Artificial Market Intelligence im Wasserstoffkontext

Atlant-H:KI-basierte Analyse von Text-Medien zum internationalen Marktgeschehen in der Wasserstoffökonomie

Atlant-H - Artificial Market Intelligence
© Alexander Filon

Grüner Wasserstoff ist ein wesentlicher Baustein für eine CO2-freie Energieversorgung. Aus ökologischer und zunehmend auch finanzieller Sicht macht eine entsprechende Umstellung insbesondere für CO2-emissionsintensive Industriezweige und Verkehrssektoren Sinn. Das politische Interesse steigt und die Nachfrage von Seiten der Industrie wächst. Für diese Transformation spielen Brennstoffzellen auf Wasserstoffbasis (PEMFC) eine zentrale Rolle. Die angewandte Forschung und Weiterentwicklung von PEMFC-Systemen im Kontext zahlreicher neuer Nutzungsszenarien erfährt einen hohen Stellenwert.  

Wasserstoff: Wie in einem hochdynamischen Markt den Überblick behalten?

Der Innovationsdruck ist also hoch: Wir befinden uns aktuell in einem hochdynamischen Marktumfeld, in dem fast jeden Tag neue Entwicklungen aus Forschung und Industrie vermeldet werden. In kürzester Zeit liegen immer neue Daten vor, die interessierte Protagonisten zur Entscheidungsunterstützung heranziehen könnten. In der Regel werden diese Informationen und Entwicklungsschritte auf unterschiedliche Art und Weise und in unterschiedlichsten Formaten in Textform veröffentlicht. Wie aber können Forschungseinrichtungen oder Unternehmen aus dieser Textflut nun zeitnah die relevanten Informationen herausfiltern, um Rückschlüsse für den eigenen Innovationsprozess abzuleiten?

Lösung: Automatisierte Textanalyse auf Basis von Wissensgraphen

Hier können Semantic Web-Technologien helfen: Mit Wissensgraphen ist es möglich, Wissen in seinen technischen und sozioökonomischen Zusammenhängen ganzheitlich und vor allem automatisiert abzubilden. Die Forschungsgruppe Future Engineering, eine Forschungskooperation aus der Technischen Hochschule Nürnberg Georg-Simon-Ohm und der Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS, entwickelt deshalb ein Graph-basiertes Tool mit initialem Fokus auf die Brennstoffzelle in der Wasserstoffwirtschaft, mit dem es möglich ist, eine große Menge an Textdaten aus dem Wasserstoffumfeld – sei es aus wissenschaftlichen Veröffentlichungen oder Pressemitteilungen von Unternehmen – mit ausreichender Genauigkeit automatisiert zu analysieren und entsprechend der eigenen Fragestellung aufzubereiten.
Damit können Analysen auf System- und Komponentenebene erfolgen und auf verschiedene Anwendungsfelder oder technologische Konzepte heruntergebrochen werden. So können Prognosen zu unterschiedlichen Fragestellungen in der Brennstoffzellenforschung getroffen werden, z. B. welche Brennstoffzellensysteme derzeit in Verkehrsanwendungen erforscht werden, welche spezifischen Technologien diesen Systemen zugrunde liegen, oder welche neuen Materialien und Konzepte gerade von wem entwickelt werden.

Werkzeug zur automatisierten, grafischen Darstellung des Wasserstoffmarktes

Das Projektziel ist die Entwicklung eines Werkzeugs, das über intuitive Dashboards einen dynamischen, datenbasierten Überblick über die Wasserstoffwirtschaft mit Fokus auf die Brennstoffzelle erlaubt.
Dafür müssen mehr als 10.000 internationale Veröffentlichungen weltweit (z. B. Beiträge von Verlags- und Wissenschaftsplattformen, Pressemitteilungen, Unternehmensnachrichten, etc.) pro Monat automatisiert verarbeitet werden. Hierzu werden maschinelle Verfahren zur Verarbeitung natürlicher Texte (Natural Language Processing NLP) sowie Semantic Web-Technologien eingesetzt und Verfahren zur Extraktion und Modellierung von Wissen aus Medientexten entwickelt.

Drei Elemente sind wesentlich: Ontologie, Pipeline und Dashboard

© Fraunhofer

Das Tool besteht aus drei Elementen: den Ontologien, der Text-Processing-Pipeline und den Dashboards.

