Motivation

Aktuelle und qualitativ hochwertige Produktdaten sind essenziell für Einzelhandelsunternehmen. Das Stammdatenmanagement (MDM) muss dabei wachsende Datenmengen und umfangreiche regulatorische Vorgaben bewältigen. KI-basierte Verfahren könnten die Prozesse im MDM unterstützen. Jedoch ist die Einführung der Verfahren, insbesondere von maschinellen Lernverfahren, aufgrund von fehlenden Trainingsdaten und der fehlenden Erklärbarkeit der Ergebnisse oftmals mit erheblichen Problemen verbunden.

Ziele und Vorgehen

Ziel des Forschungsvorhabens ist die Entwicklung einer KI-basierten Plattform (KE3P) zur Umsetzung hybrider KI-Verfahren, die spezielle Anforderungen des MDM abdeckt und automatisch getroffene Entscheidungen erklärbar macht. Hybride KI-Systeme kombinieren unterschiedliche KI-Verfahren wie maschinelles Lernen und regelbasierte Verfahren. Insbesondere der Einsatz von Wissensgraphen, in denen domänenspezifisches Fachwissen verwaltet wird, ist hierbei ein vielversprechender Ansatz, um maschinelle Lernverfahren zu ergänzen und die Leistung von KI-Systemen zu steigern.

Das Vorgehen umfasst die Erforschung und prototypische Entwicklung von Verfahren zur Extraktion relevaner Produktinformationen aus strukturierten Datenquellen wie ERP-Systemen und unstrukturierten Quellen wie externen Webshops oder Produktbildern. Im nächsten Schritt werden automatische Verfahren zur Erstellung von Wissensgraphen, sogenannte Produktgraphen, aus den extrahierten Informationen untersucht, um eine effiziente Organisation und Darstellung der Produktdaten zu ermöglichen. Dabei spielt Qualitätssicherung durch Methoden wie Instance Matching und Knowledge Cleaning eine zentrale Rolle. Schließlich werden diese Verfahren in einer Plattform integriert, um die entwickelten Prototypen zu evaluieren und Optimierungspotenziale zu identifizieren. Dabei werden die einzelnen Verfahren wie in nachfolgender Abbildung dargestellt über eine API bereitgestellt.

Innovationen und Perspektiven

Bei erfolgreichem Projektverlauf verbessert die KE3P-Plattform mit dem integrierten Produktgraphen die Stammdatenverwaltung im Einzelhandel und unterstützt eine effiziente Omni-Channel-Strategie. Durch Automatisierung und verbesserte Datenqualität steigert sie die Wettbewerbsfähigkeit der Einzelhandelsunternehmen.

Gefördert durch: Bundesministerium für Bildung und Forschung BMBF, FKZ 01|S23060

Projektkoordinator: retailsolutions GmbH, St. Ingbert
Projektpartner: Hochschule Trier, Umwelt-Campus Birkenfeld
Projektlaufzeit: 01.10.2023 -30.09.2025
Höhe der Förderung: 207.000 €