Von Daten zu Design
LLM-gestützte Informationsextraktion über Branchen hinweg
DOI:
https://doi.org/10.17560/atp.v66i6-7.2738Schlagworte:
Large Language Model, Retrieval Augmented Generation, Python, EfficiencyAbstract
In diesem Beitrag wird die Anwendung von Großsprachmodelle (Large Language Models, LLMs) in der Automobil- und Zuliefererindustrie untersucht, wobei der Schwerpunkt auf dem Einsatz von Retrieval-Augmented-Generating-Systemen (RAG) zur Rationalisierung der Informationsbeschaffung aus technischen Unterlagen liegt. Die Forschungsarbeit, die Teil des CoLab4DigiTwin-Projekts ist, untersucht, wie digitale Zwillinge, die von intelligenten Diensten unterstützt werden, die interdisziplinäre Zusammenarbeit verbessern und die Abhängigkeit von der manuellen Datensuche verringern können. Wir haben eine Pipeline mit einer RAG-Architektur entwickelt, die eine Vektordatenbank für ein effizientes Datenmanagement und einen schnellen Zugriff auf relevante Informationen nutzt, wodurch teure Rechenressourcen überflüssig werden. Die Leistung verschiedener Open-Source-LLMs, die auf Deutsch abgestimmt sind, wurde bewertet, wobei der Schwerpunkt auf Lesbarkeit, Klarheit und Genauigkeit lag. Die Ergebnisse zeigen eine gute Leistung des Systems, ohne dass eine Feinabstimmung des Modells erforderlich ist. Zukünftige Forschung wird darauf abzielen, diese Prozesse zu verfeinern und die Anwendbarkeit von RAG-Systemen zu erweitern, um das Potenzial von Large Language Models für die Interaktion mit industriellen Daten zu verdeutlichen.
Downloads
Veröffentlicht
Ausgabe
Rubrik
Lizenz
Copyright (c) 2024 Vulkan-Verlag GmbHDie Zeitschrift und alle in ihr enthaltenen Beiträge und Abbildungen sind urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Auch die Rechte der Wiedergabe durch Vortrag, Funk- und Fernsehsendung, im Magnettonverfahren oder ähnlichem Wege bleiben vorbehalten.
##plugins.generic.funding.fundingData##
-
Bundesministerium für Wirtschaft und Klimaschutz
##plugins.generic.funding.funderGrants## 13IK013F