Wissen erschließen
Meerab Wali
Verantwortet die Datenaufbereitung, Metadaten und Vektordatenbank. Koordiniert als Projektleiterin die Zusammenarbeit im Team.
Wir entwickeln kAIser: eine lokale KI, die Dokumente erschließt, Zusammenhänge findet und Antworten mit ihren Quellen verbindet. Für sensibles Wissen, das in den eigenen Händen bleibt.
Die Daten bleiben in der eigenen Infrastruktur.
Wie lässt sich künstliche Intelligenz nutzen, wenn Informationen die eigene Infrastruktur nicht verlassen dürfen?
Der Diplomarbeitsantrag beschreibt diesen Bedarf für das österreichische Bundesministerium für Landesverteidigung. Cloudbasierte Sprachmodelle kommen für den vorgesehenen Einsatz aufgrund der Datenschutzanforderungen nicht infrage.
Mit kAIser entwickeln wir deshalb ein vollständig lokal und offline lauffähiges KI-Ökosystem. Es soll Dokumente erschließen, Vektorsuche mit einem Knowledge Graph verbinden und Antworten bis zu ihren Originalquellen nachvollziehbar machen.
Lokaler Betrieb und eine isolierte Container-Umgebung sollen Daten und Verarbeitung innerhalb der eigenen Infrastruktur halten.
Hybrides Retrieval soll inhaltliche Ähnlichkeit und Beziehungen zwischen Informationen gemeinsam nutzen.
Quellennachweise, Guardrails und Evaluation sollen fehlerhafte Antworten erkennen und ihre Entstehung nachvollziehbar machen.
Die geplanten Beiträge unseres Teams
Meerab Wali
Verantwortet die Datenaufbereitung, Metadaten und Vektordatenbank. Koordiniert als Projektleiterin die Zusammenarbeit im Team.
Ramis Ekici
Untersucht lokale Sprachmodelle und deren effizienten Einsatz. Entwickelt Modell-Routing, Self-Correction und Multi-Modell-Voting.
Aron Alin Handan
Entwickelt Backend und lokale Systemarchitektur. Verbindet die Dienste und verantwortet Isolation, Zugriffsschutz und Protokollierung.
Dario Cikojevic
Modelliert Zusammenhänge zwischen Dokumenten im Knowledge Graph. Entwickelt Qualitätsprüfungen und die Rückverfolgung zu Originalquellen.
Eine Frage soll mehr auslösen als eine plausible Antwort. Sie soll das passende Wissen finden und seine Herkunft zeigen.
Darstellung des geplanten Gesamtsystems. Der lokale Systemprototyp aus M1 ist bereits abgeschlossen.
Dokumente werden zu lokalem Wissen.
Die geplante Pipeline erschließt Dokumente, erhält ihre Metadaten und stellt Wissen für die lokale Suche bereit.
Station auswählen und den Datenweg entdecken. Geplante Architektur.
Von der lokalen Infrastruktur über die Wissensverarbeitung bis zur gemeinsamen Pipeline. Hier zeigen wir unsere Zieltermine und die dazugehörigen Arbeitspakete.
M1 abgeschlossen und vom Team bestätigt. Weitere Zieltermine folgen dem Diplomarbeitsantrag. Die tatsächlichen Stände der noch geplanten Meilensteine ergänzen wir mit den nächsten Updates.
Die Grundlage für den lokalen Betrieb: eine isolierte Container-Umgebung und ein erstes lauffähiges Sprachmodell.
Aron Alin Handan
Ramis Ekici
Abschluss vom Projektteam bestätigt. Container-Umgebung, Air-Gapping und erstes laufendes LLM sind umgesetzt.
Dokumente einlesen, bereinigen, in sinnvolle Abschnitte teilen und mit Metadaten lokal durchsuchbar machen.
Meerab Wali
Plantermin laut Diplomarbeitsantrag; tatsächlicher Arbeitsstand noch nicht bestätigt.
Informationen als Entitäten und Beziehungen abbilden und ihre Herkunft aus Dokumenten erhalten.
Dario Cikojevic
Plantermin laut Diplomarbeitsantrag; tatsächlicher Arbeitsstand noch nicht bestätigt.
Lokale Modelle vergleichen und Anfragen passend zu Aufgabe und verfügbaren Ressourcen weiterleiten.
Ramis Ekici
Plantermin laut Diplomarbeitsantrag; tatsächlicher Arbeitsstand noch nicht bestätigt.
