Plattform für Analytische Supply Chain Services (Plass)

Suchmaschine für SCM-Risiken

Mit der Komplexität von Produkten steigt auch die der Lieferketten. Das Projekt Plass aus dem Technologieprogramm ‚Smarte Datenwirtschaft‘ des Bundeswirtschaftministeriums soll Unternehmen bei der Wahl zuverlässiger Lieferoptionen unterstützen. Die Grundlage bildet KI-basierte Textanalyse.

 (Bild: ©Thomas/stock.adobe.com)
(Bild: ©Thomas/stock.adobe.com)

Lieferketten-Entscheider brauchen zuverlässige aktuelle Informationen, um die Stabilität der Materialflüsse früh abschätzen und im Zweifelsfall Alternativen ausfindig machen zu können. Hier setzt das Projekt Plass (Plattform für Analytische Supply Chain Management Services) an, das im Rahmen des Technologieprogramms ‚Smarte Datenwirtschaft‘ vom Bundesministerium für Wirtschaft und Energie gefördert wird. Im Programm sollen Datendienste und datenbasierte Geschäftsmodelle entwickelt und erprobt werden.

Informationen aus Texten

Im Projekt entsteht eine Plattform, die Entscheidungen im Supply Chain Management durch KI-Technologie unterstützt. Die Plattform kann automatisiert relevante Informationen aus globalen und multilingualen Textquellen ermitteln. Die Informationen werden zum einen aus Nachrichtenquellen und Social-Media-Beiträgen und zum anderen von den Homepages und Pressemitteilungen von Lieferanten und Industrieverbänden bezogen.

Komplexes Textverständnis

Die bisher entwickelten KI-Verfahren, die etwa in Suchapplikationen auf Keywords basieren, reichen den industriellen Ansprüchen meist nicht aus. Suchmaschinen verfügen in der Regel nicht über das benötigte Domänenwissen. Bei der Extraktion von Informationen sind sie auf Fakten wie Personen, Organisationen oder Standorte fokussiert. Zudem fehlen oft multilinguale Modelle für verschiedene Dokumentenquellen. Im Projekt Plass werden unterschiedliche Microservices in die Plattform integriert, die von den Konsortialpartnern entwickelt werden und verschiedene Analysemethoden zur Verfügung stellen. Dabei handelt es sich um Textanalyseanwendungen, die auch komplexere Zusammenhänge aus den textlichen Informationen entnehmen können. Bei der Entitätenextraktion soll die KI etwa erkennen, dass es sich bei einem in verschiedenen Texten benannten Lieferanten um ein und denselben handelt. Bei der Relationsextraktion versteht die KI hingegen die Sinnzusammenhänge verschiedener Informationen innerhalb des Textes. In der darauffolgenden sogenannten Confidence Estimation werden die gesammelten Informationen auf ihre Verlässlichkeit überprüft, bevor ein weiterer Microservice die Informationen in Wissensgraphen visualisiert. Um eine Kommunikation zwischen den Microservices untereinander zu ermöglichen, greifen alle Anwendungen auf das gemeinsame Datenformat Json-LD zurück.

Menschliche Überprüfung

Für Plass wird ein sogenanntes Human-in-the-Loop-System entwickelt. Dabei werden erarbeitete Ergebnisse ständig durch Menschen überprüft und bewertet. So können die KI-Methoden dazulernen, um komplexere Szenarien zu verstehen. Erst wenn die Modelle über einen längeren Zeitraum ausreichend gute Ergebnisse liefern, wird der menschliche Einsatz reduziert. Trotzdem lassen sich nicht alle Ereignisse erkennen, insbesondere wenn Störszenarien von bekannten Mustern abweichen. Diese können zwar von der integrierten ‚outlier detection‘ (Ausreißererkennung) antizipiert werden, sind aber weniger genau. Um dauerhaft für belastbare Qualität der Analysen zu sorgen, ist eine gelegentliche Überprüfung durch Menschen ratsam.