CoyPu - Cognitive Economy Intelligence Plattform für die Resilienz wirtschaftlicher Ökosysteme

KI-basiertes Krisenmanagement für Unternehmen, Verwaltung, Politik und Forschung

Im Projekt CoyPu (Cognitive Economy Intelligence Plattform für die Resilienz wirtschaftlicher Ökosysteme) entsteht eine KI-basierte Informationsplattform für effizientes Krisenmanagement. Bei komplexen wirtschaftlichen Herausforderungen vernetzt, analysiert und bewertet die Plattform gesamtwirtschaftliche, branchenspezifische und unternehmensinterne Daten. Aus den ausgewerteten Fakten werden Wirkungszusammenhänge abgeleitet und tagesaktuelle Prognosen erstellt, die die Krisenbewältigung unterstützen.

Marktperspektive und Produktversprechen

Prognosen für kritische Wirtschaftstrends und Risikoabschätzungen sind für Unternehmen aller Größenordnungen unentbehrliche Grundlage eines erfolgreichen Krisenmanagements. Jede Organisation verfügt heute über eigene, marktbezogene Informationen wie Lieferkettendaten, Marktdaten, gesamtwirtschaftliche Beziehungen, Regelwerke und Bilanzen, die für Analysen und Prognosen relevant sind. Dennoch werden vorrangig Daten von Datenplattformen (z. B. Statista, LegalTech) und öffentlich zugängliche Geschäftsberichte oder Einschätzungen von Großunternehmen für Prognosen und Risikoeinschätzungen genutzt. Die daraus resultierenden Auswertungen erweisen sich oftmals, insbesondere für kleine und mittelständische Unternehmen (KMU), als unzureichend.

CoyPu setzt genau hier an und bezieht auch unternehmenseigene Daten in die Prognose ein. Durch den Einsatz von KI-Technologien und die übergreifende Vernetzung von Daten sind exaktere Analysen möglich. Die CoyPu-Plattform ist skalierbar und kann sowohl von kleinen und mittelständischen Unternehmen als auch für komplexe Aufgaben in Verwaltung, Politik und Forschung eingesetzt werden. Nach dem Projektende ist eine Ausgründung aus dem Konsortium geplant, welche  die weitere wirtschaftliche Nutzung der Plattform, der entwickelten Services und Anwendungen für Unternehmen ermöglicht.

Partner

Institut für Angewandte Informatik (InfAI), DATEV eG, eccenca GmbH, Implisense GmbH (IPS), Deutsches Institut für Wirtschaftsforschung (DIW), Leibniz Informationszentrum Technik und Naturwissenschaften (TIB), Hamburger Informatik Technologie-Center e.V. (HITeC), Selbstregulierung Informationswirtschaft e.V. (SRIW), Infineon Technologies AG, Siemens AG, Forschungszentrum L3S der Leibniz Universität Hannover (L3S).

Herausforderung und Innovation

Das Projektziel von CoyPu ist es, Entscheidungsträgerinnen und -trägern aus Wirtschaft, Verwaltung, Politik und Forschung im Krisenfall verlässliche Entscheidungshilfen zur Verfügung zu stellen und die gesamtgesellschaftliche Resilienz zu stärken. Dafür ist eine quantitativ und qualitativ hochwertige Datenbasis mit vernetzten Informationen notwendig, wie sie bisher noch nicht vorliegt. Die für Prognosen herangezogenen Daten sind oft nicht aktuell, nur unzureichend vernetzt und ihrem Kontext entrissen, weshalb die Analyseergebnisse häufig unzureichend sind.

CoyPu löst diese Probleme mit einer KI-basierten Informationsplattform, die partnerschaftliche, rechtssichere und datensouveräne Zusammenarbeit im Rahmen der Wirtschaftsprognose ermöglicht. Durch die Integration vielfältiger und bislang unerschlossener bzw. ungenutzter Datenquellen wird eine homogene Datenbasis als Grundlage für bessere, qualitativ hochwertige Analysen geschaffen. Eine zentrale Aufgabe des Projektes ist daher die Aufbereitung von Daten, die in unterschiedlichen Formaten vorliegen und deren Bedeutung vom jeweiligen Kontext abhängt, um die Nutzbarkeit der Datenbasis für Analysezwecke sicherzustellen.

Umsetzung

Im Projekt wird eine KI-basierte Plattform entwickelt, die den gesamten Prozess von der Datenintegration und -strukturierung über die Vernetzung bis zur Analyse und Bewertung mit Softwarelösungen unterstützt. Die CoyPu-Plattform stellt zudem KI-Komponenten zur Qualitätssicherung und Anonymisierung bereit, die mit öffentlich verfügbaren Informationsquellen sicher vernetzt werden können. Schnittstellen stellen den Austausch, die Analyse und die Verarbeitung von Informationen sicher. Die Ergebnisse werden in Form von branchenspezifischen Kennzahlen und Trends übersichtlich dargestellt. CoyPu erforscht zur Umsetzung dieser Aufgaben neuartige Lösungen wie semantische oder hybride KI-Technologien, insbesondere aus dem Bereich des maschinellen Lernens. Das Ziel ist die Erhöhung der Qualität und die Verbesserung der Analyse von Informationen.

