Kepler baut überprüfbare KI für Finanzdienstleistungen mit Claude: 26 Mio+ eingereichte Dokumente indexiert, prüfungsbereite Antworten

Kepler, 2025 von den ehemaligen Palantir-Ingenieuren Vinoo Ganesh und John McRaven gegründet, hat eine Finanzforschungsplattform entwickelt, die Überprüfbarkeit über Black-Box-KI stellt. Nach Gesprächen mit 147 Finanzfirmen und der Frage „Wie soll ich etwas vertrauen, das ich nicht prüfen kann?“ entwarfen sie ein System, in dem Claude als Reasoning-Schicht fungiert, aber alle Ausgaben gegen deterministische Infrastruktur verifiziert werden.

Wichtige Architekturentscheidungen

• Skalierung: In weniger als drei Monaten wurden über 26 Millionen SEC-Einreichungen, 50+ Millionen öffentliche Dokumente und 1+ Million private Dokumente von mehr als 14.000 Unternehmen und 27 globalen Märkten indexiert. Stack: AWS, Rust, Python, Container für Orchestrierung.
• Kontext-Engineering: Claude erhält präzise definierte Aufgaben mit strukturiertem Domänenwissen, Definitionen und klaren Grenzen, was gelöst und was eskaliert werden soll. Das Modell wird als eine Stufe in einer Pipeline behandelt, nicht als das gesamte System.
• Mehrstufiges Reasoning: Bei Anfragen wie „ausstehende Lagertage über 8 Quartale“ muss Claude die Frage zerlegen, die korrekten Geschäftsperioden abrufen, Neudarstellungen berücksichtigen und die richtige Formel anwenden. In Benchmarks schnitten alle Frontier-Modelle bei einfachen Abfragen vergleichbar ab, aber nur Claude konnte Pläne über 4-5+ voneinander abhängige Schritte hinweg zusammenhalten, ohne Einschränkungen fallen zu lassen.

Umgang mit Mehrdeutigkeit

Kepler stellte fest, dass Claude stoppt und um Klärung bittet, wenn ein Begriff im Finanzwesen mehrere Bedeutungen hat, während andere Modelle stillschweigend eine Interpretation wählen. „Dieses Verhalten ist wichtiger als jeder Benchmark-Wert“, sagte CEO Vinoo Ganesh. „Eine einzige falsche Annahme zu Beginn einer Finanzanalyse zerstört alles nachgelagerte.“

Vertrauensschicht-Design

Die Plattform kombiniert das Reasoning von Claude mit deterministischer Infrastruktur, die jede Zahl bis zur genauen Einreichung, Seite und Zeile validiert. Diese Trennung von Interpretation und Berechnung stellt sicher, dass selbst wenn das Modell einen Fehler macht, die Verifikationsebene ihn abfängt, bevor er den Analysten erreicht.