Engineering-Erfahrung


Engineering-Nachweise statt geliehenem Vertrauen.

Private KI ist kein Modelldownload. Sie ist ein System aus Verwahrung, Recherche, Serving, Evaluation, Wiederherstellung und Änderungskontrolle. ANULUM führt diese Disziplinen unter direkter, gründergeführter Verantwortung zusammen.

Architektur prüfen Öffentliche Arbeit ansehen

Eine verantwortliche Engineering-Linie

01

Systemarchitektur

Verwahrungsgrenzen, Bedrohungsmodell, Netzwerkzonen, Identitäten, Dokumentenfluss, Model Serving und Restore-Pfade werden als ein System entworfen.

02

Nachweisdisziplin

Offizielle Fakten, Berechnungen, Messungen und provisorische Annahmen bleiben sichtbar getrennt. Die Beschaffung folgt dem Nachweis, nicht der Broschüre.

03

Betriebskontinuität

Updates, Modellwechsel, Index-Neuaufbau, Backups, Ausfallübungen und Exit-Artefakte sind Teil der Lieferung statt vertagte Wartung.

Wir arbeiten über den vollständigen Private-AI-Pfad: lokale Inferenz-Engines, multimodale Dokumentenaufnahme, Recherche mit Zitaten, Policy Gates, Evaluations-Harnesses, Observability, Backup und Recovery sowie kontrollierte Agentenkoordination. Ein Kundenmandat erhält nur die Komponenten, die durch Aufgabe und Risikogrenze gerechtfertigt sind.

Öffentliche Software zum Nachprüfen

Diese Repositories zeigen konkrete Engineering-Themen mit Bezug zu privater KI. Sie sind keine Kundenreferenzen, und kein Repository wird automatisch Teil einer Bereitstellung.

Öffentliche Evidenz
AI Assurance

Director-AI

Eine Echtzeit-Guardrail gegen LLM-Halluzinationen mit Natural Language Inference und RAG-gestützter Faktenprüfung, einschliesslich optionalem Streaming-Stopp bei Widersprüchen.

Director-AI auf GitHub prüfen ↗
Lokaler Speicher

Remanentia

Local-first, auditierbarer Speicher für KI-Agenten und wissensintensive Software — relevant für Provenienz, dauerhaften Kontext und prüfbare Recherche.

Remanentia auf GitHub prüfen ↗
Agentenbetrieb

Synapse Channel

Eine neutrale Kontrollebene für Coding-Agent-Flotten: Rollen, Claims, Mailboxen, Quittungen, Audit, Föderation und Dead-Letter-Sichtbarkeit.

Synapse Channel auf GitHub prüfen ↗
Technische Assurance

RigorFoundry

Nachweisgebundene Repository-Audits und Sanierungsplanung — ein konkretes Beispiel für rückverfolgbare Befunde, begrenzte Aussagen und verifizierbaren Abschluss.

RigorFoundry auf GitHub prüfen ↗

Repository-Beschreibungen und Verfügbarkeit geprüft am 26. Juli 2026. Öffentliche Software-Evidenz legt keine Kundenumgebung oder private Betriebsmethode offen.

Was die Praxis abdeckt

Private Inferenz

Engine-Auswahl, Quantisierung, GPU-Speicherplanung, Batching, Kontextgrenzen und aufgabenspezifische Durchsatztests.

Dokumentenintelligenz

OCR, Parsing, Klassifikation, Deduplizierung, Quellen-Hashes, Recherche, Zitate und explizites Scheitern ohne Nachweis.

Security Engineering

Identitätsgrenzen, Least Privilege, Netzwerksegmentierung, Offline-Updates, Secret Handling, Audit-Export und Vorfallsnachweise.

Evaluation und Assurance

Groundedness, Verweigerungsverhalten, Prompt Injection, Berechtigungslecks, mehrsprachige Qualität, Latenz und gleichzeitige Last.

Resilienz

Verschlüsselte Backups, Restore-Tests, Ersatzteilstrategie, Index-Rekonstruktion, Konfigurationserfassung und dokumentierte Wiederherstellungsziele.

Lebenszyklus-Kontrolle

Modellzulassung, signierte Änderungen, Abnahme-Gates, Support-Grenzen, periodische Re-Evaluation und ein exportierbares Exit-Paket.

Den Lebenszyklus mit zehn Gates ansehen →

Referenzlabor-Grenze

Ein Labor ist Evidenz, keine Garantie.

ANULUM nutzt bereinigte interne Systeme, um Serving-, Speicher-, Recherche- und Recovery-Muster zu reproduzieren. Sie werden nicht als Kundenreferenzen dargestellt. Produktionshardware wird neu für den Kunden spezifiziert, über Kanäle mit Garantie beschafft und an der Kundenaufgabe abgenommen.

Ein publizierter Benchmark wird nie still auf ein anderes Modell, eine andere Quantisierung, Kontextlänge oder Parallelität übertragen. Nachweismethode ansehen →

Forschungswurzeln, kommerzielle Grenzen

Das weitere ANULUM-Ökosystem umfasst Forschungssoftware in KI, Scientific Computing und Systemkoordination. Diese Arbeit prägt Gewohnheiten: Reproduzierbarkeit, Quellenrückverfolgung, explizite Unsicherheit und sorgfältige Schnittstellen zwischen Komponenten. Das breitere Portfolio ist auf anulum.li ↗ sichtbar.

Für ein Mandat von anulum.ch ist die Grenze enger: private KI-Infrastruktur für eine benannte Aufgabe, ein benanntes Verwahrungsmodell und einen benannten Betriebsverantwortlichen. Forschungsbreite ist Hintergrund; unterzeichneter Umfang, Abnahme-Evidenz und Support-Vereinbarung bestimmen die Lieferung.

Machen Sie die Architektur prüfbar, bevor sie teuer wird.

Beginnen Sie mit einem Review mit fixem Umfang, erhalten Sie ein Entscheidungsdokument und fahren Sie nur fort, wenn die Evidenz dafür spricht.

Architektur-Review anfragen Praktische Fragen lesen →