KI erzeugt Weltkarte zu Bioökonomie-Patenten
Das vom BMBF geförderte Projekt TRABBI hat mithilfe Künstlicher Intelligenz (KI) eine globale Übersicht mit über 5,6 Millionen bioökonomiebezogenen Patenten für biobasierte Produkte, Dienstleistungen und Prozesse erstellt.
Klimawandel, Ressourcenknappheit und Ernährungssicherheit sind die großen Herausforderungen der Zukunft. Die Bioökonomie bietet dafür Lösungsansätze. Damit der Übergang zu einer biobasierten und kreislauffähigen Wirtschaft gelingt, sind jedoch Innovationen in allen Bereichen erforderlich. Ob biobasierte Kunststoffe, Fasern, zellbasierte Lebensmittel oder neue Biokatalysatoren: So groß die Bandbreite bioökonomischer Erfindungen ist, so groß ist auch die Herausforderung, das damit verbundene Wachstum zu erfassen. Mithilfe von Künstlicher Intelligenz ist das Forschenden der Justus-Liebig-Universität Gießen nun gelungen.
Mit Patenten bioökonomische Innovationen sichtbar machen
Doch wie sind Wissensentwicklung und Innovation auf dem breiten Feld der Bioökonomie messbar? Ein gängiger Indikator sind Patente. Im Rahmen des vom BMBF geförderten Projektes TRABBI entstand eine Weltkarte der Bioökonomie-Patente. Die Forscher Lukas Kriesch und Sebastian Losacker haben dafür ein Sprachmodell mit Patentzusammenfassungen trainiert, das in der Lage ist, biobasierte Produkte, Dienstleistungen und Prozesse mit hoher Genauigkeit zu identifizieren.
Wie die Forschenden im Fachjournal Nature berichten, konnten mithilfe von KI aus 67 Millionen Datensätzen erfolgreich 5,6 Millionen Patente mit Bioökonomiebezug identifiziert werden. „Dieser Ansatz überstieg die Grenzen traditioneller Methoden, indem er sprachliche und kontextbezogene Variationen in Patentbeschreibungen erlaubt“, schreiben die Autoren.
Bioökonomie-Patente auf Karte sichtbar
Um die Ergebnisse abzubilden, nutzten die Forschenden die Themenmodellierung – eine Methode, die Textdaten in thematische Cluster einteilt. Diese Analyse brachte schließlich Schlüsselbereiche bioökonomischer Innovationen zu Tage, wie Bio-Landwirtschaft, Wasserreinigungstechniken, Gärungsmethoden, biologisch abbaubare Materialien oder nachhaltige Futterlösungen. Diese Themen wurden dann auf einer Weltkarte visualisiert, in der diese thematischen Cluster und ihre Verbindungen sichtbar sind.
Forschungsfragen mit KI-Modellen schneller beantworten
Die Forschenden hoffen nun, dass Interessierte diese Daten nutzen werden, um „unterschiedliche offene Forschungsfragen zu Innovationen in der Bioökonomie zu beantworten“. „Das Paper und die Daten sind hilfreich für andere Forschende sowie für Akteure aus der Praxis und der Politik, die sich mit technologischen Innovationen in der Bioökonomie beschäftigen“, so Sebastian Losacker, Mitautor der Studie und Leiter des Projektes TRABBI. Das Projekt zeigt aber auch, welch immenses Potenzial in KI-Modellen, vor allem in vortrainierten Sprachmodellen bei der Gewinnung aussagekräftiger Informationen aus unstrukturierten Daten steckt.
Die Studie mit dem Titel „A global patent dataset of bioeconomy-related invention“ ist im Fachjournal Nature erschienen. Hier steht auch der komplette Datensatz als kostenloser Download zur Verfügung.
Zudem wurden die Daten auf einer interaktiven Karte dargestellt, die auf der Webseite des Projektes TRABBI erkundet werden kann.
Das im Jahr 2023 gestartete Projekt TRABBI ist Teil der BMBF-Fördermaßnahme „Bioökonomie als gesellschaftlicher Wandel“. Hier werden unter anderem Nachwuchsgruppen unterstützt, die das biobasierte Wirtschaften aus sozial-, politik- und wirtschaftswissenschaftlicher Sicht erforschen. Es geht darum, den Wandel zu einer Bioökonomie in all seinen Facetten möglichst umfassend zu verstehen, seine Effekte zu analysieren und zu bewerten sowie Konsequenzen und Handlungsoptionen aufzuzeigen. In TRABBI untersucht das Team um Kriesch und Losacker den Transformationsprozess zu mehr Nachhaltigkeit im Bausektor. Das Vorhaben wird in den kommenden fünf Jahren vom BMBF mit 2,3 Mio. Euro gefördert.
bb
Das könnte Sie auch interessieren
Bioökonomie als gesellschaftlicher Wandel: Die Transformation erforschen
