Mit Effizienz gesucht

Herausforderung

Im Gegensatz zur traditionellen lexikalischen Suche, die auf Schlüsselwörtern basiert, erlangt die neuronale Suche ein tieferes semantisches Verständnis bezüglich der Datensätze beschreibenden Informationen. Hierfür werden Textinhalte mit Hilfe von Large-Language-Models in sogenannte Embeddings umgewandelt. Dadurch können relevante Datensätze, die zur Suchabfrage semantisch ähnlich sind, gefunden werden, auch wenn die Schlüsselwörter der Suchanfrage nicht mit jenen in den textuellen Inhalten der Datensätze übereinstimmen. Beispielsweise weiß das neuronale Suchmodell, dass Wien in Österreich liegt und kann deshalb für die Suchanfrage „Österreichische Gewässer“ den Datensatz „Flüsse in Wien“ finden.

Lösung

In Kooperation mit dem FAIR-AI Forschungsbereich der Know Center Research GmbH hat das BRZ die Sucherfahrung auf der Datenplattform www.data.gv.at analysiert und erweitert. Insbesondere wurde eine KI-basierte neuronale Suchmethode implementiert und in die bestehende Suchumgebung integriert. Dadurch können nun selbst anspruchsvolle und komplexe Suchanfragen effizient verarbeitet werden. Dieser ganzheitliche Ansatz, bestehend aus dem Einsatz von neuartigen KI-Technologien und der Anwendung smarter Konfigurationen, ist essenziell für eine gut funktionierende Suche.

Mehrwert

In diesem Projekt wurde wissenschaftlich evaluiert, dass Ergebnisse aus der neuronalen Suche zu den Suchanfragen aus dem Portal bis zu 285 % semantisch ähnlicher sind als jene der lexikalischen Suche. Die nächsten geplanten Schritte sehen eine Evaluierung im Echtbetrieb vor, um die tatsächliche User-Zufriedenheit zu ermitteln. Um das Informationsangebot auf der Plattform weiter zu verbessern, kann das entwickelte neuronale Modell für andere Anwendungsfälle adaptiert und eingesetzt werden, z. B. in Form eines Chatbots.