KI-generiertDie jüngsten Plattform-Posts haben die Crowd Platform, die Datenplattform und die AI-Plattform einzeln vorgestellt. Jede ist ein echtes Produkt mit einer Landing-Page, einer Operator-Oberfläche in der platform-v2-Sidebar und eigenem Pricing. Aber die interessantere Story ist, was passiert, wenn ein Käufer alle drei zusammen benutzt, weil sie darauf angelegt waren, sich zu einem einzigen Workflow zu verketten, statt aus einem Menü ausgewählt zu werden.
Die Crowd Platform ist der Ort, von dem die Labels kommen. Sie lassen einen Job laufen — eine Umfrage, eine Moderations-Aufgabe, eine Qualitäts-Evaluation — gegen ein Panel von Workern, und die akzeptierten Antworten werden zu einem gelabelten Datensatz. Die Datenplattform ist das dauerhafte Substrat, in dem diese Labels leben. Die akzeptierten Antworten werden in eine neue Datensatz-Version zurückgestrickt, mit einem Audit-Trail, der jede Antwort mit dem Worker, dem Input-Item, der Review-Entscheidung und dem Zeitstempel verlinkt. Die AI-Plattform ist der Ort, an dem der Datensatz zum Modell wird. Sie wählen eines der sechs Open-Source-Basismodelle, zeigen auf die Datensatz-Version, lassen ein LoRA-Finetune laufen, und das Ergebnis ist ein Modell-Eintrag in Ihrer Registry, den Sie aus Ihrem eigenen Code abfragen können.
Die drei Plattformen sind kein Stack-Diagramm. Sie sind drei Oberflächen desselben Workflows, und die zugrundeliegenden Primitiven — das Panel, der versionierte Datensatz, die Modell-Registry — sind über alle drei hinweg dieselben. Die Marketing-Seiten beschreiben sie als separate Produkte, weil Käufer sie separat kaufen und als Module separat aktivieren. Die Implementierung macht sie zu einer Pipeline.
Stellen Sie sich ein Newsroom-Team vor, das einen Strom von Social-Media-Posts fact-checken will. Es startet mit der Crowd Platform: ein SurveyJS-Template, das Worker bittet, jeden Post als authentic, manipulated oder inconclusive zu klassifizieren, mit einem strukturierten Set von unterstützenden Evidenz-Feldern. Der Job läuft gegen das Panel, Antworten werden akzeptiert oder abgelehnt, und die akzeptierten Antworten werden in einen Crowd-Platform-Datensatz zurückgestrickt.
Das Team wechselt dann zur Datenplattform. Der Crowd-Job-Output ist ein gelabelter Datensatz; das Team registriert ihn als neue versionierte Datensatz-Version auf der Datenplattform, lässt einen Deduplizierungs-Pass laufen, um Posts zu entfernen, die von mehreren Workern beantwortet wurden, und lässt eine Language-Tech-Pipeline laufen, um Named Entities aus jedem Post zu extrahieren (die Personen, die Orte, die Organisationen, die erwähnt werden). Das Ergebnis ist eine kuratierte Datensatz-Version: Posts, Klassifikationen, Evidenz und Entities, alles verlinkt.
Das Team wechselt dann zur AI-Plattform. Es wählt qwen3.5-2b als Basismodell — klein genug, um on premises gehostet zu werden, Apache 2.0 lizenziert, 256k Context-Window — und lässt ein LoRA-Finetune gegen die kuratierte Datensatz-Version laufen. Der Finetune-Adapter wird in der Modell-Registry registriert. Das Team benchmarkt den Adapter, indem es seine Outputs durch denselben Crowd-Rating-Flow einreicht, der für jedes KI-System verwendet wird, und der aggregierte Score sagt ihnen, ob das Modell gut genug ist, um geshippt zu werden.
Jeder Schritt in diesem Workflow referenziert die Version des vorherigen Schritts. Die Datensatz-Version, die die AI-Plattform zieht, ist dieselbe Version, die die Datenplattform kuratiert hat. Die akzeptierten Crowd-Job-Antworten sind dieselben Antworten, die die Crowd Platform produziert hat. Der Audit-Trail von „dieses Modell hat jene Frage beantwortet" zurück zu „das ist der Worker, der jenen Post klassifiziert hat" ist ein einziger Join.
Der Audit-Trail ist die Eigenschaft, die die drei Plattformen zu einem Workflow statt zu drei Integrationen macht. Dieselbe Primitive — eine versionierte Referenz mit einem Hash und einem Parent-Version-Link — sitzt hinter jedem Schritt. Die Akzeptiert-Antworten-Version des Crowd-Platform-Jobs ist der Parent der Datenplattform-Datensatz-Version. Die Datenplattform-Datensatz-Version ist der Parent des AI-Plattform-Finetune-Runs. Der Finetune-Run ist der Parent des Modell-Registry-Eintrags.
Die Konsequenz ist, dass jede Audit-Frage auf dem resultierende Modell beantwortet werden kann, indem man den Versions-Graphen rückwärts durchläuft. „Warum hat das Modell diesen Post als irreführend klassifiziert?" → „das Finetune wurde gegen Datensatz-Version X trainiert" → „X wurde aus den akzeptierten Antworten von Crowd-Job Y kuratiert" → „Y wurde von Worker Z beantwortet, der mit Workern W und V übereinstimmte, am Datum D." Derselbe Audit-Trail, der einem Newsroom die Antwort auf eine Regulator-Frage gibt, ist derselbe Audit-Trail, der einem Trust-and-Safety-Team die Antwort auf einen Content-Appeal gibt.
Das ist der Grund, warum die drei Plattformen so geformt sind, wie sie es sind. Die Crowd Platform ist kein Worker-Pool, der an eine Job-Engine geschraubt ist; die Datenplattform ist kein generischer File-Store mit Versionierung; die AI-Plattform ist kein Finetuning-Service, der eine CSV nimmt. Jede ist ein Knoten in einem versionierten Graphen, und der Graph ist das, was das Ganze Ende-zu-Ende auditierbar macht.
Der Drei-Plattform-Workflow ist die richtige Antwort für Käufer, die ein Modell, das ihnen gehört, und einen Datensatz, den sie verteidigen können, brauchen. Newsroom-Teams, die eine Content-Moderations-Entscheidung gegenüber einem Regulator verteidigen müssen. Trust-and-Safety-Teams, die einen Take-Down gegenüber dem User, der appeal't hat, verteidigen müssen. Compliance-Teams, die ein Modell-Outcome gegenüber einem Auditor verteidigen müssen. KI/ML-Teams, die ein reproduzierbares Modell für eine nachgelagerte Pipeline brauchen, die ihnen gehört.
Typische Käufer starten mit einer Plattform — am häufigsten der Crowd Platform, weil das Labeling-Problem der häufigste erste Schritt ist — und fügen die anderen zwei hinzu, wenn der Use-Case expandiert. Die Default-on-Modul-Konfiguration für neue Tenants bedeutet, dass die Sidebar immer die vier Module zeigt, und der Operator mit dem beginnen kann, was zu seinem aktuellen Pain-Point passt, und die anderen hinzufügen, wenn der Workflow sie verlangt.
Um die drei Plattformen in Aktion auf einem realen Tenant zu sehen, buchen Sie einen Demo-Call — wir gehen mit Ihren Daten von Worker-Labels zu einem Modell, das Sie selbst hosten können. Um die einzelnen Plattform-Posts zu lesen, sehen Sie die Übersichten zur Crowd Platform, Datenplattform und AI-Plattform.
