Anfang Februar fand am OFFIS-Institut in Oldenburg das Kick-off-Meeting zum Projekt PROVIDER statt. Unter der Leitung von Dr. Sabine Gründer-Fahrer entwickelt das Kompetenzzentrum ETi am InfAI gemeinsam mit seinen Projektpartnern ein innovatives Frühwarnsystem für Versorgungsengpässe in Deutschland.
PROVIDER nutzt KI-gestützte Simulationen, um Lieferketten kontinuierlich zu überwachen und Risiken frühzeitig zu erkennen, lange bevor Engpässe entstehen. Durch die Kombination aus Knowledge Graphen, Deep Reinforcement Learning und aktuellen Nachrichtenanalysen können kritische Entwicklungen vorausschauend bewertet und Entscheidungsträger*innen rechtzeitig informiert werden. Ein besonderer Fokus liegt auf versorgungsrelevanten Gütern außerhalb der klassischen kritischen Infrastruktur, die bisher nicht ausreichend in Krisenplanungen berücksichtigt werden.
Es war ein spannender Auftakt! Wir bedanken uns für die Organisation und freuen uns auf die weitere Zusammenarbeit.
Stärkung der Resilienz von Versorgungsnetzwerken mit semantischen Wissensgraphen und KI
Das Verbundprojekt PROVIDER stärkt die proaktive Versorgungssicherheit durch dynamische Simulation mit Selbstlernenden LLM-Agenten.
Das Teilvorhaben „Semantische Wissensgraphen und Semantische KI für die Resilienz von Versorgungsnetzwerken“ adressiert zentrale Herausforderungen im Resilienzmanagement sektorübergreifender Versorgungsnetzwerke. Ziel ist die Entwicklung eines semantisch strukturierten Knowledge Graphs, der heterogene Datenquellen zu kritischen Infrastrukturen, Lieferketten und Wertschöpfungsnetzen integriert, harmonisiert und aktuell hält. Dieser Graph bildet die Basis für eine KI-gestützte Simulationsumgebung, in der Abhängigkeiten modelliert und prädiktive Analysen durchgeführt werden können.
Kern der Innovation innerhalb des Teilprojektes ist die Kombination von semantischer Modellierung mit Large Language Models (LLMs). LLMs werden u.a. eingesetzt, zur automatisierten Extraktion, Integration und Aktualisierung von Daten sowie zur Simulationsparametrisierung innerhalb der Simulationsumgebung. Zudem ermöglichen sie eine intuitive, natürlichsprachliche Interaktion mit den Ergebnissen, wodurch auch nicht-technische Akteure Zugang zu komplexen Analysen erhalten. Ergänzend wird ein Erklärbarkeitsmodul entwickelt, das Transparenz und Nachvollziehbarkeit der Ergebnisse sicherstellt.
Gefördert vom Bundesministerium für Forschung, Technologie und Raumfahrt arbeiten wir gemeinsam mit unseren Partnern OFFIS — Institut für Informatik, Technische Universität Chemnitz, Leuphana Universität Lüneburg, DATEV eG & IAK Agrar Consulting GmbH bis Ende 2028 an neuen Ansätzen zur Stärkung der Resilienz sektorübergreifender Versorgungsnetzwerke.
Wissenschaftlicher Ansprechpartner: Institut für Angewandte Informatik (InfAI) e.V. An-Institut an der Universität Leipzig Goerdelerring 9 | 04109 Leipzig Web: https://infai.org
Über das InfAI Das Institut für Angewandte Informatik (InfAI) e.V. ist ein An-Institut der Universität Leipzig und dient als Transferinstitut dem Zweck der Forschungsförderung auf den Gebieten der Informatik und Wirtschaftsinformatik.
Wir freuen uns, den Beginn des Projekts “Proaktive Versorgungssicherheit durch dynamische Simulation mit Selbstlernenden LLM-Agenten (PROVIDER)” bekanntgeben zu können. Gemeinsam mit mehreren Partnern arbeiten wir ab nächstem Jahr bis Ende 2028 an der Verbesserung der Resilienz von Versorgungsnetzwerken.
Teilvorhaben: Semantische Wissensgraphen und Semantische KI für die Resilienz von Versorgungsnetzwerken
Das Teilvorhaben adressiert zentrale Herausforderungen im Resilienzmanagement sektorübergreifender Versorgungsnetzwerke. Ziel ist die Entwicklung eines semantisch strukturierten Knowledge Graphs, der heterogene Datenquellen zu kritischen Infrastrukturen, Lieferketten und Wertschöpfungsnetzen integriert, harmonisiert und aktuell hält. Dieser Graph bildet die Basis für eine KI-gestützte Simulationsumgebung, in der komplexe Abhängigkeiten modelliert und prädiktive Analysen durchgeführt werden können.
Kern der Innovation ist die Kombination von semantischer Modellierung mit Large Language Models (LLMs). LLMs werden eingesetzt, um Daten automatisiert zu extrahieren, zu integrieren und kontinuierlich zu aktualisieren. Zudem ermöglichen sie eine intuitive, natürlichsprachliche Interaktion mit den Ergebnissen, wodurch auch nicht-technische Akteure Zugang zu komplexen Analysen erhalten. Ergänzend wird ein Erklärbarkeitsmodul entwickelt, das Transparenz und Nachvollziehbarkeit der Ergebnisse sicherstellt.
