YiENTi

Enterprise Information & Graph-Native Intelligence

Systeme strukturieren.Beziehungen verstehen.Echte Software bauen.

YiENTi bildet Prozesse, Beziehungen, Abhängigkeiten und Softwarestrukturen explizit ab, statt sich nur auf sprachbasierten Kontext zu stützen.

YiENTi Enterprise
Intelligent Enterprise Information
YiENTi Intelligence
Graph-Native Intelligence Engine

YiENTi verbindet eine Plattform für Intelligent Enterprise Information mit einer Graph-Native Intelligence Engine. Sprachmodelle können dort eingesetzt werden, wo sie nützlich sind, doch das zentrale Modell für das Schlussfolgern ist strukturell, prozessbewusst und unabhängig von einem einzelnen LLM-Anbieter.

EreignisKontextWissenProzessRegelEntitätSystemGatewayEntscheidung

Ein Ereignis löst einen Prozess aus. Kontext und Regeln werden relevant. Das Gateway führt zu einer Entscheidung.

Seit 2010
Von Logical Board zu YiENTi weiterentwickelt
Zwei Säulen
Enterprise Information + Intelligence Engine
LLM-optional
Anbieter sind austauschbare Komponenten
Im Einsatz
Kerntechnologie im Engineering von ACCENTSYS

Die YiENTi-Plattform

Eine Vision. Zwei Kerntechnologien.

YiENTi ist eine übergreifende Technologie mit zwei eigenständigen, miteinander verbundenen Säulen. Die eine bildet die operative Realität einer Organisation ab. Die andere schliesst auf Grundlage von strukturiertem Kontext – innerhalb von YiENTi Enterprise und darüber hinaus – auf Zusammenhänge.

YiENTi im Zentrum

YiENTi ist das Zentrum. Alles andere ist daran angebunden.

YiENTi ist der Kern für strukturelle Intelligenz und Engineering. Cloud-Plattformen, Sprachmodelle, Playwright, IDEs und lokale KI-Werkzeuge sind angebundene Systeme rund um YiENTi – jedes mit einer eigenen Rolle. Sie sind nicht YiENTi selbst.

YiENTi
StrukturMessungSchlussfolgern
  • Strukturierte Modellierung

    Worüber YiENTi Schlüsse zieht · → YiENTi

    BPMN · Use Cases · Aktivitäten · Sequenzen · Klassen · Daten-/Entitätsmodelle

  • Generative KI

    Extern · austauschbar · ↔ YiENTi

    OpenAI · Anthropic · Perplexity · Gemini · Lovable · Zapier · Pickaxe · Grok · Jasper · Abacus.AI · Relevance AI · Notion AI · Weitere folgen in Kürze · Lokale / alternative Modelle

  • Entwicklerwerkzeuge

    Entwicklungsumgebung · ↔ YiENTi

    VS Code · OpenCode

  • Lokale Infrastruktur / Modellinfrastruktur

    Modelle lokal betreiben · ↔ YiENTi

    Ollama · Lemonade · Weitere kompatible lokale Modell-Workflows

  • Testing

    Validierung des realen Verhaltens · ↔ YiENTi

    Playwright · Abacus.AI · ChatGPT Work · Visuelle Validierung · Funktionale Validierung

  • Deployment

    Wo generierte Software läuft · YiENTi →

    AWS · Microsoft Azure · Google Cloud · Private Infrastruktur (künftig)

  • Reale Software

    Mit YiENTi entwickelt · YiENTi →

    Jedes ACCENTSYS-Produkt

Fliesst in YiENTi einTauscht sich mit YiENTi ausVon YiENTi-gestütztem Engineering erzeugt oder geliefertExtern und austauschbarZukünftige Richtung

Der strukturelle Kern

Sprache ist eine Schnittstelle.
Der Graph ist das Modell.

Diese Strukturen sind keine dekorativen Diagramme. Sie bilden den Zustand von System und Prozess in maschinenverständlicher Form ab – das Modell, über das YiENTi schlussfolgert.

  • BPMN
  • Prozessmodelle
  • Aktivitätsdiagramme
  • Use Cases
  • Kollaborationsdiagramme
  • Sequenzdiagramme
  • Klassenmodelle
  • Entitäts-/Datenmodelle
  • Regeln
  • Abhängigkeiten
  • Zustand
  • Anforderungen
  • User Stories

Messung · eine zentrale Funktion von YiENTi

Strukturieren. Messen. Daraus lernen.

Messung ist kein Dashboard-Feature. YiENTi verbindet die Ausführung eines Prozesses mit dem, was diese Ausführung tatsächlich hervorbringt – und macht daraus maschinenverständliches Wissen darüber, wie Arbeit tatsächlich abläuft.

01 · YiENTi Enterprise

Prozessausführung

  1. Aufgabe AHoch
  2. Aufgabe BNormal
  3. Aufgabe CNormal

Priorität und Gewicht sind Teil der Struktur.

02 · Messung

Was tatsächlich geschehen ist

Arbeit & Aufwand

  • Priorität
  • Aufgabe
  • Zeit / Aufwand
  • Aufgabengewicht / Menge
  • Zeit im Verhältnis zum Aufgabengewicht
  • Quantitative Leistung

Ergebnis & Wirkung

  • Qualität
  • Nacharbeit / neue Folgearbeit
  • Inhalte, die ins Endprodukt gelangen
  • Wiederverwendung
  • Effizienz

Menschen & Fähigkeiten

  • Rollen
  • Kompetenzen
  • Fertigkeiten
  • Ungenutztes Potenzial

03 · YiENTi AI

Schlussfolgern über messbare Realität

Lernen · verbessern · wiederverwenden

YiENTi misst nicht nur, wie lange jemand gearbeitet hat. Es kann den Aufwand zu Struktur, Gewicht, Ergebnis, Qualität und Wiederverwendung der Arbeit in Beziehung setzen.

LERNKREISLAUFSTRUKTURIERENAUSFÜHRENMESSENLERNENVERBESSERNWIEDERVERWENDEN
  1. Struktur

    YiENTi Enterprise

    Liefert den strukturierten betrieblichen und prozessbezogenen Kontext: Prozesse, Aufgaben, Rollen, Prioritäten und das Gewicht der Arbeit.

  2. Realität

    Messung

    Erfasst, was innerhalb dieser Struktur tatsächlich geschieht: Aufwand, Ergebnis, Qualität, Nacharbeit und Wiederverwendung.

