Gro\u00dfe Unternehmen, die sich um Zusch\u00fcsse bewerben, vor allem in den Bereichen Innovation und gr\u00fcne Energie, sehen sich oft mit einem hochkomplexen Verfahren zur Erstellung von Antr\u00e4gen konfrontiert. Dieser Prozess erfordert nicht nur Fachwissen, sondern auch die F\u00e4higkeit, die richtigen Ziele zu definieren, die mit den Anforderungen der Ausschreibung \u00fcbereinstimmen, und eine \u00fcberzeugende Darstellung zu verfassen, die auf den richtigen Schl\u00fcsselw\u00f6rtern basiert, um die Chancen auf eine Finanzierung zu maximieren.<\/p>\n\n\n\n
Eine gro\u00dfe Schwierigkeit besteht auch darin, zu verstehen, was der Antrag tats\u00e4chlich erfordert, und zu beurteilen, wie gut das Unternehmen diese Anforderungen erf\u00fcllt.<\/p>\n\n\n\n
Eine wesentliche Einschr\u00e4nkung bestand darin, dass Open-Source-LLMs verwendet werden mussten, die in der Regel sowohl bei der Antwortqualit\u00e4t als auch bei der Gr\u00f6\u00dfe des Kontextfensters weniger leistungsf\u00e4hig sind als propriet\u00e4re Modelle. In diesem Fall war ein gro\u00dfer Kontext von entscheidender Bedeutung, da F\u00f6rderdokumente mehr als 100 Seiten umfassen k\u00f6nnen.<\/p>\n\n\n\n
Wir begegneten diesen Einschr\u00e4nkungen mit einer fortschrittlichen agentenbasierten Architektur und durch die Aufteilung des Workflows in mehrere Schritte, einschlie\u00dflich der Generierung von Schl\u00fcsselw\u00f6rtern, der Erstellung von Zusammenfassungen, der Erstellung von SMART‑Zielen und einem Peer-Review-Modul. Der Peer Reviewer verwendete ein anderes LLM, um fr\u00fchere Ergebnisse zu bewerten und die \u00dcbereinstimmung mit den Anforderungen der Anwendung sicherzustellen.<\/p>\n\n\n\n
Es war zwar einfach, reichlich Material aus F\u00f6rderausschreibungen zu finden, aber eine gro\u00dfe Herausforderung war der Mangel an aussagekr\u00e4ftigen Referenzantr\u00e4gen aus dem spezifischen Bereich, in dem wir arbeiten wollten. Wir haben umfangreiche Nachforschungen angestellt, aber die meisten \u00f6ffentlich zug\u00e4nglichen Beispiele waren F\u00f6rderantr\u00e4ge f\u00fcr akademische Forschung und nicht f\u00fcr industrieorientierte Initiativen.<\/p>\n\n\n\n
Wir haben einen KI‑Assistenten f\u00fcr das Schreiben von F\u00f6rderantr\u00e4gen entwickelt, der auf einem agentenbasierten Ansatz beruht und das Langflow-Framework nutzt. Das System integriert gro\u00dfe Sprachmodelle (LLMs), um sowohl die effiziente Texterstellung als auch die Verarbeitung komplexer F\u00f6rderunterlagen zu unterst\u00fctzen. Wir haben Open-Source-Modelle verwendet, um den On-Premise-Betrieb f\u00fcr Unternehmenskunden zu erm\u00f6glichen und die Vertraulichkeit und Datensicherheit besser zu gew\u00e4hrleisten.<\/p>\n\n\n\n
Der Assistent umfasst mehrere Funktionen, darunter die Generierung von Schl\u00fcsselw\u00f6rtern, die Formulierung von Antragszielen und die Erstellung einer Zusammenfassung, die dann in den nachfolgenden Abschnitten erweitert werden kann.<\/p>\n\n\n\n
Es wurde eine einfache Benutzeroberfl\u00e4che geschaffen, die eine schnelle Bereitstellung und Validierung w\u00e4hrend der Proof of Concept (PoC)-Phase erm\u00f6glicht. Das System l\u00e4uft auf AWS Bedrock und erm\u00f6glicht eine effiziente Modellverwaltung und Optimierung von Kosten und Leistung.<\/p>\n\n\n\n
Das Ergebnis ist ein modulares, skalierbares Tool, das die wichtigsten Phasen der Antragserstellung automatisiert, moderne KI‑Technologien nutzt und eine einfache Integration mit anderen Systemen erm\u00f6glicht.<\/p>\n\n\n\n
W\u00e4hrend der PoC‑Phase bewerteten die Experten f\u00fcr die Erstellung von F\u00f6rderantr\u00e4gen des Kunden das Tool sehr positiv. Die wertvollste Funktion war die Generierung von Schl\u00fcsselw\u00f6rtern und Key Phrases. Wir sch\u00e4tzen, dass ein solcher Assistent die Zeit f\u00fcr das Verfassen von Antr\u00e4gen um bis zu 50% reduzieren kann und gleichzeitig die Chancen auf eine Finanzierung durch besser definierte, anforderungsgerechte Ziele und eine \u00fcberzeugendere Darstellung erh\u00f6ht.<\/p>","protected":false},"excerpt":{"rendered":"
Problem Large enterprises applying for grants, especially in innovation and green energy, often face a highly complex application-writing process. It requires not only domain expertise, but also the ability to define correct objectives that match the call\u2019s requirements, and to craft a convincing narrative built around the right keywords to maximize the chances of funding. […]<\/p>\n","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":true},"class_list":["post-2261","case-study","type-case-study","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study\/2261","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study"}],"about":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/types\/case-study"}],"wp:attachment":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/media?parent=2261"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}