Skip to main content Skip to main navigation

Projekt

PLASS

Plattform für Analytische Supply Chain Management Services

Das Ziel des PLASS Gesamtvorhabens ist die Entwicklung einer prototypischen B2B-Plattform zur KI-basierten Entscheidungsunterstützung für das Supply Chain Management. Im Mittelpunkt steht die automatische Erkennung entscheidungsrelevanter Informationen und die Gewinnung strukturierten Wissens aus globalen und multilingualen Textquellen. Diese Quellen stellen eine große Datenbasis für SCM Informationen bereit, insbesondere für das frühzeitige Erkennen von kritischen Ereignisse und Risiken, aber auch von Chancen, z.B. durch neue Technologien, bei Lieferanten und Lieferketten. PLASS ermöglicht damit KMUs und Großunternehmen das kontinuierliche Monitoring ihrer Lieferanten und Lieferketten, und unterstützt Supply Chain Manager bei der Risikoabschätzung und bei der Entscheidungsfindung. Das DFKI übernimmt im Projekt eine zentrale Rolle bei der Verarbeitung von unstrukturierten, textuellen Daten. Der Schwerpunkt der Arbeiten des DFKI wird auf der Entwicklung von neuronalen und nicht-neuronalen Textanalytiktechnologien liegen, um strukturiertes Wissen zu SC Ereignissen aus globalen, multilingualen Quellen zu extrahieren, und gleichzeitig linguistisches Wissen für Extraktionsaufgaben zu gewinnen. Eine weitere Kernaufgabe des DFKI ist die Erforschung von adaptiven Modellen zur Supply Chain Ereignisextraktion auch bei spärlichen und verrauschten Trainingsdaten, sowie die Bereitstellung von performanten Modellen und Services zur Erzeugung von SC Ereignis- und Risikoinformationen für die Plattformen der industriellen Partner. Weitere Forschungsthemen hierbei sind für das DFKI die Entwicklung von Verfahren zur Integration von externem Wissen in neuronale Modelle sowie für cross- bzw. multilinguale Informationsextraktion. Ein weiterer Schwerpunkt für das DFKI ist die Weiterentwicklung der Textanalytikpipeline SPREE für die Anwendungsszenarien des PLASS-Vorhabens.

Partner

Lead: Siemens AG Corporate Technology

Partner: Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI), Beuth Hochschule für Technik, Ubermetrics Technologies GmbH, Institut für Angewandte Informatik (InfAI, Universität Leipzig)

Fördergeber

BMWK - Bundesministerium für Wirtschaft und Klimaschutz

01MD19003E

BMWK - Bundesministerium für Wirtschaft und Klimaschutz

Publikationen zum Projekt

Leonhard Hennig; Philippe Thomas; Sebastian Möller

In: Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Annual Meeting of the Association for Computational Linguistics (ACL-2023), July 9-14, Online and Toronto, Canada, Pages 3785-3801, Association for Computational Linguistics, 7/2023.

Zur Publikation

David Harbecke; Yuxuan Chen; Leonhard Hennig; Christoph Alt

In: Proceedings of the 1st Workshop on Efficient Benchmarking in NLP. Annual Meeting of the Association for Computational Linguistics (ACL-2022), May 22-27, Dublin, Ireland, Association for Computational Linguistics, 5/2022.

Zur Publikation

Yuxuan Chen; Jonas Mikkelsen; Arne Björn Binder; Christoph Alt; Leonhard Hennig

In: Proceedings of the 7th Workshop on Representation Learning for NLP (ACL-REPL4NLP 2022). ACL Workshop on Representation Learning for NLP (RepL4NLP-2022), located at ACL 2022, May 22-27, Dublin, Ireland, ACL, 5/2022.

Zur Publikation