Innovation Scout · Quellenprofil
Ein Forschungsprototyp verbindet die Suche in PDF-Dokumenten mit einem Sprachmodell. Der Versuch zeigt, wie stark brauchbare Antworten davon abhängen, dass technische Angaben bei der Aufbereitung erhalten bleiben.
Wer eine Anlage wartet, braucht oft eine einzelne Angabe aus umfangreichen Betriebsunterlagen. David Krütli und Thomas Hanne von der Fachhochschule Nordwestschweiz untersuchen, wie ein KI-Assistent solche Fragen anhand unternehmenseigener Dokumente beantworten kann. Ihr lokal betriebener Prototyp verbindet eine Dokumentensuche mit dem Sprachmodell Mixtral. Dieses Verfahren heißt Retrieval-Augmented Generation, kurz RAG: Erst werden passende Textstellen gesucht, dann erhält das Modell sie als Grundlage für seine Antwort.
Ausgangspunkt war ein Unternehmensbestand zu zwölf Liegenschaften. Für den Prototyp bereitete das Team PDF-Unterlagen von drei Liegenschaften auf. Es verarbeitete Texte und Tabellen; Zeichnungen und andere grafische Inhalte wurden nicht inhaltlich ausgewertet. Überschriften dienen dazu, zusammengehörige Textabschnitte zu bilden. Tabellen werden zusätzlich in Text beschrieben, damit ihre Inhalte bei der Suche berücksichtigt werden können.
Bei einer Anfrage kombiniert das System die Suche nach passenden Wörtern mit einer Suche nach ähnlicher Bedeutung. Anschließend ordnet es die Treffer neu. Drei ausgewählte Abschnitte gehen zusammen mit der Frage an das Sprachmodell. Die lokal betriebenen Such- und Antwortkomponenten sollen den späteren Einsatz mit internen Dokumenten innerhalb der eigenen technischen Umgebung ermöglichen.
Das Team erprobte den Ablauf mit 30 Fragen zu den drei Liegenschaften. Ein weiteres Sprachmodell erzeugte Referenzantworten, die die Forschenden auf erfundene Angaben prüften. Dasselbe Modell bewertete später die Antworten des Prototyps. Auf einer Zehnerskala vergab es im Mittel 8,8 Punkte für sprachliche Flüssigkeit und 7,3 für Richtigkeit. Ergänzende automatische Verfahren verglichen Wortfolgen und Bedeutungsähnlichkeit.
Die Fehleranalyse zeigt, an welchen Stellen technische Einzelheiten verloren gehen können. Bei einer Frage zur Einstellung einer Stromversorgung erfand das System verschiedene Gerätevarianten. Die benötigten Werte waren offenbar bereits bei der Umwandlung einer Tabelle in Fließtext verloren gegangen. In einem anderen Fall enthielt der abgerufene Kontext die richtige Anleitung zum Batteriewechsel, doch die Antwort blieb unvollständig. Fehler können somit bei der Dokumentaufbereitung und beim Formulieren aus den gefundenen Stellen entstehen.
Wer einen solchen Assistenten für den Gebäudebetrieb einrichten will, muss Geräteangaben und die zugehörigen Tabellenwerte bei der Aufbereitung der PDFs zusammenhalten. Anschließend lässt sich an typischen Wartungsfragen prüfen, ob die Suche die passende Anleitung findet und das Sprachmodell alle benötigten Schritte wiedergibt.
Die Studie zur Erschließung von Bauunterlagen dient im Shimizu-Profil als methodischer Hintergrund für die Empfehlung, eine eigene Dokumentassistenz an wiederkehrenden Fachfragen und den zugehörigen Originalstellen zu erproben.
Use Case öffnenDie Studie zur Erschließung von Bauunterlagen ergänzt im Dreso.AI-Profil die Empfehlungen, eine wiederkehrende Dokumentaufgabe als Pilot auszuwählen und den Ablauf bis zum fachlich geprüften Ergebnis zu betrachten.
Use Case öffnenDie Studie zur Erschließung von Bauunterlagen dient im Gilbane-Profil als methodischer Hintergrund für die Empfehlung, einen eigenen Dokumentenpilot anhand typischer Anwenderfragen, Originalstellen und möglicher Abruffehler zu beurteilen.
Use Case öffnenDie FHNW-Studie zur Erschließung von Bau- und Betriebsunterlagen dient im Lightblue-Profil als methodischer Hintergrund für die Erprobung eines Assistenten mit eigenen Fachfragen und Dokumentbeständen.
Organisation öffnenDas FHNW-Profil beschreibt anhand der Studie von Krütli und Hanne einen lokalen Forschungsprototyp für Auskünfte aus Bau- und Betriebsunterlagen sowie die dabei beobachteten Tabellenprobleme und Antwortfehler.
Organisation öffnen