Dmitry Chistyakov ist Systemarchitekt, Forscher und internationaler KI-Experte. Er fungiert als Mentor und Auditor auf Technologiekonferenzen und ist Autor eines neuen Ansatzes für KI in der Logistik – des CPLOM Predictive Administration Framework. Dmitry verrät, was Unternehmen tatsächlich von KI in der Logistik erwarten und ob die Lieferung für den Kunden jemals kostenlos sein wird.

Im heutigen Technologiewettlauf nutzt jeder KI – unabhängig von Unternehmensgröße oder Branche. Doch ein leistungsstarker Algorithmus ist nur die halbe Miete. Um störungsfrei zu agieren und globale Märkte zu erschließen, braucht ein Unternehmen eine intestine abgestimmte Architektur. Das ist genau die Artwork von System, die vom führenden KI-Architekturexperten und Rx2Go-CTO Dmitry Chistyakov entwickelt wurde.

Sein CPLOM-Framework trifft Entscheidungen autonom und prüft sie durch Multi-Agenten-Validierung. In diesem Interview erklärt er, wie man KI zu einem vorhersehbaren Managementtool macht, was „Schwarmverhalten“ bedeutet und warum die Zukunft der Technologie von der Systemtransparenz abhängt – und nicht von der Anzahl der KI-Agenten.

– Dmitry, Sie haben die CPLOM-Architektur erstellt, die Rx2Go dabei geholfen hat, eine Genauigkeit der Auftragsabwicklung von 99,99 % zu erreichen. Doch in einem so sensiblen Bereich wie der medizinischen Logistik ist es immer noch schwierig, einem System, dessen Entscheidungen schwer zu überprüfen sind, völlig zu vertrauen. Ihr Ansatz basiert zum Teil auf vollständiger Transparenz – auf der Sichtbarkeit des Entscheidungsprozesses. Wie haben Sie es geschafft, dass KI nicht nur ein Ergebnis liefert, sondern es auch mit Konfidenzwerten untermauert?

– Automatisierung und KI-Einbindung in den Betrieb sind schon lange Realität, aber das Gefühl des Misstrauens ist nicht verschwunden – und das ist völlig regular. Die Menschen haben Angst, die Kontrolle zu verlieren. Mit KI gibt es kein Verständnis Warum Es wurde eine bestimmte Entscheidung getroffen. Vertrauen entsteht, wenn sich ein System vorhersehbar verhält, seine Überlegungen erklärt und menschliches Eingreifen zulässt. In der Praxis haben wir festgestellt, dass Vertrauen in KI nur durch Architektur aufgebaut werden kann.

Technisch gesehen ist die Entscheidungslogik in CPLOM ein verzweigter Baum, in dem jedes „Ja“ oder „Nein“ protokolliert wird. Wir sehen das Gesamtbild: was die KI überlegte, wohin sie dem „Ja“-Zweig folgte, wohin sie mit „Nein“ ging und wie hoch ihr Vertrauensindex an jedem Punkt battle. Anschließend fügten wir an mehrdeutigen Kreuzungen Begründungsanmerkungen hinzu, damit wir besser verstehen konnten, was dem System fehlte, um einen sicheren Anruf zu tätigen.

– Sie sind nicht nur in der Wirtschaft tätig, sondern forschen auch und veröffentlichen Artikel zur Entscheidungsfindung in komplexen Systemen. Warum haben Sie sich speziell auf die Entscheidungsarchitektur konzentriert?

– Der Einstieg in die Forschung battle für mich nicht von Neugier getrieben, sondern von Notwendigkeit. Ich würde es sogar ein Überlebenstool nennen. Irgendwann stößt man auf Probleme, die nicht durch eine weitere Optimierung oder einen weiteren Algorithmus gelöst werden können. Sie stoßen auf grundlegende Fragen: Wie trifft ein System Entscheidungen, wie bewertet es Risiken, wie verhält es sich unter Unsicherheit. Wenn Sie keine formalisierte Antwort auf diese Fragen haben, bauen Sie auf Ihrer Instinct auf. Und Instinct lässt sich nicht intestine skalieren. Aus diesem Grund begann ich zu formalisieren, was wir in der Praxis taten – und so entstand meine Arbeit zur Entscheidungsarchitektur.

