Die Forschungsgruppe Visual Analytics des Instituts für Informationssysteme der Hochschule für Angewandte Wissenschaften Hof forscht an intelligenten Benutzerschnittstellen mit einem Fokus auf räumlich repräsentierte Wissensstrukturen. Diese Interfaces verbinden die Maschine mit ihrer Fähigkeit, große Datenmengen zu durchsuchen, zu berechnen oder darin Muster zu erkennen, und den menschlichen Benutzer, der seinen Erfahrungsschatz, seine Kreativität und sein implizites Fachwissen in den Problemlösungsprozess mit einbringt.
Die Forschungsdemonstratoren der Forschungsgruppe repräsentieren maschinell generiertes Wissen unterschiedlicher Domänen als Graphen in sogenannten Knowledge-Bases. „Intelligente“ Softwaremodule interpretieren das vom Menschen ausgedrückte Wissen und gleichen dieses mit dem der Maschine ab. Dadurch wird ein ähnliches „Verständnis“ der Domäne und der Problemlösung bei Mensch und Maschine erreicht. Darauf basierend kann die Maschine dem Menschen weitere relevante Informationen vorschlagen.
Eine Herausforderung bei solchen Systemen ist das effiziente Abfragen von relevanten Informationen aus dem graphbasierten Wissen der Maschine. Das Ergebnis einer solchen Abfrage ist ein gewichteter Subgraph. Dabei spielen die Gewichtungen zwischen den Knoten, die die Stärke der Beziehungen ausdrücken, eine Rolle. Die aktuell im Demonstrator verwendeten Algorithmen sind nicht effizient; sie funktionieren nur bei kleinen Wissensdomänen ausreichend performant.
Unmittelbare Rückmeldungen der Knowledge-Bases sind jedoch für derartige Software wesentlich, da während der Benutzerinteraktion kontinuierlich Vorschläge aus den Knowledge-Bases akquiriert und dargestellt werden müssen.
Im Projekt EKA war das Ziel, die Effizienz der Akquise von relevanten Subgraphen zu erhöhen. Dazu wurden mehrere Algorithmen entwickelt und getestet. Zur effizienten Abfrage der Wissensgraphen wurde zudem ein neues Nachrichtenformat entworfen. Dieses ermöglicht den Knowledge-Bases, deutlich kürzere Nachrichten zu verwenden und ermöglicht damit eine effizientere Kommunikation zwischen Knowledge-Base und anderen Systemkomponenten. Dies ist vor allem relevant, wenn die Knowledge-Bases und die Anwendungsprogramme über ein Netzwerk kommunizieren. Die EKA-Algorithmen wurden in das bestehende System „Mother“ integriert und getestet.
Alle technischen Details zum Projekt einschließlich einer Beschreibung der entwickelten Algorithmen und der Testergebnisse finden sich in einem Technical Report.
Das Problem, das im Rahmen von EKA behandelt wurde, ist generischer Natur. Die Erkenntnisse können deswegen von Unternehmen in unterschiedlichen Domänen eingesetzt werden. Der Partner, die Sensorik-Bayern GmbH, kann die Ergebnisse für eigene Entscheidungsprozesse sowie zur Unterstützung von Partnerunternehmen einsetzen.
Eine weitere Verwendung der Ergebnisse aus EKA wird in weiteren unterschiedlichen Anwendungsdomänen angestrebt. Darunter sind Wissensbanken für energieautarke Gebäude (TAO-Projekt) und Lernsysteme (erstellter Antrag zusammen mit der Sensorik-Bayern GmbH zu einer Ausschreibung des BMBF).
Bereits im letzten Jahr wurde zusammen mit der Sensorik-Bayern GmbH für eine BMBF-Ausschreibung ein Antrag zum Thema „Arbeit 4.0“ erstellt, für den die Relevanz von EKA ebenfalls sichtbar wurde.
Aufgrund der Corona-bedingten Einschränkungen war es nicht möglich, die im Antrag erwähnten Workshops mit der Sensorik-Bayern GmbH sinnvoll und im geplanten Zeitraum durchzuführen. Das Projekt war zwar von den Einschränkungen betroffen, die Projektziele wurden jedoch dennoch erreicht.