DAKI-FWS - Data- and AI-supported early warning system

KI-basierte Analyse-Plattform zur Stärkung der Krisenprävention der Wirtschaft

DAKI-FWS-Logo
© Projekt DAKI-FWS
DAKI-FWS

Im Projekt DAKI-FWS entsteht eine KI-basierte Analyse-Plattform, die eine Vielzahl verschiedener Datenquellen nutzt, um Unternehmen mit Prognosen im Rahmen von potenziellen Krisenszenarien zu versorgen und so die Krisenprävention der Wirtschaft zu stärken. Ziel ist ein Frühwarnsystem, in das flexibel immer weitere Datenquellen datenschutzkonform integriert werden können, sodass es möglichst vielseitig einsetzbar ist.

Marktperspektive

Im Laufe der weltweiten Coronavirus-Pandemie wurde deutlich, dass Unternehmen von der Krise unterschiedlich stark betroffen sind. Gleichzeitig sind die unternehmerischen Fähigkeiten, mit solchen Krisen umzugehen, sehr unterschiedlich ausgeprägt. Um betroffene Unternehmen und somit auch die deutsche Wirtschaft in Krisenfällen unterstützen zu können, ist ein möglichst breit zugängliches Frühwarnsystem notwendig, das über alle Branchen hinweg adaptierbar und einsetzbar ist. Hierzu werden KI-Anwendungen sowie eine Vielzahl unterschiedlicher Datenquellen genutzt, um genau die Kennzahlen zu berechnen und Prognosen abzugeben, die von dem jeweiligen Nutzer – z.B. einem Unternehmen – erfragt werden. Zugänglich gemacht wird dieses Frühwarnsystem in Form einer digitalen Analyse-Plattform, die auch von weniger digitalisierten Unternehmen sowie kleineren und mittelständischen Betrieben genutzt werden kann. Das Projekt DAKI-FWS entwickelt ein solches KI-basiertes Frühwarnsystem, in das sich unkompliziert und datenschutzkonform auch branchenspezifische Datenquellen flexibel integrieren lassen. Somit können auch entsprechende branchenspezifischere Analysen ermöglicht werden und die Analyse-Plattform wird möglichst vielseitig einsetzbar.

Herausforderung & Innovation

Im Falle einer Krise gibt es selten universelle Maßstäbe oder Datensätze, durch die sich der Zustand bzw. der Schweregrad der Krise bestimmen lässt. Stattdessen werden für jede Krise individuelle Faktoren als Messwerte herangezogen, anhand derer weitere Schätzungen zum Verlauf abgeleitet werden können. Im Rahmen der weltweiten Coronavirus-Pandemie sind das etwa Meldedaten, Reproduktionswerte und Inzidenzzahlen. Aktuelle Frühwarnsysteme, wie sie beispielsweise vom Robert Koch-Institut (RKI) genutzt werden, basieren nahezu ausschließlich auf den Meldedaten der jeweiligen Bundesämter und benutzen herkömmliche statistische Verfahren zur Erkennung von Ausbrüchen. Durch neue KI-basierte Verfahren lässt sich die Qualität solcher Prognosen um ein Vielfaches steigern, indem Informationen datenschutzkonform aus vielen verschiedenen Datensätzen entnommen und analysiert werden. Die Erweiterung von krisenspezifischen Daten mit weiteren gesellschaftlich relevanten Daten (bspw. Mobilfunkdaten, Verkehrsdaten, meteorologische Daten) erlaubt potenziell eine bessere Beschreibung des Geschehens und somit genauere Vorhersagen.

