Auctor  /  the AI correctness layer Auctor  /  die KI-Korrektheitsschicht

AI you can sign off & defend under audit. KI, die Sie verantworten
& vor jeder Prüfung vertreten können.

Turn your existing AI into a system that delivers answers your teams can actually use. Every output is verified against approved sources, checked against policy and fully documented before it is delivered. Enterprise document canonicalization passed across PDF, OCR, email, contracts, tables, tickets, chats & logs. Machen Sie aus Ihrer bestehenden KI ein System, das verlässliche Antworten liefert, die Ihre Teams tatsächlich nutzen können. Jede Ausgabe wird anhand freigegebener Quellen geprüft, gegen Richtlinien validiert und vollständig dokumentiert, bevor sie bereitgestellt wird. Enterprise-Dokumente aus PDF, OCR, E-Mail, Verträgen, Tabellen, Tickets, Chats & Logs wurden exakt kanonisiert.

No guesswork. No unchecked outputs. No risk of using the wrong answer. Keine Vermutungen. Keine ungeprüften Antworten. Kein Risiko, falsche Ergebnisse zu verwenden.

BanksBanken InsuranceVersicherung GovernmentBehörden DefenseVerteidigung PharmaPharma
The shiftDer Wechsel

From plausible to provable. Von plausibel zu belegbar.

Most AI gets you to a plausible answer. Auctor is the layer that gets you to a correct, sourced and signed-off one, without replacing what you already run. Die meisten KI-Systeme liefern eine plausible Antwort. Auctor ist die Schicht, die daraus eine korrekte, belegte und freigegebene Antwort macht, ohne das zu ersetzen, was bei Ihnen bereits läuft.

/01 The problemDas Problem

AI answers are not the problem. Using them is. KI-Antworten sind nicht das Problem. Ihre Verwendung ist es.

Most AI systems return plausible results. In regulated environments, plausible is not sufficient. Teams need answers they can trust, verify and defend. Die meisten KI-Systeme liefern plausible Ergebnisse. In regulierten Umgebungen reicht plausibel nicht aus. Teams benötigen Antworten, die sie prüfen, nutzen und vertreten können.

/02 The solutionDie Lösung

A control layer for your existing AI. Eine Kontrollschicht für Ihre bestehende KI.

Auctor does not replace your AI. It ensures that only correct, authorised and verifiable answers are delivered. Auctor ersetzt Ihre KI nicht. Es stellt sicher, dass nur korrekte, autorisierte und überprüfbare Antworten ausgegeben werden.

Proof, not promisesNachweis statt Versprechen

Real data. Real scale. Measured accuracy. Echte Daten. Echter Maßstab. Messbare Genauigkeit.

This is not a benchmark. This is a controlled system result under real conditions. We loaded real public scientific data, queried it twenty thousand times, and counted the wrong answers. Das ist kein Benchmark. Das ist ein kontrolliertes Systemergebnis unter realen Bedingungen. Wir haben echte öffentliche wissenschaftliche Daten geladen, zwanzigtausend Mal abgefragt und die Fehler gezählt.

+120,000,000rows
Real-world records. Zero wrong answers. Reale Datensätze. Null falsche Antworten.
What we testedWas wir getestet haben
Where the data came fromWoher die Daten stammen
NOAA / NCEI · GHCN-Daily
Weather stationsWetterstationen
129,657
Questions askedGestellte Fragen
20,000
Stored on one local laptop-style DBAuf einer lokalen DB
~38.4 GB
What we measured, every timeWas wir jedes Mal gemessen haben
Auctor returned the right answerAuctor lieferte die richtige Antwort
100%
Auctor pointed to the right documentAuctor verwies auf das richtige Dokument
100%
Auctor reported the right valueAuctor meldete den richtigen Wert
100%
Measured & repeatableMessbar & reproduzierbar

Where others approximate, we verify. Wo andere approximieren, verifizieren wir.

The difference is not speed. It is correctness. Most systems return plausible matches; Auctor returns the exact authorised source. Each line below is one measured test, with the number we counted at the end. Der Unterschied liegt nicht in der Geschwindigkeit, sondern in der Korrektheit. Die meisten Systeme liefern plausible Treffer; Auctor liefert die exakt autorisierte Quelle. Jede Zeile unten ist ein gemessener Test, mit der Zahl, die am Ende dazugehört.

