Wie kann künstliche Intelligenz den komplexen Prozess von Entsorgungsgenehmigungen erleichtern?

Einführung in EGI

Mit der Webapplikation Entsorgungsgenehmigung via Internet (EGI) ermöglichen wir gemeinsam mit dem Amt für Wasser und Abfall (AWA) des Kantons Bern sowie sechs weiteren Kantonen die digitale Bearbeitung von Entsorgungsgesuchen. Dies gilt speziell für nicht normierte Abfälle.

Ein solches Gesuch durchläuft nach dem Einreichen zahlreiche Schritte:

• Prüfung der Materialbeschreibung und des Abfallcodes (LVA-Code)
• Gesetzliche Vorgaben wie die Verordnung über die Vermeidung und die Entsorgung von Abfällen (VVEA)
• Prüfung der chemischen Analysen
• Sichtung ähnlicher historischer Fälle. Die Beurteilung verlangt entsprechend viel Fachwissen, Erfahrung und Sorgfalt.

Umgesetzte Anwendungsfälle im PoC

Das Projekt konzentrierte sich auf vier Hauptanwendungsfälle (UseCases), welche im folgenden Abschnitt beschrieben sind.

Hinweis: Die Anwendungsfälle UC1, UC3 und UC4 liefen ausschliesslich auf Hardware von Puzzle ITC und haben keine online KI-Dienste verwendet! Der UC2 wurde mit einem KI-Online-Dienst implementiert.

UC1: Unterstützung bei der Auswahl des korrekten LVA-Codes

Die Auswahl des zutreffenden LVA-Codes aus über 855 Optionen stellt für Antragsteller:innen in EGI-System eine anspruchsvolle Aufgabe dar. Die implementierte KI-Funktion unterbreitet Vorschläge für geeignete Codes auf Grundlage der textuellen Beschreibung des Abfalls. Dies führt zu einer Verringerung von Fehlern und reduziert den Bedarf an Korrekturen. Hierzu wurde ein spezifisches Klassifizierungsmodell (multi-label classification) trainiert, welches diese Aufgabe übernimmt. Ein nachfolgendes Sprachmodell hat dann den Output des Klassifizierungsmodells auf Plausibilität geprüft.

UC3: Unterstützung bei der Dokumentenanalyse

Täglich laden Nutzer:innen viele verschiedene Dokumente auf die EGI-Plattform hoch, die teilweise unstrukturiert aufgebaut und benannt sind. Dies erschwert es den Mitarbeitenden der Kantone und Entsorgungsanlagen, die relevanten Informationen effizient zu ermitteln.

Der umgesetzte Service automatisiert die Extraktion relevanter Metadaten aus den Dokumenten. Dies ermöglicht eine zügige und unkomplizierte Identifikation der Dokumente und zeigt potenzielle Fehler umgehend auf.

Im ersten Schritt erfolgte die Umwandlung der Dokumente im PDF-Format in das Markdown-Format. Anschliessend erfolgte die Extraktion relevanter Daten mithilfe eines Sprachmodells. Diese Daten konnten daraufhin strukturiert in EGI dargestellt werden.

UC4: Historische Analyse der EGI-Stellungnahmen

Die implementierte Funktionalität des PoC unterstützt kantonale Mitarbeitende durch die Zusammenführung und Aufbereitung von Stellungnahmen zu vergleichbaren, früheren EGI-Gesuchen. Dies optimiert den Entscheidungsprozess und die Erstellung von Stellungnahmen, wodurch die Mitarbeitenden wertvolle Zeit sparen. Die Mitarbeitenden greifen zur Bearbeitung der Stellungnahmen zu aktuellen Gesuchen auf die vom neuen Dienst bereitgestellten Informationen zurück.

Für den PoC extrahierten wir die historischen Daten aus EGI und fassten sie mithilfe eines Sprachmodells zusammen.

UC2: Unterstützung bei fachlichen Fragen

Der umgesetzte Hilfeassistent dient dazu, Anfragen von EGI-Nutzer:innen bezüglich der massgeblichen rechtlichen Bestimmungen und Dokumente im Zusammenhang mit der VVEA zu beantworten. Er ist in der Lage, detaillierte Fragen zu Dokumenten und relevanten Gesetzen im Zusammenhang mit EGI zügig zu beantworten. Ein von uns entwickelter KI-basierter Wissensassistent (RAG-System) steht den Nutzenden für die Beantwortung von Fragen per Chat zur Verfügung.
Für diesen Zweck wurde ein Assistent mit einem KI-Online-Dienst implementiert, der ausschliesslich öffentlich zugängliche Daten und Dokumente verwendet.