Lösungsansatz

Das Gesamtkonzept des Frühwarnsystems von DAKI-FWS besteht in einer einzigartigen Verknüpfung und Auswertung von einer Vielzahl heterogener Daten mithilfe von KI-Technologien, die es Unternehmen ermöglicht, Prognosen über die Entwicklung von Krisen wie Pandemien oder auch Naturkatastrophen zu berechnen, deren Auswirkungen auf essenzielle Wirtschaftsaspekte wie z. B. die Logistik abzuschätzen und die Ergebnisse über eine digitale Plattform einsehbar zu machen. Alle Datenquellen, die von DAKI-FWS genutzt werden, sind etablierte Systeme und umfassen sowohl historische als auch Nahe-Echtzeit-Daten zu Kontakten, zur Mobilität und Konnektivität der Bevölkerung (inkl. Reisewege aus dem Ausland), epidemiologische und medizinische Daten (Fallzahlen, Krankenhausbelegungen, Echtzeitsymptomerfassung, Genomsequenzen) und Klimadaten (historische Daten und tagesaktuelle Messungen, saisonale Prognosen). Eine Erweiterbarkeit des Systems wird angestrebt, etwa um potenzielle weitere Datenquellen wie Social Media oder branchenspezifische Datenquellen integrieren zu können. Im Rahmen des Projekts werden zudem Datastorekonzepte entwickelt, die Rohdaten (Fallzahlen, Krankenhausbelegung, etc.) durch die Verknüpfung mit Metadaten (Klimadaten, Reisedaten, etc.) korrekt kontextualisieren, während gleichzeitig Datenschutz- und IT-Grundschutzanforderungen gewahrt werden.

Die in diesem Projekt entwickelte Analyseplattform nutzt konsolidierte Daten und optimierte KI-Verfahren, um Prognosen für den Verlauf von Krisensituation zu berechnen. Basierend auf den so generierten Prognosen ist die Erstellung verschiedener Use Cases möglich. Gleichzeitig werden interaktive graphische Systeme entwickelt, die in sehr detaillierter Form Spezialanwendern zur Verfügung stehen (bspw. Firmen, die ihre eigenen Logistikabläufe mit Gefahrenstellen abgleichen wollen) oder in vereinfachter Form als Dashboard auch der Öffentlichkeit zugänglich gemacht werden.

Use Cases

Im Projekt DAKI-FWS werden exemplarisch zwei Krisensituationen betrachtet: eine infektiöse Krise, wie z. B. COVID-19 und eine durch Klimaextreme hervorgebrachte Krise wie Hochwasser, Stürme oder Hitzewellen. Die dabei anfallenden Temperaturdaten spielen auch für die infektiologische Krise eine interessante Rolle. Die Anwendung des Frühwarnsystems und insbesondere die Hilfestellung für klein- und mittelständische Unternehmen werden im Logistik- und Elektronikbereich ausgearbeitet und mit dem Deutschen Industrie- und Handelskammertag kontinuierlich diskutiert und abgeglichen.

Vorher/Nachher

VorherNachher
Prognosen konnten nur auf Basis vergleichsweise weniger Datensätze und veralteter Methoden erhoben werden.    Sehr viel mehr sowie deutlich komplexere Daten und KI-basierte Analysemethoden ermöglichen umfangreichere und genauere Prognosen.
Nur wenige Unternehmen haben Zugriff auf ein verlässliches Krisenfrühwarnsystem.Möglichst viele Unternehmen haben Zugriff auf ein verlässliches Krisenfrühwarnsystem.
Bestehende Prognosetools lassen sich kaum erweitern oder auf bestimmte Branchen anpassen.Die Prognoseplattform von DAKI-FWS lässt sich durch die Einbeziehung zusätzlicher Datenquellen unkompliziert erweitern und spezialisieren.

Konsortium

Budelmann Elektronik GmbH, Charité Universitätsmedizin Berlin, D4L data4life gGmbH, Fraunhofer Heinrich-Hertz-Institut, Hasso-Plattner-Institut für Digital Engineering gGmbH, Justus-Liebig-Universität Gießen, LOGIBALL GmbH, NET CHECK GmbH, Robert Koch-Institut, Zuse Institut Berlin

Ansprechpartner

Fraunhofer Heinrich Hertz Institute HHI

Dr. rer. nat. Jackie Ma

01.12.2021-30.11.2024