Die Frage, die kommerzielle KI-Entwicklung ignoriert
Dieser Forschungsbereich adressiert Fragen, die kommerzielle KI-Entwicklung weitgehend ignoriert: Wie baut man KI-Systeme, die ohne durchgehende Cloud-Konnektivität kohärent, leistungsfähig und vertrauenswürdig bleiben? Konkret geht es um Modell-Update-Strategien ohne Netzwerkzugriff, die Minderung von operativer Drift über lange Betriebszeiträume, und den Erhalt der Systemfähigkeit ohne externe Auffrischungen.
Warum Drift ein reales Problem ist
Ein System, das über Monate oder Jahre ohne externe Modell-Updates läuft, muss auf andere Weise lernen als eines, das ständig neu trainiert wird. Henris Antwort darauf ist der kontinuierliche Selbstreflexionszyklus und die Fünf-Datenbank-Gedächtnisarchitektur: Die Architektur ist darauf ausgelegt, Betriebswissen am Standort zu halten, statt auf ein generisches, extern aktualisiertes Modell angewiesen zu sein. Wie weit das heute trägt, ist Gegenstand laufender Arbeit — wir behaupten hier keinen Zugewinn über die Laufzeit.
Update-Strategie ohne Netzwerk
Wo Updates dennoch nötig sind, erfolgen sie über verschlüsselte physische Datenträger, kryptografisch signiert und offline verifizierbar — eine direkte Umsetzung dieser Forschung in die Deployment-Praxis, nicht nur eine theoretische Möglichkeit.