Inhaltspezifische Aktionen

Erforschung der Grundlagen für einen ML-gestützten automatisierten Trendradar

Herausforderungen wie die voranschreitende Digitalisierung, die stetig wachsende Zahl der Bevölkerung in urbanen Gebieten und der Klimawandel beschleunigen in den letzten Jahren Entwicklungen im Bereich der Logistik und Mobilität zunehmend. Die möglichst frühzeitige Erkennung aktueller Handlungsfelder wird somit immer wichtiger, um Wissenschaft, Politik und Wirtschaft die Möglichkeit zu geben, sich auf die zukünftigen Entwicklungen einzustellen und entsprechende Entscheidungen zu treffen. Aus der aktuellen Vorgehensweise der Handlungsfelderkennung lassen sich dabei drei wesentliche Limitationen ableiten:

  1. Handlungsfelder bzw. Subdomänen, die a priori feststehen, sind durch den subjektiven Erfahrungshorizont der Experten geprägt.
  2. A priori festgelegte Handlungsfelder bzw. Subdomänen sind damit nicht notwendigerweise eine umfängliche Darstellung der gesellschaftlich relevanten Handlungsfelder im Zusammenhang mit Mobilität und Logistik.
  3. Insbesondere sind Verbindungen zwischen den Handlungsfeldern unklar, da die Domänenexperten ihren jeweiligen Wissensbereich abdecken und Querverbindungen weniger valide einschätzen können. Innovationen entstehen jedoch überwiegend an den Schnittstellen zwischen Wissensdomänen aus einem eher heterogenen Wissensportfolio heraus. Wichtig ist hierbei die Diversität der Informationsquellen.

Im Rahmen des vorliegenden Projekts soll untersucht werden, wie diese Limitationen (teil-) automatisiert mithilfe neuer Technologien wie künstlicher Intelligenz (KI) und Verfahren der Informationswissenschaften verringert werden können. Ziel dieses Forschungsvorhabens ist es, die Möglichkeiten und Grenzen der (teil-)automatisierten Textverarbeitung zu erforschen. Dies geschieht vor dem Hintergrund der Wissensdomäne Logistik und Mobilität. Ziel des Projekts ist es, zu verstehen, wie die Experten zukünftig mit Informationen versorgt werden können, auf deren Grundlage eine umfassendere und validere Zukunftseinschätzung vorgenommen werden kann.

Durchführung

Das Projekt ist in drei wesentliche Phasen aufgeteilt. In der ersten Miningphase gilt es, themenspezifischen Rohtext aus verschiedensten heterogenen Datenquellen zu extrahieren. Dieser Rohtext wird in der darauffolgenden Cleaningphase in eine maschinenverarbeitbare Form gebracht, bereinigt und für die weitere Verarbeitung vorbereitet. Auf Basis dieses aufbereiteten Textes wird anschließend ein dementsprechend themenbezogener Textkorpus zusammengestellt, welcher als Grundlage für den zu erstellenden Textklassifizierungsalgorithmus dient. In der abschließenden Modellierungsphase werden mit Hilfe von maschinellen Lernverfahren semantische Modelle entwickelt, welche in der Lage sein werden, inhaltliche Zusammenhänge zwischen Themen aus dem Umfeld von Mobilität und Logistik herzustellen. Diese Modelle bieten ein breites Anwendungsfeld und können beispielsweise als Vorhersagewerkzeug für die zukünftige Kombination von Themen und Themenfragmenten verwendet werden.


Geplante Projektlaufzeit: Mai 2020 bis August 2021

Projektpartner:

Fraunhofer-Institut für Materialfluss und Logistik IML, Center für Logistik und Mobilität

House of Logistics and Mobility (HOLM) GmbH (assoziierter Projektpartner)

Kontakt:

Prof. Dr. Stefan Henneman
E-Mail:

Niklas van der Au
E-Mail:

Weitere Informationen: www.trendradar-projekt.de (derzeit in Erstellung)