  3. Schlussfolgern

    YiENTi AI

    Schlussfolgert über diese messbare Realität – nicht nur über Beschreibungen, wie die Arbeit ablaufen soll.

YiENTi lernt nicht nur aus Beschreibungen von Arbeit. Es kann über strukturierte Prozesse und die daraus entstehenden messbaren Ergebnisse schlussfolgern.

Diese Verbindung war bereits Teil der 2016 vorgestellten YiENTi-Architektur: operative Prozesse, verknüpft mit messbarem Output und mit YiENTi AI.

Säule A · Intelligent Enterprise Information

YiENTi Enterprise

YiENTi Enterprise verbindet Personen, Prozesse, Systeme und Wissen in einer strukturierten operativen Umgebung.

Eine intelligente Plattform für Unternehmensinformationen zur Modellierung und zum Betrieb der Beziehungen zwischen Personen, Arbeit, Prozessen, Systemen und Informationen. Integration ist eine ihrer Fähigkeiten, nicht ihre Definition.

  • Personen
  • Rollen
  • Kompetenzen
  • Teams
  • Aufgaben
  • Projekte
  • Aktivitäten
  • Prozesse
  • Ressourcen
  • Systeme
  • Dokumente
  • Kommunikation
  • Ereignisse
  • Regeln
  • Daten
  • Wissen
  • Messwerte
  • Entscheidungen
  • Abhängigkeiten
  • Unternehmens-Workflows

Diagramm A · YiENTi Enterprise Information

ORGANISATIONARBEITINFORMATION UND SYSTEMEPersonenRollenTeamsProjekteProzesseAufgabenEreignisseSystemeDatenRessourcenDokumenteWissen
Organisation, Arbeit und Information existieren als ein zusammenhängendes Modell – nicht als getrennte Listen, Dateien und Werkzeuge.

Säule B · Graph-Native Intelligence Engine

YiENTi Intelligence

YiENTi Intelligence ist eine Graph-Native Intelligence Engine, die dafür ausgelegt ist, über Entitäten, Beziehungen, Prozesse, Kontext, Softwarestrukturen und visuelle Informationen hinweg Schlussfolgerungen zu ziehen.

Ihre Rolle reicht über die Plattform YiENTi Enterprise hinaus. Die zentrale Intelligence-Technologie von YiENTi wird bereits intern in den Software-Engineering-Workflows von ACCENTSYS eingesetzt; die eigenständige Plattform befindet sich weiterhin in Entwicklung.

Ein anderer Weg hin zu allgemeiner maschineller Intelligenz.

Die langfristige Vision von YiENTi Intelligence.

Über YiENTi Enterprise hinaus

YiENTi Intelligence ist nicht bloss das KI-Modul innerhalb von YiENTi Enterprise. Es ist als wiederverwendbare Intelligence-Schicht konzipiert – und damit entwickelte Software ist nicht automatisch Teil der Plattform YiENTi Enterprise:

  • Software-Engineering bei ACCENTSYSIm internen Einsatz
  • Weitere Produkte von ACCENTSYSRichtung
  • Künftige externe SystemeRichtung
  • Weitere Use Cases für strukturiertes SchlussfolgernRichtung

Diagramm B · YiENTi Intelligence Graph

Struktureller Kontext

  • Entitäten
  • Relationen
  • Kontext
  • Zustand
  • Regeln
  • Abhängigkeiten
  • Visuelle Strukturen
  • Wissen

YiENTi Intelligence Graph

Verbunden, persistent und explizit – der Kontext des Schlussfolgerns selbst.

Funktionen des Schlussfolgerns

  • Verstehen
  • Schlussfolgern
  • Vergleichen
  • Prognostizieren
  • Empfehlen
  • Planen
  • Orchestrieren
Zentrale Funktionen des Schlussfolgerns Entwicklungsrichtung

So funktioniert YiENTi

Von strukturierter Realität zum Schlussfolgern – und zurück.

YiENTi Enterprise bildet ab, was existiert, wer beteiligt ist, was geschieht, wie die Arbeit fliesst, was wovon abhängt und in welchem Zustand sich die Organisation befindet. YiENTi Intelligence schlussfolgert über diesen strukturierten Kontext.

  1. 01Enterprise

    Abbilden

    Menschen, Systeme, Informationen, Aufgaben, Prozesse und Kontext werden zu strukturierten, vernetzten Informationen.

  2. 02Intelligence

    Verstehen

    YiENTi Intelligence schlussfolgert über Beziehungen, Abhängigkeiten, Zustand und Kontext hinweg.

  3. 03Intelligence

    Entscheiden

    Regeln, Randbedingungen, historischer Kontext und strukturiertes Schlussfolgern unterstützen Entscheidungen.

  4. 04Beides

    Orchestrieren

    Aktionen, Systeme und Workflows können innerhalb definierter Regeln und Verantwortlichkeiten koordiniert werden.

  5. 05Enterprise

    Lernen / Aktualisieren

    Die strukturierte Umgebung verändert sich, während die Arbeit voranschreitet und neue Informationen verfügbar werden.

Ein kontinuierlicher Zyklus: Jeder aktualisierte Zustand wird zum Kontext für die nächste Runde des Schlussfolgerns.

Strukturierte Intelligenz · nicht LLM-zentriert

Sprache ist eine Schnittstelle.
Der Graph ist das Modell.

Grosse Sprachmodelle sind nützliche generative Sprachkomponenten. YiENTi kann sie dort einsetzen, wo sie helfen – verlässt sich aber nicht auf generierten Fliesstext als Quelle der Wahrheit. Prozesse, Beziehungen, Zustände, Abhängigkeiten und Strukturen werden explizit modelliert.

YiENTi bildet die Struktur hinter den Informationen ab.

  • Prozesse werden als Prozesse abgebildet.
  • Beziehungen werden als Beziehungen abgebildet.
  • Abhängigkeiten werden als Abhängigkeiten abgebildet.
  • Zustand wird als Zustand abgebildet.

Sprache ist eine Möglichkeit, wie Menschen mit dieser Struktur interagieren.

LLM-zentrierte Systeme leiten einen Grossteil ihres Verhaltens aus probabilistischer Modellinferenz ab. Der zentrale Schlussfolgerungskontext von YiENTi ist eine explizite strukturelle Repräsentation von Entitäten, Beziehungen, Prozessen, Zustand und Abhängigkeiten.

