GENIAL4KMU: Generative Information Retrieval Augmented Lösungen für unstrukturierte Datenbestände in KMUs
Das Projekt Generative Information Retrieval Augmented Lösungen für unstrukturierte Datenbestände in KMUs (GENIAL4KMU) beforscht die Möglichkeiten unstrukturierte und strukturierte Daten einfacher und schneller zugänglich zu machen.
Durch die rasante Entwicklung von künstlicher Intelligenz und der Veröffentlichung von ChatGPT und anderen Large Language Modellen (LLMs) sind die Möglichkeiten Daten von Unternehmen zugänglicher zu machen möglich geworden. LLMs sind in der Lage komplexe Probleme zu lösen und Informationen aus Dokumenten zu verarbeiten.
Darüber hinaus hat die Forschung an so genannten Retrieval Augmented Lösungen dazu geführt, dass Informationen aus anderen Datenquellen wie Dokumenten, Fotos oder Daten aus Datenbanken mit LLMs verknüpft werden. Diese Verbindung soll in diesem Projekt weiter erforscht und ein praktisches System für den deutschen Markt für kleine und mittlere Unternehmen konzipiert werden, um diese Technologie nutzbar zu machen. Der Fokus liegt dabei auf der Entwicklung deutschsprachiger Systeme und praktikabler Rechtesysteme für den einfachen Einsatz.
Thematisch ist das Projekt in zwei Phasen aufgeteilt, so dass zunächst ein System für strukturierte Datenquellen wie z.B. Datenbänke oder Tabellen entworfen wird. Die 2te Phase des Projekts wird sich mehr um unstrukturierte Datenbestände drehen, so dass Dokumente oder Berichte auch zugänglich gemacht werden.
Das Projekt stellt einen bedeutenden Schritt in der Anwendung von KI-Technologien dar und hat das Ziel die Effizienz und Wettbewerbsfähigkeit von kleinen und mittleren Unternehmen nachhaltig zu steigern.
An dem Projekt sind folgende Projektepartner beteiligt:
- Universität Hamburg HCDS
- dida Datenschmiede GmbH
Ansprechpartner
Förderer
BMBF Logo
Das Forschungs- und Entwicklungsprojekt wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) gefördert und vom Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR) betreut.
Förderkennzeichen der Universität Hamburg: 01IS24044B