Vom Gespräch zum typisierten Fakt, im Wochentakt.

Stufe 02 ist der Prozess, durch den ein rohes Transkript zu einer Zeile in Ihrem Faktkorpus wird. Die Anreicherungspipeline führt jedes akzeptierte Gespräch durch ein typisiertes Schema: zehn parallele Dimensionen, jede erzeugt Zeilen mit einem bi-temporalen Fenster, einem Segmentvektor, einer Salienz-Anzahl, einem Konfidenz-Score und einer Quellenangabe zurück zum erzeugenden Chunk. Der Korpus aktualisiert sich standardmäßig im Wochentakt. Sie können die Kadenz pro Dimension anpassen, wenn Ihre Branche es erfordert. Vergleichbarkeit ist das Produkt.

Diese Seite ist die Produktsicht auf diese Stufe: wie das Schema aussieht, was eine Aktualisierung bewirkt und was Sie von der Konsole aus steuern. Die Pipeline-Mechanismen (der Halluzinationsfilter, die Kreuzkontaminationsprüfung, die deterministische Bewertung, der Prompt-Integritäts-Hash) sind unter Methodik und unter Trust & Security dokumentiert.

Jedes Gespräch erzeugt Zeilen über zehn parallele Dimensionen. Für den Einzelhandel ist der operative Satz: Schmerzpunkte, Opportunity-Bewertung, Markenwahrnehmungskarte, KI-Bereitschafts-Score, Bindungsfaktoren, Marktsignal, regulatorisches Compliance-Risiko, Schulungslücke, Kundensegmentverhalten und Wettbewerbserwähnungskarte. Das Schema ist in seiner Oberflächenform branchenspezifisch. Zwei oder drei Dimensionen wechseln je Branche aus (für Beratung wird Kundensegmentverhalten durch Engagement-Ökonomie-Indikatoren ersetzt; für die Gastronomie wird die Markenwahrnehmungskarte durch schichtbezogene operative Varianz ersetzt). Die Form bleibt dieselbe: zehn typisierte Slots.

Stabilität ist der eigentliche Punkt. Ein Schmerzpunkt, der in einem Markt im Mai erfasst wird, liest sich genauso wie ein Schmerzpunkt, der in einem anderen im November erfasst wird, weil beide Zeilen im selben Schema sind, erzeugt vom selben Protokoll. Diese Eigenschaft ermöglicht marktübergreifendes Benchmarking. Umfragen können das nicht, weil sich das Instrument mit jeder Übersetzung ändert. Fokusgruppen können das nicht, weil Gruppendynamik die Vergleichbarkeit verzerrt. Der Interview-Agent hält das Protokoll in jedem Gespräch konstant, was das Schema darüber konstant hält.

Ein Aktualisierungszyklus ist ein geplanter Batch neuer Gespräche, den die Plattform rekrutiert, durchführt und anreichert. Die Standardkadenz ist wöchentlich pro aktiver Kohorte. Wenn der Zyklus abgeschlossen ist, landet jeder neue Fakt im Korpus mit seinem eigenen bi-temporalen Fenster. Fakten, deren Gültigkeit seit dem letzten Zyklus abgelaufen ist, wandern in die historische Aufzeichnung. Die Dashboards berechnen sich gegen den aktualisierten Korpus neu.

Der Aktualisierungsauslöser ist keine Kalenderbenachrichtigung. Die Konsole zeigt pro Dimension eine Verfallsuhr: Wenn zwanzig Prozent der Markenwahrnehmungs-Fakten in den letzten sechzig Tagen ihre Gültigkeit verloren haben, meldet die Konsole, dass die Dimension zur Aktualisierung fällig ist. Das ist die Basis der wiederkehrenden Erlöse der Plattform: veraltete Daten sind ein Produktsignal, das im Dashboard sichtbar ist, und es zeigt Ihnen genau, wann weiteres Capturing in Auftrag gegeben werden soll.

Der Zerfall wird pro Dimension und pro Branche kalibriert. Markenwahrnehmungs-Fakten verfallen in Wochen. Marktsignale verfallen in Wochen. Kundensegmentverhalten verfällt in Wochen bis Monaten. Schmerzpunkte und Opportunity-Bewertungen verfallen in Monaten. KI-Bereitschafts-Scores verfallen in Quartalen. Bindungsfaktoren verfallen in Quartalen. Schulungslücken verfallen erst, wenn sich der Schulungskatalog oder das Produkt ändert.