Die Frage ist nicht nur, welche Eingaben ein System akzeptiert. Entscheidend ist, ob seine operative Wahrheit als probabilistisch generierte Repräsentation existiert – oder als expliziter strukturierter Zustand.

Strukturierte Intelligenz vs. LLM-zentriertes Schlussfolgern

Grundlage des Schlussfolgerns
LLM-zentriert: Probabilistische Modellinferenz
YiENTi: Explizite strukturelle Repräsentation
Kontext
LLM-zentriert: Oft dynamisch rekonstruiert
YiENTi: Persistenter, vernetzter Kontext
Workflow
LLM-zentriert: Kann als Beschreibung vorliegen
YiENTi: Prozesse strukturell abgebildet
Zustand & Abhängigkeiten
LLM-zentriert: Typischerweise in Prompts und Kontextfenstern mitgeführt
YiENTi: Explizit im Graph abgebildet
Sprache
LLM-zentriert: Hervorragende generative Sprache
YiENTi: Setzt Sprachmodelle ein, wo Generierung sinnvoll ist
Rolle des Modells
LLM-zentriert: Modell / Anbieter bildet eine zentrale Intelligenzkomponente
YiENTi: Modellagnostische generative Schicht – Anbieter sind austauschbar

Wo Sprachmodelle stark sind

  • Textgenerierung
  • Zusammenfassung
  • Übersetzung
  • Interaktion in natürlicher Sprache
  • Informationsextraktion
  • Ideenfindung
  • Dokumentenunterstützung

Wo Struktur explizit bleiben sollte

  • Exakter Prozesszustand
  • Wiederholbarkeit
  • Nachvollziehbarkeit
  • Integrität von Abhängigkeiten
  • Korrektheit von Workflows
  • Konsistenz der Softwarearchitektur
  • Persistentes strukturiertes Gedächtnis

Probabilistische KI kann den Prozess unterstützen. Sie muss den Prozess nicht definieren.

Generierte Sprache kann unsicher sein. Expliziter Prozess- und Graph-Zustand muss nicht aus generiertem Fliesstext rekonstruiert werden. YiENTi ist darauf ausgelegt, kritischen Prozesszustand, Abhängigkeiten und operative Wahrheit ausserhalb der probabilistischen Sprachgenerierung zu halten – und so die Abhängigkeit davon zu verringern, wo strukturelle Genauigkeit und Wiederholbarkeit wichtig sind.

Modellagnostische Sprachschicht

YiENTi kann LLMs nutzen. Es ist nicht auf sie angewiesen, um zu wissen, was das System ist.

Austauschbare Anbieter

  • OpenAI-Modelle
  • Anthropic-Modelle
  • Lokale Modelle
  • Offene Modelle
  • Zukünftige Anbieter

Sprachschicht

  • Textgenerierung
  • Zusammenfassung
  • Übersetzung
  • Interaktion in natürlicher Sprache
  • Inhaltsunterstützung

Architektur von YiENTi Intelligence

Graph, Zustand, Prozesse, Regeln und Abhängigkeiten – unabhängig vom gewählten Modellanbieter.

Sprachmodelle sind optionale, austauschbare Komponenten, die in YiENTi eingebunden werden können, wo generative Fähigkeiten nützlich sind. Sie sind Komponenten der Architektur – nicht das zentrale Modell für strukturelles Schlussfolgern.

Prozessursprung

Vom Prozessverständnis zum maschinellen Schlussfolgern.

YiENTi wurde auf der Idee aufgebaut, dass sich komplexe Systeme nicht zuverlässig verstehen lassen, wenn ihre Beziehungen und Prozesse nur als Dokumente oder Beschreibungen existieren.

Prozesse, Aktivitäten, Rollen, Ereignisse und Abhängigkeiten sollten als explizite, maschinell verständliche Strukturen vorliegen.

  • Aktivitäten
  • Aufgaben
  • Ereignisse
  • Gateways
  • Konversationen
  • Choreografien
  • Zusammenarbeit
  • Swimlanes
  • Daten
  • Rollen
  • Kompetenzen
  • Ressourcen
  • Projekte
  • Prozessstrukturen
  • Messung
  • Informationsflüsse
ROLLESYSTEMjaneinPrüfenVollständig?FreigebenDaten abrufenDatensatz
Eine moderne Abstraktion der Prozessgrundlage von YiENTi – Lanes, Ereignisse, Aktivitäten, Gateways und Daten als explizite Struktur. Illustration, keine Produktoberfläche.

Visuelles und strukturelles Schlussfolgern

YiENTi beschreibt einen Prozess nicht nur. YiENTi repräsentiert den Prozess.

Aktivitäten, Abhängigkeiten, Zustände, Akteure und Informationsflüsse werden zu expliziten Bestandteilen des Kontexts für das Schlussfolgern. Visuelle und diagrammatische Strukturen können explizit repräsentiert werden – und darüber kann Schlussfolgern stattfinden.

  • Aktivitätsdiagramme
  • Prozessdiagramme
  • Kollaborationsdiagramme
  • Systemarchitektur
  • Abhängigkeitsgraphen
  • Rollen
  • Ereignisse
  • Zustandsübergänge
  • Informationsfluss

Software Engineering

Softwareentwicklung, ohne den Kontext aus Prompts neu aufzubauen.

YiENTi pflegt strukturellen Kontext zu Systemen, Prozessen und Abhängigkeiten, sodass Entscheidungen in der Softwareentwicklung als Teil eines vernetzten Modells nachvollziehbar durchdacht werden können.

Typische LLM-gestützte Entwicklung

  1. Prompt
  2. Generierte Ausgabe
  3. Review
  4. Neuer Prompt
  5. Neu aufgebauter Kontext

Der Kontext wird bei jeder Iteration neu aufgebaut.

Das Engineering-Modell von YiENTi

  1. Anforderungen
  2. Explizites strukturiertes Modell
  3. Systeme · Prozesse · Abhängigkeiten
  4. Schlussfolgern
  5. Implementierung
  6. Validierung
  7. Aktualisierter Strukturzustand

Der Kontext bleibt als Struktur erhalten und entwickelt sich mit dem System weiter.

Modellgetriebene Softwareentwicklung

Vom Modell zur Software.

YiENTi errät Software nicht aus Prompts. Es verwendet strukturierte Systemrepräsentationen, verbindet mehrere Sichten auf dasselbe System, schlussfolgert über diese hinweg – und es kann die Softwaregenerierung aus diesen Modellen unterstützen oder durchführen.