Die Fachbereiche zu einem ersten durchgängigen Ablauf von der Dokumentaufnahme bis zur belegten Antwort verbinden.
Meerab Wali
Ramis Ekici
Aron Alin Handan
Dario Cikojevic
Plantermin laut Diplomarbeitsantrag; tatsächlicher Arbeitsstand noch nicht bestätigt.
Schutzmechanismen für sensible Inhalte, nachvollziehbare Systemaktivitäten und kontrollierte Zugriffe integrieren und prüfen.
Aron Alin Handan
Ramis Ekici
Plantermin laut Diplomarbeitsantrag; tatsächlicher Arbeitsstand noch nicht bestätigt.
Antwortqualität, Quellennachweise und Systemverhalten mit dokumentierten Testfällen untersuchen.
Dario Cikojevic
Meerab Wali
Ramis Ekici
Aron Alin Handan
Die Fehlerquote unter 10 % ist ein Ziel aus dem Antrag, kein bereits erzieltes Messergebnis.
Ergebnisse, Dokumentation und den lokalen Systemaufbau für Abschluss und Übergabe aufbereiten.
Meerab Wali
Ramis Ekici
Aron Alin Handan
Dario Cikojevic
Meilensteindatum aus dem Antrag. Das abweichende administrative Datum 06.04.2026 im Antrag muss separat mit der Betreuung geklärt werden.
Unter „Alle“ findest du den vollständigen Terminplan. Bestätigte Fortschritte ergänzen wir im nächsten Projektupdate.
Details zu Ergebnissen und Zuständigkeiten öffnen sich durch einen Klick auf den Meilenstein. Plantermine sind keine Bestätigung der Fertigstellung.
Ergebnisse, nächste Schritte und der dokumentierte Stand unserer Diplomarbeit.
Das Projektteam hat den Abschluss von M1 bestätigt: Container-Umgebung, Air-Gapping und ein erstes laufendes lokales LLM sind umgesetzt. Damit steht der Systemprototyp als Grundlage für die weiteren Projektteile bereit.
Nächster Schritt Daten-Pipeline und Vektordatenbank gemäß M2 weiterentwickeln; nächsten Teamstand dokumentieren.
Die Website bündelt Aufgabenstellung, vier Fachbereiche, die acht Zieltermine aus dem Diplomarbeitsantrag und die Schulmailadressen des Teams. Für den nächsten Stand werden die tatsächlichen Meilensteinstatus und Teamfotos ergänzt.
Nächster Schritt Aktuelle Ergebnisse je Meilenstein im Team bestätigen und die vier Teamfotos ergänzen.
Daten, Modelle, Infrastruktur und Qualitätssicherung. Vier Perspektiven, die dieses Projekt gemeinsam möglich machen.
ProjektleitungData & Vector Database Engineering
Verantwortet die Datenaufbereitung, Metadaten und Vektordatenbank. Koordiniert als Projektleiterin die Zusammenarbeit im Team.
mwali@student.tgm.ac.at
LLM-Orchestration
Untersucht lokale Sprachmodelle und deren effizienten Einsatz. Entwickelt Modell-Routing, Self-Correction und Multi-Modell-Voting.
rekici@student.tgm.ac.at
Backend & System Engineering
Entwickelt Backend und lokale Systemarchitektur. Verbindet die Dienste und verantwortet Isolation, Zugriffsschutz und Protokollierung.
ahandan@student.tgm.ac.at
Knowledge Graph & Quality Assurance
Modelliert Zusammenhänge zwischen Dokumenten im Knowledge Graph. Entwickelt Qualitätsprüfungen und die Rückverfolgung zu Originalquellen.
dcikojevic@student.tgm.ac.atDie mit „Foto folgt“ gekennzeichneten Bildflächen sind Platzhalter.
Die Technologie-Vorauswahl wird auf Offline-Betrieb, Antwortqualität, Geschwindigkeit, Filtermöglichkeiten und Integrationsaufwand untersucht.
Diese Auswahl ist Teil der technischen Evaluierung. Sie beschreibt keinen bereits vollständig implementierten oder abschließend festgelegten Stack.
Du möchtest kAIser beim Firmenevent kennenlernen oder dich technisch austauschen? Schreib uns. Wir freuen uns auf das Gespräch.
Data & Vector Database Engineering
TGM, Abteilung Informationstechnologie