Mit der Zeit wurde klar, dass das Downside nicht bei den Daten oder den Modellen lag, sondern bei den Daten Wie Die Entscheidung wurde getroffen. Man kann eine perfekte Prognose haben und trotzdem die falschen Schlussfolgerungen ziehen. Oder Sie können auch mit unvollständigen Daten eine fundierte Entscheidung treffen. Modelle können falsch sein, aber die Architektur bestimmt, ob dies zu einer geringfügigen Korrektur oder einer vollständigen Katastrophe führt. In diesem Sinne ist Forschung nicht nur eine Möglichkeit, ein funktionierendes System aufzubauen, sondern auch zu verstehen Warum ob es funktioniert – und ob der Ansatz weiter verfolgt werden kann.

– Wo stehen diese Technologien heute? Könnte man der KI zutrauen, eine ganze Stadt zu verwalten?

– Heutige Modelle sind stark genug, um komplexe Probleme zu bewältigen, aber sie sind immer noch instabil und anfällig für Halluzinationen. Wir befinden uns additionally derzeit im Zeitalter der „intelligenten Modelle“ – aber noch nicht im Zeitalter der „intelligenten Systeme“. Erstere sagen voraus; Letztere entscheiden.

Was die Verwaltung einer Stadt angeht – theoretisch ist das bereits möglich. Aber praktisch noch nicht. Eine Stadt ist ein System mit einer enormen Anzahl von Unbekannten und sozialen Faktoren, die sich nur schwer formalisieren lassen. Ich würde es so ausdrücken: Wir können bereits einzelne städtische Subsysteme automatisieren – Transport, Logistik, Energie. Doch die vollständige Übergabe der Kontrolle ist noch verfrüht.

– Wie dramatisch wird sich die Logistik verändern, wenn solche Systeme zum Customary für die Organisation des städtischen Lebens werden? Es herrscht die allgemeine Vorstellung vor, dass kostenlose Roboter und arbeitslose Zusteller kommen werden. Wird die Lieferung tatsächlich günstiger?

Wenn diese Systeme zum Customary werden, wird sich die Logistik nicht nur dem Grad nach, sondern auch der Artwork verändern. Heutzutage ist die Logistik größtenteils ein reaktives System: Etwas geht schief und wir reparieren es. Mit Entscheidungsarchitekturen wird es prädiktiv – das System erkennt Probleme, bevor sie auftreten, passt sich an und verändert so das Verhalten des gesamten Netzwerks.

Wenn man davon spricht, dass KI den Menschen ersetzt, hört man oft Dinge wie: „Das ist es – kostenlose Roboter kommen und Kuriere werden arbeitslos sein.“ In der Praxis funktioniert das natürlich nicht so. Erstens sind Roboter alles andere als kostenlos – ein guter Lieferroboter kann mehrere Jahresgehälter eines Kuriers kosten. Zweitens gehen die Leute nirgendwohin; Sie wechseln einfach auf eine höhere Ebene und überwachen das System.

Aber das Interessanteste ist noch nicht einmal das. Jeder geht davon aus, dass die Zukunft darin besteht, dass billige Roboter den Menschen ersetzen. In Wirklichkeit liegt die Zukunft in teuren Denksystemen, die Agenten als einen einzigen Organismus verwalten. Der eigentliche Vorteil liegt im gemeinsamen Kontext – wenn jeder Agent weiß, was die anderen tun, wo Probleme auftreten und wie er in Echtzeit reagieren muss. Das ist keine Automatisierung mehr. Das ist Schwarmverhalten. In einem solchen System zahlen Sie nicht für die Lieferung oder den Roboter, sondern für die Intelligenz, die das gesamte Netzwerk verwaltet. Additionally ja, die Lieferung wird definitiv schneller gehen. Ob es billiger wird, ist eine ganz andere Frage.

– Als Sie Rx2Go beitraten, battle es ein kleines Startup. Unter Ihrer technischen Führung erreichte das Unternehmen einen Umsatz von 70 Millionen US-Greenback und eine Bewertung von 600 Millionen US-Greenback und bereitet sich nun auf die Enlargement nach Kanada und Europa vor. Wie anpassungsfähig ist die von Ihnen erstellte Architektur an verschiedene Länder mit ihren eigenen regulatorischen Rahmenbedingungen?

Aus architektonischer Sicht battle CPLOM von Anfang an universell konzipiert – denn die zugrunde liegenden Probleme sehen in den verschiedenen Ländern sehr ähnlich aus: Unsicherheit, Einschränkungen, komplexe gegenseitige Abhängigkeiten. Doch gleichzeitig hat jedes Land seine eigenen Regelungen, seine eigenen Prozesse, seine eigene Entscheidungskultur.

