Über Christian Fillies
Diplom-Informatiker Christian Fillies (Jahrgang 1963) studierte Informatik an der Friedrich Alexander Universität Erlangen Nürnberg und der Technischen Universität Berlin. Früh entstand dabei eine Spezialisierung im Bereich Künstliche Intelligenz und Objekt-orientierte Systeme, die durch Tätigkeiten bei der GMD und an der FAW Ulm fachlich im Bereich Simulation von Office-Prozessen angewendet wurde. Mit dem Eintritt in die UBIS GmbH 1991 begann eine intensive Beschäftigung mit der graphischen Darstellung und Modellierung von Geschäftsprozessen, die in das Produkt Bonapart mündete. Nach einem zweijährigen Aufenthalt (1994-1996) in Kalifornien, USA, bei der Firma Intellicorp für die Entwicklung von Modellierungswerkzeugen im SAP-Umfeld war Herr Fillies weiter als Entwicklungsleiter und Produktmanager für Bonapart bei der UBIS GmbH tätig.
Von 1999 bis 2001 arbeitete Herr Fillies als selbständiger Berater im Bereich Modellierungswerkzeuge für Wissensmanagement. Im Jahr 2001 gründete er die Semtation GmbH mit Fokus auf der Entwicklung von Modellierungswerkzeugen auf der Microsoft-Plattform. Dabei entstand das Produkt SemTalk, das Herr Fillies seitdem als geschäftsführender Gesellschafter der Semtation GmbH technisch und inhaltlich betreut und weiterentwickelt. Inhaltlich steht dabei weiter die Modellierung komplexer Strukturen als Grundlage für die Implementierung von Systemen im Vordergrund, angereichert durch eine intensive Auseinandersetzung mit KI- Technologien sowohl im semantischen Bereich als auch im Kontext Machine Learning.
KI im Tagesgeschäft der Berliner Denkmalbehörden - Praktische Lösungsansätze
Im Fokus der Mitarbeitenden der Berliner Denkmalschutzbehörden stehen die Bearbeitung und Dokumentation von Verwaltungsentscheidungen zu Bau-, Flächen- und Bodendenkmalen im Land Berlin. In den Denkmalschutzämtern sind im Verlaufe der letzten 25 Jahre eine große Anzahl von Dokumenten entstanden, die mit den bisher verfügbaren Methoden der Informationsbereitstellung nicht zu bewältigen sind. Die Informationen in den Dokumenten sind größtenteils unstrukturiert und enthalten einen hohen Anteil fachlich nicht relevanter Textbausteine sodass sie sowohl manuell als auch maschinell nicht trivial zu Denkmalen oder Vorgängen zuzuordnen sind. Wir haben verschiedene Textanalyse (NLP) Techniken evaluiert und prototypisch umgesetzt. Als effizienteste Vorgehensweise hat sich die Kombination von denkmalschutzspezifischen Worteinbettungen und einer einfachen Ontologie herausgestellt. Entstanden ist eine automatische Verschlagwortung, die eine intelligente semantische Filterung der Dokumente ermöglicht und damit die tägliche Arbeit der Denkmalschützer mit diesen wesentlich vereinfacht.
Durch die formale und fachliche Klassifikation der Dokumente mit Hilfe von Maschine Learning (ML) in Kombination mit semantischen Technologien konnte auf eine nachträgliche manuelle Klassifikation der Dokumente verzichtet werden.