InContract AI

Het project onderzoekt de technische en commerciële mogelijkheden van digital twins voor het automatiseren van contractprocessen in de tool InContract, met inzet van AI en deep learning.

Subsidie
€ 20.000
2023

Projectdetails

Inleiding

Op Machine Learning (ML)-gebaseerde toepassingen worden over het algemeen beschouwd als een veelbelovende technologie. De ML-methode vereist echter een groot aantal trainingsdatasets van hoge kwaliteit. In het geval van supervised ML is vaak handmatige invoer nodig om deze datasets te labelen. Deze methode is kostbaar, foutgevoelig en tijdrovend, vooral in gecompliceerde en dynamische omgevingen.

Digital Twins

Het digital twins model kan gebruikt worden om de ML-trainingsfase te versnellen door het genereren van een geschikte trainingsdataset en het automatisch labelen via een simulatietoolketen, waardoor de deelname van de gebruiker aan het trainingsproces verminderd kan worden. Deze synthetische datasets kunnen worden uitgebreid en cross-validated met behulp van uitgebreide real-world gegevens die niet intensief hoeven te worden gebruikt. Digital twins maken complexe, dure maar ook gevaarlijke processen veiliger, betaalbaarder en makkelijker. Ze zijn een van de belangrijkste technologieën die digitale transformatie mogelijk maken.

Uitdagingen bij het creëren van Digital Twins

De mogelijkheden van een succesvolle digital twin zijn vrijwel eindeloos. Het creëren van een digital twin is echter verre van simpel. Technisch gezien is het nog erg lastig om complete digital twins te genereren. Dit is dan ook de reden dat Lawyerless de technologische kennis over dit onderwerp wil uitbreiden en deze zal toepassen binnen het domein van hun tool InContract: een online dienst voor ondernemers die helpt bij het automatiseren en digitaliseren van contracten en juridische processen.

Doel van het Project

Veel IT-bedrijven moeten een enorme hoeveelheid aan contracten (o.a. verwerkersovereenkomsten) invullen, wat handmatig niet te doen is. Het doel van het project is om via deze haalbaarheidsstudie te onderzoeken wat de technische en commerciële mogelijkheden zijn van digital twins binnen de tool “InContract” en als bouwblok voor andere partijen om slimme services bovenop te bouwen. Hierbij dragen we bij aan de uitbreiding van kennis over de sleuteltechnologie Digital Technologies.

Onderzoeksfocus

Lawyerless wil met de inzet van AI tot een oplossing komen. Het onderzoek is gerelateerd aan de kennis- en innovatievragen opgesteld door Stimulus omtrent de onderwerpen Artificial Intelligence en Big Data en Data Analytics, toegepast binnen het domein van de tool InContract.

  1. Op welke wijze kunnen we deep-learning architecturen voor het opstellen en invullen van contracten data-efficiënt trainen door expert kennis toe te voegen?
  2. Hoe kunnen mens en machine beter samenwerken?

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 20.000

Tijdlijn

StartdatumOnbekend
EinddatumOnbekend
Subsidiejaar2023

Partners & Locaties

Projectpartners

  • lawyerless B.V.penvoerder

Land(en)

Netherlands

Vergelijkbare projecten binnen MIT Haalbaarheid

Mkb-innovati...

InContract AI

Het project onderzoekt de inzet van digital twins en AI voor het automatiseren van contracten binnen de InContract-tool.

€ 20.000
Mkb-innovati...

Digitale AI Customer Service Assistent

Het project onderzoekt de haalbaarheid van een lokale AI-assistent voor customer service in de verzekerings- en telecomsector.

€ 20.000
Mkb-innovati...

Haalbaarheidsonderzoek naar participatie door efficiënte Digital Twins.

Het project onderzoekt de haalbaarheid van een innovatief digital twin-systeem voor burgerparticipatie, met als doel besluitvorming te verbeteren en commerciële toepassing te ontwikkelen.

€ 20.000
Mkb-innovati...

IoT data in een Digital Twin omgeving

Unit040 onderzoekt de haalbaarheid van IoT data in een Digital Twin omgeving voor verbeterde simulaties en efficiëntie in productieprocessen.

€ 20.000
Mkb-innovati...

CaDigital Twin (Integer 32)

Het project ontwikkelt een digital twin voor duurzame woningbouw, gericht op energietransitie en gebruikerservaring in de sociale woningmarkt.

€ 19.470

Vergelijkbare projecten uit andere regelingen

ERC Advanced...

Exploration of Unknown Environments for Digital Twins

The 'explorer' project aims to automate video data capture and labeling in open worlds to facilitate the creation of semantically rich Digital Twins for complex environments using AI-driven methods.

€ 2.476.718
ERC Starting...

REinforcement TWInning SysTems: from collaborative digital twins to model-based reinforcement learning

The Re-Twist project aims to develop a novel Reinforcement Twinning framework that integrates machine learning with engineering to optimize systems like wind turbines and drones for societal benefits.

€ 1.500.000
Mkb-innovati...

Synthetische Data Generator

Het project ontwikkelt een automatische data generator voor synthetische data om AI-modellen in de agrarische en industriële sector te trainen, met als doel de efficiëntie en nauwkeurigheid te verbeteren.

€ 176.050
Mkb-innovati...

Synthetische Data Generator

Het project ontwikkelt een automatische synthetische data generator voor het trainen van AI-modellen in de agrarische en industriële sector.

€ 176.050
ERC Starting...

Health Simulations: Ethical and Societal Challenges of Digital Twins

SIMTWIN aims to analyze the ethical and societal implications of Digital Twins in healthcare to develop a robust governance framework for their use in health simulations.

€ 1.497.275