Mit YiENTi gebaut.
Nicht von YiENTi abhängig.

YiENTi kann Software auf Basis strukturierter Modelle entwerfen und generieren. Die entstandene Anwendung läuft unabhängig von YiENTi.

YiENTi ist Teil des Engineering-Prozesses – keine zwingende Runtime-Abhängigkeit.

Strukturierte ModelleSchlussfolgernGenerierung & ValidierungLäuft unabhängig
  1. 01

    Anforderungen

  2. 02

    EPICs / User Stories

  3. 03

    Use Cases

  4. 04

    Aktivitäts-/Prozessmodelle

  5. 05

    Kollaborations-/Sequenzmodelle

  6. 06

    Klassen-/Datenmodelle

  7. 07

    Architektur / Schlussfolgern

  8. 08

    Generierte Implementierung

  9. 09

    Validierung

  10. 10

    Eigenständige Software

Konzeptionelle Kette. Von links nach rechts, Zeile für Zeile lesen.

Modellebenen, über die YiENTi schlussfolgert

Keine isolierten Zeichnungen, sondern verbundene Projektionen eines zugrunde liegenden Systemmodells.

  • EPICs
  • User Stories
  • Use Cases
  • Aktivitätsdiagramme
  • Kollaborationsdiagramme
  • Sequenzdiagramme
  • Klassendiagramme
  • Daten-/Entitätsmodelle
  • BPMN-/Prozessmodelle
  • Regeln
  • Abhängigkeiten
  • Zustände

YiENTi während des Engineerings

  • Anforderungen
  • Modelle
  • Schlussfolgern
  • Architektur
  • Generierung
  • Validierung

Resultierende Anwendung

  • Frontend
  • Backend
  • Datenbank
  • APIs
  • Geschäftslogik
  • Integrationen

läuft unabhängig

Eine generierte Anwendung benötigt im produktiven Betrieb weder eine YiENTi-Runtime noch Cloud, Agent oder Verbindung zu YiENTi – es sei denn, ein bestimmtes Produkt nutzt solche Dienste bewusst. Mit YiENTi erstellte Software ist zudem nicht automatisch Teil der Plattform YiENTi Enterprise.

Diagramme sind keine nachträgliche Dokumentation

In YiENTi sind Modelle nicht bloss Bilder, die Software nach ihrer Erstellung dokumentieren. Sie bilden die Struktur ab, aus der sich Software durch Schlussfolgern erschliessen, validieren und generieren lässt.

Ein Softwaresystem lässt sich durch einander ergänzende Sichten beschreiben – Epics, User Stories, Use Cases, Aktivitäts-, Kollaborations-, Sequenz- und Klassendiagramme, Entity-Relationship-Modelle, Prozesse, Zustände, Regeln und Abhängigkeiten. Dies sind keine isolierten Zeichnungen. Es sind Projektionen eines zugrunde liegenden Systemmodells, und YiENTi ist darauf ausgelegt, über sie hinweg zu schlussfolgern, sodass sich eine Änderung in einer Sicht gegen die übrigen analysieren lässt.

Visuell bedeutet nicht Bilderkennung. Ein Kasten, ein Knoten, eine Kante, ein Gateway oder eine Relation ist nicht bloss ein Pixel. Sie hat eine definierte Bedeutung – und diese Bedeutung wird Teil des Schlussfolgerungsmodells.

YiENTi erstellt eine verbundene Repräsentation des Systems, sodass Anforderungen, Prozesse, Softwarestrukturen und Daten nicht als unverbundene Dokumente existieren müssen.

Mehrere Sichten, ein Systemmodell

  1. 01User Story

    Was der Benutzer braucht

    «Als Kunde möchte ich einen Artikel in meinen Warenkorb legen, damit ich ihn später bestellen kann.»

  2. 02Use Case

    Was der Akteur erreichen will

    KundeArtikel suchenIn den WarenkorblegenBestellungaufgeben
  3. 03Aktivität

    Wie der Ablauf verläuft

    SuchenAuswählen[an Lager]In denWarenkorb legenBestätigen
  4. 04Kollaboration

    Welche Komponenten zusammenwirken

    :Customer:Article:Cart:Order1.1 show()1.2 add()2 order()
  5. 05Sequenz

    In welcher Reihenfolge Interaktionen stattfinden

    :Customer:Article:Cart:Ordersearchshowaddorder
  6. 06Klassen / Daten

    Welche Objekte und Beziehungen es gibt

    Customerid · nameOrderid · dateCartitems · totalArticlesku · price1*11**
  7. 07Implementierung

    Aus der Struktur generiert

    // generated from the model
    class Cart {
      items: Article[]
      add(a: Article): void
      checkout(): Order
    }
  8. 08Anwendung

    Läuft eigenständig

    Warenkorb (2)Frontend · Backend · Datenbank · APIs

Ein System, viele Projektionen. «Warenkorb» hat in jeder Ansicht dieselbe Bedeutung. Illustratives Beispiel.

Codegenerierung ist keine LLM-Codegenerierung

YiENTi muss die Anwendung nicht aus einem Prompt erraten. Es arbeitet auf Basis eines expliziten Modells dessen, was die Anwendung ist.

LLMs können, wo sinnvoll, bei Texten, Dokumentation, Beschriftungen, der Interpretation natürlicher Sprache und bei Codevorschlägen unterstützen. Die Softwarearchitektur hängt nicht allein von probabilistisch generiertem Quellcode ab.

Prompt-first-Generierung

YiENTi modellgetrieben

  • PromptExplizites strukturiertes Modell
  • KI schreibt einen Teil des CodesExplizite Systembeziehungen und strukturiertes Schlussfolgern
  • Kontext wird pro Anfrage neu aufgebautRegelbasierte Generierung, wo angemessen
  • Quellcode als einzige WahrheitModell als maschinenlesbare Source of Truth

YiENTi ist eher eine intelligente, compilerähnliche Engineering-Umgebung für komplexe Systeme als eine KI-Abhängigkeit, die in jede Anwendung eingebettet ist.

Der hier gezeigte Ablauf ist konzeptionell. Die genaue interne Pipeline kann abweichen, und nicht jede Stufe wird als vollständig automatisiert dargestellt. Nachvollziehbarkeit, Konsistenzprüfungen, Auswirkungsanalyse und modellübergreifende Synchronisation beschreiben die Richtung des modellgetriebenen Ansatzes.

