BEGIN:VCALENDAR
VERSION:2.0
METHOD:PUBLISH
CALSCALE:GREGORIAN
PRODID:-//WordPress - MECv7.28.0//EN
X-ORIGINAL-URL:https://rackstack.de/
X-WR-CALNAME:Rack &amp; Stack 2027
X-WR-CALDESC:Die Konferenz für IT-Infrastruktur, Cloud-Souveränität &amp; Compliance in Europa
X-WR-TIMEZONE:Europe/Berlin
BEGIN:VTIMEZONE
TZID:Europe/Berlin
X-LIC-LOCATION:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T030000
RRULE:FREQ=YEARLY;BYMONTH=03;BYDAY=-1SU
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T020000
RRULE:FREQ=YEARLY;BYMONTH=10;BYDAY=4SU
END:STANDARD
END:VTIMEZONE
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-PUBLISHED-TTL:PT1H
X-MS-OLK-FORCEINSPECTOROPEN:TRUE
BEGIN:VEVENT
CLASS:PUBLIC
UID:MEC-daa96d9681a21445772454cbddf0cac1@rackstack.de
DTSTART;TZID=Europe/Berlin:20270224T080000
DTEND;TZID=Europe/Berlin:20270225T180000
DTSTAMP:20261119T112638Z
CREATED:20261119
LAST-MODIFIED:20261119
PRIORITY:5
SEQUENCE:1
TRANSP:OPAQUE
SUMMARY:Verlässliche Automatisierung mit souveräner KI: Konfidenzquantifizierung durch Informationsfusion lokal betriebener LLMs
DESCRIPTION:Automatisierung mit großen Sprachmodellen (LLMs) erfordert neben korrekten Ausgaben auch belastbare Konfidenzschätzungen. In regulierten und datensensiblen Umgebungen kommt hinzu, dass die Verarbeitung die Organisation nicht verlassen darf. Wir verfolgen deshalb einen Ansatz souveräner KI: Open-Weight-Modelle werden vollständig on-premise auf Kundendaten feinabgestimmt und betrieben, ohne Abhängigkeit von externen API-Anbietern. Unsere Arbeit adressiert die Frage, wie sich die Zuverlässigkeit der Ergebnisse quantifizieren lässt, wenn strukturierte Informationen aus verrauschten, realen Eingaben wie Belegfotos extrahiert werden. Wir haben für unsere Kunden eine Informationsfusions-Pipeline gebaut, die mehrere LLM-Ausgaben kombiniert und deren Übereinstimmung als Zuordnungsproblem modelliert.\nÜber ähnlichkeitsbasierte Kostenfunktionen werden Positionen zwischen unabhängig erzeugten Ergebnissen korreliert; daraus entstehen ein fusioniertes Resultat sowie Konfidenzwerte, die auf der Konsistenz zwischen den Modellen beruhen. Das Verfahren filtert Halluzinationen, löst Mehrdeutigkeiten auf und liefert ein einzelnes hochwertiges Ergebnis. Mehrere feinabgestimmte Modellvarianten liefern dabei die für die Fusion nötige Diversität, und der lokale Betrieb macht den Ensemble-Ansatz wirtschaftlich tragfähig.\n
URL:https://rackstack.de/talks/verlaessliche-automatisierung-mit-souveraener-ki-konfidenzquantifizierung-durch-informationsfusion-lokal-betriebener-llms/
END:VEVENT
END:VCALENDAR
