ESG-Wissen für alle: knowledge-hub.eco
Präsentation der ersten KI-gestützten Frage-Antwort-Maschine zum Thema ESG-Management
In einer Zeit, in der Umwelt-, Sozial- und Unternehmensführungsaspekte (ESG) zunehmend Investitionsstrategien und Konsumentscheidungen prägen, ist die Nachfrage nach präzisem und umfassendem ESG-Wissen relevanter als je zuvor. Der Zugang zu diesen wichtigen Informationen stellt jedoch für viele Personen eine große Herausforderung dar, insbesondere für diejenigen, die über kein spezielles Fachwissen verfügen.
In einem gemeinsamen Projekt haben Expert*innen der Semantic Web Company aus Wien und des Instituts für Innovationssysteme der Fachhochschule St. Pölten die erste KI-gestützte Frage-Antwort-Maschine entwickelt, die den komplexen Bereich der ESG auf intuitive und faktenbasierte Weise zugänglich macht. Diese wurde am 24. Mai 2024 im Rahmen der Langen Nacht der Forschung an der FH St. Pölten erstmals der Öffentlichkeit präsentiert.
Der Service ist in einer Beta-Version verfügbar.
Vertrauenswürdige KI mittels Semantic RAG-Architektur
In einer bahnbrechenden Entwicklung hat das Projektteam die leistungsstarke Kombination von großen Sprachmodellen (LLMs) mit Wissensgraphen (KG) genutzt, um den komplexen Bereich des Nachhaltigkeits- und ESG-Managements zu strukturieren und faktenbasiert nutzbar zu machen. Mittels eines sogenannten semantischen RAG-Ansatzes (Retrieval-Augmented Generation) konnte der Output eines großen Sprachmodells (LLM) durch Bezugnahme auf eine vertrauenswürdige Wissensbasis verbessert und der Trainingsaufwand des Sprachmodells massiv gesenkt werden. In Kombination führt dies unter anderem zu vertrauenswürdigen Suchergebnissen und großen Energieeinsparungen im Betrieb der künstlichen Intelligenz. Der RAG-Ansatz schneidet LLMs auf spezifische Domänen oder organisatorische Wissensbasen zu und verbessert so kostengünstig die Relevanz, Genauigkeit und den Nutzen der generierten Ergebnisse.
Andreas Blumauer, CEO der Semantic Web Company, erklärt: „Der RAG-Ansatz ermöglicht es uns, verschiedene Herausforderungen bei der intuitiven und faktengesteuerten Erkundung neuer Wissensgebiete anzugehen, bei denen zuverlässige Informationen geschäftskritisch sind. Der Wissensgraph liefert eine Reihe von Fakten und Regeln für das umfangreiche Sprachmodell der KI und steuert die Erstellung zuverlässiger Antworten.“
ESG-Wissen: Zugänglich für alle
Eines der Projektziele war es, ein Werkzeug zu entwickeln, um ESG-Wissen für alle zugänglich zu machen, ohne dass man notwendigerweise eine Expert*in auf diesem Gebiet sein muss. Um dies zu erreichen, nahm die FH St. Pölten die Herausforderung an, ein allgemeines Referenzmodell für ESG zu entwickeln, das aus aktuell 7.500 Konzepten und mehr als 40.000 Begriffen besteht, die für das Thema von Relevanz sind. Der daraus resultierende ESG-Graph stellt die Abhängigkeiten zwischen ESG-Stakeholdern, Regulierungen, sauberen Technologien sowie Risiken und Chancen, die sich aus ESG-Themen ergeben, dar und bildet die grundlegende Wissensbasis für die KI-Maschine.
„Eine spezielle Herausforderung in diesem Projekt bestand darin, ein umfassendes Wissensmodell der ESG zu erstellen, das die komplexen Abhängigkeiten und Wechselwirkungen des Themas abbildet. Soweit wir wissen, ist dies das erste auf dem Markt erhältliche Allzweckmodell für ESG, das einen intuitiven Zugang zu diesem sich schnell entwickelnden Fachgebiet bietet und den Nutzer*innen hilft, Wissen und Einblicke in dieses Gebiet zu gewinnen.“, resümiert Tassilo Pellegrini, Co-Direktor des Instituts für Innovationssysteme an der FH St. Pölten.
Innovative Synergie: Retrieval Augmented Generation und Knowledge Graphs
Die Integration von Retrieval Augmented Generation und Knowledge Graphs stellt einen bedeutenden Fortschritt und ein hoch aktuelles Forschungsfeld auf dem Gebiet der künstlichen Intelligenz dar. Diese innovative Synergie bietet eine vielversprechende Lösung zur Verbesserung der Genauigkeit, Relevanz und Qualität KI-generierter Inhalte und ebnet den Weg für transformative Anwendungen in verschiedenen Bereichen.