Modell- und Entwickler-Tooling

YiENTi setzt für jede Aufgabe die passende Intelligenz ein.

Generative Modelle beschleunigen Aufgaben, bei denen probabilistische Generierung effizient ist. YiENTi behält das strukturierte Systemmodell, den Prozesskontext und den messbaren Zustand.

An generative Modelle delegiert

  • UI-Iteration
  • Textgenerierung
  • Formulierung
  • Dokumentation
  • Schnelle generative Aufgaben
  • Ausgewählte Coding-Unterstützung, wo sinnvoll

Bei YiENTi verbleibt

  • Strukturiertes Systemmodell
  • Prozesskontext
  • Messbarer Zustand
  • Generative KI

    Extern · austauschbar

    • OpenAI
    • Anthropic
    • Perplexity
    • Gemini
    • Lovable
    • Zapier
    • Pickaxe
    • Grok
    • Jasper
    • Abacus.AI
    • Relevance AI
    • Notion AI
    • Weitere folgen in Kürze
    • Lokale / alternative Modelle
  • Lokale Infrastruktur / Modellinfrastruktur

    Modelle lokal betreiben

    • Ollama
    • Lemonade
    • Weitere kompatible lokale Modell-Workflows
  • Entwicklerwerkzeuge

    Entwicklungsumgebung

    • VS Code
    • OpenCode
Anbieter und Tools können wechseln. Das Strukturmodell von YiENTi bleibt bestehen.

Dies sind verbundene Systeme mit unterschiedlichen Rollen – sie sind nicht Teil von YiENTi selbst und bieten nicht alle dieselben Fähigkeiten. Namen Dritter sind Marken ihrer jeweiligen Inhaber; eine Partnerschaft oder Empfehlung ist damit nicht impliziert.

Testing & Validierung

Vom Modell zum verifizierten Verhalten.

Generierter Code ist nicht das Ziel – korrektes Verhalten ist es. Mit Playwright kann geprüft werden, ob sich die tatsächliche Anwendung wie erwartet verhält und darstellt. So entsteht ein Feedback-Loop zwischen Modell, Implementierung, tatsächlicher Benutzeroberfläche und Validierung.

  1. 01

    YiENTi

    Modell & Schlussfolgern

  2. 02

    Generierte / angepasste Anwendung

    Implementierung

  3. 03

    Playwright

    Prüft die laufende Anwendung

  4. 04

    Visuelle + funktionale Validierung

    Darstellung und Verhalten wie erwartet?

  5. 05

    Feedback

    Zurück in die Engineering-Iteration

Das Feedback fliesst zurück zu YiENTi und in die Engineering-Iteration, bis das beobachtete Verhalten mit dem Modell übereinstimmt

Playwright ist ein Werkzeug für Testing und Validierung – nicht Teil der KI-Schicht.

Automatisiertes Deployment

Mit YiENTi gebaut. Nicht von YiENTi abhängig.

Von YiENTi unterstützte Workflows können Software automatisch auf AWS, Microsoft Azure und Google Cloud bereitstellen. YiENTi ist kein Hosting-Anbieter, und die bereitgestellte Anwendung läuft nicht innerhalb von YiENTi.

YiENTi ist so konzipiert, dass es infrastrukturunabhängig bleibt. Künftige Deployment-Optionen sollen neben öffentlichen Cloud-Plattformen auch private und kundenkontrollierte Infrastruktur umfassen.

YiENTi-Engineering-Umgebung

Hier wird Software modelliert, generiert, validiert und freigegeben.

  1. Strukturierte Modelle

    BPMN, Use Cases, Klassen, Daten

  2. YiENTi

    Strukturelles Modell & Schlussfolgern

  3. Implementierung / Generierung

    Erzeugter oder angepasster Quellcode

  4. Playwright-Validierung

    Visuelle & funktionale Prüfungen der laufenden Anwendung

  5. Deployment-Pipeline

    Automatisierter Build und Release

Umgebungsgrenze · Übergabe der einsatzbereiten Anwendung

Runtime-Umgebung der Anwendung

Dort läuft die fertige Anwendung.

  • AWS
  • Microsoft Azure
  • Google Cloud
  • Private InfrastrukturKünftig

Eigenständige Anwendung

Läuft ohne YiENTi als Runtime-Abhängigkeit

Nur auf Anbieterebene dargestellt. Private und kundenkontrollierte Infrastruktur ist eine künftige Richtung, heute jedoch keine produktionsreife Option.

Produktnachweis

Keine Labor-Demo. Echte Software.

Das gesamte aktuelle Anwendungsportfolio von ACCENTSYS wurde mit YiENTi-gestütztem Engineering entwickelt, wobei YiENTi selbst als Engineering-Plattform dient.

Der Nachweis ist das gesamte aktuelle ACCENTSYS-Portfolio – nicht eine ausgewählte Teilmenge. ACCENTSYS entwickelt Software durchgängig mit YiENTi-gestütztem Engineering, in jedem Bereich, in dem das Unternehmen tätig ist.

YiENTiEngineering-Kern

7 eigene ACCENTSYS-Anwendungen und 1 Engineering-Kundenprojekt, alle entwickelt mit YiENTi-gestütztem Engineering

Eigene ACCENTSYS-Anwendungen

Engineering-Kundenprojekt

Von der ACCENTSYS AG für ihren Kunden mit YiENTi-gestütztem Engineering entwickelt. Kundenprojekte sind externe Engineering-Referenzen und nicht Teil des proprietären SaaS-Produktportfolios der ACCENTSYS AG.

Diese Liste stammt direkt aus dem ACCENTSYS-Produktregister, einschliesslich dessen Klassifizierung in eigene Anwendungen und Kundenprojekte, sodass neue Einträge automatisch hier erscheinen. LOXY Time wird unten im Detail untersucht, da der Engineering-Aufwand dafür gemessen wurde.

Portfolio erkunden

Entwickelt mit YiENTi. Nicht abhängig von YiENTi.

YiENTi unterstützt, wie diese Produkte entwickelt werden – expertengeführt, nicht als autonome Generierung jeder einzelnen Codezeile. Die Produkte selbst laufen eigenständig und benötigen YiENTi zur Runtime nicht.

