Text Transformation

Kontext

Der Großteil des Wissens einer Organisation steckt in unstrukturiertem Text – Produktbeschreibungen, Anforderungen, Berichte, Dokumentation – und ihn in einen strukturierten Knowledge Graph zu überführen, ist mühsam, fehleranfällig und meist Experten vorbehalten. Bestehende Tools visualisieren oft nur, was eine KI ausgibt, ohne Möglichkeit zur Prüfung oder Korrektur. Ich habe ein nutzerzentriertes, neuro-symbolisches Human-in-the-Loop-Tool gebaut, das den Menschen über die Korrektheit entscheiden lässt. Nach dem Import von Text entwirft das System einen Knowledge Graph; jede generierte Aussage wird neben dem Text angezeigt und per Farbe und Verbindungslinien mit genau dem Satz verknüpft, aus dem sie stammt – so lässt sich jede Aussage auf einen Blick verifizieren. Nutzer explorieren den Graphen visuell und bearbeiten oder ergänzen Aussagen direkt, während ein bedeutungsbasierter Konfidenzwert anzeigt, wie gut jedes Element zum gewählten Vokabular passt; die optionale Ontologie-Einbindung hält die Ausgabe konsistent mit bestehenden Datenmodellen. Das Ergebnis ist Zugänglichkeit und Vertrauen zugleich: Menschen ohne Vorerfahrung erstellten Knowledge Graphs in Expertenqualität, in einem Bruchteil der Zeit – und weil jede Aussage auf ihre Quelle zurückführt, konnten sie das Ergebnis prüfen und vertreten. Das senkt die Einstiegshürde für die Knowledge-Graph-Erstellung deutlich und behält die Korrektheit fest in menschlicher Hand.