KI-unterstützte Begutachtung der Behältersicherheit
- Die BAM führt sicherheitswissenschaftliche Begutachtungen von Gefahrgutbehältern durch, die mechanische, thermische, abschirmende und transportbezogene Analysen sowie Materialbewertungen und experimentelle Prüfungen umfassen. Diese Begutachtungen basieren auf umfassenden Sicherheitsberichten und Betriebsdokumentationen, die zahlreiche verknüpfte Dokumente und Daten enthalten. Änderungen an Komponenten oder regulatorischen Vorgaben können große Auswirkungen auf den Prüfumfang haben.
Das Projekt sieht vor, die Datenanalyse und -bereitstellung mittels KI-Ansätzen zu verbessern. Es sollen Methoden zur automatischen Analyse und Verknüpfung komplexer Dokumentationen entwickelt werden. Ziel ist es, die Effizienz und Sicherheit der Datenanalyse und späteren Sicherheitsbewertung zu steigern, menschliche Fehler zu minimieren und die Qualität der Sicherheitsbewertungen zu verbessern. Die Qualität der Datenbereitstellung aus Zeichnungen, Tabellen, Texten und Berechnungen ist entscheidend für dieDie BAM führt sicherheitswissenschaftliche Begutachtungen von Gefahrgutbehältern durch, die mechanische, thermische, abschirmende und transportbezogene Analysen sowie Materialbewertungen und experimentelle Prüfungen umfassen. Diese Begutachtungen basieren auf umfassenden Sicherheitsberichten und Betriebsdokumentationen, die zahlreiche verknüpfte Dokumente und Daten enthalten. Änderungen an Komponenten oder regulatorischen Vorgaben können große Auswirkungen auf den Prüfumfang haben.
Das Projekt sieht vor, die Datenanalyse und -bereitstellung mittels KI-Ansätzen zu verbessern. Es sollen Methoden zur automatischen Analyse und Verknüpfung komplexer Dokumentationen entwickelt werden. Ziel ist es, die Effizienz und Sicherheit der Datenanalyse und späteren Sicherheitsbewertung zu steigern, menschliche Fehler zu minimieren und die Qualität der Sicherheitsbewertungen zu verbessern. Die Qualität der Datenbereitstellung aus Zeichnungen, Tabellen, Texten und Berechnungen ist entscheidend für die Verarbeitung digitaler Formate der Behälterdokumentation. Ein neuro-symbolischer KI-Ansatz kombiniert neuronale Netze und symbolische KI, um die komplexen Inhalte zu analysieren und zu verknüpfen, was für die spätere Sicherheitsbewertung der Gefahrgutbehälter entscheidend ist.
In vortrainierten Large Language Models (LLMs) fehlen für diesen Anwendungsfall spezifische fachliche Daten zur Behältersicherheit was zu fehlerhaften Ergebnissen führen kann. Für die Datenbereitstellung und Analyse im Zuge einer Sicherheitsbewertung gilt es dieses auszuschließen. Hierzu soll die RAG-Architektur (Retrieval-Augmented Generation) im Zusammenspiel mit LLMs angewendet werden. Dieser neue Ansatz der natürlichen Sprachverarbeitung und generativen KI soll die Stärken vortrainierter Sprachmodelle mit Fachwissen und Informationen aus Datenbanken und Dokumentensammlungen kombinieren. Die generierten Ergebnisse sollen dabei zusammen mit den verwendeten Quellen bereitgestellt werden, um eine fundierte und nachvollziehbare Basis für die Sicherheitsbewertung bilden.…

