Knowledge Assistant – KI-gestütztes Werkzeug zur Informationsabfrage

Künstliche Intelligenz kann Wissen abrufen – zumindest theoretisch. In der Praxis ist es schwierig, Unternehmensdaten in eine nutzbare Ressource zu verwandeln. Unser Projekt geht dieses Problem an.

Viele von uns haben bereits Chatbots genutzt, um allgemeine Fragen zu beantworten oder hochgeladene Dokumente nach relevanten Informationen zu durchsuchen. Generative KI bietet enorme theoretische Möglichkeiten, doch in der Realität bleiben viele Erwartungen unerfüllt. Suchen Sie nach verlässlichen und aktuellen Fakten? Sind Ihre Daten an unterschiedlichen Orten gespeichert? Umfassen sie Texte, Bilder und Diagramme in verschiedenen Dateiformaten? Sind sie in mehreren Sprachen verfasst? Müssen sie je nach Rolle und Vertraulichkeitsstufe gefiltert werden? Genau so sieht ein typisches Unternehmensumfeld aus – und öffentlich verfügbare Tools können diese Anforderungen meist nicht erfüllen.

Gemeinsam mit Primeo Energie wollen wir die Lücke zwischen dem theoretischen Potenzial von KI und ihrer praktischen Anwendbarkeit schliessen. Unser Partner ist ein genossenschaftlich organisiertes Infrastrukturdienstleistungsunternehmen, das Energielösungen für Privatkunden, Unternehmen und den öffentlichen Sektor anbietet. Gegründet wurde Primeo Energie 1897, mit Standorten in der Schweiz und in Frankreich sowie über 700 Mitarbeitenden. Damit verfügt das Unternehmen über einen wahren Schatz an Wissen – doch es braucht bessere Werkzeuge, um dieses Wissen effizient zu nutzen.

Im Rahmen des Projekts entwickeln wir einen KI-basierten «Knowledge Assistant», der eine gezielte Informationsabfrage ermöglicht. Primeo Energie bringt die Fachkenntnisse und die Entwicklungsumgebung ein, unser Institut ergänzt das Projekt mit Expertise im Bereich der KI-Methoden. Wir setzen auf Retrieval-Augmented Generation (RAG), um Nutzeranfragen in einem Chat mit unternehmens- und fachspezifischem Wissen zu beantworten. Zunächst analysieren und verarbeiten wir Dokumente, um sinnvolle Textsegmente zu extrahieren. Diese Segmente werden dann in einem Vektorraum eingebettet – also in Zahlen übersetzt, die ihre Bedeutung abbilden. So können wir über Ähnlichkeitssuche rasch verwandte Inhalte finden. Bei einer Nutzeranfrage identifiziert das RAG-System relevante Textstellen, priorisiert sie nach inhaltlicher Passgenauigkeit und übergibt sie an ein Sprachmodell, das daraus eine fundierte, zusammenhängende Antwort generiert. Eine abschliessende Evaluation stellt die Qualität und Verlässlichkeit der Antwort sicher, minimiert Halluzinationen und maximiert den praktischen Nutzen.

Wir verfolgen drei Ziele mit diesem Projekt. Erstens möchten wir den Mitarbeitenden von Primeo Energie einen einfachen Zugang zu unternehmensrelevantem Wissen ermöglichen – über eine Freitextsuche, ähnlich wie bei ChatGPT. Zweitens bauen wir intelligente, wissensbasierte Expertennetzwerke auf, indem Inhalte mit den richtigen Fachpersonen bei Primeo Energie verknüpft werden – also mit Ansprechpersonen, an die man sich für vertiefte Informationen wenden kann. Drittens soll das RAG-System helfen, das Projektportfolio zu verbessern, indem es kontextbasierte Vergleiche erlaubt und so Synergien und Ähnlichkeiten zwischen Projekten aufdeckt.

Da es sich um eine unternehmensfinanzierte Kooperation handelt, verfolgen wir einen pragmatischen Ansatz mit klaren Erwartungen. Gleichzeitig zeigt sich Primeo Energie offen für neue Ansätze: Unsere Forschenden erhalten viel Freiraum, um neue Methoden zu testen und die besten Lösungen zu finden. Als Fachhochschule arbeiten wir mit den neuesten Technologien und Ideen – und setzen sie in konkrete Anwendungen um. Die Zusammenarbeit mit Primeo Energie ist ein hervorragendes Beispiel dafür, wie sich industrielle Bedürfnisse und akademische Kompetenzen sinnvoll ergänzen.

Information

• 

  Prof. Dr. Daniel Perruchoud