Fraunhofer-Institut für System- und Innovationsforschung ISI

Filters

1
Reset filters

Settings
Now showing 1 - 1 of 1
  • Publication
    Mehrstufige strategische Frühaufklärung durch iterative automatisierte Themenerkennung und Fusion von Nachrichten-, Journal- und Patenttexten mittels Natural Language Processing (NLP)
    ( 2023)
    Haan, Philipp
    ;
    Berbig, Manuel
    ;
    Blum, Ralph
    ;
    Jörden, Jan
    ;
    Schirrmeister, Elna orcid-logo
    ;
    Zimmermann, Roland
    In der strategischen Frühaufklärung liegen bislang ungenutzte Potenziale, da verschiedene Datenquellen wie Nachrichtentexte, Journalpublikationen und Patentdaten meist isoliert voneinander analysiert werden. Automatisierte NLP-Verfahren finden hierzu zunehmend Anwendung. Die spezifischen Charakteristika der Quellen werden jedoch nicht beachtet: 1) Nachrichtentexte sind zeitlich sehr aktuell, umfangreich und redaktionell teilweise vorgefiltert. Sie lenken den Blick auf aktuelle gesellschaftliche und technologische Entwicklungen, haben aber oft nur eine kurze Halbwertszeit. 2) Publikations- und Patentdatenbanken haben eine verifizierte Qualität und erlauben eine längerfristige Betrachtung von Themenentwicklungen, liegen jedoch lange Zeit außerhalb der breiteren gesellschaftlichen Wahrnehmung. Die verschiedenen Fristigkeiten ermöglichen eine iterative, sequenzielle Nutzung der Quellentypen mit dem Ziel, in der breiten Öffentlichkeit auftauchende Themenentwicklungen rasch zu erkennen (durch 1) und diese mittels längerfristigen, inhaltlich detaillierten Daten (durch 2) in einem zweiten Schritt zu präzisieren. Dazu werden automatisierte Ansätze zur Themenextraktion auf Basis von aktuellen Transformer-Sprachmodellen genutzt, die sich in den letzten Jahren als Instrument der strategischen Frühaufklärung etabliert haben.