Inferable

Workflows laufen auf den eigenen Rechnern, auch hinter einer Firewall oder in einer privaten VPC, ohne Bereitstellungsschritt. Der Worker erreicht die Steuerungsebene per Long Polling, also öffnet man nie einen eingehenden Port und richtet keinen Load Balancer ein. Für Teams, die Last nicht aus dem eigenen Netz geben dürfen, ist genau das der Unterschied zu einer gehosteten Alternative.

Ändert sich das Eingabeschema oder die Logik, definiert man eine neue Version des Workflows statt die alte zu bearbeiten. Inferable behält die Versionsbindung für bereits laufende Ausführungen bei, also rollt man eine Änderung schrittweise aus und bestehende Aufträge enden mit dem Code, mit dem sie gestartet sind. Damit fällt die übliche Angst weg, eine kleine Änderung könnte etwas kaputt machen, worauf ein Kunde wartet.

Ein Workflow kann sich selbst anhalten und einen Menschen bitten, den nächsten Schritt per Slack oder E-Mail freizugeben oder abzulehnen, mit vollständigem Kontext. Der Lauf wartet, bis die Antwort zurückkommt, ob nach einer Minute oder einer Woche, und setzt dann dort an, wo er aufgehört hat. So behält man die Kontrolle über genau die Schritte, die Risiko tragen, etwa eine Datenlöschung oder eine Zahlung, ohne die Wartelogik selbst zu bauen.

Die Runtime liest jede strukturierte Modellantwort und prüft sie gegen ein Schema, und wiederholt einen Lauf, wenn die Ausgabe nicht passt. Statt Freitext zu parsen und zu hoffen, dass er zusammenhält, bekommt man typisierte Felder, die man direkt an den nächsten Schritt weitergibt. Ticket-Vorsortierung, Menü-Auslesen und Formularextraktion hängen alle darauf, dass das zuverlässig läuft.

Teure oder nebenwirkungsreiche Schritte lassen sich merken und in einem verteilten Speicher ablegen, damit ein Neustart oder eine Wiederholung sie nicht erneut ausführt. Ein mehrstufiger Auftrag, der in Schritt neun scheitert, setzt in Schritt neun wieder an, mit intakten Schritten eins bis acht. So werden lang laufende KI-Prozesse etwas, das man sich in der Produktion leisten kann.

Über einzelne Workflows hinaus unterstützt Inferable Agents, die mit Werkzeugen ein Ziel erreichen. Jeder Lauf erscheint in einer Zeitachsenansicht, die jeden Schritt nachverfolgt, und man kann dieselben Ereignisse an den eigenen Beobachtungs-Stack anbinden. Wenn ein Agent falsch abbiegt, findet man in der Zeitachse, welcher Aufruf es verursacht hat.

Steuerungsebene, Playground, CLI und SDKs sind alle quelloffen unter MIT-Lizenz. Man kann den gesamten Stack in der eigenen Infrastruktur selbst hosten, mit voller Kontrolle über Daten und Modelle und ohne Anbieterbindung. Selbsthosting ist der Weg für Teams, deren Sicherheitsprüfung einen Managed Service ausschließt.