Gutacht-AIR

Die ms.GIS GmbH ist ein langjährig etabliertes niederösterreichisches Unternehmen und spezialisiert auf Smart Solutions mit hohem Geoinformationsanteil. Unsere Kunden nutzen unsere Lösungen für schutzwasserwirtschaftliche Gutachten und Gefahrenzonenpläne bei denen es neben der juristischen Interpretation auch um die Berücksichtigung räumlicher Gegebenheiten, Karten und Pläne geht, und schätzen dabei unser agiles Projektvorgehen.
* Unsere Lösung sieht eine verkettete Orchestrierung mehrerer spezialisierter Dienste, Datenquellen und Modelle vor.
* Standing on the shoulders of giants - ein leistungsstarkes deutschsprachiges Sprachmodell (LLM) - "Llama 2 13B" od. "LeoLM Mistral" - bildet als Textgenerator den Kern.
* Modulares Finetuning adaptiert das statische Basismodell auf mehrere spezifische Anwendungsfälle, etwa für Sachverhalt, Schlussfolgerung oder bestimmte Widmungsarten, mittels spezifisch ausgewählter und verifizierter Textbausteine, bei gleichzeitiger Schonung der Ressourcen und Verringerung von Bias.
* Das Sprachmodell bedient sich über die Orchestrierung weiterer aktueller Datenquellen, um etwa Gesetzesnovellen direkt aus dem RIS als Kontext für die Textgenerierung hinzuzuziehen.
* Aktuelle räumliche Gegebenheiten (Verkehrsanbindung, Bebauungsdichte, Gefahrenzonen) stehen dem Sprachmodell ebenfalls zur Verfügung. Diese könnten, durch ein Image-to-Text Modell Flächenwidmungspläne direkt interpretieren, oder aber (wesentlich realistischer) durch die direkte Anbindung an die entsprechenden GIS Daten die diesen Plänen zugrunde liegen, bereitgestellt werden, um bei der fachlichen Einschätzung und Formulierung durch den Gutachter zusätzlich zu unterstützen.
* Ein Moderationsmodell in der Kette überwacht Input/Output der Modelle und schützt gegenüber gefährlicher oder verletzender Inhalte.
* Der Mensch steht im Mittelpunkt und überwacht das interaktiv zusammengestellte Ergebnis in Form eines nutzerfreundlichen webbasierten Assistenten, der auch die Möglichkeit bietet Feedback zu einzelnen generierten Textbausteinen zu geben.
* Eine MLOps Pipeline erzeugt Trainingsdaten, trainiert Submodelle laufend weiter und stellt laufend verbesserte Modelle bereit.
* Bestehende Dokumente aus LAKIS werden scriptgesteuert in Textbausteine aufgeteilt, klassifiziert und teilweise manuell verifiziert. Sie bilden die Basis der Trainingsdaten.
* Aus dem Benutzerfeedback stehen zudem weiter Trainingsdaten für die laufende Verbesserung zur Verfügung.
* Alle Komponenten werden containerbasiert umgesetzt und werden für den PoC auf DSGVO konformer Cloudinfrastruktur oder onPremise betrieben. Durch den modularen Ansatz reduzieren sich die Hardwareanforderungen erheblich (einzelne midrange GPU, bspw. NVIDIA T4). Im Vollausbau wird ein Betrieb auf der Infrastruktur des Landes bevorzugt.
* Eine grobe Kostenschätzung liegt dem Anhang bei. Für den Vollausbau werden diese im Zuge einer detaillierten Anforderungsanalyse im Rahmen des PoC geschärft.