> ## Documentation Index
> Fetch the complete documentation index at: https://documentation.go-lizard.com/llms.txt
> Use this file to discover all available pages before exploring further.

#   

# LISS-Engine

Die **Lizard Integrated Service System (LISS)** ist das technologische Herzstück der Automatisierung in Lizard. Sie kombiniert moderne Large Language Models (LLMs) mit einer spezialisierten Datenbank-Logik, um Verwaltungsaufwand radikal zu reduzieren.

## Funktionsweise

LISS agiert als intelligenter "Dolmetscher" zwischen deinen Rohdaten und der strukturierten Lizard-Datenbank. Dabei kommen zwei spezialisierte Komponenten zum Einsatz:

<CardGroup cols={2}>
  <Card title="LISS Item Creator" icon="magic-wand-sparkles" href="/smarte-inventarisierung/onboarding-import">
    Spezialisiert auf das Onboarding und den Massenimport von Betriebsmitteln aus Excel- oder CSV-Listen.
  </Card>

  <Card title="LISS Inspection Parser" icon="file-contract" href="/smarte-inventarisierung/liss-inspection-parser">
    Spezialisiert auf die Analyse von Inspektionsprotokollen (PDF) während des laufenden Betriebs.
  </Card>
</CardGroup>

### 1. Semantisches Verständnis

<Note>
  Klassische Importer scheitern, wenn eine Spalte "Serien-Nr." statt "Serial Number" heißt. **LISS versteht den *Kontext*.**
</Note>

Es erkennt, dass "Baujahr 2020", "Bj. 20" und "Hergestellt: 2020" dieselbe Information beinhalten und mappt diese automatisch auf das korrekte Feld `manufacturing_date`.

### 2. Unstrukturierte Datenverarbeitung

LISS kann nicht nur Tabellen lesen, sondern auch Fließtexte in PDFs analysieren. Es extrahiert relevante Informationen (z.B. Prüfergebnisse aus einem TÜV-Bericht) und ignoriert irrelevante Füllwörter.

***

## Das 5-Phasen-Learning-System

Das Besondere an der LISS-Engine ist ihre Fähigkeit zu lernen. Sie nutzt ein mehrstufiges Memory-System, um sich an die Spezifika deines Unternehmens anzupassen.

Wenn du das Ergebnis eines automatischen Imports korrigierst (z.B. änderst du die von der KI vorgeschlagene Kategorie "Stuhl" manuell auf "Bürostuhl"), merkt sich das System diese Korrektur.

<Steps>
  <Step title="Initiale Analyse (Phase 0 & 1)">
    Das Modell (z.B. GPT-4) trifft eine Vorhersage. Die Rohdaten (dein Text) und die KI-Interpretation werden gespeichert.
  </Step>

  <Step title="User-Feedback (Phase 2)">
    Deine manuelle Korrektur im System (z.B. im Review-Screen) dient als Feedback-Signal.
  </Step>

  <Step title="Memory Update (Phase 3)">
    Das System berechnet einen "Diff Score" – wie stark weicht deine Korrektur von der KI-Annahme ab?
  </Step>

  <Step title="Kontext-Anwendung (Phase 4)">
    Die bestätigte, korrekte Zuordnung wandert in das Langzeitgedächtnis ("Finished Memory").
  </Step>

  <Step title="Kontinuierliche Verbesserung">
    Beim nächsten Import ruft die KI ähnliche Fälle aus dem Gedächtnis ab und macht denselben Fehler nicht noch einmal.
  </Step>
</Steps>

<Check>
  **Datenschutz-Hinweis:** Das Learning-System isoliert firmenspezifisches Wissen. Deine Daten trainieren nicht die KI deiner Konkurrenz.
</Check>