IREENE – ML-gestütztes Werkzeug für Themenmodellierung sowie Messung und Visualisierung von Dokumentenähnlichkeit
Die Vorteile des IREENE-Systems.
IREENE erweitert das Produktwissensmanagement in modernen Fertigungsunternehmen erheblich.
Themenmodellierung und die semantische Abbildung vorhandener Dokumente in Wissensgraphen können den Zeitaufwand verringern, den Mitarbeitende im Produktmanagement über mehrere Unternehmensbereiche hinweg für die manuelle Durchsicht wesentlicher Unterlagen benötigen.
Das System liefert bereits wertvolle Erkenntnisse für das Produktmanagement – unter anderem in Betrieb, Compliance, Forschung und Entwicklung sowie bei gewerblichen Schutzrechten.
Stand der Technik.
Jedes Fertigungsunternehmen muss eine erhebliche Menge externer Dokumente verarbeiten. Schutzrechte und die Einhaltung grundlegender Normen müssen vor der Entwicklung geprüft und analysiert werden. Täglich wird in allen Branchen nach Patenten – einschließlich standardessenzieller Patente –, technischen Normen und wissenschaftlichen Veröffentlichungen recherchiert.
Die Menge der verfügbaren relevanten Textquellen ist jedoch enorm. 2021 wurden weltweit über 3,4 Millionen Patentanmeldungen eingereicht, mit einem jährlichen Zuwachs von 5–9 % seit 2011. Zudem ist die durchschnittliche Wortzahl in Patentanmeldungen seit den 1990er-Jahren gestiegen und überschritt 2007 die Marke von 7.000. Ein durchschnittlicher Leser bräuchte 200 Jahre, um 3,4 Millionen Patentanmeldungen ohne Titel, Zusammenfassungen und Literaturangaben ununterbrochen zu lesen.
Ein kurzer Blick auf die wichtigsten Normungsorganisationen zeigt, wie breit die verfügbaren Quellen sind. Es gibt beispielsweise 22.538 ISO-Normen und über 1.300 IEEE-Standards. Mit der fortschreitenden Digitalisierung der Branche und dem technischen Fortschritt ist mit weiter steigenden Zahlen zu rechnen. Bis 2010 wurden über 50 Millionen wissenschaftliche Artikel veröffentlicht, und die Gesamtzahl wissenschaftlicher Arbeiten verdoppelt sich alle neun Jahre.
Patentinformationen werden in Unternehmen heute vielfältig genutzt: im strategischen Management als Grundlage für die Beobachtung des Wettbewerbsumfelds, für Technologiebewertungen und das Portfoliomanagement in Forschung und Innovation, in Konstruktion und Entwicklung für die Recherche zum Stand der Technik sowie in der Rechtsabteilung, wenn Funktion, Gestaltung und Umsetzung im Rahmen einer sogenannten „Freedom to Operate“-Analyse daraufhin geprüft werden, ob Entwicklung und Vermarktung eines Produkts zulässig sind.
IREENE (Information Retrieval Engine) beantwortet diesen Bedarf: Das System stellt Verfahren bereit, um unstrukturierte Textdokumente zu verarbeiten und daraus einen Wissensgraphen zu erstellen, der die Inhalte der verfügbaren Quellen abbildet.
Die Lösung: Wie funktioniert das?
In der digitalen Industrie bezeichnet datengetriebene Entwicklung und Fertigung nicht nur maschinell erzeugte Daten aus dem industriellen Internet der Dinge, sondern auch die große Menge unstrukturierter Daten, einschließlich natürlichsprachlicher Texte. Das verfügbare Datenvolumen ist sogar noch größer, da virtuelle Organisationen auf dem freien Fluss von Informationen und Wissen zwischen direkten Partnern und Dritten aufbauen.
Konstruktion, Entwicklung, Fertigung und weitere Prozesse in Industrieunternehmen sind tief in Textdaten verankert – meist von Menschen erstellte Inhalte wie Patentschriften, wissenschaftliche Veröffentlichungen oder Industrienormen wie IEEE oder IEC. Um sowohl das Volumen als auch das Potenzial dieser relevanten, aber heterogenen Daten zu nutzen, müssen sie zunächst maschinenlesbar gemacht werden. Genau hier setzt IREENE an.
Als Eingangsdateien kommen für IREENE sehr unterschiedliche Quellen infrage: Patente, Lastenhefte, Kundenrückmeldungen, Beschreibungen von Störungen, Fehler- und Ausfallberichte, Erkenntnisse aus früheren Projekten, regulatorische Vorgaben, technische Normen etwa von ISO, IEEE oder IEC sowie produktrelevante wissenschaftliche Veröffentlichungen.
IREENE verarbeitet Eingangsdateien unterschiedlicher Formate – etwa Textdokumente, Tabellen oder Präsentationen – und erstellt daraus einen Wissensgraphen, der die Inhalte der verarbeiteten Quellen abbildet. Die in der Entwicklung verwendeten Datensätze wurden einer Themenmodellierung unterzogen: einem unüberwachten maschinellen Lernverfahren, das Ähnlichkeiten zwischen Dokumenten erkennt und jene Ausdrücke gruppiert, die den Inhalt eines Dokuments statistisch am genauesten beschreiben.
IREENE nutzt ein Themenmodell, um zwei Funktionen zu ermöglichen: (a) eine intelligente semantische Suche und (b) einen visuellen Wissensgraph-Browser. Beide machen die Business-Plattform für verteilte und dezentrale Datenaustausch-Ökosysteme nicht nur für den Anwendungsfall der Rückverfolgbarkeit nutzbar, sondern auch für Elektronik und IKT – als Grundlage für die digitale Industrie und ein optimiertes Lieferkettenmanagement über den gesamten Produktlebenszyklus in großen Ökosystemen.
Das Ziel ist es, Dokumente so zu analysieren und Ähnlichkeiten zu finden, wie es Suchmaschinen wie Google tun – im B2B-Umfeld und damit als Grundlage für ein Product-Lifecycle-Management.
