Amy-Logic²
Kontextbewusstes Reasoning für anspruchsvolle Datenanalysen
Logic² ist die Weiterentwicklung klassischer KI-Analysen in AMY. Statt sofort Antworten zu erzeugen, analysiert AMY zunächst die Struktur, Inhalte und Besonderheiten Ihrer Daten. Erst danach beginnt der eigentliche Denkprozess — und liefert fundierte Ergebnisse, die nicht auf Vermutungen basieren, sondern auf einem echten Verständnis Ihrer Daten.
|
2-stufig
Preprocessing —
dann Reasoning |
Selbstkorrektur
Lösungswege werden
geprüft & bewertet |
Nachvollziehbar
keine Blackbox —
belegbare Ergebnisse |
SO FUNKTIONIERT LOGIC²
Logic² macht den Denkprozess sichtbar. AMY denkt über Ihre Frage nach, wählt die richtigen Spalten und Methoden aus und korrigiert sich bei Bedarf selbst — nachvollziehbar, transparent, fachlich belastbar. Ein Beispiel:
AMY-Denkprozess ▼
Okay, der Benutzer möchte den Z-Wert für den ‘Einzelverkaufspreis’ berechnen. Der Z-Wert ist die Standardisierung einer Variable, also (Wert − Mittelwert) / Standardabweichung.
Zuerst muss ich sicherstellen, dass ich den korrekten Spaltennamen verwende. Die verfügbaren Spalten zeigen, dass der Einzelverkaufspreis ‘Einzelverkaufspreis’ heißt.
In Pandas mit PyArrow-Backend kann man den Z-Wert mit .std() und .mean() berechnen. Die Formel für den Z-Wert ist: (x − mean) / std.
Also, für die Spalte ‘Einzelverkaufspreis’ wäre das: (self.dfV['Einzelverkaufspreis'] − self.dfV['Einzelverkaufspreis'].mean()) / self.dfV['Einzelverkaufspreis'].std()
Beispiel: Z-Wert-Berechnung für eine Spalte. Der Denkprozess wird im Produkt direkt unter der Antwort angezeigt und kann jederzeit aufgeklappt werden.
WAS LOGIC² AUSMACHT
