? Inspiration
Große Organisationen und Konzerne streben danach, die Nachhaltigkeit weltweit zu steigern. Gen AI hat zahlreiche Anwendungsfälle in der Nachhaltigkeitsentwicklung, darunter die Nachhaltigkeitsberichterstattung und die Förderung der Zusammenarbeit innerhalb von Unternehmen. Um die Kommunikation und Berichterstattung für Nachhaltigkeit zu verbessern, haben wir Sustainability Analytics entwickelt.
Was es tut
Sustainability Analytics bietet eine intelligente Chatbot-Schnittstelle, die es Benutzern ermöglicht, in Echtzeit Fragen zu den Nachhaltigkeitsdaten eines Unternehmens zu stellen.
Hauptmerkmale:
- Nutzt ESG-Daten und fortschrittliche KI-Modelle (wie LLaMA 3.1), um genaue und relevante Informationen abzurufen.
- Benutzer können Folgendes anfragen:
- Kohlenstoffemissionen
- Energieverbrauch
- Wasserverbrauch
- Und mehr!
- Der Chatbot generiert:
- Jahresvergleiche
- Visuelle Einblicke in Form von Balken-, Linien- und Kreisdiagrammen.
Beispiel:
Benutzerfrage: „Wie hoch sind die gesamten CO2-Emissionen im Jahr 2024 für das jeweilige Unternehmen?“
Chatbot-Antwort: „Die gesamten CO2-Emissionen für 2024 betragen X Tonnen .“
Wie wir es gebaut haben
Tech-Stack:
- Erweiterte RAG-Methodik unter Verwendung des Open-Source-Modells LLaMA 3.1 .
- Langchain-Framework zum Abfragen von Daten.
- Postgres-Datenbank zum Speichern von ESG-Kennzahlen.
- Backend: Python-Framework FastAPI .
- Frontend: Mit React.js erstellt.
Daten werden über Langchain-Tools abgefragt, die das LLM verarbeitet, um Antworten in natürlicher Sprache sowie Diagrammvisualisierungen zu generieren.
? Herausforderungen, denen wir begegnet sind
Während der Entwicklung sind wir auf mehrere Herausforderungen gestoßen:
Schnelles Engineering:
- Sicherstellen, dass das LLaMA 3.1-Modell nachhaltigkeitsbezogene Abfragen präzise verarbeitet.
Datenbeschaffung und -integration:
- Strukturierung der ESG-Metrikdaten zur einfachen Abfrage über das Langchain-Framework.
Leistungsoptimierung:
- Verbesserung der RAG-Methodik für große Datensätze und Verwaltung der Diagrammerstellung (Balken, Linien, Kreise) für Datenvergleiche.
Genauigkeit über alle Abfragen hinweg:
- Gewährleistung der Genauigkeit dynamischer Jahresvergleiche über verschiedene Abfragetypen hinweg.
? Leistungen, auf die wir stolz sind
- Erfolgreiche Integration: Wir haben LLaMA 3.1 mit Langchain integriert, um eine interaktive Nachhaltigkeitsanalyseplattform aufzubauen.
- Antworten in Echtzeit: Unser Chatbot liefert genaue, kontextspezifische Antworten zu den ESG-Kennzahlen eines Unternehmens in Echtzeit.
- Dynamische Visualisierungen: Benutzer können basierend auf Abfragen visuelle Erkenntnisse (Balken-, Linien-, Kreisdiagramme) generieren.
- Effiziente Abfrage: Entwickelte einen hocheffizienten Abfragemechanismus für unsere Postgres-Datenbank, der Geschwindigkeit gewährleistet, ohne die Genauigkeit zu beeinträchtigen.
? Was wir gelernt haben
- Durch die Beherrschung der fortschrittlichen RAG-Methodik konnten wir die Generierung präziser Antworten optimieren.
- Wir haben gelernt, mit ESG-Daten effektiver umzugehen und gleichzeitig skalierbare Backend-Systeme aufzubauen, die datenintensive Vorgänge unterstützen.
- Durch die Integration von Datenbanken mit generativen Modellen haben wir gelernt, wie wichtig Datenintegrität und Abfrageoptimierung sind.
Was kommt als nächstes für Nachhaltigkeitsanalysen?
Unser Ziel ist es , Sustainability Analytics zu erweitern um:
Erweiterte Datenanalysefunktionen:
- Prädiktive Analyse zur Vorhersage zukünftiger ESG-Kennzahlen.
- Identifizieren von Bereichen zur Verbesserung der Nachhaltigkeit.
Integration globaler Standards:
- Hinzufügen weiterer Nachhaltigkeitsrahmen zur Anpassung an globale Standards.
- Unterstützung mehrsprachiger Funktionen für einen breiteren Kundenstamm.
Kollaborationstools:
- Einführung von Tools, die es den Stakeholdern des Unternehmens ermöglichen, gemeinsam Daten einzugeben und umfassende Berichte zu erstellen.
API-Integration:
- Erweiterung der API-Integrationen mit bestehenden Nachhaltigkeitsplattformen.
Verbesserungen der Benutzeroberfläche:
- Verbesserung der Benutzeroberfläche für ein intuitiveres Benutzererlebnis.
