Use Cases

Speech 2 Text – Qualytis

In Zusammenarbeit mit Produkt und Markt (P+M), einem Marktforschungsunternehmen aus dem Osnabrücker Land, haben wir einen Service entwickelt, mit dem P+M Marktforschungs-Interviews mithilfe von eigens trainierten KI-Modellen analysieren kann und in Eigenregie Modelle weiter lernen lassen kann.

Die Challenge

In der qualitativen Marktforschung wird man mit einer großen Menge an Dokumenten konfrontiert, die eine hohe Informationsdichte besitzen. Manuell aus einer derartig komplexen Datenmenge Schlüsse zu ziehen oder relevante Kommentare zu einer Frage zu aggregieren ist ein zeitaufwendiger Prozess. Keyword-basierte Ansätze sind nicht robust genug für eine generelle Analyse bei sehr nuancierten Texten und das einmalige Training eines KI-Modells zur Kategorisierung von Texten ist keine future-proofe Lösung, da man damit keine Möglichkeit hat, im Nachhinein neue Kategorien zur Analyse hinzuzufügen.

Das Modell

Wir entwickelten eine Plattform, auf der Nutzerinnen und Nutzer eigenhändig Modelle erstellen können und mit manuell kategorisierten Daten trainieren können. Nach dem abgeschlossenen Training stehen die Modelle zur Verfügung, um nicht kategorisierte Dokumente Abschnitt für Abschnitt automatisch zu kategorisieren. Die Architektur der Modelle ermöglicht es, einzelne Kategorien aus verschiedenen bereits trainierten Modellen zu einem neuen Modell zusammenzuführen. Die Erkennung bereits definierter Kategorien kann mit weiteren Trainingsdaten nach und nach weiter verbessert werden.

Das Ergebnis

Die Plattform bietet die Möglichkeit, Texte nach vordefinierten Klassen automatisch zu kategorisieren. Nutzerinnen und Nutzer können neue Klassen und Modelle definieren und der Plattform beibringen, diese automatisch zu erkennen. Auch bestehende Modelle können nachträglich mit weiteren manuell kategorisierten Trainingsdaten nachtrainiert werden. Dem Marktforschungsunternehmen steht damit eine Plattform zur Verfügung, die automatisch und in Sekundenschnelle erste Insights aus Interviews zieht und es ermöglicht, Studien themenbasiert zu navigieren. Die zugrundeliegenden Modelle sind immer hochaktuell, da sie immer weiter trainiert werden können.

The project began with

a simple question:

Wie kann ein Interview live ausgewertet werden?

Wie können wir mit so “kleinen” Trainingsdatensätzen intelligente Modelle trainieren?

Wir nutzen ein komplexes Sprachmodell, um Textabschnitte in hochdimensionale mathematische Repräsentationen zu transformieren, die subtile Kontext-Informationen beibehalten.
Für eine gegebene Kategorie trainieren wir ein “Experten”-Modell, das nur Aspekte der gegebenen Kategorie lernt.
Wir konstruieren hinter den Kulissen die Trainingsdatensätze automatisch so, dass ein Modell möglichst viele Informationen aus den vorhandenen Beispielen lernen kann.

Wie können wir den Trainingsprozess so gestalten, dass Nutzerinnen und Nutzer ohne Vorkenntnisse in maschinellem Lernen Modelle trainieren können?

Da Nutzerinnen und Nutzer mit dem Erstellen der Trainingsdatensätze einen wichtigen Teil des Trainingsprozesses übernehmen, stellen wir sicher, dass mit gegebenen Datensätzen erfolgreiches Training möglich ist. Neu trainierte Modelle werden hinter den Kulissen automatisch validiert. Darüber hinaus kann noch vor Trainingsbeginn regelbasiert überprüft werden, wie vielversprechend das Training eines gewünschten Modells auf dem gegebenen Datensatz ist.

Auch beim weiteren Training existierender Modelle bieten wir Sicherheit: alte Versionen von bestehenden Modellen bleiben weiterhin bestehen. Wenn also mal ein weiter trainiertes Modell nicht gefallen sollte, kann das alte Modell einfach weiterbenutzt werden.