Mitte 2023 wird die KMU Datalab Östlich von Start. Dar, eine Organisation, die sich auf die Abfallwirtschaft und die Verwaltung des öffentlichen Raums konzentriert, war einer der ersten Kunden. Das Unternehmen führte im Rahmen des Labors ein KI-Projekt mit der Studentin Lindsey de Beer durch, bei dem es um Berichte über die Abfallsammlung und die Verwaltung des öffentlichen Raums ging.
Dar sammelt nicht nur Abfall in Nijmegen und Umgebung ein, sondern kümmert sich auch um die Glatteisbekämpfung, die Reinigung von Abwasserkanälen und Gullys, die Schädlings- und Unkrautbekämpfung sowie die Grundstücks- und Straßenreinigung.
Wir sprechen mit Patrick van Drunen und Koen van Aken, die das Projekt in Dar betreut haben. Wir sprechen auch mit Lindsey de Beer, der Studentin, die das Projekt durchgeführt hat.
Patrick sagt: "Wir beschäftigen uns schon seit geraumer Zeit damit, was KI für unsere Dienstleistungen leisten kann. Wir wollen zum Beispiel die Bildverarbeitungstechnologie nutzen, bei der man Kameras an Autos anbringt, um Außenbereiche zu visualisieren, damit man z. B. auf Müll reagieren kann. Um dieses Projekt zu starten, müssen wir uns noch mit verschiedenen Parteien abstimmen.
Benachrichtigungen und Entscheidungsbaum
"In der Zwischenzeit sind wir mit Dirk van Schaijk von der Radboud in Kontakt gekommen, der uns von dem KMU Datalab Oost erzählte, in dem Studenten in den Bereichen KI und Datenwissenschaft eingesetzt werden. Wir dachten, es wäre interessant, einen Studenten mit Berichten von Anwohnern über die Probleme, die sie in ihrem Viertel sehen, zu beauftragen."
Dar verfügt über eine Vielzahl von Daten, die durch Anrufe beim Kundenkontaktzentrum und durch die Benachrichtigungs-App gewonnen werden. Auch die Gemeinde Nijmegen leitet eingehende Meldungen an Dar weiter. Jährlich gehen etwa 40.000 bis 50.000 Meldungen aus dem Versorgungsgebiet ein: neben Nijmegen auch Berg en Dal, Beuningen, Druten, Heumen, Mook und Middelaar und Wijchen. Die Meldungen reichen von der Beantragung eines Abfallpasses über die vergessene Leerung eines Behälters zu Hause bis hin zu Glätte auf der Straße.
Patrick erklärt: "Die Aufgabe lautete: Identifizierung von Wiederholungsmeldungen, um zu verhindern, dass sie zu einer Beschwerde führen (eine dritte Meldung wird von Dar automatisch als Beschwerde bezeichnet). Zum Beispiel ein Papiercontainer, den Dar jeden Monat zu leeren vergisst."
„Wir wollten wissen, worin der Unterschied zwischen unserer Methode zur Identifizierung von Wiederholungsmeldungen und der des Computers besteht. Dieser Unterschied war sehr groß: Wir können nur zehn Prozent der Wiederholungsmeldungen herausfiltern. Es ist nämlich sehr mühsam und zeitaufwendig, dies manuell zu erledigen. Man muss prüfen, ob es innerhalb einer bestimmten Anzahl von Monaten passiert ist, an welcher Adresse usw. Anschließend muss das Kundenkontaktzentrum zählen und nachsehen, wie lange die letzte Meldung zurückliegt.“
Ein Computer macht dabei keine Fehler, er folgt einfach einem Entscheidungsbaum und erkennt, dass eine Meldung konform ist und erhält ein Label. Damit erkennen wir 100 Prozent der Wiederholungsmeldungen".
Koen fügt hinzu: "Einerseits kann man Möglichkeiten zur Qualitätsverbesserung unserer Dienstleistungen erkennen, man kann auf Probleme im Voraus reagieren, statt nur zu reagieren, und andererseits kann man auch Zeit sparen, weil die Mitarbeiter des Kundenkontaktzentrums die Berichte nicht mehr manuell durchgehen und beschriften müssen."
Text und Algorithmus
Lindsey erzählt, wie sie mit dem Team versucht hat, mithilfe der Spracherkennung auch eine wiederholte Meldung zu identifizieren.
"Wenn es innerhalb von sechs Monaten drei Meldungen gibt, z. B. über das Sammeln von Altpapier, dann handelt es sich um eine Beschwerde im Sinne des Entscheidungsbaums. Das kann man mit der Programmierung zu 100 Prozent erfassen, aber es gibt auch Berichte, die negative Äußerungen gegen das Personal enthalten, oder aggressives Verhalten oder einen Text wie: Das passiert jedes Mal. Das sind keine Beschwerden im Sinne des Entscheidungsbaums, aber an der verwendeten Sprache können Sie erkennen, dass es sich doch um Beschwerden handeln könnte. Das sind die Beschwerden, die man mit einem Textalgorithmus herausfiltern kann. Das war schwierig, weil Dar noch nicht genug spezifische Daten dafür hatte. Jetzt werden sie mehr Text sammeln, um einen Algorithmus verwenden zu können.
„Es ist interessant, zunächst mit mehreren Mitarbeitern aus dem eigenen Unternehmen an den Kursen teilzunehmen, um herauszufinden: Was können wir damit erreichen? Und sich dann mit Studierenden oder Professoren an einen Tisch zu setzen, um zu erörtern: Was können wir alles mit KI erreichen?“
Sind Sie ein KMU und interessiert?
Lindsey hat es sehr genossen, für einen echten Kunden zu arbeiten. Und sie hat einen Rat für KMU, die ebenfalls mit dem Labor zusammenarbeiten möchten. "Ich denke, es ist für kleine Unternehmen sehr interessant, damit anzufangen. Dann würde ich zuerst den Vorbereitungsprozess, den Workshop und den Kurs machen. Dann kann man schauen, welche Art von Daten man bereits im Haus hat und wie man sie weiter sammeln kann. Das Ergebnis Ihres ersten Projekts wird vielleicht keine Traumlösung für alle Ihre Fragen sein, sondern eher eine Vorstufe, mit der Sie später weiterarbeiten können. Für Dar ist das erst der Anfang. Die Organisation macht weiter, um noch mehr zu entdecken.
