Produkt

Entity-Resolution-
Infrastruktur für Entwickler

Tilores ist eine serverlose API, die Kundendaten aus beliebigen Quellen aufnimmt, Duplikate in Echtzeit auflöst und einheitliche Entitätsprofile via GraphQL zurückgibt – ohne Infrastruktur zu verwalten.

Kostenlos starten Dokumentation lesen
Architektur

Serverlos. Horizontal skalierbar. Wartungsfrei.

Tilores läuft vollständig serverlos – skaliert sofort hoch und herunter, um beliebige Datenmengen ohne manuellen Eingriff zu verarbeiten. Keine Server, keine Datenbanken, kein DevOps.

↓
Aufnehmen

Datensätze via API, Konnektoren oder Massenimport einspeisen. Daten werden vor dem Matching bereinigt, normalisiert und angereichert.

⚡
Abgleichen & Auflösen

Proprietäre Matching-Engine kombiniert Datentransformation mit ausgefeilten Regeln. Kein ML-Training erforderlich.

→
Abfragen

Einheitliche Entitäten via GraphQL oder REST abrufen. Unter 10 ms Latenz, typsichere Schemata, vollständiger Prüfpfad.

Matching-Engine

Fuzzy Matching, das die reale Welt versteht

Tilores geht über exakte Übereinstimmungen hinaus. Unsere Matching-Engine verarbeitet die Unordnung realer Kundendaten – Tippfehler, Spitznamen, Formatvarianten und mehr.

Namensvarianten
"Jon Smith" ↔ "Jonathan Smith" ↔ "J. Smith"
Transliterationen
"Müller" ↔ "Mueller" ↔ "Muller"
Adressnormalisierung
"Str. 14" ↔ "Straße 14" ↔ "Street 14"
Telefonnummernformate
"+49 30 1234" ↔ "030-1234" ↔ "004930​1234"
E-Mail-Domänen
"john@gmail.com" ↔ "john@googlemail.com"
Eigene Attribute
Geräte-IDs, Transaktionsreferenzen, beliebige Felder
So funktioniert das Matching
1. Datentransformation

Eingehende Datensätze werden normalisiert, bereinigt und angereichert. Namen werden standardisiert, Adressen geparst, Telefonnummern formatiert.

2. Regelbasiertes Matching

Konfigurierbare Matching-Regeln vergleichen Attribute mit Fuzzy-Algorithmen. Kein Black-Box-ML – jede Match-Entscheidung ist nachvollziehbar.

3. Entitäts-Assembly

Gematchte Datensätze werden zu Entitäten mit Konfidenzwerten, Quellenangaben und vollständiger Datenabstammung zusammengesetzt.

4. Kontinuierliche Auflösung

Wenn neue Daten eintreffen, werden Entitäten in Echtzeit aktualisiert. Keine Batch-Jobs, keine veralteten Daten.

Neu: IdentityRAG

Geben Sie Ihrem LLM eine einheitliche
Sicht auf jeden Kunden

IdentityRAG verbindet Tilores Entity Resolution mit LangChain und Amazon Bedrock. Ihr KI-Chatbot erhält ein vollständiges, dedupliziertes Customer-360-Profil – keine Fragmente aus einer einzigen Datenbank.

Ruft einheitliche Kundenprofile ab, bevor LLM-Antworten generiert werden

Erstellt genaue Golden Records aus verschiedenen Datenquellen

Antwortzeiten unter 150 ms für Identity Resolution

Funktioniert mit jedem LLM via LangChain-Integration

Auf GitHub ansehen Leitfaden lesen
IdentityRAG-Ablauf
1
Nutzer fragt
"Wie ist die Bestellhistorie von Sarah Johnson?"
2
IdentityRAG löst auf
Findet alle Datensätze zu Sarah über CRM, Shopify, ERP, Support
3
Golden Record erstellt
Einheitliches Profil mit 14 Bestellungen, 2 E-Mails, 4 Quellsystemen
4
LLM antwortet
"Sarah hat 14 Bestellungen im Wert von €2.847. Ihre letzte Bestellung war..."
Integrationen

In Minuten verbunden, nicht in Monaten

Vorgefertigte Konnektoren für gängige Plattformen, plus eine flexible API für alles andere.

SA
Salesforce
HU
HubSpot
SN
Snowflake
RE
REST API
WE
Webhooks
EV
Event Streams
Warum Tilores

Tilores vs. die Alternativen

Entity Resolution inhouse zu entwickeln dauert Jahre. Bestehende Tools sind nicht für Echtzeit gebaut. Tilores bietet beides.

Funktion
Tilores
AWS ER
Inhouse
Echtzeit-Auflösung
✓
✗
✗
Unter 10 ms Latenz
✓
✗
✗
GraphQL API
✓
✗
✗
Keine Infrastruktur zu verwalten
✓
✗
✗
Kein ML-Know-how erforderlich
✓
✓
✗
Fuzzy Matching integriert
✓
✓
✗
Vorgefertigte Konnektoren
✓
✓
✗
DSGVO-konform
✓
✓
✓
Time-to-Production
Minuten
Tage
Monate

Bereit, Ihre Kundendaten zu vereinen?

Starten Sie mit dem kostenlosen Tarif – keine Kreditkarte, keine Infrastruktur zu verwalten.

Kostenlos starten Vertrieb kontaktieren