Über Noveum
Zuverlässigkeitsinfrastruktur für das Agentenzeitalter.
Noveum hilft Teams, produktiv eingesetzte Agenten zu verstehen und zu verbessern: mit Tracing für instrumentierte Ausführungen, Evaluierungen durch zweckgebundene Scorer, Tests von Sprach- und Chatszenarien sowie Fehlerbelegen, aus denen überprüfbare Empfehlungen für Engineers entstehen.
Open-Source-Python-SDK · SOC 2 Typ II in Bearbeitung · individuell abgestimmte Enterprise-Deploymentoptionen
5
Produkte, ein Kreislauf
112
Veröffentlichte Scorer
15
Scorer-Kategorien
4-zeilig
SDK-Integration
01 - Warum Noveum entstand
Einen Agenten bereitzustellen ist einfach. Ihn zuverlässig zu halten nicht.
Noveum entstand aus einer Frustration, die jedes Team beim Aufbau mit LLMs irgendwann erlebt: Einen Agenten in einer Demo zum Laufen zu bringen dauert einen Nachmittag. Ihn im Produktivbetrieb zuverlässig zu halten dauert eine Ewigkeit. Die dafür vorgesehenen Werkzeuge wurden für eine Welt entwickelt, die nicht mehr existiert.
Klassische Observability setzt deterministische Software voraus: gleiche Eingabe, gleiche Ausgabe und ein Stack Trace, wenn etwas ausfällt. KI-Agenten sind das Gegenteil. Sie durchlaufen zahlreiche Schritte, rufen Tools und andere Agenten auf, und „falsch“ bedeutet nur selten einen Absturz. Häufig ist es eine selbstsichere, plausibel wirkende Antwort, die unbemerkt am Bedarf des Nutzers vorbeigeht. APM-Dashboards erkennen das nicht. Protokolle erklären es nicht. Und niemand kann genügend Traces von Hand lesen, um Problemen stets zuvorzukommen.
Deshalb haben wir eine Zuverlässigkeitsschicht für KI-native Systeme entwickelt: Sie behandelt Evaluierungen als Signal erster Klasse, rekonstruiert reale Szenarien und verwandelt Rohdaten zu Fehlern in verwertbare Belege. Noveum verbindet Tracing, Evaluierung, synthetische Tests, Guardrail-Konfiguration und priorisierte Verbesserungsempfehlungen in einem Workflow.
02 - Woran wir glauben
Die Prinzipien, auf denen das Produkt basiert.
Ein paar Überzeugungen prägen jede unserer Entscheidungen – in der Architektur, der Roadmap und den Worten auf dieser Seite.
KI-nativ, nicht nachgerüstet
Wir haben KI nicht nachträglich an ein APM-Tool angebaut. Instrumentiertes Tracing, konfiguriertes Scoring, synthetische Tests sowie Kontrollen für Kosten- und Ratenrichtlinien wurden für nichtdeterministische, mehrstufige Agenten mit Tool-Nutzung entwickelt.
Belege statt Bauchgefühl
Eine Empfehlung ist nur dann hilfreich, wenn ihre Belege sichtbar sind. Noveum verknüpft Erkenntnisse mit betroffenen Elementen, Traces, Scorer-Ergebnissen, Konfidenz und erwartetem Effekt, damit Teams Änderungen selbst überprüfen können.
Zuverlässigkeit ist ein Kreislauf
Dashboards zeigen, dass sich etwas verändert hat. Ein belastbarer Workflow verbindet Erkennung, Diagnose, Umsetzung und erneute Evaluierung, damit Teams messen können, ob eine Änderung tatsächlich geholfen hat.
Ihre Daten bleiben Ihr Eigentum
Wählen Sie eine verwaltete Cloud oder stimmen Sie für ein geeignetes Enterprise-Projekt In-VPC-, On-Premise- oder BYO-ClickHouse-Optionen ab. SOC 2 Typ II ist in Bearbeitung; prüfen Sie Datenflüsse und DSGVO-Anforderungen für die gewählte Architektur.
Offenheit als Standard
Unser Python-Tracing-SDK ist Open Source und lässt sich mit wenigen Zeilen integrieren. Wir gewinnen Vertrauen lieber durch lesbaren Code als durch einen Lock-in, dem Sie nicht entkommen können.
Ehrlich bei unseren Messungen
Ein Scorer-Ergebnis, eine synthetische Ausführung und ein Produktionstrace beantworten unterschiedliche Fragen. Wir kennzeichnen jedes Signal danach, was tatsächlich gemessen wurde, und trennen Empfehlungen von Änderungen, die Ihr Team überprüft hat.
03 - Was wir entwickeln
Ein geschlossener Kreislauf für die Agentenzuverlässigkeit.
noveum-trace, NovaEval, NovaPilot und NovaSynth bilden einen Evidenzkreislauf um eine vom Team verantwortete Änderung. NovaGuard speichert Kosten- und Ratenrichtlinien, die eine verbundene Anwendung oder ein Gateway durchsetzt.
- 1
Tracing
Erfassen Sie instrumentierte LLM-Aufrufe, Tools, Retrievals und Agentenschritte als strukturierten Trace.
- 2
Evaluieren
Wählen Sie kompatible Prüfungen aus 112 veröffentlichten Scorern; 76 modellgestützte Scorer können eine Begründung des Bewertungsmodells enthalten.
- 3
Empfehlen
Überführen Sie evaluierte Fehler in priorisierte Empfehlungen, die durch Scorer-Belege und betroffene Elemente gestützt sind.
- 4
Umsetzen
Ihr Team prüft die Belege, nimmt eine mögliche Änderung vor und verantwortet Code-Review und Deployment.
- 5
Simulieren und erneut evaluieren
Testen Sie explizite Personas und Szenarien und vergleichen Sie anschließend die neuen Evaluierungsbelege vor und nach dem Release.
NovaGuard (Beta) steht neben diesem Kreislauf. Es speichert Richtlinien für Kostenobergrenzen sowie Anfrage- oder Token-Ratenlimits, die eine verbundene Anwendung oder ein Gateway abruft und durchsetzt.
04 - Wo wir sind
Offen entwickelt, im Produktivbetrieb bewährt.
Wir liefern schnell und transparent. Auf diesem Fundament läuft Noveum bereits heute.
Open-Source-Python-SDK
noveum-trace für Python: Tracing für LangChain, LangGraph, LiveKit, Pipecat und CrewAI mit wenigen Codezeilen.
112 veröffentlichte Scorer
Eine Bibliothek mit 15 Kategorien: 82 Premium-, 30 kostenlose, 76 modellgestützte sowie 36 dedizierte Sprach- und Audio-Scorer.
Unternehmenstauglich
SOC 2 Typ II ist in Bearbeitung. Enterprise-Teams können DSGVO-Anforderungen und On-Premise-, In-VPC- oder BYO-ClickHouse-Optionen bei der Deploymentprüfung abstimmen.
Im großen Maßstab produktiv im Einsatz
Plattformen wie MyOperator nutzen Noveum mit produktiv eingesetzten KI-Sprachagenten: integriert in vier Codezeilen und anhand von Trace- und Evaluierungsbelegen geprüft.
Entwickeln Sie Agenten, denen Sie vertrauen können.
Starten Sie in wenigen Minuten mit dem Tracing oder sprechen Sie mit uns über ein Noveum-Deployment in Ihrer eigenen Umgebung. Außerdem suchen wir Menschen, die den nächsten Teil dieses Kreislaufs mit uns entwickeln.