Künstliche Intelligenz

Immer mehr Produkte, Sprachen, Märkte - mit System.

Fortschritte im Bereich der Künstlichen Intelligenz treiben die Entwicklung neuer Tools extrem voran. Die wachsende Systemvielfalt stellt Kunden aber auch vor die schwierige Wahl des richtigen KI-Systems, zum Beispiel der richtigen maschinellen Übersetzungsengine.

Je nach Anwendungsfall kommen einzelne oder kombinierte Verfahren aus verschiedenen Disziplinen des Deep Learnings zum Einsatz.

Beispiele für den Einsatz der KI im Sprachen-Umfeld:

Maschinelle Übersetzung
Chatbots
Automatische Textklassifikation
Automatische Textgenerierung
Named Entity Recognition

Künstliche Intelligenz ist auch für versierte Anwender häufig eine Black-Box. Aber keine Angst! Wir helfen Ihnen bei der Auswahl der richtigen KI-Tools und sorgen für den effizienten Einsatz in Ihren Prozessen.

Mit unserer Expertise beherrschen Sie die Datenflut.

Wie sollen immer größere Datenbestände organisiert und mit Mehrwert ausgestattet werden? Mit System natürlich!

KI-Verfahren benötigen für den Einsatz eine gut gepflegte Datenbasis, die im Rahmen der Sprachdatenaufbereitung erstellt wird. So sind Sie bestens gerüstet, um sich mithilfe von blc einen Überblick zu passenden KI-Systemen für Ihren Anwendungsfall zu verschaffen!

blc unterstützt Sie hierzu bei der Analyse von KI-Anwendungsszenarien, beim Training von MÜ-Engines, beim Testing von cloud-basierten Tools zur Textgenerierung und Textklassifikation und vielen anderen KI-bezogenen Fragestellungen!

Info zu Maschineller Übersetzung

Regelbasierte maschinelle Übersetzung Bei der regelbasierten maschinellen Übersetzung, auch RMBÜ genannt, werden Texte mittels linguistischer Algorithmen vollautomatisch übersetzt. Statistische maschinelle Übersetzung Bei der statistischen maschinellen Übersetzung, auch SMÜ genannt, wird ein zweisprachiger Textkorpus analysiert und somit die statistische Wahrscheinlichkeit einer Übersetzung ermittelt. Neuronale maschinelle Übersetzung Neuronale maschinelle Übersetzung basiert wie statistische MÜ auf der Analyse von zweisprachigen Texten. Diese Texte werden von einem künstlichen neuronalen Netz angelernt und dabei die Zusammenhänge zwischen Ausgangs- und Zielsprache erfasst (Quelle: Wikipedia). Eine kleine Einführung in neuronale Netze erhalten Sie im Beitrag “Neuronale maschinelle Übersetzung – Mysterium?“.

Zu den Use-Cases

Use Case “Automatische Textgenerierung im Online-Shop”

Herausforderung: Ein Elektronik-Fachmarkt erstellt für seinen Online-Shop regelmäßig Artikelbeschreibungen zu neuen Artikeln. Um Redaktionskosten zu sparen und den Erstellprozess der Produkt-Beschreibungen zu beschleunigen, möchte der Kunde automatische Texterstellung einsetzen.

Lösung: berns language consulting sichtet Produktdaten, die in tabellarischer Form zu jedem Artikel vorliegen und erstellt einen Anforderungskatalog für die erwartete Qualität und den Stil der automatisch erzeugten Produktbeschreibungen. Anhand des Katalogs werden Systeme zur automatischen Textgenerierung getestet, verglichen und dem Kunden vorgestellt. Nach der Systemauswahl begleitet berns language consulting die Integration in die bestehende Systemlandschaft beim Kunden.

Use Case “Maschinelle Übersetzung in der Entwicklung”

Herausforderung: Im Rahmen eines strategischen Projekts für einen großen deutschen Automobilhersteller sollte untersucht werden, welche Voraussetzungen erfüllt sein müssen, damit maschinelle Übersetzung effektiv in einen bestehenden Dokumentationsprozess eingebunden werden kann.

Lösung: Im Rahmen des Projekts hat berns language consulting einen funktionstüchtigen Piloten erstellt und folgende Aspekte beleuchtet:

Integration bestehender Terminologie
Vorverarbeitung von Texten und Behandlung für möglichst präzise Ergebnisse
Einbinden der Engine in den bestehenden Übersetzungsworkflow
Gewährleisten der Datensicherheit, Anonymisierungs-Szenarien

Zurzeit plant der Kunde, maschinelle Übersetzung produktiv einzusetzen.

Wir helfen Ihnen dabei, das richtige System richtig einzusetzen.

Anforderungen bestimmen und Daten erheben

Definition des idealen Einsatzszenarios für den Einsatz von KI-Tools
Bestimmen und Priorisieren der Anforderungen an Qualität und Sicherheit
Analysieren und Bereinigen Ihrer Textdaten für das Training

System auswählen und Engines trainieren

Extraktion von Texten und Terminologie für das Training der Engines
Trainieren von Engines verschiedener Anbieter zu Vergleichszwecken
Evaluation der Ergebnisse und Auswahl des besten Systems für Ihren Einsatzfall