Wichtige Erkenntnisse
- Edisyl ist die neu gegründete KI-fokussierte Tochtergesellschaft von Deloitte, die nach dem Erwerb des KI-Geschäfts von Flipside Crypto im Juli 2024 gestartet wurde.
- Ihr Flaggschiff-Angebot, das Knowledge Pack, kombiniert ein kuratiertes Domain Pack mit einem kundenspezifischen Proprietary Pack, um kontextuelles Fachwissen in jedes unternehmensgerechte generative KI-Modell zu integrieren.
- Der erste Rollout richtet sich an Fortune 500-Unternehmen und Deloittes eigene Praxisgruppen, mit einem Vollzeitteam von 24 ehemaligen Flipside-Mitarbeitern, das nun von Boston aus arbeitet.
- Im Gegensatz zu vielen vendor-gebundenen Lösungen ist das Knowledge Pack als plug-and-play für bestehende LLM-Plattformen (z. B. OpenAI, Anthropic, Azure OpenAI) konzipiert.
Deloittes strategischer Schritt in die kontextualisierte Unternehmens-KI
Von der Akquisition zum Spin-out
Im Juli 2024 schloss Deloitte den Kauf der Künstliche-Intelligenz-Division von Flipside Crypto Inc. ab. Der Deal trennte Flipsides Krypto-Daten-Zweig, der an Sonaverse Inc. verkauft wurde, während das KI-Team und sein IP als Edisyl Inc. neu gebrandet wurden. Das neue Unternehmen hat seinen Sitz in Boston und wird von dem ehemaligen Flipside-CEO Dave Balter, zusammen mit COO Kyle Fugere, CTO Jim Myers, CFO Andrew “Mo” Septimus, Chief Data Scientist Eric Stone und SVP of People Success Gabriela Serret-Campos, geleitet.
Warum Kontext für Unternehmens-LLMs wichtig ist
Large Language Models (LLMs) erzeugen menschenähnlichen Text, fehlen jedoch oft das präzise, regulierte Wissen, das in regulierten Branchen wie Finanzen, Gesundheitswesen oder Lieferkettenmanagement erforderlich ist. Deloittes Antwort ist, branchenspezifisches Fachwissen und unternehmensspezifische Terminologie direkt in die Prompt-Engineering-Pipeline des Modells einzubetten, um Halluzinationen zu reduzieren und die Compliance zu verbessern.
Die Knowledge-Pack-Architektur
| Komponente | Zweck | Typische Größe | Aktualisierungshäufigkeit |
|---|---|---|---|
| Domain Pack | Kuratiertes, expertenvalidiertes Wissen für eine Branche (z. B. Banking, Pharma) | 5-15 GB strukturierter Texte, Ontologien und Richtliniendokumente | Quartalsweise Überprüfung + ad-hoc Updates |
| Proprietary Pack | Internes Lexikon, SOPs, Datenwörterbücher und Richtliniensammlungen des Unternehmens | 1-8 GB (abhängig vom Datenvolumen) | Monatliche Synchronisation mit dem Wissens-Management-System des Kunden |
| Combined Knowledge Pack | Nahtlose Überlagerung, die über API oder Embedding-Injection an jedes LLM angehängt werden kann | 6-23 GB insgesamt | Automatisierte Versionierung; Live-Patching für kritische Änderungen |
Funktionsweise
- Ingestion – Die Ingestion-Engine von Edisyl analysiert PDFs, CSVs, Knowledge-Base-APIs und interne Wikis.
- Normalization – Text wird token-standardisiert, Entitäten werden einer einheitlichen Ontologie zugeordnet und doppelte Inhalte werden entfernt.
- Packaging – Das Domain Pack und das Proprietary Pack werden zu einem einzigen Vektor-Store zusammengeführt, der als „kontextueller Prompt“ von jedem nachgelagerten LLM aufgerufen werden kann.
- Deployment – Kunden integrieren das Knowledge Pack über ein leichtgewichtiges SDK (≈200 KB), das die relevanten Vektoren zur Inferenzzeit injiziert und kein Modell-Retraining erfordert.
Frühe Adoption & Design-Partnerschaften
- Deloittes eigene Beratungseinheiten haben Knowledge Packs für Risikobewertungs-Bots pilotiert, die von der Prüfungs-Praxis des Unternehmens genutzt werden.
- Fortune 500-Partner aus den Bereichen Banking, Fertigung und Energie entwickeln gemeinsam vertikalspezifische Packs, wobei drei Pilotprojekte für die Produktions-Rollout im Q1 2025 geplant sind.
- Das 24-köpfige Flipside-Team wechselte intakt und bewahrte tiefes Fachwissen in Datenpipelines, Prompt-Engineering und LLM-Sicherheit.
Vergleich mit traditionellen Enterprise-KI-Lösungen
| Merkmal | Edisyl Knowledge Pack | Anbieter-spezifisches Fine-Tuning (z. B. OpenAI Fine-Tuned Models) | Drittanbieter-Prompt-Bibliotheken |
|---|---|---|---|
| Modell-Agnostik | ✅ Funktioniert mit jedem LLM, das externen Kontext unterstützt | ❌ An das Modell des Anbieters gebunden | ✅ In der Regel anbieter-agnostisch, aber begrenzte Tiefe |
| Update-Rhythmus | Automatisierte monatliche Updates für Proprietary Pack; quartalsweise für Domain Pack | Erfordert komplettes Retraining (Wochen) | Manuell, ad-hoc |
| Compliance-Kontrollen | Eingebaute Richtlinien-Tagging- und Audit-Logs | Abhängig von den Tools des Anbieters | Variabel, oft fehlt |
| Implementierungsaufwand | SDK-Integration < 5 Stunden | Modell-Training-Pipelines (Tage-bis-Wochen) | Einfaches Kopieren-Einfügen, aber begrenzte Anpassbarkeit |
| Kostenstruktur | Abonnement pro Pack (≈$12,000 / Monat für Fortune 500-Skala) | Fine-Tuning-Gebühren pro Token (≈$0.12 / 1k Tokens) | Kostenlos bis niedrige Kosten, aber höheres Betriebsrisiko |
Ausblick und Markteinfluss
Der Start von Edisyl positioniert Deloitte, um einen wachsenden Anteil am Enterprise-AI-Kontextualisierungs-Markt zu erobern, der laut IDC bis 2028 $4 Milliarden übersteigen soll. Durch das Angebot eines plug-and-play Knowledge Packs umgeht Deloitte die hohen Compute-Kosten des Modell-Fine-Tunings und liefert gleichzeitig die Compliance und Genauigkeit, die regulierte Sektoren verlangen.
Fazit
Der Spin-out von Deloitte, Edisyl, verändert die Art und Weise, wie große Organisationen generative KI nutzen, indem er geprüftes Fachwissen und proprietäres Unternehmenswissen auf jedes LLM legt. Das modulare Knowledge Pack reduziert Halluzinationen, beschleunigt den Nutzen-zeitpunkt und gewährleistet strenge Governance – Schlüsselfaktoren in einer Branche, die noch mit KI-Zuverlässigkeit ringt. Mit einem erfahrenen 24-köpfigen Team, frühen Fortune 500-Pilotprojekten und einem Sitz in Boston ist Edisyl bereit, ein Eckpfeiler von Deloittes KI-Praxis zu werden und eine glaubwürdige Alternative zu teurem, modell-spezifischem Fine-Tuning zu bieten.
Für weitere Details besuchen Sie deloitte.com.