranking-, Quellengewichtungs-, Evidenzlog- und Prüfkammern

Kontextschicht

Daten- und Evidenz-Backbone

Parsing, Rechte, Embeddings, hybride Suche, Knowledge Graphs, Re-Ranking und Quellengewichtung werden als nachvollziehbarer Datenraum gebaut. Gute RAG-Architektur prüft Trefferlisten und jede relevante Aussage auf Stützung, Aktualität und erlaubten Kontext. Dazu gehören Datensatzkarten, Aktualitätsregeln, Chunk-Herkunft, Evidenzprotokolle und Prüfpfade.

Dunkle Routing-Schaltmatrix mit Modellsockets, Kontext-, Kosten-, Latenz- und Datenschutzbudgets, Fallback-Schalter und Attributionsspur

Inferenzregeln

Inferenz- und Routingregeln

API-Modelle, Open Weights, lokale Inferenz, Quantisierung, Batch-Verhalten und Streaming werden nach Systemrahmen entschieden. Der Systemrahmen beschreibt, welches Modell unter welchem Kontext-, Kosten-, Latenz- und Datenschutzbudget genutzt wird, wann ein Fallback greift und wie Modellversion, Prompt-/Tool-Konfiguration und Ergebnisqualität pro Lauf nachvollziehbar bleiben.

Dunkle Kontrollschicht mit Prüfwarteschlange, Unsicherheitsband, Freigabegates, Rollback-Rail, Audit-Kapsel und Eskalationskanal

Verantwortungsschicht

Prüf- und Kontrollschicht

Prüfabläufe, Freigaben, Unsicherheit, Schnittstellen-Fallbacks, Audit und technische Dokumentation bilden die Betriebsschicht. Autonomie wird erst erhöht, wenn Tests, Quellenstützung, Übergabe, Erklärqualität und Sicherheitsgrenzen in realen Szenarien stabil bleiben. Dafür braucht es Prüfwarteschlangen, Rollback-Regeln und klare Anzeigen, ob eine Ausgabe Vorschlag, geprüfte Entscheidung oder Eskalation ist.