Zurück zum Hauptmenü
The Keyword Deutschland

Wie MUM dabei hilft, Google-Suchanfragen zu Impfstoffen zu verbessern

Article's hero media

Sodawasser und Sprudel. Pulli und Sweatshirt. Sneaker und Turnschuh. So viele Dinge haben unterschiedliche Namen und dabei die gleiche Bedeutung. Manchmal liegt es an der Funktion der Sprache, manchmal ist es eine Frage kultureller Trends oder Nuancen – oder es kommt einfach darauf an, wo man sich in der Welt gerade befindet.

Ein sehr aktuelles und relevantes Beispiel ist COVID-19. Da Menschen auf der ganzen Welt nach Informationen zu dem Virus gesucht haben, mussten wir die verschiedenen Begriffe und Ausdrücke identifizieren, die Menschen nutzen, um das Coronavirus zu umschreiben. Auf diese Weise konnten wir ihnen qualitativ hochwertige und aktuelle Ergebnisse und Informationen von vertrauenswürdigen Einrichtungen wie der Weltgesundheitsorganisation (WHO) und den Centers for Disease Control and Prevention (CDC) liefern. Ein Jahr später haben wir nun eine ähnliche Herausforderung mit Bezeichnungen für Impfstoffe – nur, dass wir jetzt ein neues KI-basiertes Modell haben, das uns hilft: das Multitask Unified Model (MUM).


Besseres Verständnis für Suchanfragen zu Impfstoff-Informationen

AstraZeneca, CoronaVac, Moderna, BioNTech/Pfizer, Sputnik und andere weit verbreitete Impfstoffe haben viele verschiedene Namen auf der ganzen Welt – weit über 800 nach unseren Analysen. Menschen, die Informationen zu den Impfstoffen erhalten möchten, schauen deshalb möglicherweise nach „Corona-Impfstoff Pfizer“, „mRNA-1273“, „AstraZeneca“ – diese Liste könnten wir noch viel weiter führen.

Dass wir alle diese Bezeichnungen und Namen korrekt erkennen, ist äußerst wichtig, um Menschen aktuelle und vertrauenswürdige Informationen zu den Impfstoffen zu liefern. Aber: Herauszufinden, in welchen verschiedenen Varianten die Menschen die Impfstoffe auf der ganzen Welt bezeichnen, ist äußerst zeitintensiv und würde Hunderte von Arbeitsstunden kosten.

Mit MUM können wir die über 800 Namensvarianten der Impfstoffe in über 50 Sprachen in wenigen Sekunden erkennen. Nachdem wir MUMs Ergebnisse überprüft hatten, haben wir sie in die Google Suche integriert, damit Menschen aktuelle, qualitativ hochwertige Informationen über COVID-19-Impfstoffe auf der ganzen Welt erhalten.

Drei Screenshots zeigen Ergebnisse zu vertrauenswürdigen Informationen über COVID-19-Impfstoffe in der Google Suche

Ergebnisse zu vertrauenswürdigen Informationen über COVID-19-Impfstoffe in der Google Suche

Sprachenübergreifende Wissensübertragung

Das MUM-Modell konnte die Aufgabe – die Wochen gedauert hätten – dank seiner Fähigkeit der Wissensübertragung sekundenschnell lösen. Es lernt und überträgt Wissen in über 75 Sprachen, für die das Modell trainiert wurde. Stellt euch beispielsweise vor, ihr würdet ein Buch lesen: Wenn ihr mehrere Sprachen sprecht, könnt ihr die wichtigsten Erkenntnisse auch in anderen Sprachen – je nachdem wie fließend ihr diese sprecht – weitergeben, weil ihr ein Verständnis für das Buch habt, das nicht sprach- oder übersetzungsgebunden ist. Das MUM-Modell vermittelt Wissen über Sprachgrenzen hinweg – wie in diesem Beispiel.

Dank dieser Wissensübertragung muss das Modell außerdem nicht neue Fähigkeiten in jeder Sprache neu lernen – es kann das Gelernte über Sprachen hinweg anwenden, was uns dabei hilft, Verbesserungen schneller zu implementieren, selbst wenn nicht viele Trainingsdaten verfügbar sind. Dies funktioniert teilweise dank der Effizienz, mit der das MUM-Modell einzelne Themen bearbeitet – das bedeutet, dass es weit weniger Dateninput benötigt als vorherige Modelle, um die gleiche Aufgabe zu lösen. An dieser Stelle kommen wieder die Impfstoff-Bezeichnungen ins Spiel: Hier konnte das MUM-Modell mit einer kleinen Anzahl an offiziellen Imfpstoffnamen sehr schnell die vielen verschiedenen Namensvariationen über Sprachgrenzen hinweg erkennen.


Die Google Suche dank MUM verbessern

Es ist eines der ersten Szenarien, bei denen wir dank des MUM-Modells unseren Nutzerinnen und Nutzern weltweit wichtige Informationen sehr schnell zur Verfügung stellen konnten – und wir freuen uns schon sehr darauf, die Google Suche mit diesem Modell auch in Zukunft noch nützlicher zu machen. Unsere ersten Tests lassen erkennen, dass das MUM-Modell nicht nur Anwendungsbereiche bereits bestehender Systeme verbessern kann, sondern uns auch dabei helfen wird, neue Wege in der Suche und dem Erkunden von Informationen einzuschlagen.