Anna

Anna ist eine gesteuerte Ausführungsschicht für KI-gestützte Analysen von Geo Orchestration AI. Sie adressiert ein Problem, das der Anbieter bei modellgesteuerten KI-Systemen beschreibt: Wenn dasselbe Sprachmodell eine Anfrage interpretiert, entscheidet, was zu tun ist, Werkzeuge auslöst und das Ergebnis erklärt, wird Unsicherheit in der Sprache zur Unsicherheit in der Ausführung.

Anna teilt die Arbeit in drei Rollen auf. Sprachmodelle interpretieren eine Frage in einfacher Sprache, wählen aus registrierten Datensätzen, Metriken, Entitäten und Arbeitsabläufen aus und erklären das abgeschlossene Ergebnis. Deterministischer Code führt den Datenzugriff, Joins, Aggregationen, geospatiale Operationen (Überlagerungen, administrative Zusammenfassungen, standortbasierte Analysen), Pipeline-Aufrufe und die Ausgabeerstellung durch. Die Herkunft wird während der Ausführung erfasst, sodass ein Benutzer die verwendeten Daten, die angewendeten Filter und die befolgten Arbeitsschritte sehen kann. Ausgaben umfassen Karten, Diagramme, Tabellen, Dashboards, herunterladbare Dateien und narrative Zusammenfassungen.

Der Anbieter bezeichnet Anna als architekturbedingt domänenagnostisch, mit einem anfänglichen Fokus auf Gesundheit, geospatiale Intelligenz und soziale Datenintelligenz. Veröffentlichten Beispiele umfassen das Gesundheitsrisiko durch Dürre nach Postleitzahl in Texas und die durchschnittliche Entfernung zu einer Frauengesundheitsklinik nach Postleitzahl in Pennsylvania. Entwickler können ihre eigenen Modelle, Datenpipelines und Arbeitsabläufe über API-basierte Integration einbringen. Registrierte Daten können satellitengestützte Schichten umfassen: Der Anbieter listet sein Poseidon Plastic Tracking System unter den von Anna unterstützten Lösungen, und Poseidon kartiert Küstenplastik anhand multispektraler Satellitenbilder (Sentinel-2 im Arktis-Pilotprojekt 2023). Angekündigte Pilotprojekte umfassen WaldoAir (Luftbilder kombiniert mit Gesundheitsrisikodaten für Katastrophenreaktion, 2024) und Skymantics (DataGenesis synthetische Bevölkerungsdaten, 2026). Im August 2026 berichtete der Anbieter von einer 100-fachen Reduktion des Token-Verbrauchs von Sprachmodellen im Vergleich zu agentenbasierten Ansätzen, eine Zahl, die er als „getestet via Perplexity“ beschreibt.