Management Summary
Die Lösung macht interne Research-Daten, Patente, externe Literatur und weitere Wissensquellen für natürlichsprachliche Anfragen zugänglich. Der RAG-Chatbot ermittelt relevante Inhalte aus Texten, Tabellen und Bildern. Fachanwender:innen erhalten generierte Antworten mit Verweisen auf die zugrunde liegenden Quellen.
Projektsteckbrief
Globaler Chemiekonzern
Branche: Chemische Industrie
Projektstart: 04/2023
Schwerpunkt: Generative & Agentic AI
Use Case: Enterprise Search & Knowledge Management
Projektziel
Komplexe Forschungsfragen über natürlichsprachliche Anfragen auf großen Forschungsdatenbeständen bearbeiten
Wichtigste Kernfunktionen
- Natürlichsprachliche Recherche über interne Research-Daten, Patente, externe Literatur und weitere Quellen
- RAG-basierte Ermittlung relevanter Inhalte aus Texten, Tabellen und Bildern
- Antwortgenerierung mit Quellenbezug zur fachlichen Einordnung der Ergebnisse
Tech Stack
Bei diesem Projekt mussten Retrieval, Quellenbezug und fachliche Prüfbarkeit zusammenspielen. Nur dann wird ein LLM für Forschungsfragen wirklich nutzbar.
Christoph Bergen
CoE Lead GenAI bei HMS
Die Ausgangslage
Der globale Chemiekonzern verfügte über umfangreiche Forschungsdatenbestände, die über Jahre gewachsen waren. Fachanwender:innen mussten relevante Informationen aus internen Research-Daten, Patenten, externer Literatur und weiteren Quellen finden und fachlich einordnen.
Klassische Suchansätze reichten für viele komplexe Forschungsfragen nicht aus. Die Anfragen waren spezifisch, kontextabhängig und häufig nicht über einzelne Suchbegriffe abbildbar. Benötigt wurde eine Enterprise Search mit KI, die natürliche Sprache verarbeitet und große Datenbestände für die Recherche erschließt.
Die HMS-Lösung
Enterprise Search mit KI auf Basis eines RAG-Systems
HMS entwickelte einen RAG-basierten Chatbot, über den Fachanwender Forschungsinformationen mit natürlichsprachlichen Anfragen durchsuchen können.
Der Kundennutzen
Forschungswissen einfacher zugänglich machen.
Der RAG-basierte Chatbot unterstützt Forschende dabei, große interne und externe Wissensbestände über natürliche Sprache zu durchsuchen, relevante Inhalte schneller einzuordnen und Antworten anhand von Quellen zu prüfen.
Unsere Stärken, Ihre Vorteile
RAG für Forschungsdaten
HMS verbindet AI Engineering, Datenarchitektur und Umsetzungserfahrung in komplexen Unternehmensumgebungen. In diesem Projekt lag der Schwerpunkt darauf, große Forschungsdatenbestände über natürliche Sprache zugänglich und fachlich prüfbar zu machen.
Was Sie von HMS erwarten können
HMS unterstützt Sie dabei, KI-gestützte Suchlösungen fachlich einzuordnen, technisch umzusetzen und in bestehende Daten- und Suchlandschaften zu integrieren.
- Umsetzung eines RAG-basierten Chatbot-Systems für große Forschungsdatenbestände
- Integration interner und externer Wissensquellen
- Ausbau von Prototypen zu quellenübergreifenden Lösungen
Sie möchten ein ähnliches Projekt umsetzen?
Sprechen Sie mit HMS darüber, wie sich Ihre Daten-, KI- oder Softwarelösung fachlich einordnen, technisch umsetzen und in Ihre bestehende Systemlandschaft integrieren lässt.