Semantic-Search

Standardisierte Produktstammdaten ermöglichen die interoperable Interaktion in Industrie 4.0 Wertschöpfungsnetzwerken. In diesem Zusammenhang hat sich ECLASS als Standard etabliert. Die Abbildung bestehender, z.B. herstellerspezifischer Kataloge auf den ECLASSStandard ist jedoch mit einem hohen manuellen Aufwand verbunden. Für die Merkmale der Kataloge müssen passende Merkmale im ECLASS Standard identifiziert und abgebildet werden. Der Einsatz intelligenter Algorithmen, basierend auf künstlicher Intelligenz, kann die Suche nach Produktmerkmalen in semantischen Standards verbessern. Dies erleichtert den Einstieg und die Nutzung eines Standards wie ECLASS. Für einen Hersteller ist es beispielsweise möglich, Produktbeschreibungen durch intelligente Suchalgorithmen (teil-)automatisiert zu übersetzen. Ziel des Projektes ist die Entwicklung eines Language Models, welches für die Suche von ECLASS-Merkmalen optimiert ist. Dieses Language Model verwendet den Namen und die Beschreibung eines proprietären Merkmals und vergleicht diese mit den Namen und Beschreibungen der ECLASS-Merkmale. Als Grundlage für die Entwicklung des Language Models können vortrainierte Sprachmodelle mit einem allgemeinen Sprachverständnis verwendet werden. Diese Modelle werden anschließend auf den ECLASS-Standard durch ein sogenanntes Fine-Tuning angepasst. Während des Fine-Tunings lernt ein Sprachmodell selbstständig, unbekannte Merkmale auf den ECLASS-Standard abzubilden. Grundlage für das Fine-Tuning ist ein Datensatz, der aus Paaren von unbekannten Merkmalen und zugehörigen ECLASS-Merkmalen besteht. Konkretes Ergebnis des Projekts ist die Bereitstellung der entwickelten Sprachmodelle und des Fine-Tuning-Datensatzes. Darüber hinaus werden die Modelle in eine prototypische Demonstration des Semantic-Search Algorithmus eingebunden. Der Ablauf der Ausführung (zunächst Datensatzerstellung, danach Fine-Tuning) ist vorab definiert, jedoch ist nicht absehbar, welche Qualität dieser Ablauf erzielen wird. Die erreichte Modellgüte wird zum Abschluss analysiert, sodass für spätere Projekte Rückschlüsse gezogen und Anpassungen in den Modellen vorgenommen werden können. Für die Evaluierung kann auf proprietäre Merkmale unterschiedlicher Hersteller (Neoception, Pepper&Fuchs, Weidmüller, Phoenix Contact), die bereits auf den ECLASS-Standard abgebildet sind, zurückgegriffen werden. Dadurch wird das Modell auf realen Daten und Anwendungsszenarien getestet. Der Projektablauf wird zusätzlich im unten aufgeführten Zeitplan beschrieben.

Projektpartner: ECLASS e.V.

Fördermittelgeber: ECLASS e.V.

Laufzeit: 01.07.2023 bis 31.12.2023