Fachkonferenz DIPAS_analytics

Natural Language Processing, die maschinelle Verarbeitung von natürlicher Sprache, umfasst weit mehr als nur ChatGPT. In diesem Deep Dive beleuchten wir die Grundlagen der Textverarbeitung in DIPAS_analytics: wie kann Text so in Zahlen umgewandelt werden, dass Maschinen ihn verstehen? Welche Methoden gibt es zur inhaltlichen Gruppierung von Texten und wie wähle ich für meinen Anwendungsfall den passenden Ansatz aus? In diesem Deep Dive gehen wir auf die konkrete Modellauswahl für die NLP-Services in DIPAS_analytics ein, diskutieren unsere Erfahrungen aus der Konzeption und Implementierung der NLP-Services und zeigen, welche Standards für modulare Services genutzt werden können. Gemeinsam mit Ihnen möchten wir evaluieren, wie die Dienste über die bisherigen Anwendungsfälle hinaus eingesetzt werden und welche weiteren Formen von Textverarbeitung für die Bürgerbeteiligung nützlich sein könnten. 

Die Anforderungserhebung für KI-basierte Anwendungen wie DIPAS_analytics ist mit besonderen Herausforderungen verbunden. Durch die rasante technologische Entwicklung ergeben sich fortlaufend neue Möglichkeiten, was dazu führt, dass sich die Erwartungen und Anforderungen der Nutzer stetig verändern. Wir stellen vor, wie wir an die systematische Entwicklung einer Fachkonzeption herangegangen sind und auf Basis welcher Thesen, konkreten Fragestellungen und Methoden die Anforderungserhebung erfolgt ist. Dabei spielen auch ethische Fragen im Umgang und in der Nutzung von KI eine Rolle. Es geht um die Nachvollziehbarkeit, Transparenz und Manipulierbarkeit von KI-generierten Daten. Im Rahmen dieses Deep Dives möchten wir gemeinsam mit Ihnen Erfahrungen austauschen, bestehende Herausforderungen diskutieren und neue, innovative Ansätze erarbeiten mit dem Ziel, Anforderungserhebung in Zukunft vorausschauend und dynamisch zu gestalten.

DIPAS ermöglicht es den Bürgerinnen und Bürgern, passend zu ihrem Textbeitrag eine Location anzugeben. Aber was ist, wenn die angegebene Location kaum oder gar nicht auf die im Text eigentlich beschriebenen Orte passt? Für diesen Fall haben wir eine Antwort parat: im LGV wurden unterschiedliche Ansätze entwickelt und evaluiert, mit denen die tatsächlich im Text beschriebenen Geolocation(s) automatisiert extrahiert werden können. Hiermit wird es auch erstmalig möglich, mehrere Locations gleichzeitig für einen einzelnen Textbeitrag einzureichen. In diesem Deep Dive möchten wir Ihnen mögliche Herangehensweisen im Detail vorstellen und ihre Vor- und Nachteile abwägen. Gemeinsam mit Ihnen möchten diskutieren, wie diese Ansätze weiter optimiert werden können und welche Anforderungen aus der Praxis noch berücksichtigt werden sollten.

In diesem Deep Dive widmen wir uns der Frage, wie ein Minimal Viable Product (MVP) oder erstes Produkt nach seiner Entwicklung erfolgreich in eine Organisation eingeführt werden kann. Wir stellen Ihnen unser eigenes geplantes Einführungskonzept sowie den aktuellen Umsetzungsstand vor. Dabei sind wir an ihren Gedanken, Erfahrungen und Ideen interessiert, die über unser Schulungskonzept und die erstellten Manuale hinaus gehen. Wir wollen diskutieren, wie ein Produkt effektiv vermittelt und dauerhaft etabliert werden kann und laden Sie ein, Feedback zu unserem Konzept zu geben sowie eigene Beispiele und Herausforderungen einzubringen, um gemeinsam zu analysieren, was gut funktioniert und was optimiert werden sollte.