Der Schlüssel liegt additionally nicht in der „Portierung des Techniques“, sondern in seiner Anpassung. Wir übertragen die Regeln nicht; Wir übertragen eine Architektur, die weiß, wie es geht mit arbeiten Regeln. Und das ist ein grundlegender Unterschied. In den USA beispielsweise unterliegt das System einer strengen Regulierung; in Europa vergleichsweise weniger; in Kanada, irgendwo dazwischen. Und das System kann nicht einfach „funktionieren“, es muss sich in jedem dieser Szenarios korrekt verhalten.

---

Hervorgehobener Bildnachweis

Sign hat sichere Nachrichtensicherungen für iOS eingeführt, die es Benutzern ermöglichen, Gespräche und Medien im Falle eines Geräteverlusts oder einer Beschädigung zu speichern und wiederherzustellen.

Die Funktion ermöglicht die Speicherung von bis zu 100 MB an Textnachrichten und den Fotos, Movies, GIFs und Dateien der letzten 45 Tage im kostenlosen Kontingent. Ein monatliches Abonnement von 1,99 $ erweitert die Backup-Funktionen auf alle Textnachrichten und bis zu 100 GB Medien über das 45-Tage-Restrict hinaus. Sign führte im September erstmals sichere Backups auf Android-Geräten ein und nutzte eine Ende-zu-Ende-Verschlüsselung für die Nachrichten- und Medienspeicherung. Benutzer greifen auf Backups über einen 64-stelligen Wiederherstellungsschlüssel zu, der auf ihrem Gerät generiert wird; Sign weist darauf hin, dass es bei Verlust dieses Schlüssels nicht bei der Wiederherstellung helfen kann.

Jetzt verfügbar für iOS https://t.co/LGdHqHsdTW

– Sign (@signalapp) 24. November 2025

Um sichere Backups zu aktivierennavigieren Sie zum Menü „Einstellungen“ und wählen Sie dann „Backups“ aus. Tippen Sie auf „Setup“, dann auf „Backups aktivieren“ und notieren Sie den Wiederherstellungsschlüssel. Nach Bestätigung des Wiederherstellungsschlüssels können Benutzer zwischen dem kostenlosen und dem kostenpflichtigen Plan wählen. Sign beginnt dann mit der Speicherung von Nachrichten und Medien.

Sign beabsichtigt, sichere Backups auf seine Desktop-Anwendung auszuweiten und wird schließlich die verschlüsselte Übertragung des Nachrichtenverlaufs auf Android-, iOS- und Desktop-Plattformen ermöglichen.

---

Hervorgehobener Bildnachweis

Bild vom Autor | Canva

Als wir aufwuchsen, wurde vielen von uns gesagt, Bildung sei ein Privileg – und das ist sie auch. Da sich die Zeiten jedoch ändern und die Nutzung von Technologie zunimmt, besteht ein Bedarf an mehr Fachkräften, die über diese einzigartigen technischen Fähigkeiten verfügen.

Wenn Sie von der Welt der Technik fasziniert sind, aber zögern, sich darauf einzulassen, weil Sie nicht sicher sind, ob sie das Richtige für Sie ist, ist dieser Weblog genau das Richtige für Sie. Ich werde eine Liste kostenloser Kurse durchgehen, die Ihnen helfen können, grundlegende Kenntnisse der Informatik zu erwerben.

Informatik: Programmieren mit einem Ziel

Hyperlink: Informatik: Programmieren mit einem Ziel

Im letzten Jahrtausend waren „Lesen, Schreiben und Rechnen“ die Grundlagen der Bildung, heute sind wir beim Lesen, Schreiben und Rechnen angelangt. Programmieren zu lernen ist ein wesentlicher Bestandteil der Bildung, daher ist das Verständnis der Natur der Informatik das, was jeder Neuling wissen sollte.

In weniger als 4 Wochen deckt dieser Kurs die erste Hälfte unseres Buches Laptop Science: An Interdisciplinary Method ab (die zweite Hälfte wird in unserem Coursera-Kurs Laptop Science: Algorithms, Concept, and Machines behandelt). Der Kurs beginnt mit der Einführung grundlegender Programmierelemente wie Variablen, Bedingungen, Schleifen, Arrays und I/O und befasst sich dann mit Funktionen, wobei wichtige Konzepte wie Rekursion, modulare Programmierung und Code-Wiederverwendung vorgestellt werden. Aber das ist noch nicht alles – Sie werden etwas tiefer in die objektorientierte Programmierung eintauchen, wo Sie die Programmiersprache Java verwenden und rechnergestütztes Problemlösen erlernen.

