ML & AI Meetup Bern @inpeek

Talk 1:
Wie wir einen Wissensgraphen aufgebaut haben – Leistungsstarker RAG-Chatbot für strukturierte Daten (Referent: Fabian Hüni)

Unser Produkt Summarix hilft bei der Verwaltung und Vorbereitung von Lebensläufen, Projektreferenzen und Fähigkeiten von Mitarbeitern für öffentliche Ausschreibungen und Angebote. Um die Suche nach geeigneten Mitarbeitern oder Projekten zu vereinfachen, wollten wir über herkömmliche Filter und Volltextsuche hinausgehen und natürliche Sprachabfragen ermöglichen. Im Gegensatz zu typischen RAG-Ansätzen, die auf Vektor-Embeddings basieren, werden unsere Daten in einer relationalen Datenbank (SAP HANA) gespeichert und umfassen nicht nur Text, sondern auch numerische und reichhaltige relationale Informationen.
In unserem Vortrag skizzierten wir, wie wir unseren Chatbot Summy mithilfe eines Wissensgraphen für die Datendarstellung, großer Sprachmodelle für die SPARQL-Abfragegenerierung und eines agentenbasierten KI-Workflows entwickelt haben, der dynamische Interaktionen unter Beibehaltung einer kontrollierten Autonomie ermöglicht. Außerdem zeigten wir, wie wir mithilfe des Open-Source-Tools Langfuse Observierbarkeit und eine Evaluierungspipeline eingerichtet haben. Abschließend gaben wir Einblicke in unseren Entwicklungsprozess und wichtige Erkenntnisse.
Dieses Projekt war Teil des Early Adopter Care Programms von SAP für die SAP HANA Knowledge Graph Engine und wurde als Erfolgsgeschichte auf der Website von SAP vorgestellt.

Talk 2:
Spec-driven Development: Wie KI alles (und nichts) verändert (Referent: Simon Martinelli)

KI beschleunigt die Softwareentwicklung, aber wir haben immer noch das alte Problem: Code wird zur Quelle der Wahrheit.
Was wäre, wenn wir das umdrehen würden?
Dieser Vortrag zeigte eine neue (alte) Art der Softwareentwicklung. Anforderungen beschreiben und alles Weitere – Diagramme, Modelle, Code, Tests – wird von KI generiert. Ändern sich die Anforderungen, wird alles automatisch aktualisiert. Schluss mit veralteten Dokumenten.
Die Teilnehmenden erfuhren, wie sie Anforderungen formulieren, die KI versteht, und wie sie alles – von den Geschäftsanforderungen bis zum funktionierenden Code – miteinander verknüpfen. Anhand eines realen Projekts wurde aufgezeigt, wie das in der Praxis funktioniert.
Der Kern des Vortrags: Es geht nicht darum, Entwicklende zu ersetzen. Es geht darum, KI die langweiligen Aufgaben übernehmen zu lassen, damit wir uns auf das Wesentliche konzentrieren können: die Geschäftsanforderungen zu verstehen.