Vertiefende Analyse · Etwa 3 Min. Lesezeit
NVIDIA erweitert Agent Toolkit um Firmenwissen und Ausführungskontrolle
Agent Knowledge Foundation verbindet Geschäftsbedeutung, Retrieval und strukturierte Modelle mit einer getrennten Laufzeitgrenze.
- Hier veröffentlicht
- Datum der Quelle
- Quelle geprüft
Die Ankündigung vom 21. Oktober ergänzt Agent Toolkit um Agent Knowledge Foundation für Unternehmensdaten, Geschäftsbegriffe, Suche und Vorhersagen. Daten und Werkzeuge treffen auf OpenShell und NemoClaw-Referenzen. Wissen und Handlungsbefugnis bleiben unterschiedliche Fragen.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Auto-Ontology und CUDA-X-Bibliotheken verbinden Daten mit Kunden, Produkten, Aufträgen und ihren Beziehungen.
- SAP, ServiceNow und OpenSearch beschreiben unterschiedliche Einsätze, keinen gemeinsamen Benchmark oder universelle Geschwindigkeits- und Qualitätsgarantie.
Geschäftsbedeutung und Datenzugang trennen
Die Foundation soll Daten für Fragen, Vorhersagen und Entscheidungen nutzbar machen. Auto-Ontology bildet Datensätze auf Begriffe und Beziehungen wie Kunden, Produkte und Aufträge ab; CUDA-X nennt cuDF, cuGraph, cuML, cuOpt und cuVS. NVIDIA sagt, Daten müssten nicht verschoben, Abläufe nicht neu gebaut und Governance nicht geändert werden. Das bleibt ein Integrationsversprechen, kein Nachweis identischer Datenresidenz jedes Konnektors. Geschäftskontext bestimmt Relevanz; Teams müssen prüfen, ob abgeleitete Beziehungen ihre eigenen Definitionen treffen.
Retrieval ist keine strukturierte Vorhersage
Die Foundation enthält Nemotron Retriever und Kumo Structured: Tabular, Relational, Time Series und Forecast. Gemeinsame Nennung macht Aufgaben nicht austauschbar. Retrieval liefert Kontext, Vorhersagen aus strukturierten Daten brauchen eigene Bewertung. Unser hypothetischer Auftragsassistent sucht erst die gültige Regel und schätzt unabhängig das Lieferrisiko. Die erste Antwort braucht die richtige Quelle, die zweite Ziel, Zeitfenster und Referenzergebnisse. Das ist unsere Analyse, keine hier unabhängig vorgeführte Produktfunktion.
Intelligenz und Rechte getrennt testen
OpenShell setzt Grenzen für Zugriff und Aktionen. NemoClaw liefert Referenzdesigns, darunter einen Optimierungs-Blueprint als Einstieg zur Verbesserung von Agenten. NeMo Relay und Compass werden als Werkzeuge und Skills genannt, ohne Details für jede Betriebsfunktion. Ein Referenzdesign zertifiziert keine Implementierung oder automatische fortlaufende Verbesserung. Wir empfehlen Wissen und Rechte getrennt zu testen: Ein überzeugendes Dokument gibt noch kein Recht, den Datensatz zu ändern. Laufzeitregeln müssen die Grenze ausdrücken, statt dem Modell die Ableitung von Berechtigung aus einer nützlichen Antwort zu überlassen.
Partner haben verschiedene Vergleichsgrundlagen
NVIDIA beschreibt seine Lieferkettenorganisation mit Palantir Foundry, Ontology und AIP. Databricks verbindet Kumo Anomaly mit Genie Ontology; Snowflake bietet Kumo Engine und Relational in Notebooks. Genannt werden außerdem relevantere OpenSearch-Ergebnisse mit weniger Suchschritten und nahezu keiner Zusatzlatenz, ein angepasster SAP-Reranker fast dreimal schneller sowie bessere ServiceNow-Qualität bei fast einem Viertel weniger Latenz. Zoom nutzt Retriever für Dokumente und Kontext. Das sind verschiedene Aufgaben und Vergleiche ohne vollständige gemeinsame Konfigurationen, Stichproben oder Qualitätsmaßstäbe. Daraus folgen weder allgemeiner Faktor noch Zugriff jedes Kontos.
Einen begrenzten prüfbaren Ablauf definieren
Unsere Abnahme startet mit Geschäftsfrage, Datengrenze und erlaubten Aktionen. Entitäten anhand bekannter Datensätze prüfen, Kontext zur Quelle verfolgen und Vorhersagen mit passenden Ergebnissen statt plausibler Sprache bewerten. Erlaubte und verbotene Operationen ausprobieren und tatsächliche Protokolle prüfen. Versionen von Modellen, Werkzeugen, Daten und Regeln erhalten die Erklärbarkeit von Änderungen. Das sind Empfehlungen, keine hier durchgeführten Tests. Offene Komponenten und Partnernutzung bedeuten weder kostenloses Hosting noch öffentlichen Tarif oder firmenweite Rechte. Kosten, Latenz und Qualität müssen zur eigenen Last gemessen werden.
Warum es wichtig ist
Unsere Analyse: Unternehmenskontext braucht erklärbare Quellen und durchgesetzte Rechte. Besseres Retrieval autorisiert keine Aktion, eine Laufzeitgrenze beweist keine richtige Evidenz.
Grenzen und Verfügbarkeit
Wir lasen den ganzen Beitrag ohne Aufbau, Partnerdaten oder Qualitätstests. Wirkungen sind zugeschriebene Angaben; vollständige Konfigurationen, Preise und allgemeine Verfügbarkeit bleiben unbelegt.
Quellen und Belege
Datum der Quelle: · Quelle geprüft:
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.