Christopher Franz Sperl

• Die vorliegende Arbeit gibt einen Einblick in die Anwendung maschinellen Lernens zur Informationsextraktion aus natürlichsprachlichem Text. Das Ziel besteht darin, TechnikerInnen bei der Angebotslegung für Transformatoren zu unterstützen, indem Algorithmen Routineaufgaben übernehmen, und damit mehr Zeit für die Bearbeitung neuer oder besonderer Anforderungen zu schaffen. Hierzu werden einführend Fachbegriffe erklärt, um einen Überblick über das Fachgebiet zu geben. Im folgenden Theorieteil werden die Grundlagen beginnend bei relativer Wahrscheinlichkeit über endliche Automaten bis hin zu neuronalen Netzen anhand von Beispielen bearbeitet. Danach wurde im praktischen Teil der Arbeit anhand prototypischer Umsetzungen die Eignung einzelner Methoden des maschinellen Lernens getestet. Um den Entwicklungen, die im Jahr 2019 im Bereich Sprachverständnis stattfanden, Rechnung zu tragen, wurden im praktischen Teil ebenfalls Methoden des Transfer Learnings eingeführt und am Beispiel ausprobiert. Neben diesen wurden zudem softwaretechnische Aspekte, wie die Visualisierung der Daten in einer Webapplikation, prototypisch umgesetzt . Abschließend wird ein Weg aufgezeigt, der auf Basis der aus den prototypischen Umsetzungen gewonnenen Erfahrung empfehlenswert erscheint.
• This master’s thesis provides insight into the application of machine learning to extract information from natural language text. The desired application will support technicians in the quotation process for transformers by using algorithms to complete routine tasks and thus create more time for the processing of new or special requirements. For this purpose, introductory technical terms are explained to afford an overview of the field. The following theoretical section addresses the basics, including relative probability, finite automata and neural networks based on examples. The practical part of the work tests the suitability of individual methods of machine learning through prototypical implementations. To reflect the developments that have occurred in the field of language comprehension in 2019, methods of transfer learning are also introduced in the practical part for testing, using an example. Furthermore, technical aspects of software, such as the visualisation of data in a web application, are also implemented as prototypes. Finally, recommendations are offered based on the experience gained from the prototypical implementations.