Deutsches Zentrum für Schienenverkehrsforschung beim Eisenbahn-Bundesamt

Hinweis zur Verwendung von Cookies

Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK

Pilotstudie für ein KI-gestütztes Einwendungsmanagement

Forschungsbericht 22 (2022), März 2022, 68 Seiten, PDF, ca. 1,6 MB

doi: 10.48755/dzsf.210006.01

Pilotstudie für ein KI-gestütztes Einwendungsmanagement

In der vorliegenden Studie wurden Verfahren der maschinellen Textverarbeitung auf einen konkreten Beispieldatensatz von Einwendungen angewendet. Dabei erfolgte inhaltlich eine Fokussierung auf vier konkrete Aufgaben, die im Umgang mit den anfallenden Textdaten im Rahmen der Bearbeitung anfallen. Die Ergebnisse lassen sich wie folgt zusammenfassen:

  • bis zu 85 % der argumentativen Segmente können automatisch korrekt gekennzeichnet werden
  • Vorschläge zur Klassifizierung von Einwendungen hinsichtlich eines vorgegebenen Themenkatalogs lassen sich mit hoher Genauigkeit von z. T. mehr als 80 % ableiten
  • Musterschreiben und ähnliche Argumente lassen sich mit etablierten Automatismen effizient identifizieren
  • Plausibilitätsprüfungen auf der Basis textueller Übereinstimmung liefern belastbare Indikatoren für potenzielle Unstimmigkeiten in Gegenüberstellungen

Insgesamt zeigen die Studienergebnisse, dass KI-basierte Lernverfahren geeignet sind, um wesentliche Aufgaben im Prozess des Einwendungsmanagements in Teilen zu automatisieren.

Architektur "Proof-of-Concept". Architektur "Proof-of-Concept". Quelle: DZSF

Pilot study for an AI-based management of planning approvals

The study describes the application of natural language processing techniques on an existing dataset originating from planning objections. This application focuses on four typical tasks occuring in the analysis of text data during this process. In summary, the results are as follows:

  • up to 85% of argument-based text segments can correctly be classified as such
  • the classification of objections with respect to a given catalogue of topics succeeds in about 80 % of the cases
  • sample letters and similar arguments can efficiently be identified with established methods
  • plausibility checks based on accordances regarding the texts yield sensible indicators of potential discrepancies in objection responses

All together, the study results show that AI-based learning techniques are suitable to automate parts of essential tasks in the management of planning objections.

Download