Knowledge-hub.eco - Forschung

Ein Tool, das Wissen zu Umwelt-, Sozial- und Unternehmensführungsaspekte auf einfache Weise zur Verfügung stellt.

Hintergrund

Umwelt-, Sozial- und Unternehmensführungsaspekte (ESG) spielen eine zunehmend größere Rolle und haben einen gewichtigen Einfluss auf Investitionsstrategien und Konsumentscheidungen. Umfassendes und vertrauenswürdiges ESG-Wissen ist daher relevanter als je zuvor. Der Zugang zu diesen wichtigen Informationen ist für viele Personen jedoch mit Hürden verbunden, insbesondere für diejenigen, die über unzureichendes Fachwissen verfügen.

Projektinhalt

In einem gemeinsamen Projekt haben Expert*innen der Semantic Web Company aus Wien und des Instituts für Innovationssysteme der Fachhochschule St. Pölten die erste KI-gestützte Frage-Antwort-Maschine entwickelt, die zuverlässige und faktenbasierte Informationen zu dem komplexen Bereich der ESG auf intuitive Weise zugänglich macht. Diese wurde am 24. Mai 2024 im Rahmen der Langen Nacht der Forschung an der FH St. Pölten erstmals der Öffentlichkeit präsentiert.

Der Service ist in einer Beta-Version verfügbar unter: https://knowledge-hub.eco/

Ziele und Methoden

In einem wegweisenden Entwicklungsschritt hat das Projektteam große Sprachmodelle (LLMs) mit Wissensgraphen (KG) kombiniert und ein leistungsstarkes Tool geschaffen, mit dem sich das komplexe Themenfeld des Nachhaltigkeits- und ESG-Managements besser strukturieren und aufbereiten lässt. Ziel war es, auf diese Weise Informationen einfacher nutzbar zu machen und ihnen ein fakten-basiertes Fundament zu geben.

Kernstück unserer Methode ist der sogenannte semantische RAG-Ansatz (Retrieval-Augmented Generation) mit dessen Hilfe der Output eines großen Sprachmodells (LLM) verbessert wird. Erreicht wird das durch die Verwendung einer fundierten Wissensbasis, die zusätzlich den Trainingsaufwand des Sprachmodells massiv senkt. Man kommt also zu vertrauenswürdigeren Suchergebnissen, die gleichzeitig mit großen Energieeinsparungen beim Betrieb der künstlichen Intelligenz einhergehen. Großer Vorteil des RAG-Ansatzes ist außerdem, dass sich damit LLMs auf spezifische Domänen oder organisatorische Wissensbasen zuschneiden lassen und kostengünstig die Relevanz, Genauigkeit und der Nutzen der generierten Ergebnisse erhöht werden kann.

Ergebnis

Das Projektteam hat ein Werkzeug entwickelt mit dem ESG-Wissen auch für Nicht-Expert*innen einfach zugänglich wird. Dafür haben wir ein allgemeines Referenzmodell für ESG entwickelt, das aus aktuell 7.500 themenrelevanten Konzepten und mehr als 40.000 Begriffen besteht. Der daraus resultierende ESG-Graph stellt die Abhängigkeiten zwischen ESG-Stakeholdern, Regulierungen, sauberen Technologien sowie Risiken und Chancen, die sich aus ESG-Themen ergeben, dar und bildet die grundlegende Wissensbasis für die KI-Maschine, welche die Informationen auf Anfrage bereitstellt.