Informatik: Algorithmen, Theorie und Maschinen

Hyperlink: Informatik: Algorithmen, Theorie und Maschinen

Sobald Sie die Grundlagen verstanden haben, besteht Ihr nächstes Ziel darin, tiefer in Algorithmen, die Theorie dahinter und das Verständnis von Maschinen als Ganzes einzutauchen. Der Kurs besteht aus 11 Modulen, in denen Sie klassische Algorithmen sowie wissenschaftliche Techniken zur Leistungsbewertung und klassische theoretische Modelle erlernen, mit denen wir grundlegende Fragen zur Berechnung wie Berechenbarkeit, Universalität und Widerspenstigkeit beantworten können. Sobald Sie diese Module verstanden haben, schließen Sie mit der Maschinenarchitektur (einschließlich der Programmierung in Maschinensprache und ihrer Beziehung zur Codierung in Java) und dem Logikdesign (einschließlich eines vollständigen, von Grund auf neu entwickelten CPU-Designs) ab.

Mathematische Fähigkeiten im Bereich Information Science

Hyperlink: Mathematische Fähigkeiten im Bereich Information Science

Viele Leute unterschätzen die Notwendigkeit, Mathematik zu lernen, wenn es um Informatik geht. Manche sagen, es sei zwingend notwendig, andere meinen, es sei nicht nötig. Ich persönlich bin der Meinung, es kann nicht schaden, etwas zu lernen, das Ihr Verständnis verbessern kann. Aber Tatsache ist, dass Information Science Mathematik enthält. In diesem Kurs lernen Sie die grundlegende Mathematik, die Sie benötigen, um ein erfolgreicher Information Scientist, Machine Studying Engineer oder Software program Engineer zu sein.

Sie lernen die Mengenlehre kennen, darunter Venn-Diagramme, Eigenschaften der reellen Zahlenlinie, Intervallnotation und Algebra mit Ungleichungen sowie die Verwendung von Summations- und Sigma-Notation. Sie werden sich auch eingehender mit Exponenten, Logarithmen und der natürlichen Logarithmusfunktion sowie der Wahrscheinlichkeitstheorie, darunter dem Satz von Bayes, befassen.

Programmieren lernen: Die Grundlagen

Hyperlink: Programmieren lernen: Die Grundlagen

Das Erlernen einer Programmiersprache bedeutet im wahrsten Sinne des Wortes, eine neue Sprache zu lernen. Das kann sehr entmutigend klingen, muss es aber nicht, wenn Sie Python lernen. Python ist aufgrund seiner Einfachheit eine der beliebtesten Programmiersprachen. Warum additionally nicht mit dem Erlernen von Python beginnen?

In diesem Kurs lernen Sie alles über Python, von Variablen und Funktionen bis hin zu Tupeln und Wörterbüchern. Dieser Kurs vermittelt Ihnen auf unterhaltsame und nützliche Weise die grundlegenden Bausteine ​​der Programmierung. In weniger als 4 Wochen könnten Sie ein Junior-Python-Spezialist werden.

Einpacken

Lernen sollte nicht so teuer sein – vor allem, wenn Sie ein Neuling sind. Es gibt viele kostenlose Ressourcen und es kann sehr schwierig sein, die richtige auszuwählen. Hier kommt KDnuggets ins Spiel. Wir stellen Ihnen großartige Lernressourcen zur Verfügung, um sicherzustellen, dass Sie eine erfolgreiche Lernreise unternehmen und Ihren Traumjob bekommen.

Nisha Arya ist Datenwissenschaftlerin, freiberufliche technische Redakteurin und Redakteurin und Group-Managerin für KDnuggets. Sie ist besonders daran interessiert, Karriereberatung oder Tutorials für die Datenwissenschaft sowie theoriebasiertes Wissen rund um die Datenwissenschaft bereitzustellen. Nisha deckt ein breites Themenspektrum ab und möchte die verschiedenen Möglichkeiten erkunden, wie künstliche Intelligenz die Langlebigkeit des menschlichen Lebens verbessern kann. Als eifrige Lernerin möchte Nisha ihr technisches Wissen und ihre Schreibfähigkeiten erweitern und gleichzeitig anderen helfen, Anleitung zu geben.