Postalische Anschrift
KreativInstitut.OWL
Emilienstraße 45
32756 Detmold
Anfahrt
Kreativ Campus Detmold
Bielefelder Straße 66a
32756 Detmold
Kontakt
Schonmal versucht nach einem Problem zu googeln, von dem man nicht weiß, wie man es beschreiben soll? Oder versucht eine Anleitung für eine Funktion einer Software zu finden, wenn man keine Ahnung hat, wie die Funktion heißt? In Kooperation mit der Hirschbiegel+Grundstein GmbH entwickeln wir HaBiBi, den HandBuchBot, und erforschen, ob und wie Chatbots uns helfen können, diese Sprachlosigkeit zu überwinden.
Projektbeteiligte
Anna Viktoria Katrin Plaksin
Conrad Dreyer
Hizkiel Mitiku Alemayehu
Andreas Prohl-Plaksin
Projektstatus
Testphase
Andreas Prohl-Plaksin (Hirschbiegel+Grundstein GmbH)
Auch wenn das Potenzial in der Theorie groß ist, müssen für den Einsatz in der Praxis viele Fragen geklärt werden:
Wie integriert man einen Chatbot in eine bestehende Infrastruktur?
Welche rechtlichen und finanziellen Rahmenbedingungen müssen beachtet werden?
Wie muss eine Wissensbasis beschaffen sein, damit ein Chatbot gute Antworten liefert?
Wie vermeidet man falsche Antworten?
Gemeinsam mit dem Softareunternehmen Hirschbiegel+Grundstein GmbH
entwickeln wir HaBiBi und erproben seinen Einsatz in dem Softwarepaket KOKOS.Event.
Wir verwenden die Technik des Retrieval Augmented Generation (RAG).
Es handelt sich dabei um ein zweischrittiges Verfahren. Zuerst wird eine Anfrage an ein Abrufmodell gesendet, um damit anschließend passende Inhalte aus einer Datenbank abzufragen. Diese relevanten Informationen werden, im zweiten Schritt, zusammen mit der Frage an ein generatives Modell gesendet. Dies nutzt die abgerufenen relevanten Dokumente als Wissensquelle für die Beantwortung der Frage.
Dieser Ansatz kombiniert die Stärke von Informationsabrufsystemen mit generativen Modellen. Dabei sucht das Modell relevante Dokumente oder Informationen aus einer Datenbank und nutzt diese als Kontext, um präzisere und informativere Antworten zu generieren. Zum einen wird damit die Genauigkeit und Relevanz der generierten Texte verbessert, besonders in spezialisierten oder wissensintensiven Bereichen. Zum anderen ermöglicht das Verfahren eine schnelle und ressourcenschonende Implementierung, da fertige Komponenten miteinander kombiniert werden und kein aufwendiges Training notwendig ist.