Sprachmodell für Logistik und Mobilität

»TrendRadar« für Logistik und Mobilität

Um Logistik-Trends automatisch zu erfassen, haben Wissenschaftler des Fraunhofer-Instituts für Materialfluss und Logistik IML und der Justus-Liebig-Universität Gießen Grundlagen für einen KI-gestützten, automatisierten Trendradar erforscht.

HOLM-Logos
Das Projekt »TrendRadar« wurde mit 111 000 Euro aus Mitteln des Landes Hessen und der HOLM-Förderung im Rahmen der Maßnahme »Innovationen im Bereich Logistik und Mobilität« des Hessischen Ministeriums für Wirtschaft, Energie, Verkehr und Wohnen gefördert.

Informationen über Trends in der Logistik und Mobilität nehmen in rasantem Tempo zu. Die manuelle Verarbeitung dieser unstrukturierten Daten ist allerdings kosten- und zeitintensiv.

Um für diese Herausforderung eine Lösung zu finden, arbeiteten Forscher des Centers für Logistik und Mobilität am Fraunhofer IML zusammen mit der Justus-Liebig-Universität Gießen (AG Wirtschaftsgeographie) von Mai 2020 bis Mai 2021 an dem Projekt »TrendRadar«.

Im Rahmen des Projekts untersuchten die Wissenschaftler, wie Informationen über Trends (teil-) automatisiert mithilfe von Technologien wie Künstlicher Intelligenz und Verfahren der Informationswissenschaften verarbeitet werden können. Konkret analysierten sie die Möglichkeiten des Text Mining mittels maschinellen Lernens, um somit unstrukturierte Daten auszuwerten und das gewonnene Wissen schließlich strukturiert bereitstellen zu können. Anschließend wurden die extrahierten Themen und Modelle durch Interviews mit Experten aus der Logistik- und Mobilitätsbranche validiert. Das Projekt schafft erstmalig die Voraussetzungen für ein kontext-sensitives deutsches Sprachmodell für die Wissensdomäne der Logistik und der Mobilität.

Die Forscher erstellten das Sprachmodell anhand von gesammelten Texten und Artikeln aus dem Zeitraum vom 9. Dezember 2020 bis 31. Mai 2021. Es bildet Themen und thematische Veränderungen im Bereich der Logistik und Mobilität ab und ermöglicht eine Auswertung hinsichtlich der Zusammensetzung und Verbindungen der jeweiligen Themen und Unterthemen. Das Sprachmodell bietet einen umfassenden Überblick über den Großteil der in dem Erhebungszeitraum von den Experten als relevant eingestuften Trends. Gleichzeitig dient es als Vergleichsbasis für weitere gesammelte Daten. So lassen sich mit zunehmender Datenmenge und zeitlicher Spanne Veränderungen noch deutlicher herausarbeiten und Hypothesen für weitere Entwicklungen ableiten.

Die Ergebnisse zeigen, dass die Verwendung von Methoden wie Text Mining mittels maschinellen Lernens ein großes Potenzial haben. Das erstellte Sprachmodell ermöglicht es, quantitativ sehr große Mengen an Text zu verarbeiten und die relevanten Informationen für die Logistik und Mobilität herauszufiltern. Die Verwendung dieser Daten, um daraus Informationen über den aktuellen Stand der Branche zu gewinnen und langfristig Entwicklungen und Trends abzuleiten, erscheint ebenfalls möglich. Dennoch besteht weiterhin ein Forschungsbedarf bezüglich der Erweiterung und Verfeinerung des Sprachmodells, zum Beispiel auf andere Sprachen wie Englisch, der Verarbeitung der Daten, etwa durch tiefergehende sprachliche Analysen, sowie bezüglich der langfristigen Untersuchung und Verwendung der Daten zur Ermittlung von Trends.

Das erstellte Sprachmodell steht über die Datenpublikationsplattform der Universitätsbibliothek der Justus-Liebig-Universität Gießen (http://dx.doi.org/10.22029/jlupub-69) zur Verfügung.

 

Kontakt Projektleitung:

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

Oliver Ditz, oliver.ditz@iml.fraunhofer.de, 069 / 668118 373

Letzte Änderung: