SCENT

SCENT (SCalable dEep Networks for business Text) adressiert den Einsatz neuester Deep Learning Techniken - sogenannter Transformer-Netze - zur Text-Analyse im Geschäftsumfeld von Banken und Versicherungen. Hier bietet sich angesichts einer enormen Skale an zu verarbeitenden Dokumenten (Nutzeranfragen, Versicherungsbedingungen und -Scheine) enormes Potenzial für ein KI-basiertes Textverstehen in wissensintensiven Geschäftsprozessen. In Zusammenarbeit mit den Firmenpartnern R+V Versicherung und Volksbank Mittelhessen sollen deshalb Techniken zur skalierbaren semantischen Ähnlichkeitsanalyse von Texten (z.B. Schadenbeschreibungen vs. Versicherungsbedingungen) sowie zur Informationsextraktion aus Kundenanfragen entstehen. Hier stoßen einerseits Heuristiken und einfache Lernverfahren an ihre Grenzen und sind der Vielfalt natürlicher Sprache nicht gewachsen. Andererseits sind Deep Learning-Methoden - während in der Forschung seit neuestem etabliert - noch nicht direkt auf betriebliche Anwendungen übertragbar. Hier setzt SCENT an und erforscht Schlüsselaspekte wie mangelnde Annotationen (Few-Shot Learning), Skalierbarkeit auf Hunderttausende von Referenzfällen, sowie die Erkennung über lange Kontexte (z.B. Verteilung von Sachverhalten über viele Vertragsklauseln).

SCENT wird in Zusammenarbeit mit den Anwendungspartnern R+V und der Volksbank Mittelhessen, sowie den assoziierten Partner Cognaize und der SER Group durchgeführt. Als wissenschaftliche Partner begleiten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Universität Trier das Vorhaben. Dieses Projekt wird durch das Programm FH-Kooperativ des Bundesministeriums für Bildung und Forschung (BMBF) gefördert.