Hinweis: Im Gegensatz zu UC1, UC3 und UC4 erfolgt die Ausführung nicht auf der Hardware von Puzzle ITC.

Erkenntnisse

Der EGI-AI PoC verdeutlicht, dass Datenqualität und die Zusammenarbeit mit Fachexpert:innen wichtige Erfolgsfaktoren in KI-Projekten sind. Im Einzelnen wurden folgende Herausforderungen identifiziert:

• Was ist das Beste …?:
  Welches ist das beste KI-Werkzeug, um das Problem zu lösen? Täglich kommen neue KI-Werkzeuge, Methoden und Modelle auf den Markt. Den Überblick zu behalten und das richtige Werkzeug für das Problem zu wählen, ist nicht trivial.
• Datenqualität!:
  Nur weil bereits Daten vorhanden sind, müssen diese nicht zwangsläufig brauchbar sein für eine KI. Im Kontext des EGI-AI PoC wurden diverse Themen in diesem Bereich identifiziert. So wurde z.B. ein starkes Bias in den Daten identifiziert, da die Baubranche einer der grössten Abfallproduzenten überhaupt ist. Zudem müssen Daten, welche zwar fachlich korrekt sind, nicht unbedingt geeignet sein als Input für ein KI-System. Eine eingehende Sichtung der Daten zu Beginn eines KI-Projekts ist zwingend.
• Domain-Expert:innen:
  Die Mitarbeit eine:r Domain-Expert:in ist bei einem KI-Projekt unerlässlich. Ohne dieses Wissen, welches auch direkt verfügbar ist, kann kein KI-Projekt realisiert werden. Es ist unerlässlich, die Qualität eines Sprachmodells korrekt und rasch zu beurteilen.
• Antwort-Qualität sicherstellen:
  Die langfristige Sicherstellung der Antwort-Qualität ist ein MUSS! Da sich Daten, Systeme und das Verhalten der Nutzenden über die Zeit verändern, ist es zwingend, ein System zu etablieren, welches die Qualität kontinuierlich überprüft. Insbesondere im Zusammenhang mit generativer KI ist dies besonders herausfordernd.
• Datenschutz:
  Dies ist im Zusammenhang mit KI-Projekten immer wieder ein oft genanntes Thema. Es beginnt bereits sehr früh. Schon zu Beginn muss abgeklärt werden,
  welche Daten welchen Datenschutz-Level haben. Je nachdem kann ein öffentlicher KI-Dienst (KI-as-a-Service) genutzt werden. Wobei es auch hier zu beachten gibt, dass die Inputs, sofern diese direkt von einer nutzenden Person stammen, potenziell sensible Daten enthalten können. Für sensible Daten ist zu klären, ob auf privaten KI-Diensten der grossen Anbieter (entsprechend vertraglich abgesichert) oder auf private KI-Hardware ausgewichen werden muss.
• Infrastruktur:
  Wenn aus den obengenannten Datenschutzgründen nicht auf einen öffentlichen KI-Dienst zurückgegriffen werden kann, so ist entsprechende KI-fähige Hardware ein Muss. Diese einzurichten und entsprechend zu betreiben ist mit einem nicht unerheblichen Aufwand verbunden, ganz abgesehen von den Anschaffungskosten.

Fazit

Mit diesem PoC ist es Puzzle gelungen, anhand konkreter Anwendungsfälle aufzuzeigen,
wie künstliche Intelligenz sowohl Mitarbeitende der kantonalen Umweltfachstellen als auch
Gesuchstellende bei der Nutzung der Webapplikation EGI zielführend unterstützen kann. Indem
sowohl die Bearbeitungszeit als auch Fehlerquellen reduziert werden können. Und dies unter der
wichtigen Einhaltung des schweizerischen Datenschutzes. Die gewonnenen Erkenntnisse dienen als Basis für weitere innovative Schritte innerhalb der Webapplikation EGI sowie weiteren KI-gestützten Projekten von Puzzle.