Die Plattform wird mit einer Basiskalibrierung geliefert, die Einzelhandel, Beratung, Gastronomie und Apotheke abdeckt. Von dort aus verfeinert der Expert-in-the-Loop die Halbwertszeiten für Ihre Branche. Wenn ein Domänenexperte in Ihrem Team der Plattform mitteilt, dass sich eine bestimmte Faktklasse schneller oder langsamer als die Basislinie bewegt, aktualisiert sich die Kalibrierung und der Korpus spielt unter der neuen Verfallsregel zurück. Die frühere Kalibrierung bleibt im Audit-Trail.

Jedes Gespräch landet im Korpus mit einem Composite-Qualitätsscore von 0 bis 100, berechnet nach einer deterministischen Formel. Die Formel kombiniert Reichhaltigkeit (wie viele Schmerzpunkte, Opportunities, Überraschungen, Widersprüche und Verbatims das Gespräch erzeugt hat), Tiefe (Anzahl der Gesprächsrunden, Länge der längsten Runde, Dauer) und Ausführung (wie gut der Agent den sechs auditierten KPIs gefolgt ist). Ein Score von 71 bedeutet drei Schmerzpunkte, zwei Opportunities, eine Überraschung und vollständige Abdeckung des Markenwahrnehmungs-KPI. Die Aufschlüsselung ist pro Gespräch einsehbar.

Gespräche unter einem Schwellenwert werden als Ausreißer markiert und aus Aggregaten für die Unternehmensleitung ausgeschlossen. Der Intelligence-Datensatz bleibt für das Audit erhalten; er verschwindet nicht. Die vollständige Beschreibung der Bewertungsformel, der Gewichtungen und der Ausreißer-Schwellenwerte befindet sich auf der Methodik-Seite.

Wenn ein Kunden-Domänenexperte in Ihrem Team der Plattform mitteilt, dass eine Interpretation in seinem Kontext falsch ist, findet das System jedes Gespräch im Korpus, das diesem Kontext entspricht, und führt sie erneut durch die Pipeline. Es re-analysiert, re-taggt und re-gewichtet jede Übereinstimmung. Die Korrektur des Experten propagiert sich über den gesamten historischen Korpus. Der Audit-Trail bewahrt jede frühere Interpretation neben der neuen.

Es gibt zwei Oberflächen für eine Korrektur. Die erste ist eine Dashboard-Annotation: der Experte sieht die Interpretation, das verbatim Quelldokument und die Methodikbeschreibung und überschreibt, wo nötig. Die zweite ist der Interview-Agent direkt, per Sprache. Der Experte spricht mit dem Agenten als Coaching-Oberfläche, und die Verfeinerung gelangt in dieselbe Korrekturschleife. Das Detail befindet sich auf der Trust & Security-Seite.

Für jedes angereicherte Gespräch gewinnt der Korpus rund hundert Faktzeilen über die zehn Dimensionen. Jede Zeile trägt die Dimension, die Behauptung, den Quell-Chunk-Identifier, das bi-temporale Fenster, den Segmentvektor, die Salienz- und Konfidenz-Scores sowie das Embedding für Vektor-Retrieval. Dieselbe Zeile erreicht das Dashboard, die Markenpartner-API und Ihre KI-Agenten über die MCP-Oberfläche. Die Zitierung ist über alle drei identisch.

Bei 1.000 Gesprächen enthält der Korpus rund 100.000 Faktzeilen. Bei 50.000 Gesprächen auf wöchentlicher Aktualisierung enthält der Korpus Millionen von Zeilen mit aktivem Verfallsmanagement. Die Architektur bewältigt alle drei Skalen auf demselben Store. Die Entscheidung, bereits beim kleinsten Deployment für den größten Fall zu entwerfen, ist das, was den Korpus nützlich hält, wenn Sie wachsen. Kapazität nachträglich hinzuzufügen bedeutet, den historischen Datensatz erneut einzuspielen, was der Punkt ist, an dem die meisten Plattformen scheitern.