Wichtige bereits erreichte Etappenziele bei der Umsetzung der Projektziele sind:

• Systematische Anforderungserhebung im Kontext mehrerer industrieller Anwendungsfälle sowie Entwurf, Planung und exemplarische Umsetzung von prototypischen Lösungen
• Ontologische Modellierung der Anwendungsdomänen aus Perspektive des Krisen- und Resilienzmanagements unter Nutzung einer projekteigenen kollaborativen Entwicklungspipeline
• Akquise, Vorverarbeitung und Integration einer sehr großen Zahl relevanter Daten aus vielfältigen, größtenteils öffentlichen Quellen sowie deren semantische Erschließung und Verlinkung auf Basis der zuvor genannten CoyPu-Ontologien. Die erste Version des entstandenen CoyPu-Wissensgraphen dient als Grundlage für die heterogenen KI-Analysen im Rahmen der Anwendungsfälle.
• Die Erstellung, Pflege und Nutzung des CoyPu-Wissensgraphen erfolgt innerhalb der erstellten Datenintegrations- und Verarbeitungspipeline und wird mittels flexibler Schnittstellen für eine externe Nutzung im Zuge der geplanten Verwertung zugänglich gemacht.      Zahlreiche bereits erstellte anwendungsfallspezifische Dashboards geben einen Eindruck von der Leistungsfähigkeit der anvisierten Lösung.    
  

Use Cases

Optimierung von Nachfragevorhersagen

Wissensgraphbasierte Analysen in CoyPu sollen beispielsweise für verbesserte Vorhersagen zur Nachfrage von Produkten genutzt werden. Bessere Nachfragevorhersagen erhöhen die Lieferfähigkeit bei planbarer Flexibilität und verringern dadurch Risiken und Kosten.

Resiliente Produktions- und Lieferketten

Die Vernetzung und semantische Erschließung von vielfältigen Datenquellen in CoyPu erlaubtErkenntnisse über Auswirkungen von Produktionsengpässen oder gar Stillstand von komplexen Produktions- und Lieferketten. Dadurch werden frühzeitige Risikobewertungen und die Ableitung entsprechender Gegenmaßnahmen zur Minimierung von Stillständen ermöglicht.

Wertschöpfungskettenübergreifende Kriseneffekte

Durch CoyPu wird es möglich, Erkenntnisse aus flexibel definierbaren Perspektiven – z. B. regional, branchenbezogen, zeitlich – zu gewinnen und unterschiedlichen Gruppen von Nutzenden rechtssicher und anwenderfreundlich zur Verfügung zu stellen. So sollen Krisensituationen und deren Dynamik auf gesamtwirtschaftlicher Ebene frühzeitig erkannt werden. Im Rahmen einer globalen Analyse zum Branchenökosystem „Produktion“ stehen zum einen krisenrelevante Parameter und Ereignisse im Fokus, zum anderen wird die Nachhaltigkeit der Wertschöpfungskette betrachtet. Als Anwendungsfall      für eine vertiefende, feingranulare Analyse dient die landwirtschaftliche Produktion, insbesondere in Mitteldeutschland.

Vor CoyPu	Nach CoyPu
Um exakte Wirtschaftsprognosen treffen zu können, ist eine große Menge an vielfältigen Daten notwendig. Viele, relevanten Datenquellen werden dafür bislang nicht einbezogen.	Auf der CoyPu-Plattform werden eine Vielzahl von gesamtwirtschaftlichen, branchenspezifischen und unternehmensinternen Daten verknüpft und auswertbar gemacht. Diese Fülle an teils bislang unerschlossenen Daten macht exakte Prognosen und neuartige Analyseansätze möglich.
Wirtschaftsprognosen sind aufgrund von nicht aktuellen und unzureichend vernetzten Datensätzen häufig unzutreffend.	CoyPu vernetzt und aktualisiert stetig die mit der Plattform verknüpften Daten und wertet diese über KI-Methoden aus, sodass erheblich exaktere Prognoseergebnisse erzielt werden.
Viele Wirtschaftsdaten können nicht miteinander verknüpft und entsprechend ausgewertet werden, da es an Interoperabilität mangelt.	Die offenen Schnittstellen von CoyPu machen die Verknüpfung vieler unterschiedlicher, bislang nicht interoperabler Datensätze möglich.