Große Dokumentkollektionen mit KI-Analyse nutzbar machen (in German)

Die Inhalte sehr umfangreicher Textkollektionen liegen oft weitgehend im Dunkeln. Somit bleiben wichtige in den Texten enthaltene Informationen unerschlossen, der praktische Nutzen der Texte ist stark eingeschränkt.

Wir zeigen, wie mit Hilfe von semantischen Netzen und KI-Techniken automatisiert thematische Metadaten und daraus Portraits zu allen Einzeltexten und der Gesamtkollektion berechnet werden können. Die Metadaten beschreiben in feingranularer Weise die in einem Dokument auftretenden Themen, Subthemen, Konzepte, Personen, Orte, Organisationen etc. Damit lässt sich erst mit Hilfe dieser Metadaten der Wert der Texte voll erschließen.

Einsatzmöglichkeiten, die optimal unterstützt werden, reichen von der Produktvermarktung über die Suche nach speziellen Inhalten (z.B. Hate-Speech, Skandale etc.) bis hin zur Recherche von thematischen Zusammenhängen und der Analyse von Trends und Entwicklungen. Auch die Visualisierung von Zusammenhängen und eine nachgelagerte KI-Verarbeitung basieren auf diesen Metadaten.