Management Summary
HMS entwickelte für ein Unternehmen aus dem pharmazeutischen Healthcare-Sektor ein automatisiertes Content Tagging für unstrukturierte CRM-Freitexte. Die LLM-basierte Lösung klassifiziert die Inhalte entlang vordefinierter Kategorien und ergänzt die Modelllogik durch Regeln für schwer unterscheidbare Klassen. Die strukturierten Tags unterstützen Suche, Gruppierung und nachgelagerte Analysen.
Projektsteckbrief
Unternehmen aus dem pharmazeutischen Healthcare-Sektor
Branche: Pharma und Healthcare
Projektstart: 09/2023
Schwerpunkt: Generative & Agentic AI
Use Case: Document & Content Intelligence
Projektziel
CRM-Freitexte klassifizieren und als strukturierte Daten für Analysen bereitstellen
Wichtigste Kernfunktionen
- LLM-basierte Klassifikation entlang vordefinierter Inhaltsklassen
- Ergänzende regelbasierte Logik für fachlich ähnliche Kategorien
- Produktive Integration und Verarbeitung in Palantir Foundry
Tech Stack
Entscheidend war die Kombination aus LLM-Steuerung und regelbasierter Logik, um auch fachlich ähnliche Inhaltsklassen zuverlässig voneinander abzugrenzen.
Christoph Bergen
CoE Lead GenAI bei HMS
Die Ausgangslage
Im CRM-System des Kunden lagen große Mengen an Freitext-Feedback von Kunden und Vertriebsmitarbeitenden vor. Die Inhalte enthielten relevante Informationen für fachliche Analysen und strategische Bewertungen, waren jedoch nicht einheitlich strukturiert.
Der Umfang und die Heterogenität der Texte erschwerten eine systematische Auswertung. Hinzu kamen inhaltlich ähnliche Kategorien, die sich nicht allein anhand einfacher Regeln eindeutig voneinander abgrenzen ließen. Die Informationen konnten deshalb nur eingeschränkt in nachgelagerte Analysen und Entscheidungsprozesse einbezogen werden.
Die HMS-Lösung
Automatisiertes Content Tagging mit LLMs
HMS entwickelte ein System, das unstrukturierte CRM-Texte automatisiert verarbeitet und vordefinierten Inhaltsklassen zuordnet.
Der Kundennutzen
CRM-Freitexte durch Content Tagging analytisch nutzbar machen
Das automatisierte Content Tagging erschließt bislang schwer auswertbare Informationen für die weitere Datennutzung.
Die Lösung unterstützt damit sowohl explorative Datenfragen als auch Detailanalysen zu Kennzahlen aus Management-Reports.
Unsere Stärken, Ihre Vorteile
LLMs und regelbasierte Klassifikation verbinden
HMS verantwortete die Entwicklung und Produktivsetzung des Content-Tagging-Systems. Im Projekt verbanden wir LLM Engineering mit regelbasierter Logik, Performanceoptimierung und der Integration in Palantir Foundry.
Was Sie von HMS erwarten können
Beim automatisierten Content Tagging müssen Modellsteuerung, Klassifikationslogik und Datenverarbeitung als zusammenhängendes System funktionieren. HMS verbindet dafür Large Language Models mit fachlichen Regeln und klassischem Software Engineering.
- Entwicklung des Content-Tagging-Systems bis zum produktiven Einsatz
- Regelbasierte Steuerung für heterogene Dokumente und ähnliche Inhaltsklassen
- Performanceoptimierung und Auslegung auf skalierbare Verarbeitung
Sie möchten ein ähnliches Projekt umsetzen?
Sprechen Sie mit HMS darüber, wie sich Ihre Daten-, KI- oder Softwarelösung fachlich einordnen, technisch umsetzen und in Ihre bestehende Systemlandschaft integrieren lässt.