Neuro-symbolischer Hybrid für die Erkennung regulatorischer Verstöße
Übersicht
Worum es bei diesem Projekt geht.
Du bekommst 1.200 anonymisierte Compliance-Dokumente mit Labels (Verstoß ja/nein, Regel-Referenz), die formalisierten Regeln (40 Stück) und einen Transformer-Baseline. Implementiere eine Pipeline: (1) neuronale Extraktion relevanter Entitäten und Klauseln, (2) Mapping in eine logische Repräsentation, (3) symbolischer Regel-Engine (z. B. Drools oder Python-basiert). Vergleiche Hybrid vs. reinen Transformer auf Accuracy, Precision/Recall pro Regel und Begründungs-Qualität (Likert-Bewertung durch zwei Compliance-Expert:innen).
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen neuro-symbolischen Compliance-Prüfer, der die Verstoß-Erkennung des reinen Transformer-Baselines auf Begründungs-Qualität klar schlägt.
Earning criteria — what you'll demonstrate
- Neuro-symbolische Hybride als Brücke zwischen lernender und regelbasierter KI entwerfen
- Logische Repräsentationen aus neuronalen Outputs aufbauen
- Symbolische Regel-Engines mit ML-Pipelines integrieren
- Begründungs-Qualität als separate Eval-Dimension empirisch messen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenForschungswissenschaftler:in
Neuro-symbolische Hybride sind ein aktives Forschungsfeld; eine praxisbezogene Studie ist starkes Portfolio-Material für entsprechende Forschungspositionen.
Dieses Projekt schärft
- neuro-symbolic
- logical-reasoning
- evaluation
KI-Sicherheits-Forscher:in
Nachvollziehbare Begründungen für Compliance-Entscheidungen zu liefern ist genau die Schnittstelle, an der KI-Sicherheits-Forschende in RegTech arbeiten.
Dieses Projekt schärft
- logical-reasoning
- knowledge-representation
- evaluation
Angewandte:r KI-Wissenschaftler:in
Hybrid-Architekturen in einer regulierten Branche zu entwerfen und gegen ML-Baselines zu vergleichen entspricht der Arbeit von angewandten KI-Wissenschaftlerinnen in RegTech.
Dieses Projekt schärft
- transformers
- neuro-symbolic
- knowledge-representation
Noch eine Sache