Baggrund:
Projektet undersøger, hvordan informationssøgning i shippingbranchen kan forbedres gennem Retrieval Augmented Generation (RAG). Vi arbejder på at identificere udfordringer i den daglige drift og udvikle løsninger, der både effektiviserer arbejdet og udnytter eksisterende data, som i dag ikke bliver brugt fuldt ud.
Projekt:
Udgangspunktet er en eksisterende shippingdatabase, som vi omstrukturerer for at muliggøre målrettede søgninger på tværs af tidligere rejser – en funktionalitet, der endnu ikke er udbredt i branchen. I dag foregår søgninger manuelt, hvilket er tidskrævende og ofte giver ufuldstændige resultater. Projektet skal automatisere søgeprocessen og gøre det muligt at finde information via naturligt sprog, så medarbejdere lettere kan udnytte den viden, der allerede findes i virksomhedens data.
En central ambition er at udvikle løsningen uden afhængighed af store teknologileverandører som OpenAI, Google og Meta. Det styrker kontrol over data, forbedrer datasikkerheden og sikrer en skalerbar løsning med markant lavere driftsomkostninger.
Forventede resultater:
Målet er at udvikle det tekniske fundament for en prototype, som videreudvikles i vores speciale i foråret 2026. Vi vil løbende teste og validere løsningen, så den på sigt kan anvendes i en reel driftskontekst. Projektet udgør dermed første skridt mod et implementerbart værktøj, der kan forbedre informationssøgning og beslutningsstøtte i shippingbranchen. Al viden og metode fra projektet gøres frit tilgængelig, så andre maritime aktører kan anvende og bygge videre på resultaterne ved at kunne tilføre egne data.