ElephantBroker: KI-Agenten mit überprüfbarer Wissensbasis

In hochriskanten, mehrstufigen Szenarien, in denen Sprachmodelle Entscheidungen treffen, wird die Genauigkeit der gespeicherten Informationen immer wichtiger. Traditionelle Speicherlösungen für KI-Agenten – meist flache Schlüssel-Wert-Datenbanken oder einfache Vektorabrufe – bieten keine Möglichkeit, die Herkunft oder Vertrauenswürdigkeit des Wissens nachzuverfolgen.

ElephantBroker löst dieses Problem mit einer offenen, kognitiven Laufzeitumgebung, die ein Neo4j-Wissensgraphen- und einen Qdrant-Vektor‑Store über die Cognee‑SDK-Schnittstelle verbindet. Dadurch entsteht ein dauerhaftes, verifizierbares Gedächtnis für Agenten, das sämtliche gespeicherten Fakten nachvollziehbar macht.

Die Architektur umfasst einen vollständigen kognitiven Zyklus: Speichern, Abrufen, Bewerten, Zusammenstellen, Schützen und Lernen. Dazu gehören ein hybrides Retrieval‑Pipeline aus fünf Quellen, ein elf‑dimensionaler Scoring‑Mechanismus für ressourcenkonzentrierte Kontextzusammenstellung, ein vier‑Stufen‑Beweis‑Verifikationsmodell, ein fünf‑Stufen‑Kontext‑Lebenszyklus mit zielorientierter Montage und kontinuierlicher Kompression, ein sechsstufiges Sicherheits‑Guard‑System, ein KI‑Firewall für Tool‑Aufruf‑Interception und mehrstufige Sicherheits‑Scans sowie ein neunstufiger Konsolidierungs‑Engine, der nützliche Muster stärkt und Rauschen abbaut. Ein numerisches Autoritätsmodell steuert die Identität mehrerer Organisationen mit hierarchischer Zugriffskontrolle.

Die Funktionsweise wurde mit über 2.200 Tests – von Unit‑ bis End‑to‑End‑Tests – umfassend validiert. Das modulare Design erlaubt drei Bereitstellungsebenen, fünf erweiterbare Profil‑Voreinstellungen, Multi‑Gateway‑Isolation und ein Dashboard für menschliche Aufsicht, sodass Unternehmen ElephantBroker flexibel an ihre Anforderungen anpassen können.