Engineering-Referenz aus einem Kundenprojekt · LOXY Time

Durch YiENTi unterstütztes Engineering, gezeigt an realer Unternehmenssoftware.

LOXY Time ist ein reales Enterprise-Engineering-Projekt, das eine durch YiENTi unterstützte Softwareentwicklung über komplexe operative Workflows, regulatorische Anforderungen, Datenverarbeitung und Systemintegration hinweg zeigt.

LOXY Time ist eine Plattform für Transport und regulatorische Compliance, die ACCENTSYS AG für die Loxy International AG entwickelt hat. Sie dient als praxisnahe Engineering-Referenz und zeigt die Fähigkeiten einer durch YiENTi unterstützten Softwareentwicklung. LOXY Time gehört nicht zum Portfolio der eigenen SaaS-Produkte der ACCENTSYS AG.

In LOXY Time umgesetzt

  • Verarbeitung digitaler Fahrtschreiber-DDD-Dateien · Gen1, Gen2 V1, Gen2 V2
  • Fahrer- und Fahrzeugdaten
  • Regulatorische Prüfungen und Compliance
  • Workflows und Berichte
  • Integrationen und Massendatenverarbeitung
  • Automatisierte Qualitätssicherung und Regressionstests

Die interne Nutzung ist nicht mit einer kommerziellen Verfügbarkeit gleichzusetzen. Die eigenständige YiENTi-Plattform befindet sich weiterhin in Entwicklung.

YiENTi Compute-Strategie

YiENTi läuft dort, wo die Rechenleistung ist.

YiENTi ist nicht an einen bestimmten Cloud- oder GPU-Anbieter gebunden. Es kann überall betrieben werden, wo ausreichend CPU, GPU, Arbeitsspeicher und unterstützende Rechenressourcen verfügbar sind. Kleinere Workloads können lokal laufen, während komplexes strukturiertes Schlussfolgern erhebliche externe oder dedizierte Rechenkapazität erfordern kann.

Mehr verfügbare Rechenleistung erhöht nicht nur die Geschwindigkeit. Sie erlaubt es YiENTi, gleichzeitig über grössere zusammenhängende Prozess-, Graph- und Systemkontexte hinweg zu arbeiten.

YiENTi Workload

Compute-Anforderungen

  • CPU
  • GPU
  • Arbeitsspeicher
  • Storage / I/O

Bereitgestellt durch eine der folgenden Quellen

  • Lokal

    • Leistungsstarke Workstation
    • Lokaler Server
  • Externe Rechenleistung

    • Alibaba Cloud
    • AWS
    • Microsoft Azure
    • Google Cloud
    • Weitere geeignete Anbieter
  • Privat / dediziert

    • Private Infrastruktur
    • Dedizierte Rechenleistung
Compute-Quellen sind austauschbar. Sie stellen Kapazität bereit – sie sind kein Bestandteil von YiENTi.

Lokale Ausführung

Kleinere YiENTi Workloads können lokal laufen. Komplexere Workloads können die verfügbaren CPU-, GPU- und Arbeitsspeicherressourcen selbst leistungsstarker Engineering-Systeme beanspruchen.

Externe Rechenleistung heute

ACCENTSYS mietet derzeit externe Rechenleistung bei Anbietern, darunter Alibaba Cloud und AWS-Infrastruktur in den USA. Cloud-Anbieter stellen Kapazität bereit. Sie sind keine architektonischen Abhängigkeiten.

  1. Aktuell

    Heute · Flexible Rechenleistung

    • Gemietete externe Rechenleistung
    • Alibaba Cloud
    • AWS
    • Weitere geeignete Anbieter
    • Lokale Ausführung für kleinere Workloads

    YiENTi läuft überall, wo die benötigten CPU-, GPU-, Arbeitsspeicher- und unterstützenden Ressourcen verfügbar sind.

  2. Richtung der Skalierung

    Skalierung · Dedizierte Rechenleistung

    • Reservierte / dedizierte Kapazität
    • Private Compute-Umgebungen
    • Dedizierte Server oder Cluster
    • Workload-spezifische Infrastruktur
    • Mehr Kontrolle über Leistung und Kosten

    Noch nicht umgesetzt. Die Richtung, wenn die YiENTi Workloads wachsen.

  3. Langfristige Vision

    Langfristig · ACCENTSYS Compute-Infrastruktur

    • Von ACCENTSYS kontrollierte Rechenleistung
    • Dedizierte Hochleistungsinfrastruktur
    • Möglicherweise eigene Rechenzentrumsinfrastruktur

    ACCENTSYS betreibt heute kein eigenes Rechenzentrum.

Microsoft Azure und Google Cloud sind zusätzliche mögliche Compute-Quellen – keine späteren Stufen. Die drei Karten beschreiben die Infrastrukturstrategie; die Anbieter sind darin austauschbare Kapazitätsquellen.

Anbieterunabhängig

YiENTi ist grundsätzlich nicht von Alibaba Cloud, AWS, Microsoft Azure oder Google Cloud abhängig.

Abhängig von Rechenleistung

Die praktische Einschränkung ist ausreichende Rechenleistung für den Workload: CPU, GPU, Arbeitsspeicher, VRAM, Storage / I/O, Netzwerkdurchsatz und parallele Rechenkapazität.

Kommerzielle Strategie · Vision

Die langfristige, dedizierte YiENTi Infrastruktur soll der kommerziellen Skalierung des ACCENTSYS Produktportfolios folgen, wobei Merclino eine kurzfristige Priorität der Kommerzialisierung ist. Die erfolgreiche Kommerzialisierung des Portfolios soll dazu beitragen, zunehmend dedizierte YiENTi Rechenkapazität zu finanzieren. Merclino ist eine kommerzielle Priorität, kein technischer Sonderfall: Jedes aktuelle ACCENTSYS Produkt wird mit YiENTi-unterstütztem Engineering entwickelt.

Compute-Einschränkung

In aktuellen internen Workloads kann das strukturierte Schlussfolgern von YiENTi grob eine Grössenordnung mehr Rechenleistung erfordern als herkömmliche LLM-first-Workflows.

YiENTi schlussfolgert über Graphstrukturen, Prozesse, Zustände, Abhängigkeiten, Messwerte, mehrere Modellansichten und die Beziehungen zwischen ihnen – zusammen mit Historie und Validierungsergebnissen. YiENTi tauscht Recheneffizienz gegen reichhaltigeren strukturellen Kontext.

