Kennen Sie Ihren eigenen Wissensschatz?
In technischen Kurztexten verbirgt sich jede Menge Erfahrungswissen der eigenen Mitarbeiterinnen und Mitarbeiter: Service-Tickets und die zugehörige Dokumentation der Reparaturen, Einsatzberichte von Servicetechnikern und ähnliches enthalten Hinweise auf Fehlerursachen und wirksame Lösungen. Sie werden zwar akribisch gesammelt – aber danach kaum noch genutzt.
Zwar gibt es mit Natural Language Processing (NLP) ein mächtiges Werkzeug, das wertvolle Praxis-Wissen solcher Texte zu erschließen und nutzbar zu machen – zumindest in der Theorie. In der Praxis zeigen sich bei technischen Kurztexten hohe Hürden, die einer automatisierten Verarbeitung entgegenstehen. Sie enthalten Rechtschreibfehler, Codes, Abkürzungen, mehrsprachige Bezeichnungen und Umgangssprache, darüber hinaus werden sie häufig von verschiedenen Autoren mit unterschiedlichem Hintergrundwissen erstellt. Gängige NLP-Ansätze stoßen hier an ihre Grenzen.
Im Rahmen des Forschungsprojekts „AIdentify“ hat EDAG Engineering zusammen mit dem IT-Beratungshaus denkbares einen Weg entwickelt, wie beispielsweise die Service-Tickets eines Automobilherstellers auch für „Kollege Computer“ verständlich werden. Die Lösung liegt in einer modularen Pipeline, die zunächst eine Textvorverarbeitung und anschließend die Bündelung ähnlicher Themen ermöglicht. Dabei wurden unterschiedliche Konzepte zur Textverarbeitung mittels Künstlicher Intelligenz (KI) umgesetzt und verglichen.
Wie die Pipeline aufgebaut ist und welche Ergebnisse die Evaluierung der verschiedenen Ansätze zur Textanalyse ergab, finden Sie detailliert in unserem Whitepaper „Mit KI von der Ticket-Ablage zum Wissensspeicher“, das Sie gleich hier downloaden können.