Data Challenges

Das DataHub Ruhr ist ein Business-Building-Programm, das Startups mit etablierten Unternehmen aus dem Ruhrgebiet zusammenbringt. Eure Aufgabe ist es, die Use Cases unserer Partnerunternehmen mit innovativen, datengetriebenen Ideen zu lösen. Innerhalb eines 3-monatigen Kooperationszeitraums soll ein Proof of Concept erstellt werden, dafür erhaltet Ihr bis zu 20.000 €. Die Equity bleibt stets bei euch.

JETZT ANMELDEN UND BEVORSTEHENDE CHALLENGES NICHT VERPASSEN

Wir sammeln derzeit neue
Data Challenges. Wenn du über neue Challenges benachrichtigt werden möchtest, melde dich jetzt für unseren Newsletter an.

KISS42 - AI Search System

Das Ruhrgebiet ist Deutschlands größte Metropolregion und bekannt für seine umfangreiche Bergbaugeschichte. In einer Zeit nach dem Bergbau setzt sich die RAG dafür ein, dass das Gebiet für seine vielen Einwohner sicher und lebenswert bleibt. Die Analyse und das Verständnis der räumlichen Anordnung von mehr als 400 Kohlebetten sind dabei von entscheidender Bedeutung.

Website

Startup

Ergebnis

In mehr als 200 Jahren Firmengeschichte hat die RAG einen riesigen Wissenschatz und Bergbauvokabular aufgebaut. Mit Hilfe von intelligenten Suchalgorithmen hat ambeRoad dieses Wissen schnell und effizient für einzelne Nutzer durchsuchbar gemacht. So ist sichergestellt, dass keine wertvollen Inhalte verloren gehen, wenn Mitarbeiter das Unternehmen verlassen.

Das Ruhrgebiet ist der größte Ballungsraum Deutschlands und berühmt für seine umfangreiche Bergbaugeschichte. In einer Zeit nach dem Bergbau setzt sich die RAG dafür ein, dass das Gebiet für seine vielen Bewohner sicher und lebenswert bleibt. Eine wichtige Priorität sind die Erhaltung von Expertenwissen und der Zugang zu Informationen. Kann KI die unternehmensweite Suchmaschine der RAG auf das nächste Level bringen?

Use Case

Die RAG hat bis Ende 2018 in Deutschland Steinkohle im Untertagebau gefördert und trägt weiterhin die Verantwortung für die sich daraus ergebenden Folgen in Nordrhein-Westfalen und im Saarland. Seit dem Ende der Kohleförderung wurde der Personalbestand der RAG stark reduziert und viele langjährige Mitarbeiter stehen kurz vor dem Ruhestand. Effektive Wege zum Erhalt des Expertenwissens und zu dessen Zugriff darauf sind daher sehr gefragt.

RAGs unternehmensweite Suchmaschine heißt DSA ("Digitale Service-Akte"). Sie sammelt Tags aus mehreren anderen Systemen (z.B. GIS, SAP, ELO) und tausenden von Dokumenten (z.B. Sharepoint, gemeinsame Ordner, Dateisysteme). Ein Teil der Dokumente sind klassische Office-Dokumenttypen, aber auch verschiedene Arten von GIS- und Kartendokumenten sind üblich. Ein Benutzer kann nach Tags suchen und erhält eine Liste von Suchergebnissen. Die Ergebnisse können auf verschiedene Weise gefiltert werden, z. B. nach Quellsystem oder Zeitraum.

Dennoch können nicht alle Suchanfragen korrekt beantwortet werden. Gerade bei komplexeren Suchen ist es oft schneller und effizienter, einen erfahrenen Kollegen zu fragen. Mit diesem Use Case wollen wir die Ergebnisse von DSA so smart, vollständig und präzise machen wie die Antworten des Kollegen, der neben einem sitzt.

Einige Ideen, um dieses Ziel zu erreichen, sind:

Verwendung von natürlicher Sprache zur Definition einer Suchanfrage
Optimierung der Ergebnisliste durch automatische Auswertung (z.B. durch einen Synonymfinder, Pogo-Sticking, ...)
Optimierung der Ergebnisliste durch manuelle Bewertung (z. B. durch Auswahl von "5-Sterne"-Ergebnissen oder durch manuelles "Anheften" von Ergebnissen)
Anreicherung der Ergebnisse durch externe Datenquellen (z.B. Wikipedia, Recherchekataloge, ...)

‍

WAS DU MITBRINGEN SOLLTEST

Tiefgreifendes Wissen über Suchmaschinentechnologie und KI-Erfahrung
Bedarfsanalyse und benutzerzentriertes Design gehören zu Deinem Tagesgeschäft
Erfahrungen in Microsoft Sharepoint, UX/UI-Entwicklung oder GIS-Daten sind ein Plus

ERWARTETES ERGEBNIS

Die nächsten Top-10 Anwendungsfälle von RAGs unternehmensweiter Suchmaschine für 2020/21.
Konzept zur Verbesserung der Suchmaschinenergebnisse durch: KI-Technologie zur automatischen Auswertung und Filterung, manuelle Auswertung und Priorisierung & externe Daten
Implementierung eines Prototyps zum Testen der Benutzererfahrung und zum Sammeln von Feedback

MILESTONES

Das Projekt kann in die folgenden Meilensteine unterteilt werden:

Du entwickelst ein Verständnis für das aktuelle Suchmaschinensystem. Identifiziere gemeinsam mit der RAG die wichtigsten Suchanfragen und Anforderungen für 2020/21 und darüber hinaus.
Zweitens: Bereitstellung eines Konzepts zur Nutzung von KI-Technologie für die Optimierung von Suchmaschinenergebnissen. Das Konzept soll auch Möglichkeiten der manuellen Auswertung von Ergebnissen berücksichtigen. Zusätzlich müssen Wege zur Einbeziehung von Ergebnissen externer Datenquellen identifiziert und bewertet werden.
Drittens implementierst Du einen Prototyp einer erweiterten Suchmaschine, um die Benutzerfreundlichkeit und Machbarkeit Deines Konzepts zu testen.

‍