  • 100%
    right answers across 20,000 questions richtige Antworten in 20.000 Fragen
    /01 · Real scientific data, at scaleEchte wissenschaftliche Daten, im großen Maßstab On 120,000,012 real scientific rows, Auctor returned the right answer every time, across 20,000 different questions. Auf 120.000.012 echten wissenschaftlichen Zeilen lieferte Auctor jedes Mal die richtige Antwort, bei 20.000 verschiedenen Fragen.
  • /02 · Run for a year. Watched the whole time.Ein Jahr lang betrieben. Durchgängig beobachtet. Across 1,200,000 corporate documents and 1,000 separate clients, simulated continuously for a year: nobody saw what they shouldn't have, nobody was wrongly blocked, and nothing out-of-date slipped through. Über 1.200.000 Unternehmensdokumente und 1.000 separate Mandanten, kontinuierlich über ein simuliertes Jahr: niemand sah, was er nicht sehen sollte, niemand wurde fälschlich blockiert, und nichts Veraltetes rutschte durch.
    0errors
    over a simulated year über ein simuliertes Jahr
  • 8/ 8
    end-to-end workflows passed Ende-zu-Ende-Workflows bestanden
    /03 · Real work, not toy questionsEchte Arbeit, keine Spielzeugfragen Asked to look things up, do the math, write the notes, cite the sources and produce the report. Every workflow finished without a single error in the final document. Auftrag: nachschlagen, rechnen, Notizen schreiben, Quellen zitieren und den Bericht erzeugen. Jeder Workflow lief ohne einen einzigen Fehler im fertigen Dokument durch.
  • /04 · Not married to one modelNicht an ein Modell gebunden The same accuracy held across six completely different model families: Qwen3, Qwen2.5-Coder, GPT-2, GPT-OSS, Mistral and DeepSeek. The promise is not about which model you pick. Dieselbe Genauigkeit hielt über sechs völlig verschiedene Modellfamilien: Qwen3, Qwen2.5-Coder, GPT-2, GPT-OSS, Mistral und DeepSeek. Das Versprechen hängt nicht am Modell.
    6/ 6
    model families held the line Modellfamilien hielten den Standard
  • 2/ 2
    live LLMs passed end-to-end Live-LLMs bestanden Ende-zu-Ende
    /05 · Wired to real, live LLMsAn echte, laufende LLMs angeschlossen With Qwen3-4B and Ministral-3-3B-Base on the front end (actually generating the answer), both delivered perfect answers and perfect values, every time. Mit Qwen3-4B und Ministral-3-3B-Base als Frontend (sie schreiben die Antwort tatsächlich) lieferten beide jedes Mal perfekte Antworten und perfekte Werte.
Retrieval vs. releaseRetrieval vs. Freigabe

Most AI retrieves.
Auctor decides.
Die meisten KI-Systeme suchen.
Auctor entscheidet.

Other systems optimise for relevance. Auctor enforces correctness. Fast retrieval is not the problem; releasing the correct and authorised answer is. Andere Systeme optimieren auf Relevanz. Auctor erzwingt Korrektheit. Schnelles Retrieval ist nicht das Problem; die korrekte und autorisierte Freigabe der Antwort ist es.

Read this chart: exact source-row accuracy, not similarity. Exact and authorised answers only exist in the top-right quadrant. So lesen Sie das Diagramm: exakte Treffergenauigkeit auf die Quellzeile, nicht Ähnlichkeit. Exakte und autorisierte Antworten existieren nur im oberen rechten Quadranten.

Compliance theatreCompliance-Theater Auctor's quadrantAuctors Quadrant Plausible & riskyPlausibel & riskant Exact & ungovernedExakt & ungoverned EXACT SOURCE ACCURACY →EXAKTE QUELLGENAUIGKEIT → GOVERNANCE + AUDIT →GOVERNANCE + AUDIT → Auctor · 100% Metadata RAG · 100%*Metadaten-RAG · 100 %* Raw scan · unusable at scaleRoh-Scan · unbrauchbar Source-doc RAG · 6.82%Dokument-RAG · 6,82 % Similarity / vector RAG · ≤ 0.2%Ähnlichkeits- / Vektor-RAG · ≤ 0,2 %

