KERMIT

Knowledge Extraction and Retrieval with Model-Driven Information Technologies

Ziel des Forschungsprojekts ‚KERMIT‘ ist es, kleinen und mittleren Unternehmen (KMU) im Maschinenbau einen KI-basierten Werkzeugkasten bereitzustellen, mit dem bislang unstrukturierte und handschriftliche Wissensbestände erschlossen, gesichert und nutzbar gemacht werden können. Dadurch soll Wissensverlust (eng. Knowledge Drain) reduziert und Entscheidungsprozesse sowie Innovationsfähigkeit verbessert werden.

Ausgangssituation

Viele produzierende KMU verfügen über große Mengen ungenutzter, unstrukturierter Daten (z. B. handschriftliche Notizen, alte Dokumente, verstreute Dateien), während gleichzeitig Fachkräftemangel und demografischer Wandel zu Wissensverlust führen. Die bestehende Wissensverwaltung ist häufig papierbasiert, fragmentiert und wenig digitalisiert.

Lösungsweg

‚KERMIT‘ kombiniert moderne OCR (inkl. Vision-Transformers), Vektordatenbanken, Wissensgraphen sowie Large-Language-Models (LLMs) mit Retrieval-Augmented Generation (RAG) in einer prototypischen, on-premises einsetzbaren Architektur. In iterativen Zyklen werden Daten erhoben, digitalisiert, semantisch strukturiert, in LLMs integrierbar gemacht und gemeinsam mit KMU validiert.

Erwartetes Ergebnis

Innerhalb des Projekts werden ein offener Demonstrator, eine standardisierte Methodik zur Digitalisierung und Strukturierung von Unternehmenswissen sowie Best-Practice-Leitfäden für KMU bereitgestellt werden. Zudem entstehen Vektordatenbanken/Wissensgraphen und feinjustierte LLM-Ansätze für einen natürlichen, dialogbasierten Wissenszugriff.

Nutzen für die Zielgruppe

KMU profitieren durch deutlich schnellere Informationssuche, geringeren Dokumentationsaufwand und besseren Schutz vor Wissensverlust. Gleichzeitig werden Entscheidungsqualität, Innovationsfähigkeit und Wettbewerbsfähigkeit gestärkt.