Minerva - Chat UI Funktionalitäten

Der Chat in Noreja dient als zentrale Schnittstelle zur Analyse, Interpretation und Diskussion von Prozessdaten. Das User Interface ist so aufgebaut, dass Kontext, Kontrolle und Nachvollziehbarkeit jederzeit klar ersichtlich sind.

Kontext und Dimension

Oben links wird die aktive Dimension angezeigt, auf die sich der Chat bezieht. Diese Dimension bestimmt, welche Prozessdaten, Entitäten und Zusammenhänge vom Modell bei der Beantwortung von Anfragen berücksichtigt werden.

Chat als Issue markieren

Oben rechts befindet sich die Option „Als Issue markieren“. Wird ein Chat als Issue markiert, wird automatisch eine Aufgabe im Task Manager erstellt. Dieses Issue ist für alle berechtigten Nutzer sichtbar und kann teamübergreifend weiterbearbeitet, kommentiert oder priorisiert werden. Auf diese Weise lassen sich relevante Erkenntnisse direkt aus dem Chat in operative Workflows überführen.

Funktionen für User-Nachrichten

Für jede vom Nutzer verfasste Nachricht stehen mehrere Aktionen zur Verfügung:

Kopieren, um Inhalte extern weiterzuverwenden
Als vertraulich markieren (Confidential): Vertrauliche Nachrichten sind in der Historie ausschließlich für lokale LLMs sichtbar und werden nicht an cloud-basierte Modelle weitergegeben
Bearbeiten, um die Eingabe nachträglich anzupassen
Löschen, um die Nachricht aus dem Chatverlauf zu entfernen

Diese Funktionen ermöglichen eine präzise Kontrolle über Inhalte, Datenweitergabe und Nachvollziehbarkeit.

Funktionen für LLM-Antworten

Auch Antworten des Language Models können direkt im Chat weiterverarbeitet werden:

Kopieren der Antwort
Als vertraulich markieren (Confidential), analog zu User-Nachrichten
Regenerieren, um eine neue Antwort auf Basis derselben Anfrage zu erzeugen
Löschen, um Antworten aus dem Verlauf zu entfernen

Dies unterstützt iterative Analysen und den gezielten Vergleich unterschiedlicher Modellantworten.

Modellauswahl

Unten links im Chat kann das aktuell verwendete LLM ausgewählt werden. So lässt sich flexibel zwischen verschiedenen Modellen wechseln, etwa zwischen lokalen und cloud-basierten LLMs oder unterschiedlichen Modellanbietern. Die Modellauswahl beeinflusst direkt Antwortstil, Qualität und Verarbeitungslogik.