Exact source-row accuracy Exakte Treffer auf die Quellzeile

Auctor · governed transaction Auctor · geprüfte Transaktion
Typed source · policy · verification · audit trail Typisierte Quelle · Policy · Verifikation · Auditspur
100%
Metadata-filtered RAG Metadaten-gefiltertes RAG
Only by adopting Auctor's typed method* Nur durch Übernahme von Auctors typisierter Methode*
100%*
Source-document / month RAG Dokument- / Monats-RAG
Too coarse for the exact row Zu grob für die exakte Zeile
6.82%
Date / element keyword RAG Datum- / Element-RAG
Partial keys, wrong station Teilschlüssel, falsche Station
0.17%
Vector / similarity RAG Vektor- / Ähnlichkeits-RAG
Similarity does not equal correctness Ähnlichkeit ist nicht Korrektheit
0.015%
Station-memory RAG Stations-Speicher-RAG
Misses exact date / measurement Verfehlt Datum / Messung
0.015%
Raw text scan Roh-Textsuche
Accurate but operationally unusable at scale Genau, aber im Maßstab nicht einsetzbar
unusable
* Only matches Auctor when it adopts Auctor's typed method, at which point it is no longer ordinary RAG, but a governed transaction in disguise. * Erreicht Auctors Genauigkeit nur, wenn es dessen typisierte Methode übernimmt, und ist damit kein gewöhnliches RAG mehr, sondern eine geprüfte Transaktion in Verkleidung.
What your AI becomesWas Ihre KI dadurch wird

Not smarter. Usable where correctness matters. Nicht intelligenter. Einsetzbar, wo Korrektheit zählt.

We don't sell you a smarter model. We give you the answers your auditor, your regulator and your court can read without flinching. Wir verkaufen kein klügeres Modell. Wir geben Ihnen Antworten, die Ihr Auditor, Ihr Regulator und ein Gericht ohne Zucken lesen können.

/01

AuditableAuditierbar

Every answer includes its source, its context and its decision path. When someone asks “where did this come from?”, the proof is already attached. Jede Antwort enthält Quelle, Kontext und Entscheidungsweg. Wenn jemand fragt „Woher stammt das?“, liegt der Nachweis schon bei.

/02

RefusableVerweigerbar

If something cannot be verified, it is not returned. No quiet guesses. No invented numbers reaching your customer, your regulator or your court. Was sich nicht verifizieren lässt, wird nicht ausgegeben. Keine leisen Vermutungen. Keine erfundenen Zahlen für Ihre Kunden, Ihren Regulator oder ein Gericht.

/03

DefensibleVerteidigbar

Every output meets policy, access and compliance requirements. What people aren't allowed to see, they don't see. What was retracted, stays retracted, across every answer the system gives. Jede Ausgabe erfüllt Richtlinien, Zugriffs- und Compliance-Anforderungen. Was nicht eingesehen werden darf, wird nicht eingesehen. Was widerrufen wurde, bleibt widerrufen, in jeder Antwort.

Real-time deliveryLieferung in Echtzeit

Correct answers, in real time. Korrekte Antworten, in Echtzeit.

Verification does not slow your workflows. Your teams get reliable, sourced answers immediately, with no extra validation step. Verifikation verlangsamt Ihre Abläufe nicht. Ihre Teams erhalten sofort verlässliche, belegte Antworten, ohne zusätzlichen Prüfschritt.

2.02s

From a natural-language question to a verified, sourced answer. Live, with Qwen3-0.6B running locally in front of Auctor. 8 of 8 correct on the 120-million-row probe. Von der natürlichen Frage bis zur belegten, sichtbaren Antwort. Live, mit lokal laufendem Qwen3-0.6B vor Auctor. 8 von 8 korrekt auf dem 120-Millionen-Test.

Where the two seconds goWo die zwei Sekunden hingehen true scaleechter Maßstab
Total response · 2.02 sGesamtantwort · 2,02 s Auctor · 99 ms · ≈ 5% of the responseAuctor · 99 ms · ≈ 5% der Antwort
Inside Auctor's 99 msIn Auctors 99 ms

Where Auctor spends its time, step by step. Every operation runs in the millisecond range — verification adds no perceptible latency. Wo Auctor seine Zeit verbringt, Schritt für Schritt. Jede Operation läuft im Millisekundenbereich — Verifikation verursacht keine spürbare Latenz.

