Evidence Engine
ResearchStatt nur Vektoren speichert friday. strukturierte Aussagen mit Quelle, Zeitbezug und Vertrauensniveau. Wir entwickeln sie selbst — und veröffentlichen, was wir lernen.
Jeder Eintrag in friday. ist ein Claim — kein Embedding-Vektor. Ein Claim hat eine Aussage, eine Konfidenz zwischen 0 und 1, ein Trust-Level, Quellenreferenzen, einen Zeitraum, in dem die Aussage galt, und optional eine strukturierte Tripel-Form (Subjekt → Prädikat → Objekt).
friday. fusioniert drei Suchwege in einer einzigen Antwort. Dieselbe Anfrage trifft Vector-, Volltext- und Graph-Index — die Ergebnisse werden als `ScoredClaim[]` fusioniert und mit den Quellen zu einem Evidence-Pack verpackt.
Klassische Vector-Stores beantworten Ähnlichkeit. Aber Compliance-Realität braucht belegbare Aussagen. Wir bauen friday. selbst, weil zugekaufte Plug-ins drei Lücken haben, die wir nicht akzeptieren wollen.
Strukturierte Aussagen mit Subjekt / Prädikat / Objekt, Quelle und Konfidenz. Anders als ein Embedding ist ein Claim referenzierbar — die Citation-Spur des Reasoners kann auf ihn zeigen.
L0 unvalidiert, L1 sourced (Web-Quellen ohne Review), L2 von Fachexpertise geprüft, L3 offizielle Quelle (Gesetze, Leitlinien). Jeder Claim bekommt ein Level — und kann es wieder verlieren.
`valid_from` / `valid_until` machen explizit, wann eine Aussage galt und wann sie ersetzt wurde. Antworten können auf den Stichtag bezogen werden.
Vector + BM25 + Graph laufen parallel, ihre Ergebnisse werden fusioniert. Eine Anfrage trifft alle drei Wege — was rein semantisch übersehen wurde, fängt der Graph oder die Volltextsuche auf.
Research
friday. ist nicht „fertig". Wir entwickeln sie aktiv weiter und teilen, was wir lernen. Drei offene Fragen, an denen wir derzeit arbeiten:
Wie messen wir Recall sauber, wenn eine Antwort drei verknüpfte Claims über Graph-Hops braucht? Klassische Recall-Metriken gehen von einem einzelnen Retrieval-Schritt aus — Multi-Hop bricht das Modell.
Eine Leitlinie von 2014 darf nicht plötzlich verschwinden, nur weil 2024 eine neuere kam. Wie modellieren wir Trust-Decay so, dass alte Aussagen kontextabhängig in Reichweite bleiben?
Können Tenants Claims austauschen, ohne ihre Rohdaten preiszugeben? Wir prüfen Federation-Patterns für Branchen-Konsortien — Claims auf abstraktem Level, Quellen lokal.
Die finalen Forschungsfragen klären wir gemeinsam mit Marius vor dem öffentlichen Launch — diese Liste ist ein Arbeitsstand und kein Versprechen.
edith. füllt friday. automatisch mit neuen Claims aus Web-Research und Dokument-Pipelines. Der Reasoner konsumiert über das MCP-Tool `search_knowledge` und sendet, wenn eine Wissenslücke erkannt wird, einen `request_research`-Call zurück an edith. Ein geschlossener Kreislauf — die Plattform lernt aktiv.
Mehr in Kürze — Blogposts, Whitepaper und Repos folgen, sobald wir konkrete Ergebnisse aus den Forschungsfragen oben haben. Vage Andeutungen ohne Substanz bringen niemandem etwas.
Eine Antwort des Reasoning-Agents bezieht ihre Quellen aus einem Evidence-Pack — strukturierte Claims plus die Quellen, aus denen sie stammen.
claim.statement „Eine Wundgröße muss bei jeder Dokumentation erfasst werden."
claim.trust_level L2 — von Fachexpertise geprüft und bestätigt.
claim.source_refs src-001 (EPUAP-Guideline, authority_score 0.95, gültig ab 2019-01-01).
claim.structured Subjekt „Dekubitus" — Prädikat „requires" — Objekt „Wunddokumentation".
fusion.score 0.87 — kombinierter Score aus Vector-, BM25- und Graph-Retrieval.
Auf dieser Datenstruktur baut die Citation-Spur des Reasoners auf — jede zitierte Stelle ist auf einen Claim mit Trust-Level und Quelle zurückführbar.
friday. ist in Rust geschrieben, läuft als einzelne Binary mit gRPC- und REST-Endpunkten und nutzt RocksDB als Storage-Engine. Atomic Writes, Bloom-Filter, 10 Column Families, deterministische Ingestion über blake3-Deduplikation. Kein LLM-Aufruf für das Schreiben.
friday. in der DokuWir zeigen dir den Pfeiler an einem deiner eigenen Beispiele — Discovery Call, kein Vertrieb.