KIHelpSys – entwickelt einen Sprachassistenten, das Wissen in KMUs strukturiert erfasst, speichert und effizient bereitstellt.

Das Forschungsprojekt KIHelpSys entwickelt einen unternehmensinternen Sprachassistenten für KMUs und den industriellen Mittelstand. Dieser Sprachassistent verwaltet Wissen aus Anleitungen, Prozessabläufen sowie multimodalen Quellen wie Text-, Audio- und Videoaufnahmen intelligent und stellt es Mitarbeitern durch spezialisierte Large Language Models (LLMs) gezielt bereit. Dadurch werden die Dokumentation und Nutzung von Fachwissen effizienter, die Einarbeitung neuer Mitarbeitender wird erleichtert und die nachhaltige Sicherung unternehmensinterner Expertise gefördert, um Innovationskraft und Wettbewerbsfähigkeit zu stärken.

Motivation

Langjährige Erfahrung und Expertise von Mitarbeitenden bilden die Kernkompetenz vieler Hidden Champions und KMUs in Deutschland. Die steigende Fluktuation von Arbeitskräften und der demografische Wandel erschweren es diesen Unternehmen, Kompetenzen und Wissen innerhalb der eigenen Organisation zu bewahren. Dies kann die Innovations- und Wettbewerbsfähigkeit eines Unternehmens stark beeinträchtigen, insbesondere bei KMUs, die ihr Know-how hauptsächlich über die Erfahrung ihrer Mitarbeiter beziehen. Eine Dokumentation des Mitarbeiterwissens in Form von Anleitungen kann aufwändig sein und die Ergebnisse sind eventuell unübersichtlich, schlecht verständlich oder schwer wiederzufinden. Besonders beim Ausscheiden von Mitarbeitern geht aktuell viel Expertise verloren, die wieder aufwändig erarbeitet werden muss. Zudem wird eine Dokumentation in Form von reinen Textdokumenten heutzutage nicht mehr zeitgemäß empfunden.

Abbildung 1 stellt eine potenzielle Anwendungssituation dar. Das System wird mit verschiedenen Eingangsquellen gespeist – Wissenbasis Integration Szenario. Diese kann beispielsweise Anleitungen, Projektberichte oder andere Dokumentationen in Form von PDFs, Prozessdiagrammen sowie audio- und videobasierte Beschreibungen umfassen. Solche audio- oder videobasierten Quellen können mit einem Smartphone direkt von Mitarbeitern im Betrieb aufgenommen werden, um den Dokumentationsaufwand zu reduzieren. Zudem soll das System die Problematik mangelnder Eingangsdaten bei maschinellen Lernsystemen verringern. Innerhalb des Systems werden spezialisierte LLMs für jede Fachabteilung erstellt. Konkret werden Modelle existieren, die auf spezifische Anwendungen zugeschnitten sind, beispielsweise für die Finanz-, Qualitätssicherungs- sowie Forschungs- und Entwicklungsabteilung – Support Szenario.

Ziele

LLMs wie ChatGPT ermöglichen die Erstellung komplexer und kohärenter Texte und steigern die Produktivität erheblich. Die bekannten Modelle von OpenAI/Microsoft, Google und Facebook sind bereits in zahlreichen Bereichen im Einsatz. Allerdings greifen diese Systeme ausschließlich auf allgemein verfügbare Internetinformationen zu. Unternehmensinterne Daten bleiben unzugänglich, und die Eingabe sensibler Firmeninformationen birgt potenzielle Datenschutzrisiken. Große internationale Konzerne entwickeln daher eigene LLMs für den internen Gebrauch, um die Produktivität ihrer Mitarbeiter zu steigern, ohne Datenschutzprobleme zu riskieren. KMUs und mittelständische Unternehmen hingegen verfügen meist nicht über die Ressourcen, um eigene LLMs und die dazugehörigen Softwaresysteme zu entwickeln. Sie sind auf standardisierte, aber anpassbare Lösungen angewiesen. Ziel dieses Projekts ist es, ein softwaretechnisches Rahmenwerk zu schaffen, das den effizienten Einsatz von LLMs ermöglicht – einschließlich der strukturierten Datenaufnahme durch Mitarbeiter sowie der sicheren und sinnvollen Datenverwaltung. Gleichzeitig soll erforscht werden, welche Einsatzmöglichkeiten und Grenzen diese Systeme im Unternehmenskontext haben.

Innovationscharakter

Das innovative Kernkonzept dieses Projekts liegt in der Entwicklung eines Systems zur strukturierten und intelligenten Erfassung, Speicherung und Nutzung von Mitarbeiterwissen in Unternehmen. Dabei wird ein multimodaler Ansatz verfolgt, der verschiedene Eingangsquellen wie Anleitungen, Projektberichte, Prozessdiagramme sowie Video- und Audioaufzeichnungen integriert. Dies ermöglicht eine effiziente, praxisnahe und nutzerfreundliche Dokumentation von Fachwissen, wodurch der hohe Aufwand klassischer textbasierter Dokumentation signifikant reduziert wird.

Ein zentraler Innovationsaspekt ist die Nutzung spezialisierter LLMs, die für unterschiedliche Fachabteilungen wie Finanzwesen, Qualitätssicherung oder Forschung und Entwicklung maßgeschneidert werden. Diese spezialisierten Modelle erlauben eine kontextsensitive Verarbeitung und Bereitstellung von Wissen, wodurch Mitarbeiter gezielt und effizient auf relevante Informationen zugreifen können. Durch die Kombination von strukturierter Wissensbasis und KI-gestützter Analyse wird sichergestellt, dass wertvolle Unternehmenskompetenzen nachhaltig erhalten bleiben und leicht zugänglich sind.

Mit diesem Projekt wird ein neuartiger, adaptiver und praxisorientierter Ansatz zur Wissensbewahrung und -weitergabe in Unternehmen geschaffen, der bestehende Dokumentationsmethoden revolutioniert und die Innovationskraft sowie Wettbewerbsfähigkeit insbesondere von KMUs nachhaltig stärkt.

Projektkonsortium

Das Projektkonsortium besteht aus den wissenschaftlichen Einrichtungen des Nuremberg Campus of Technology sowie der summetix GmbH, ArborSys GmbH und edison street GmbH. Gemeinsam soll ein System aufgebaut und implementiert werden, welche unterschiedliche Software beinhaltet, wie zur Verarbeitung der natürlichen Sprache, zur Datenvorbereitung der firmeninternen Daten und zur Wissenbasis Integration der Daten in die LLM.

Förderung

Das Projekt KIHelpSys wird durch das Bundesministerium für Forschung und Entwicklung gefördert. Zusätzlich wird das Projekt durch den DLR Projektträger administrativ und organisatorisch unterstützt.