Um eine ganzheitliche Sicht auf den Markt zu erhalten, wird die Struktur des Wissensgraphen über zwei komplementäre Ontologien aufgebaut. Diese Informationsstrukturen stellen jeweils in ihrem Umfeld Beziehungen zwischen Begriffen her.

  • Die Domänenontologie konzentriert sich auf spezifische Informationen zum Produkt bzw. zur Technologie, z. B. Brennstoffzellentyp, Stufe der Wertschöpfung (Erzeugung, Lagerung, Verbrauch) und Einsatzbereich (z. B. Fahrzeug, Flugzeug, Heizung). Dafür wurde durch die Forschungsgruppe Future Engineering eine eigene Ontologie namens „Hydrogen Ontology“ (HOLY) entwickelt, die diese Aspekte des Wasserstoff-Ökosystems abbildet.
  • Die Anwendungsontologie betrachtet die Marktseite und bildet die Rollen der Akteure im Ökosystem (z. B. Hersteller, Zulieferer, Forschungseinrichtung) sowie deren Interaktion untereinander ab (z. B. Kooperation, gemeinsame Forschung, Lieferantenbeziehung). Außerdem wird die Anwendung definierten Reifegraden zugeordnet (z. B. in Entwicklung, Pilotbetrieb).

Eine automatisiert arbeitende Prozess-Pipeline bezieht Rohtexte aus verschiedensten Quellen, bereitet diese auf und extrahiert daraus die gewünschten Informationen. Diese Informationen werden anschließend mittels der vorab erstellten Ontologie strukturiert, verifiziert und mit zusätzlichen Fakten aus öffentlich verfügbaren Wissensgraphen angereichert. Die so aufbereiteten Informationen werden anschließend in Form von Dashboards visualisiert, um bestimmte Fragestellungen der Kunden zu adressieren, beispielsweise:

  • Wer sind die Hersteller/Anbieter der Technologien in einer Wasserstoffökonomie?
  • Wer sind die Nutzer dieser Technologien in der nachgelagerten Wertschöpfungskette?
  • In welchen Anwendungsfeldern werden wasserstoffbasierte Brennstoffzellsysteme eingesetzt?
  • Wo oder durch wen werden diese Brennstoffzellsysteme hergestellt?

Mit diesem neuen Tool erhalten Hersteller wie Nutzer zukünftig einen jederzeit aktuellen Marktüberblick über die Entwicklungen im Brennstoffzellen-Umfeld – und das entsprechend ihrer eigenen, spezifischen Fragestellungen.

Das könnte Sie auch interessieren

 

Forschungsfeld

Datenbasierte Trend- und Szenarioforschung

 

Kontinuierlich Markt- und Technologietrends aus einer großen Menge unstrukturierter Informationen herausfiltern – mit Methoden, die auf Knopfdruck individuelle Analysen erlauben.

 

Trends in der urbanen Mobilität

Der Wandel hin zur Elektromobilität ist in vollem Gange, doch ist das nur ein Hype oder wird es sich langfristig durchsetzen? Dieser Frage nimmt sich die Fraunhofer-Arbeitsgruppe SCS des Fraunhofer IIS zusammen mit der VAG und der N-Ergie im Projekt an und hilft mittels datenbasierter Trend- und Szenarioforschung die wichtigen Trends zu erkennen und strategische Entscheidungen zu bewerten.

 

 

Trendforschung & Customer Insights-Analyse im DIY-Bereich

Die Forschungsgruppe Future Engineering analysiert in diesem Projekt mehr als eine halbe Million öffentliche Online-Beiträge für die STAEDTLER Mars GmbH & Co. KG, um tiefgehende Customer Insights zu gewinnen und insbesondere die Entwicklung oder mögliche Verlagerung von Kundeninteressen auf der Basis von hochdynamischen Kommunikationsmedien zu untersuchen.  

 

EnDaSpace PLATON

Das Forschungsprojekt »EnDaSpace PLATON« rückt ein plattformbasiertes Ökosystem im Anwendungskontext der Wasserstoffwirtschaft in den Fokus der interdisziplinären Forschung. Es geht einerseits darum herauszufinden, wie eine digitale Plattform aussehen muss, die Akteure in der Wasserstoffwirtschaft effizient miteinander verknüpft und andererseits darum zu analysieren, wie darauf basierende Geschäftsmodelle konzipiert sein müssen, damit sie sich erfolgreich am Markt platzieren lassen.