Mit der Bekanntmachung „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU“ vom 9. März 2020 verfolgt das BMBF das Ziel, risikoreiche industrielle Forschungs- und vorwettbewerbliche Entwicklungsvorhaben von kleinen und mittleren Unternehmen (KMU) in Deutschland auf dem Gebiet der Künstlichen Intelligenz (KI) zu unterstützen. Insbesondere sollen KMU beim beschleunigten Technologietransfer aus dem vorwettbewerblichen Bereich in die praktische Anwendung gestärkt werden. Technologien der KI sind wesentliche Treiber der Digitalisierung, die gegenwärtig den gesamten Mittelstand vor große Herausforderungen stellt. Dabei nimmt die Bedeutung von Daten als wichtige Ressource kontinuierlich zu. Mit der Förderung soll erreicht werden, dass deutlich mehr KMU eigene Forschungsergebnisse und neue wissenschaftliche Erkenntnisse in innovative industrielle und gesellschaftlich relevante Anwendungen umsetzen und ihre Wachstums- und Wettbewerbsfähigkeit stärken. Mit der Förderung von Verbundprojekten soll dabei zudem die Zusammenarbeit von KMU mit der Wissenschaft gestärkt und intensiviert werden. Die Fördermaßnahme ist Teil der Umsetzung der KI-Strategie der Bundesregierung und der Hightech-Strategie 2025.
KI-gestütztes Technologiemonitoring in der Automobilproduktion
Die Beobachtung und Analyse von strategischen Entwicklungen im Umfeld der Technologiebasis von Produkten und Dienstleistungen eines Unternehmens ist in einer globalisierten Wirtschaft ein wettbewerbsentscheidender Erfolgsfaktor. Dazu analysieren Unternehmen branchen- und themenspezifische Textquellen. Bisher gibt es dazu vor allem Tools wie das Technologieroadmapping oder Technologieradare, die durch eine redaktionelle Aufbereitung marktrelevanter Datenquellen erstellt und gepflegt werden. Dies ist bei der sich rasch beschleunigenden, global verteilten F&E-Landschaft mit immer kürzeren Entwicklungszyklen, sowie der daraus resultierenden steigenden Daten- und Informationsmenge nur mit großem Ressourcenaufwand leistbar.
Ziel von Text2Tech ist eine automatisierte Informationsaufbereitung mithilfe von Deep Learning Verfahren, um Unternehmen entscheidungsrelevantes Wissen über Technologieentwicklungen rasch und effizient zur Verfügung stellen zu können. Dazu sollen automatisierte Methoden entwickelt werden, die Informationen aus unstrukturierten Textquellen extrahieren, und Ansätze untersucht werden, um die Modelle auf neue Quellen und Domänen in Szenarien mit wenig Trainingsdaten zu transferieren. Generell ermöglichen bereits jetzt KI-basierte Verfahren, ausgewählte Informationen, z. B. zu Personen, Firmen und Orten automatisiert aus Textquellen zu gewinnen. Im Projekt Text2Tech sollen solche Ansätze weiterentwickelt werden, um maschinenlesbares Wissen über Technologien, Technologiekategorien, Firmen und ihren Beziehungen untereinander, aus deutsch- und englischsprachigen, domänenspezifischen Textquellen am Beispiel der Automobilbranche zu extrahieren. Wesentliche Forschungsziele sind die Modellierung und „Befüllung“ von domänenspezifischen Wissensgraphen (Knowledge Base Population) sowie die Entwicklung von Verfahren zur cross-lingualen Eigennamenerkennung und Verlinkung. Zudem sollen Verfahren erforscht werden, die Modelle soweit komprimieren, dass sie auch auf „kleiner“ Hardware effizient laufen und somit kostengünstig einsetzbar sind. Die Neofonie GmbH und das DFKI sind im Projekt vor allem für die Entwicklung und Implementierung der Verfahren zuständig, die inpro GmbH ist als Anwendungspartner vorrangig für die Datenbereitstellung, die Evaluation und Demonstratorentwicklung verantwortlich.
Neofonie GmbH
Robert-Koch-Platz 4
10115 Berlin
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen