Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Maya HTT bringt M-Bot für den lokalen Betrieb

Maya HTT hat am 2. November 2026 M-Bot vorgestellt, einen Retrieval-Augmented-Generation-Assistenten für Engineering-Teams. Er durchsucht interne Dokumente und lässt sensible Daten unter der Kontrolle des Kunden.

KI & ModelleNachrichtLena BrandtVeröffentlicht: 4. November 20265 Min. LesezeitQuellen 15
Maya HTT bringt M-Bot für den lokalen Betrieb

M-Bot läuft in der Infrastruktur des Kunden, teilte Maya HTT mit. Der Assistent greift nach Angaben des Unternehmens aus Montreal auf internes Wissen aus Engineering, Fertigung und industriellem Betrieb zu und liefert Antworten in Sekunden.

Das Produkt nutzt Retrieval-Augmented Generation, kurz RAG, um technische Fragen zu Texten, Bildern, Tabellen, Diagrammen und anderen Engineering-Artefakten zu beantworten, die herkömmliche LLMs nicht auswerten können. Es ist mit Teamcenter und anderen PLM-Umgebungen sowie mit SharePoint und Confluence verbunden und führt jede Antwort auf ihr Quelldokument zurück.

Maya HTT gibt an, das Abrufen sei bis zu 60-mal schneller als eine manuelle Suche: Aus fünf Minuten Handarbeit werden rund fünf Sekunden. Die Zahlen stammen vom Anbieter. Das Unternehmen erklärt außerdem, bei M-Bot fielen keine Token-Kosten für das LLM an, sodass Kunden die Rechnung vor dem Einsatz kennen.

Remi Duquette, Vice President Industrial AI bei Maya HTT, sagte, Engineering-Organisationen verfügten über große Mengen technischen Wissens. Oft schafften sie es aber nicht, die richtige Information rechtzeitig zur richtigen Person zu bringen, damit sie Entscheidungen beeinflusst.

Maya HTT zielt auf Luft- und Raumfahrt, Verteidigung und Fertigung. In diesen Branchen geht es um besonders sensibles geistiges Eigentum, und nach Angaben des Unternehmens begünstigen Anforderungen an die Datensouveränität dort lokale oder kundenseitig kontrollierte Systeme. M-Bot ist für Demonstrationen und den Unternehmenseinsatz verfügbar.

Marktprognose

Ein am 30. Oktober veröffentlichter Bericht von ResearchAndMarkets bezifferte den globalen Markt für RAG-Plattformen für 2025 auf 4.000.000.000 US-Dollar und für 2026 auf 5.520.000.000 US-Dollar. Bis 2036 erwartet der Bericht 43.750.000.000 US-Dollar, was einer jährlichen Wachstumsrate von 23,0 Prozent im Prognosezeitraum 2026 bis 2036 entspricht.

Der Bericht umfasst Vektordatenbanken und Suchmaschinen, Embedding- und Reranking-Modelle, Orchestrierungsframeworks, Werkzeuge zum Einlesen und Parsen, Konnektoren, Plattformen für Evaluierung und Guardrails, cloudbetriebene RAG-Dienste, Wissensassistenten für Unternehmen sowie Beratung, Integration und Managed Services. Ausgeschlossen sind Nutzungsgebühren für Basismodelle und Allzweckdatenbanken ohne Retrieval-Funktion.

Am stärksten verbreitet ist RAG in Recht, Finanzen, Gesundheitswesen und anderen regulierten Branchen, die nachvollziehbare, mit Quellen belegte Ergebnisse brauchen. Der Bericht stellt außerdem fest, dass KI-Agenten die Nachfrage erhöhen, weil mehrstufige Arbeitsabläufe auf ständigen Zugriff auf Daten, Anwendungen und Werkzeuge angewiesen sind.

Als Beleg für die Dynamik des Marktes nennt der Bericht Elastic. Elastic meldete für das erste Quartal des Geschäftsjahres 2026 mehr als 2.200 Kunden von Elastic Cloud, die generative KI-Workloads betreiben, sowie einen Umsatzanstieg von 18 Prozent im dritten Quartal auf 450.000.000 US-Dollar.

Genauigkeit und Sicherheit

Die Genauigkeit bleibt eine Hürde für RAG-Systeme. Eine vorab registrierte Stanford-Studie, auf die sich der Bericht beruft, ergab, dass RAG-basierte Produkte für die juristische Recherche von LexisNexis und Thomson Reuters bei 17 bis 33 Prozent der Anfragen halluzinierten, gegenüber 43 Prozent bei GPT-4 im Alleingang. Die Studie dokumentierte erfundene Fundstellen, unvollständige Antworten und falsche Auslegungen von Gerichtsfällen.

Auch die Sicherheitsrisiken nehmen zu. Im Juni 2025 schloss Microsoft die Lücke EchoLeak, CVE-2025-32711, eine Zero-Click-Schwachstelle mit einem CVSS-Wert von 9,3. Der Fehler zeigte laut Bericht, wie bösartige Inhalte aus einer E-Mail Microsoft 365 Copilot manipulieren und sensible Informationen preisgeben konnten.

Unternehmen priorisieren dem Bericht zufolge deshalb berechtigungsbewusstes Retrieval, die Erkennung von Prompt-Injection, Data-Loss-Prevention sowie Herkunfts- und Auditfunktionen.

IT Pro berichtete, das Kopieren von Dateien in einen separaten Vektorspeicher erzeuge Schattendaten, verbrauche Bandbreite und entferne die ursprünglichen Berechtigungen.

Maya HTT positioniert M-Bot als Weg, sensible Engineering-Daten nicht an ein externes Modell zu schicken. Der Assistent läuft nach Angaben des Unternehmens lokal oder in einer vom Kunden kontrollierten Infrastruktur und erfüllt damit die Anforderungen an die Datensouveränität in Luft- und Raumfahrt, Verteidigung und Fertigung.

Kommentare 0

Quellen

15
  1. 01Maya HTT Launches M-Bot, a Secure Enterprise Engineering Knowledge AssistantEN
  2. 02Retrieval-Augmented Generation (RAG) Platforms Market Size, Share, Trends, and Industry Analysis - Global Forecast to 2036EN
  3. 03From synthetic enterprise data evaluations to real Microsoft Copilot AI confidenceEN
  4. 04One platform, four enterprise AI data challenges solved: Inside Dell AI Data PlatformEN
  5. 05RAG vs LLM Fine-Tuning: Choosing the Right Approach for Enterprise AIEN
  6. 06STAT+: Amid Mass General Brigham layoffs, CEO pens vague letter, stirring staff anxietyEN
  7. 07Aluminum–Air Generators for Data Centres Face a Metal Logistics TestEN
  8. 08Enterprise AI Assistant: RAG + Intelligent Model RoutingEN
  9. 09Behind-the-meter generation could deliver five times more grid relief than data center load shiftingEN
  10. 10Google Warns LLMjacking Attacks Are Costing Some Enterprises Up to $1 Million in Cloud ChargesEN
  11. 11The Share of Solar Generation with Co-located Battery Storage Is IncreasingEN
  12. 12AC Milan, Inter strike ‘€650m’ Generali naming rights deal for new stadiumEN
  13. 13China touts AI milestone: models generate more tokens than used in trainingEN
  14. 14Why Enterprise Data is Becoming the New Competitive Advantage in AIEN
  15. 15Google Cloud and NVIDIA Announce General Availability of NVIDIA Vera Rubin InfrastructureEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.