Analyse unstrukturierter industrieller Daten mithilfe von Large Language Models und Wissensgraphen.

Unstrukturierte Datenquellen wie Berichte, E-Mails und implizites Expertenwissen stellen industrielle Unternehmen vor die Herausforderung, relevante Informationen für Entscheidungsprozesse effizient zu extrahieren und zu nutzen. Herkömmliche Ansätze stoßen dabei an ihre Grenzen: Sie sind nicht in der Lage, die Komplexität und Vielfalt der Daten vollständig zu erfassen.

Ziel des Projekts »INSIGHT« ist es, eine innovative Lösung zu entwickeln, die eine semantische Verbindung von Daten ermöglicht und deren Analyse für industrielle Anwendungsfälle optimiert. Durch eine Integration von Large Language Models (LLMs) und Knowledge Graphs (KGs) wird der Zugang zu kritischem Wissen ermöglicht, das für die Automatisierung von Prozessen und eine transparente Entscheidungsfindung notwendig ist.

Der Lösungsansatz von INSIGHT kombiniert die Stärken von LLMs in der natürlichen Sprachverarbeitung mit der strukturierten Wissensrepräsentation von Wissensgraphen. Durch die synergetische Nutzung dieser Technologien entsteht ein System, das sowohl implizites als auch explizites Wissen erfasst, verknüpft und für die automatisierte Analyse nutzbar macht. Diese Technologien werden im Projekt nicht nur zur Verbesserung des Wissensmanagements eingesetzt, sondern auch, um Herausforderungen wie die Nachhaltigkeitsberichterstattung und die Planung von Logistikstandorten zu optimieren.

Unternehmen profitieren von einer schnelleren und präziseren Datenauswertung. Dies führt zu geringerem Aufwand bei der Informationserfassung und einer optimierten Entscheidungsfindung. Forschende erstellen außerdem einen Technologiekatalog und einen Umsetzungsleitfaden, der Unternehmen klare Handlungsanweisungen zur Implementierung bieten soll.

Projektpartner

• Fraunhofer Austria Research GmbH (FhA)