Aktuell ist die wortbasierte und syntaktische Suche nicht nur zeitaufwendig, sondern auch ineffizient. Relevante Informationen werden oft übersehen, da immer wieder dieselben Suchvorgänge wiederholt werden müssen: Begriffe und Wortkombinationen müssen präzise definiert, gesucht und erneut angepasst werden. Wenn die passenden Begriffe unbekannt sind, bleiben wichtige Informationen verborgen. Häufig liegt das Problem in der unterschiedlichen Schreibweise von Wörtern, die syntaktisch abweichen, jedoch semantisch identisch sind.

Das primäre Ziel in diesem Anwendungsfall besteht darin, mithilfe von KI-Ansätzen die bestehende syntaktische Suche zu erweitern und dies an einem Demonstrator in Form einer Online-Suche aufzuzeigen. Dadurch sollen monotone, repetitive Tätigkeiten reduziert und der Erkenntnisgewinn bei der Suche gesteigert werden. Anwendende müssen nicht mehr die exakten Fachbegriffe kennen, um relevante Informationen zu finden. Am Beispiel der Literaturrecherche wird gezeigt, wie KI-Ansätze den Suchprozess unterstützen können. Zwei zentrale Analyseansätze, die sich auch auf andere Bereiche übertragen lassen, stehen dabei im Fokus:
1.) Spezifische Analysen: Diese verschaffen bei einer gezielten Recherche einen Überblick, um relevante Forschungsschwerpunkte oder Trends zu identifizieren.
2.) Quellenübergreifende Analysen: Sie bieten verschiedene Suchmethoden an, um relevante Publikationen zu finden und passende Suchbegriffe vorzuschlagen. Die semantische Suche ermöglicht es, durch Begriffskombinationen, ganze Sätze oder Phrasen thematisch passende Publikationen zu finden, selbst wenn die exakten Suchbegriffe nicht enthalten sind.
Zusätzlich soll der Erkenntnisgewinn durch die Integration einer Erklärbarkeitskomponente (XAI) gesteigert werden, da die Entscheidungen der KI nachvollziehbarer werden. Dieser Demonstrator dient als Grundlage für die Interaktion mit potenziell interessierten Unternehmen. Darauf aufbauend sollen weitere Anwendungsfälle identifiziert werden, um die Übertragbarkeit des Demonstrators zu prüfen und diese gegebenenfalls in Zusammenarbeit mit den Unternehmen umzusetzen.

Zunächst wird ein Demonstrator für die Literaturrecherche entwickelt, um wissenschaftliche Mitarbeitende im Rahmen ihrer Recherchetätigkeiten zu unterstützen. Dabei werden Daten von verschiedenen Publikationswebseiten genutzt, um eine signifikante Datenmenge für das Anlernen zu gewinnen. Zusätzlich kann durch den Zugang zu zahlreichen wissenschaftlichen Mitarbeitenden im Projekt KARL wertvolles Feedback eingeholt werdem. Mithilfe einer Anforderungsanalyse werden die passenden Verfahren implementiert und bereitgestellt. Im nächsten Schritt folgt die Entwicklung der Erklärbarkeitskomponente (XAI) und sowie deren Integration in den Demonstrator. Im Anschluss wird die Transferfähigkeit der zugrundliegenden Konzepte bewertet. Die größten Herausforderungen liegen in der Datenbeschaffung und -aufbereitung, der präzisen Modellierung der KI-Ansätze sowie in der Anpassung an spezifische Anwendungsbereiche.

Durch die kontinuierliche systematische Untersuchung und Evaluation des KI-basierten Assistenten soll ein besseres Verständnis der Interaktion zwischen KI und Wissensarbeiter:innen geschaffen werden. Es wird ein deutlich besserer und einfacherer Zugang zu den in Unternehmen vorhandenen Informationen erwartet. Die Kombination aus semantischer und syntaktischer Suche minimiert monotone Such-, Vergleichs- und Auswahlarbeiten erheblich. Für die Mitarbeitenden bedeutet dies eine spürbare Entlastung, da sie schneller und präziser auf relevante Informationen zugreifen können, ohne wiederholt mühsam Suchvorgänge anpassen zu müssen.