Account wird nicht mehr bespielt. Folgt uns auf linkedin.com/company/unic/

Weiterentwicklung: neue Anwendungsfelder, interdisziplinäre Co-Creation Data Science und Legal; Document-Chat eventuell als separate Lösung (Datenschutz, geschützter Raum, bleibt in Europa).

Erfolgsfaktoren: Die richtige Kalibrierung, Erfahrungsmanagement, Abhängigkeit von Drittanbietern; Schulung von Benutzer:innen; Validieren der Inhalte; je spezifischer man fragt, desto spezifischer sind die Antworten - bull shit in, bullshit out

Herlock hat jetzt auch einen Chat - der analysiert, gibt Quellen an, beantwortet Fragen nach Zeitpunkten, Handlungen etc. und bildet diese in einer Timeline ab. Rollen, Beziehungen, Handlungen etc. werden zu Cluster zusammengefasst und in Graphs dargestellt.

Das Urteil allein hat 1200 Seiten und 4956 Referenzseite - ca. 1.5 Mal die gesamte Harry Potter Serie! -> und das war alles vor #ChatGPT

herlock kann auch Dokumente vergleichen /Änderungen, Auslassungen kennzeichnen, Fussnoten verlinken und referenzieren. Semantisch ähnliche Urteile etc. werden angegeben.

Suche: So einfach wie möglich; automatische Zusammenfassung der relevanten Dokumente; einfache Labelvergabe möglich; schwärzen, zeitliche Einschränkungen möglich.

Problem: Schiere Anzahl Dokumente, unstrukturiert, Texte, Mails, Bilder, Videos, Audio-Files, Meta-Daten etc. -> 2020 entwickelt worden, zuerst als Projekt, dann als eigenständiges Unternehmen.

Vereinfacht gesagt: Dossiers werden erfasset, mit NLP analysiert, Insights herausgezogen. Ausgangslager konkreter Fall - über 500 Bundesordner Input!

AI is here to stay. Ob man sich damit befasst, ist nicht mehr die Frage, sondern wann und wie. Arbeiten mit #NLP seit 2000, mit ChatGPT aber einen rasanten Sprung nach vorn.

Spin off von D one

Gründerin Legal Text Start-up. herlock -> sherlock (Logo ansehen!) Find the missing link - Brillanter Assistent, der rund um die Uhr für Anwältinnen arbeitet.

Kurze Pause, dann geht es weiter mit Barbara Müry Erni von herlock.ai

Aktuell 20'000 trusted objects, Einbindung von qualitativ hochstehenden externen offenen Daten via API möglich (z.B Stadt ZH, Brunnen - Open Data); SBB Reisen, Veranstaltungsdaten. Zeit, Budget und Ressourcen-Frage.

Start der Entwicklung Oktober 2022, also noch vor ChatGPT - erste Reaktion: braucht es nicht mehr. ABER: Content ist bei @MySwitzerland_e qualifiziert. Beta Live Sommer oder Herbst. Prototyp Entwicklung ca. 25 Mannstage.

Fernziel: Verknüpfung mit Chatbot, um Hotline zu entlasten. Die erhalten sehr viele Anfragen zu konkreten Ideen.

Bot bewegt sich nur innerhalb des Content-Pools von @MySwitzerland_e - Tagging durch Bezug der Inhalte aus dem gesamten Rich Text ermöglichen; Feedback Loop einbauen, um Travel Planer zu trainieren / verbessern. Going live geplant.

Erkenntnisse: Es braucht grössere Cluster, welche Aktivitäten passen innerhalb einer Region gut zusammen. Geografische Logik verfeinern. -> Content Wein- und Bierlastig, weil Genussreisen in einer Promotion waren :-)

Aktivitäten Clustern: was passt in einen Tag? Ermittlung eines Scores: Was wird häufig besucht / gesucht, was eher weniger? Abfrage: Dauer, Ziel, mit/ohne Kinder, Interessen (Tätigkeit & Aktivitätsintensität)

Zur Konzeption: Machine Learning mir NLP (Bert) und Python > Datenbeschaffung -> Cluster: Tagestrips, Mehrtagestrips. Content ausschliesslich von @MySwitzerland_e -> keine Copyrightprobleme, guter Content, bereits mit Tags versehen