  • 0.6ms /01 · Find the rowZeile finden

    Lands on the authoritative row inside the 120-million-row catalogue. 95% of the time, under 0.51 ms. Findet die maßgebliche Zeile im 120-Millionen-Katalog. In 95% der Fälle unter 0,51 ms.

  • 1.7ms /02 · Check the answerAntwort prüfen

    Typed-field exchange between the model and the Auctor verifier. With Qwen3-4B in front: 2.12 ms. Typisierter Feldaustausch zwischen dem Modell und dem Auctor-Verifier. Mit Qwen3-4B davor: 2,12 ms.

  • 96.6ms /03 · Render the reportBericht erzeugen

    A finished, sourced, signed-off report of about 100 words. Delivered in under a tenth of a second. Ein fertiger, belegter, freigegebener Bericht von etwa 100 Wörtern. In unter einer Zehntelsekunde.

In scope, out of scopeIm Umfang, außerhalb

What this is & what it is not. Was das ist & was nicht.

This is not about generating better answers. It is about controlling which answers are allowed to be used. Es geht nicht darum, bessere Antworten zu generieren. Es geht darum zu kontrollieren, welche Antworten verwendet werden dürfen.

What Auctor isWas Auctor ist

  • A control layer for AI systemsEine Kontrollschicht für KI-Systeme
  • A system that verifies every output before it is usedEin System, das jede Ausgabe prüft, bevor sie verwendet wird
  • A way to ensure answers are based on approved and current sourcesEine Möglichkeit, sicherzustellen, dass Antworten auf freigegebenen und aktuellen Quellen basieren
  • A mechanism that enforces policy, access and compliance rulesEin Mechanismus, der Richtlinien, Zugriffs- und Compliance-Vorgaben durchsetzt
  • A system that makes AI usable in regulated environmentsEine Lösung, um KI in regulierten Umgebungen einsetzbar zu machen
  • A way to turn AI outputs into auditable decisionsEine Möglichkeit, KI-Ergebnisse in auditierbare Entscheidungen zu überführen
  • A safeguard that prevents incorrect or unsupported answers from being deliveredEin Schutzmechanismus, der verhindert, dass falsche oder unbelegte Antworten ausgegeben werden

× What Auctor is notWas Auctor nicht ist

  • A new AI modelEin neues KI-Modell
  • A replacement for your existing AI systemsEin Ersatz für bestehende KI-Systeme
  • A chatbotEin Chatbot
  • A retrieval system that returns similar contentEin Retrieval-System, das ähnliche Inhalte zurückgibt
  • A probabilistic answer generatorEin probabilistischer Antwortgenerator
  • Dependent on a specific model providerAbhängig von einem bestimmten Modellanbieter
  • Limited to one data source or datasetAuf eine einzelne Datenquelle beschränkt
  • A system that requires retraining to stay correctEin System, das durch Nachtraining aktuell gehalten werden muss
Built forEntwickelt für

Built for decisions that matter. Für Entscheidungen, die zählen.

Where answers must be correct, not just plausible. Used by teams that are accountable for what they deliver. Dort, wo Antworten korrekt sein müssen, nicht nur plausibel. Eingesetzt von Teams, die für ihre Ergebnisse verantwortlich sind.

When “being right” matters more than “being smart,” memory becomes infrastructure. Wenn „richtig sein“ wichtiger ist als „klug sein“, wird Gedächtnis zur Infrastruktur.

/01
BanksBanken
Compliance, risk, reportingCompliance, Risiko, Reporting
/02
InsuranceVersicherung
Claims, underwriting, auditSchadenfälle, Underwriting, Audit
/03
GovernmentBehörden
Casework, policy Q&AFallarbeit, Policy-Q&A
/04
PharmaPharma
Trial records, safety, MAStudiendaten, Sicherheit, MA
/05
DefenseVerteidigung
Source-bound intel workQuellengebundene Aufklärung
/06
EnergyEnergie
Operations & safety recordsBetrieb & Sicherheitsdaten
Put it to work safelySicher einsetzen

Put AI to work, safely. Start with a controlled pilot in your environment. Setzen Sie KI sicher ein. Starten Sie mit einem kontrollierten Pilotprojekt in Ihrer Umgebung.

Make your AI usable where it matters. Machen Sie Ihre KI dort einsetzbar, wo es darauf ankommt.