Report
AI-supported quality assurance prior to release
For our own approval process, we have developed a verification agent that checks figures, cross-references sources against our local database and challenges assumptions, using documents with deliberately embedded errors to calibrate the system.
Let’s discuss your project
Contact us directly and let's talk about a possible collaboration.
Background
Rechenfehler, falsch zitierte Quellen und stillschweigende Annahmen fallen häufig erst beim Kunden auf. Das Vier-Augen-Prinzip fängt viel davon ab, bindet aber Senior-Zeit und wird gegen Projektende schwächer, weil dieselben Augen den Text längst kennen.
Our Approach
-
1
Aufbau eines Prüfagenten, der Zahlen selbst nachrechnet, jede Behauptung gegen die lokal abgelegten Quellen hält und Annahmen gezielt angreift.
-
2
Kalibrierung an Dokumenten mit bewusst eingebauten Fehlern, blind geprüft, um Trefferquote und Fehlalarme sichtbar zu machen.
-
3
Ausgabe als Freigabeblatt mit Arbeitsliste, Schweregrad je Befund nach Wirkung auf das Kernergebnis.
Result
Der Agent findet die eingebauten kritischen Fehler zuverlässig und erfindet dabei keine Befunde. Die zweite Eigenschaft ist im Betrieb die härtere: Ein Prüfer, der Fehler halluziniert, kostet mehr Zeit als er spart. Jedes Deliverable geht damit mit einer abgearbeiteten Fehlerliste heraus. Die fachliche Freigabe bleibt beim Menschen; der Agent findet Fehler, er verantwortet keine Ergebnisse.