Basierend auf internen Workloads von ACCENTSYS; kein unabhängiger Benchmark.

Warum mehr Rechenleistung wichtig ist

Zusätzliche Rechenleistung verkürzt nicht nur die Verarbeitungszeit. Sie erlaubt es YiENTi, gleichzeitig über grössere zusammenhängende Kontexte hinweg zu schlussfolgern:

  • Prozesse
  • Graphbeziehungen
  • Abhängigkeiten
  • Zustand
  • Historie
  • Messung
  • Softwaremodelle
  • Mehrere Modellansichten
  • Validierungskontext

Weniger Struktur

  • Geringere Rechenleistung
  • Probabilistische Rekonstruktion von Kontext

Reichhaltiges Strukturmodell

  • Höhere Rechenleistung
  • Expliziter Zustand, Prozesse, Beziehungen und messbarer Kontext
YiENTi benötigt erhebliche Rechenleistung, weil es mehr von der Struktur des Problems bewahrt und darüber schlussfolgert.ACCENTSYS setzt diese Architektur ein, weil strukturelle Konsistenz und Präzision im Software-Engineering wichtig sind.

Ursprünge

YiENTi entwickelt sich seit 2010 weiter.

Die Ursprünge von YiENTi reichen bis ins Jahr 2010 zurück, als das Projekt als Logical Board bei der Grandes Planos S.A. begann. Die Technologie entwickelte sich später zu YiENTi weiter und verbindet strukturierte Unternehmensinformationen mit einer zunehmend ausgereiften Intelligenzschicht.

  1. 2010

    Logical Board

    Ursprünge bei der Grandes Planos S.A.

    Das Projekt beginnt als Logical Board bei der Grandes Planos S.A. mit Fokus auf strukturierte Unternehmensinformationen, Prozesse, Aufgaben und Beziehungen.

  2. 2016

    YiENTi

    Erste Präsentation von YiENTi bei der Swisscom AG

    YiENTi – Intelligent Enterprise Information. Die präsentierte Architektur umfasste bereits:

    • Enterprise Information
    • YiENTi AI
    • Strukturierte Prozesse
    • Messung
    • Graph- bzw. prozessbasierte Intelligenz
  3. Heute

    YiENTi Enterprise + YiENTi Intelligence

    Fortführung und technische Weiterentwicklung der Architektur von 2016

    Unterstützt bereits das reale Software Engineering bei ACCENTSYS, und zwar mit:

    • Explizite Systemmodelle
    • Strukturierte Prozesse
    • Graph-basiertes Schlussfolgern
    • Messung
    • Modellgetriebene Entwicklung (model-driven engineering)
    • Generierung und Validierung
  4. Als Nächstes

    Real Intelligence / AGI

    Entwicklungsrichtung

    Weiterentwicklung hin zu zunehmend allgemeiner Intelligenz auf der Grundlage von strukturiertem Schlussfolgern, messbarer Realität und expliziten Systemmodellen.

    Vision / Forschungsrichtung

    Längerfristige Forschungsrichtung

    Allgemeine und potenziell übermenschliche maschinelle Intelligenz.

«Als Nächstes» beschreibt eine Entwicklungsrichtung, keine bereits erreichte Fähigkeit. YiENTi erhebt keinen Anspruch auf AGI oder Superintelligenz.

Von künstlicher Intelligenz hin zu Real Intelligence

ACCENTSYS verwendet den Begriff Real Intelligence für eine Richtung jenseits der probabilistischen Sprachgenerierung: Intelligenz, die über explizite Prozesse, Beziehungen, Zustände, Messwerte und Konsequenzen schlussfolgern kann.

Real Intelligence ist eine firmeneigene Terminologie von ACCENTSYS und kein etablierter wissenschaftlicher Begriff.

Bereits in der Architektur von 2016

Die Trennung zwischen Unternehmensinformationen und maschineller Intelligenz war bereits Teil der 2016 präsentierten YiENTi-Architektur.

Prozesse, die mit messbarem Output verbunden sind, ein Graph aus Unternehmensinformationen und eine KI-Schicht, die darüber schlussfolgert. Die Architektur von YiENTi entstand nicht als Reaktion auf den jüngsten Aufstieg grosser Sprachmodelle.

Warum jetzt

Die Architektur war der heutigen KI-Infrastruktur voraus.

Die grundlegende Richtung existierte bereits 2016. Geändert hat sich die verfügbare Rechenleistung, um sie in sinnvollem Umfang auszuführen. Die heute wesentlich grössere Rechenkapazität ermöglicht eine zunehmend komplexere Ausführung dieser Architektur. Die aktuelle Implementierung ist nicht identisch mit jener von 2016, sondern eine substanzielle technische Weiterentwicklung davon.

Mehr Rechenleistung erlaubt es YiENTi, gleichzeitig über grössere zusammenhängende Prozess-, Graph- und Softwarekontexte hinweg zu arbeiten.

Der architektonische Unterschied

Ein LLM kann ein Diagramm interpretieren. YiENTi kann die Struktur zum Teil des Modells machen.

Prozesse, Gateways, Aktivitäten, Klassen, Sequenzen, Beziehungen und Abhängigkeiten können als explizite Objekte im Schlussfolgerungskontext erhalten bleiben.

Bildinterpretation

Multimodale Sprachmodelle können Text, Bilder und Diagramme interpretieren. Die Struktur wird aus dem Prompt abgeleitet.

Ein Bild eines Prozesses, auf Anfrage interpretiert.

Strukturelle Repräsentation

In YiENTi können Prozesse, Beziehungen, Zustände und Abhängigkeiten als explizite, maschinenlesbare Strukturen vorliegen, statt nur als aus Prompts abgeleitete Information.

  • Aktivität
  • Ereignis
  • Gateway
  • Akteur
  • Sequenz
  • Klasse
  • Beziehung
  • Zustand
  • Abhängigkeit
  • Datenentität
  • Prozesspfad

YiENTi betrachtet ein Diagramm nicht bloss. Die von diesem Diagramm dargestellte Struktur kann Teil des Systemmodells werden.

Mehrere Modellsichten

Verschiedene Diagramme werden zu verschiedenen Sichten auf ein zusammenhängendes Systemmodell.

  • Anforderungen
  • User Stories
  • Use Cases
  • Aktivitätsdiagramme
  • BPMN
  • Kollaboration
  • Sequenz
  • Klassenmodelle
  • Datenmodelle
  • Systemabhängigkeiten

Software Engineering

Nicht nur generierter Code. Ein Modell des dahinterliegenden Systems.

