Simula: KI-gestützte, erklärbare Synthese neuer Daten ohne Vorlagen

In der KI-Welt sind multimodale Modelle gefragt, doch die dafür nötigen Daten sind oft knapp oder nicht zugänglich. Traditionelle Ansätze, die auf manuellen Prompting, evolutionären Algorithmen oder umfangreichen Seed-Daten beruhen, stoßen schnell an ihre Grenzen – sie sind teuer, fehleranfällig und schwer skalierbar.

Mit Simula wird das Spiel neu definiert. Das System nutzt einen seedlosen, agentischen Ansatz, der auf logikbasierter Entscheidungsfindung beruht. Damit können Anwender*innen die gewünschten Eigenschaften eines Datensatzes exakt festlegen, während die Erzeugung gleichzeitig nachvollziehbar und kontrollierbar bleibt. Durch die Möglichkeit, Ressourcen fein granular zuzuweisen, lässt sich die Datenproduktion optimal an die jeweiligen Anforderungen anpassen.

Die Autoren demonstrieren die Leistungsfähigkeit von Simula anhand einer Vielzahl von Datensätzen. Dabei werden sowohl intrinsische Merkmale als auch die Wirkung auf nachgelagerte Aufgaben systematisch geprüft. Die Ergebnisse zeigen, dass Simula nicht nur qualitativ hochwertige synthetische Daten liefert, sondern auch klare Leitlinien für das Design solcher Mechanismen bietet.

Damit eröffnet Simula neue Perspektiven für die Entwicklung und den Einsatz von KI in Bereichen, in denen Datenknappheit oder Datenschutzprobleme herrschen. Die Technologie macht es möglich, robuste Modelle zu trainieren, ohne auf echte, oft schwer zugängliche Daten zurückgreifen zu müssen.