Das Team baute eine Architektur, die transformerbasierte Sprachmodelle mit Named Entity Recognition, Sentimentanalyse und Zero-/Few-Shot-Learning verbindet. Über RLHF mit Human-in-the-Loop-Schleifen wird die Fragenlogik laufend nachgeschärft.
Die Zielwerte waren messbar formuliert: Anpassung der Fragenlogik in unter 500 Millisekunden, Dashboard-Synthese unter 120 Millisekunden im 95. Perzentil, demografische Parität unter zwei Prozent, DSGVO-Präzision über 99 Prozent. Dazu ein policy-konditionierter Decoder-Head, der regelwidrige Formulierungen verhindert, bevor sie entstehen.
