- Neue Lösung mit Generative und Agentic AI hilft Unternehmen, fragmentierte Informationen in ihren bestehenden Systemen zu finden und sinnvoll zusammenzuführen
- Einsatz in fast allen Branchen, von Banken und Versicherungen über das Gesundheitswesen und die öffentliche Verwaltung bis in die Industrie
Heidelberg, 16. Oktober 2025 -- SAS, einer der weltweit führenden Anbieter von Lösungen für Daten und künstliche Intelligenz (KI), hilft mit einem innovativen KI-Tool, die Produktivität von Unternehmen signifikant zu steigern: Der SAS Retrieval Agent Manager (RAM) vereinfacht den Prozess, aus den Rohdaten in bestehenden Informationssystemen aussagekräftige Antworten zu gewinnen. RAM überführt fragmentierte, unstrukturierte Informationen schnell in nutzbares Wissen und zu soliden Entscheidungsgrundlagen.
RAM beantwortet damit zwei grundlegende Fragen:
- Wie lassen sich Generative AI und Large Language Models (LLMs) schnell, skalierbar und vertrauenswürdig auf Unternehmensdaten anwenden?
- Wie können Unternehmen KI nahtlos und zuverlässig in vorhandene Systeme integrieren – von Chatbots bis zu intelligenten Agenten?
„Mit Generative und Agentic AI bietet RAM eine nutzerfreundliche Oberfläche, mit der sich Unternehmensprozesse aufsetzen beziehungsweise modernisieren lassen, ohne dafür die vorhandenen Systeme erneuern zu müssen“, bestätigt Kathy Lange, Research Director for the AI and Automation Practice beim Analystenhaus IDC, die Vorteile von RAM.
RAM basiert auf dem Retrieval Augmented Generation (RAG) Framework und ist eine No-Code-Lösung, die schnell und kontextbezogen mithilfe von KI präzise Antworten aus unstrukturierten Inhalten erstellt. Das Tool sucht, lädt und verarbeitet Dokumente und bietet automatisch den besten Weg an, um schnell auf diese Informationen zugreifen zu können, ob über einen Chatbot oder via API. RAM macht die Nutzung von Generative AI, zum Beispiel LLMs oder Vektordatenbanken, als Plug-and-Play-Service möglich. Zusätzlich bietet die Lösung eine Agentic-AI-Schicht, um komplexe Workflows auf der Basis von eigenen Unternehmensdaten zu automatisieren.
Use Cases für fast alle Branchen
Banken: Betrugsprävention und Risikomanagement. RAM kann Fraud-Teams dabei helfen, auffällige Muster und regulatorische Warnsignale in Sekunden zu erkennen, wodurch sich Untersuchungen beschleunigen und AML-/KYC-Compliance stärken lassen. Risk-Verantwortliche können gleichermaßen auf Stresstest-Modelle, Grundsatzdokumente und Verlusthistorien zugreifen, um ohne Verzögerung Gefährdungen einzuschätzen, Audits zu unterstützen und sicherzustellen, dass Entscheidungen zur Kapitalplanung mit regulatorischen Vorgaben übereinstimmen.
Versicherungen: Schnellere Entscheidungen zu Schadensansprüchen. Mit RAM können Sachverständige in Versicherungen Formulierungen in Policen, FNOL (First Notice of Loss)-Meldungen und frühere Schadenakten abrufen. Dies führt zu einer schnelleren, fairen und richtlinienkonformen Auszahlung sowie höheren Kundenzufriedenheit.
Öffentliche Verwaltung: Bessere Bürgerservices. Verwaltungsmitarbeiter können mit RAM Antworten auf Bürgeranfragen generieren, indem sie ähnliche frühere Anfragen, Vorschriften und Fallarchive durchsuchen lassen – und dadurch effektiv Wartezeiten reduzieren sowie gleichzeitig konsistente, richtlinienkonforme Auskünfte sicherstellen.
Gesundheitswesen: Genauere medizinische Diagnosen bei maximalem Datenschutz. Ärzte können RAM einsetzen, um synthetische – also realistische, aber vollkommen unpersönliche – Erkenntnisse auf der Basis von Patientenakten, klinischen Protokollen und Peer-Review-Studien zu generieren, ohne sensible Patientendaten verwenden zu müssen. Das Ergebnis sind bessere Diagnoseergebnisse und Behandlungserfolge bei maximalem Datenschutz.
Industrie: RAM als Booster für Predictive Maintenance. Mit Internet-of-Things (IoT)-Sensoren und Machine-Learning-Systemen sind Fertigungsunternehmen inzwischen gut aufgestellt, um frühzeitig drohende Ausfälle an ihren kritischen Maschinen und Anlagen zu erkennen. Die Warnmeldung aus einem Schlüsselsystem ist allerdings nur der erste Schritt.
Mit RAM sind Unternehmen in der Lage, sich effektiv durch sehr große Mengen unstrukturierter Textdaten zu navigieren, darunter Handbücher, frühere Wartungs- und Inspektionsberichte, Lieferantendatensätze, Field-Service-Aufzeichnungen und vereinzelte Dokumentationen wie Notizen und E-Mails. Auf dieser Grundlage lässt sich das Hauptproblem und die bestmögliche Reaktion bestimmen. RAM ergänzt vorhandene Machine-Learning-gestützte Predictive-Maintenance-Tools, ruft relevante Daten zu Reparatur- und Wartungsvorgängen ab und generiert klare Arbeitsanweisungen an Ingenieure und Techniker.
Volle Transparenz, keine unerlaubte Verwendung von Daten
Ein wichtiger Aspekt im Sinne von Trustworthy AI ist, dass RAM transparent die Quelldokumente und Daten darlegt, auf denen die Antworten und Empfehlungen basieren. Die SAS Lösung nutzt zudem keine Unternehmensdaten, um LLM zu trainieren oder anzupassen. Stattdessen werden Daten und LLM separat voneinander gehalten und erst bei konkreten Anfragen zusammengeführt, um eine relevante und zeitnahe Antwort zu generieren.
„SAS Retrieval Agent Manager ist für sehr große Datenvolumen skalierbar, die kontinuierlich aktualisiert werden“, erklärt Jason Mann, VP of IoT bei SAS. „RAM erleichtert es Unternehmen, Technologien wie Chatbots und Conversational AI im Rahmen ihrer internen Wissensbasis anzuwenden. Zudem sind sie damit in der Lage, Generative-AI-gestützte Informationsservices über zuverlässige Schnittstellen in vorhandene Applikationen zu integrieren und KI-Agenten zu entwickeln.“
circa 5.600 Zeichen
