Skip to content

Latest commit

 

History

History
63 lines (38 loc) · 4.89 KB

slides.md

File metadata and controls

63 lines (38 loc) · 4.89 KB
Raw

KI Sprachtec

Forschung zur Weiterentwicklung der KI-basierten, skalierbaren und halluzinationsfreien Textautomatisierung aus strukturierten Daten.


Gefördert durch:

Nutzen Sie die Pfeiltasten Ihrer Tastatur zur Navigation.

Eine Kollaboration von AX Semantics Logo und dem Werk150 Logo der Hochschule Reutlingen


Projektlaufzeit: 08/2022 — 12/2024

Projektziel: Entwicklung KI-basierter Sprachtechnologien, die die bestehenden Möglichkeiten automatisierter Texterstellung innovativ weiterentwickeln.

  • Weiterentwicklung der KI-basierten automatisierten Texterstellung und -übersetzung:
    Entwicklung einer Lösung, die in der Lage ist, aus strukturierten Daten skalierbar und automatisiert hochwertige Texte zu generieren und in bis zu 110 Sprachen zu übersetzen, um repetitive und kostenintensive Schreibaufgaben effizient zu erledigen.

  • Dynamische Personalisierung und selbstlernende Texte:
    Implementierung dynamischer Personalisierung von Inhalten und automatisierter Erfolgsmessung der Texte, so dass Inhalte individuell auf Zielgruppen und Anwendungsfälle angepasst und optimiert werden können.

Anwendungsfälle reichen von der automatisierten Betextung von Produktdetailseiten im eCommerce über die Generierung von Business-Reports bis hin zu dynamischen Arbeitsanweisungen in Smart-Factories.

Ergebnisse Technologieentwicklung: Die technologischen Ergebnisse in KI Sprachtec ermöglichen eine Skalierbarkeit der Textautomatierung, die mit Large Language Models (LLM) allein nicht möglich ist.

  • KI-unterstützte automatisierte Texterstellung ohne Halluzinationen: Durch die Synergie aus KI, speziellen Regelwerken und einem neuen Human-in-the-Loop-Ansatz können Texte für viele Tausend Produktvarianten automatisiert generiert werden, ohne dass die erstellten Texte kontrolliert werden müssen. Die Automatisierung skaliert also, ohne dass die menschliche Arbeit mit skalieren muss.

  • Automatisierte Übersetzung in bis zu 110 Sprachen: Dank eigens entwickelter, auf Grammatik spezialisierter neuronaler Netzwerke muss eine Übersetzung nur einmal auf Ebene der Regelwerke erfolgen, wodurch der Aufwand für mehrsprachige Übersetzungen enorm reduziert wird.

  • Dynamisierung personalisierter Inhalte und selbstlernende Texte: Durch eine Erfolgsmessung der generierten Texte können die erhobenen Daten in Feedbackschleifen in die automatisierte Textproduktion zurückgeführt werden. Damit kann die Textwirkung kontinuierlich optimiert werden, um z.B. Retouren zu vermeiden und dadurch einen wertvollen Beitrag zum Klimaschutz zu leisten.

Ergebnisse Marktforschung: Während des Projekts wurde intensiv Marktforschung betrieben und deren Ergebnisse laufend in die technologische Entwicklung integriert.

Aus Sicht der Nutzer konnten folgende Verbesserungen erreicht werden:

  • Optimierte Prozesse für automatisierte Texterstellung und Datenmanagement: Die entwickelten Technologien erfordern ein Neudenken der bisherigen Schreib- und Redaktionsprozesse, um das Effizientspotenzial voll auszunutzen. Aus diesem Grund wurden optimierte Prozesse erarbeitet, die bei der Integration der Technologien helfen.

  • E-Learning zur notwendigen Transformation der automatisierten Texterstellung: Die optimierten Prozesse wurden in E-Learning Materialien überführt, die die Transformation des Schreib- und Redaktionsprozesses von den Rohdaten, über die Text-Konzeption, Text-Composition, Text-Generierung & -Übersetzung, bis hin zur Text Dynamisierung & Optimierung begleitet.

  • Leuchtturm-Implementierungen der entwickelten Lösungen in realen Umsetzungsprojekten: Während des Projekts wurden mehrere erfolgreiche Leuchtturm-Projekte in unterschiedlichen Branchen durchgeführt, um die entwickelten Lösungen im realen Umfeld und unter verschiedenen Bedingungen zu testen. Die gesammelten Erfahrungen konnten sowohl in die technologischen Entwicklung als auch in die Prozessoptimierung und E-Learning Materialien überführt werden.