Lettria

Lettria bietet zwei Einstiegspunkte in diese Schicht. Knowledge Studio ist eine graph-native Dokumentenintelligenzplattform, die für regulierte Branchen, einschließlich Finanzen, Gesundheitswesen, Recht und Ingenieurwesen, entwickelt wurde, wo Nachvollziehbarkeit und Auditierbarkeit ebenso wichtig sind wie Genauigkeit. Perseus richtet sich an Entwickler und technische Teams und ermöglicht es ihnen, Ontologien und Wissensgraphen für ihre eigenen Domänendaten zu generieren und zu versionieren, wobei die Fachleute aus dem Unternehmen in den Prozess einbezogen werden, sodass produktionsreife Graphen in Tagen statt in Monaten erstellt werden können.

Die Plattform basiert auf drei Kernfähigkeiten. Ontology Building generiert automatisch Ontologien aus den Domänendaten einer Organisation, anstatt dass diese manuell modelliert werden müssen, mit integrierter Versionskontrolle. Text-to-Graph wandelt unstrukturierte Materialien wie Dokumente, Tabellen und SAP-Exporte in einen strukturierten, abfragbaren Wissensgraphen um; Lettria gibt an, dass dieser Schritt mehr als 30 Prozent genauer und bis zu 400 Mal schneller ist als allgemeine LLMs bei derselben Aufgabe und native Tabellen, Layouts und multimodale Inhalte abdeckt. Graph Retrieval, oder GraphRAG, beantwortet dann Fragen, indem es Beziehungen über den Graphen verfolgt, anstatt Schlüsselwörter oder Einzelstücke abzugleichen, wobei jede Antwort auf ihre Quelldokumente zurückverfolgt wird, was das Unternehmen als "null Halluzinationen durch Design" formuliert.

Lettria veröffentlicht Benchmark-Vergleiche, die zeigen, dass der graphenbasierte Ansatz bei mehrstufigem Denken, numerischem Denken und zeitlichem Denken besser abschneidet als einfache vektorbasierte Abrufagenten, mit einer Gesamtgenauigkeit von 81,7 Prozent im Vergleich zu 57,5 Prozent für Vektoragenten in eigenen Tests. Das Unternehmen zitiert auch Produktionsfallstudien: Alfa Laval nutzte es, um technische Handbücher und Spezifikationen in einen einzigen Ingenieur-Wissensgraphen zu vereinheitlichen, und berichtete von einem Anstieg der Extraktionsgenauigkeit um 30 Prozent; Wisecube strukturierte 108 GB biomedizinischen Text in einen Wissensgraphen, der mehr als 500 Klassen umspannt; Leroy Merlin vereinheitlichte einen Einzelhandelsproduktkatalog in mehr als 10.000 Produktklassen; und AP-HP nutzte es, um fragmentierte biomedizinische Forschung zu strukturieren und berichtete von einer 60 Prozent schnelleren Forschungsbearbeitungszeit.

Lettria ist für regulierte oder wissensintensive Organisationen wie Gesundheitswesen, Finanzen, Recht und Ingenieurteams konzipiert, die KI-Antworten benötigen, die auf nachvollziehbaren Quellen basieren, sowie für die Entwickler- und Datenteams, die die Graphinfrastruktur hinter diesen Antworten aufbauen.