Fraunhofer IML und Justus-Liebig-Universität Gießen erforschen Grundlagen für einen ML-gestützten automatisierten Trendradar

 

Informationen über Trends in der Logistik und Mobilität nehmen in rasantem Tempo zu. Die manuelle Verarbeitung dieser unstrukturierteren Daten ist auf Grund hoher Kosten und einem enormen Zeitaufwand schwer umsetzbar. Im Projekt »TrendRadar« werden die Möglichkeiten des Text Mining mittels maschinellen Lernens (ML) untersucht, um somit unstrukturierte Daten auszuwerten und das gewonnene Wissen schließlich strukturiert bereitstellen zu können. Ziel ist es dabei die Möglichkeiten und Grenzen der (teil-) automatisierten Textverarbeitung zu erforschen.

Im Forschungsprojekt wird zunächst ein geeignetes Best-Practice-Vorgehen zur Attribuierung abgeleitet. Im weiteren Verlauf entsteht eine erste Rohfassung des Domänen-spezifischen Korpus zur Mobilität und Logistik. Auf Basis dessen wird ein semantisches Modell erstellt, welches inhaltliche Zusammenhänge zwischen Themen aus dem Umfeld von Mobilität und Logistik herstellen kann. Zum Einsatz kommen hierfür aktuelle Verfahren der künstlichen Intelligenz. Im Ergebnis steht ein Vormodell zur sprachlichen-semantischen Textverarbeitung, das mithilfe von Expertengesprächen und Fokusgruppen bezüglich seiner Eignung als semantisches Sprachmodell für die Wissensdomäne Logistik und Mobilität validiert wird.

Im Rahmen des Projekts werden erstmalig die Voraussetzungen für ein kontext-sensitives deutsches Sprachmodell für die Wissensdomäne der Logistik und der Mobilität untersucht. Gleichzeitig bildet es den Ausgangspunkt für weitere zukünftige Einsatzszenarien.

Seit Anfang Mai arbeiten Forscher des Fraunhofer IML – Center für Logistik und Mobilität zusammen mit der Justus-Liebig-Universität Gießen – AG Wirtschaftsgeographie an dem Projekt »TrendRadar« welches inhaltlich auf der Studie »Mobilität und Logistik in Hessen 2035« aufbaut.