YiENTi verfolgt beim Software Engineering einen grundlegend anderen Ansatz als LLM-first-Systeme. Statt den Systemkontext wiederholt aus generierter Sprache zu rekonstruieren, pflegt YiENTi explizite strukturelle Repräsentationen des Systems.

LLM-first-Zyklus

  1. Prompt
  2. Generierter Code
  3. Review
  4. Neuer Prompt
  5. Rekonstruierter Kontext
  6. ↺

Der Systemkontext wird in jedem Zyklus aus Sprache rekonstruiert.

YiENTi-Zyklus

  1. Strukturierte Anforderungen
  2. Explizites Prozess-/Systemmodell
  3. Abhängigkeiten
  4. Schlussfolgern
  5. Implementierung
  6. Validierung
  7. Gemessenes Ergebnis
  8. Aktualisiertes Modell
  9. ↺

Das Systemmodell bleibt bestehen und wird mit jedem gemessenen Ergebnis aktualisiert.

Produktnachweis

  • Arbeitsmarktvollzug
  • Castovia
  • Kicaly
  • Merclino
  • SchoolApp
  • STV Portal
  • xcess

Engineering-Projekt für einen Kunden

  • LOXY Time · Loxy International AG

Das gesamte aktuelle Anwendungsportfolio von ACCENTSYS wurde mit YiENTi-gestützter Entwicklung aufgebaut, wobei YiENTi selbst als Engineering-Plattform dient. LOXY Time, ein Kundenprojekt, das die ACCENTSYS AG für die Loxy International AG entwickelt hat, ist ein reales Enterprise-Engineering-Projekt. Es zeigt YiENTi-gestützte Softwareentwicklung über komplexe operative Abläufe, regulatorische Anforderungen, Datenverarbeitung und Systemintegration hinweg.

Architektur

Zwei Technologien, eine verbundene Architektur.

Unternehmensinformationen werden zu einem strukturierten operativen Graphen. YiENTi Intelligence schliesst darauf Schlüsse, und die Ergebnisse fliessen zurück in den Unternehmenszustand oder an angebundene Systeme. Dieselbe Intelligence-Schicht funktioniert auch ausserhalb von YiENTi Enterprise.

Diagramm C · Integration

Zusammenspiel

YiENTi Enterprise

Enterprise Information Platform

Strukturierter operativer Graph

Was existiert · wer beteiligt ist · was wovon abhängt

YiENTi Intelligence

Graph-Native Intelligence Engine

Schlussfolgern · Entscheidung · Orchestrierung

Enterprise-Plattform

Aktualisierter Unternehmenszustand

Externe Systeme

Angebundene Schnittstellen

Der aktualisierte Zustand wird zum nächsten Kontext für das Schlussfolgern.

Über YiENTi Enterprise hinaus

YiENTi Intelligence

Wiederverwendbare Intelligence-Schicht

ACCENTSYS Software Engineering

Kerntechnologie im internen Einsatz

Weitere ACCENTSYS-Produkte

Entwicklungsrichtung

Künftige externe Systeme

Entwicklungsrichtung

Weitere Use Cases für strukturiertes Schlussfolgern

Entwicklungsrichtung

Aktueller Entwicklungsstand

Transparent darüber, wo YiENTi steht.

YiENTi-Plattform

In Entwicklung

Die eigenständige YiENTi-Plattform befindet sich in Entwicklung und ist noch nicht kommerziell verfügbar.

YiENTi Intelligence · Kerntechnologie

Im internen Einsatz bei ACCENTSYS

YiENTi unterstützt bereits das Engineering bei ACCENTSYS, während sich die eigenständige Plattform weiterentwickelt.

Human-in-the-Loop · aktueller Reifegrad

YiENTi ist heute expertengeführt.

Das aktuelle System verschafft dem Engineering einen erheblichen Hebel, wenn es von Personen bedient wird, die Prozesse und Systemstruktur verstehen. Seine Leistungsfähigkeit entsteht aus der Kombination von strukturierten Modellen, Prozessverständnis und maschinengestütztem Schlussfolgern.

Wissen, das YiENTi heute vervielfacht

  • BPMN
  • Prozessmodellierung
  • Systemarchitektur
  • Softwareentwicklung
  • Geschäftsabläufe
  • Interpretation strukturierter Modelle

YiENTi ist noch kein fertiges Massenmarktprodukt, das jede Person ohne Fachwissen nutzen kann.

Richtung · kein terminiertes Versprechen

  1. Heute

    Expertengeführtes strukturelles Engineering

  2. Als Nächstes

    Stärker automatisierte Modellierung, automatisiertes Schlussfolgern, Testen und Ausliefern

  3. Langfristig

    Zunehmend autonomes Systems Engineering

Die YiENTi-Philosophie

Von künstlicher Intelligenz hin zu Real Intelligence.

Intelligenz ist mehr, als plausible Sprache zu erzeugen. Sie erfordert, Beziehungen, Kontext, Prozesse, Folgen und die zeitliche Veränderung von Information zu verstehen. YiENTi ist der Ansatz von ACCENTSYS für dieses Problem.

«Real Intelligence» beschreibt die Philosophie von YiENTi und ACCENTSYS – sie ist keine etablierte wissenschaftliche Kategorie.

Strategisches Wachstum

Die nächste Phase skalieren.

YiENTi wird bereits eingesetzt, um reale Software zu entwickeln. In der nächsten Phase geht es darum, Produktisierung, Rechenkapazität und Kommerzialisierung zu skalieren. YiENTi ist Teil des breiteren Technologieportfolios von ACCENTSYS.

Die limitierenden Faktoren sind Kapital, Skalierung und Rechenleistung – nicht die Frage, ob YiENTi funktioniert.

ACCENTSYS

Entwickelt von der ACCENTSYS AG, Schweiz.

YiENTi hat bei ACCENTSYS zwei Rollen: als ermöglichende Technologieschicht innerhalb der Software-Entwicklung von ACCENTSYS und als künftige eigenständige Plattform.

Interessieren Sie sich für die breitere Plattformstrategie hinter YiENTi? Entdecken Sie ACCENTSYS, das Technologieportfolio und die aktuelle strategische Wachstumsrunde.

Für Partnerschaften, technische Gespräche, strategische Zusammenarbeit und Investitionen.