Ziel des Projektes ist, Künstlern zu den ihnen zustehenden Tantiemen zu verhelfen. Die zentrale Herausforderung besteht darin, die rechtmässigen Empfänger trotz unzureichender Datenqualität zu identifizieren, ein Problem, das insbesondere, aber nicht nur, Nischenkünstler trifft. Durch den Einsatz modernster maschineller Lernmodelle, wie Graph-Neuronalen Netzwerke, die mit unvollständigen und ungenauen Daten umgehen können, wird angestrebt, eine Lösung zu schaffen, die nicht nur innovativ ist, sondern auch einfach und interpretierbar bleibt. Angestrebt wird die Entwicklung eines Vorhersagedienstes, der das Risiko und die Höhe der unbezahlten Tantiemen abschätzt.
Die potenzielle Produktlösung hat bereits bedeutendes Interesse bei Investoren wie auch in der Industrie u.a. von renomierten Musikverlagen sowie Künstlerinnen und Künstlern geweckt und verspricht einen Wettbewerbsvorteil für HELGA.works und seine Kunden. Selbst grobe Vorhersagen können sehr hilfreich sein, um Anstrengungen zur weiteren Analyse potenziell nicht beanspruchter Tantiemen zu leiten. Basierend auf einer Modellvorhersage kann ein Agente entscheiden, ob er die Ursachen und potenziellen Beträge nicht ausgezahlter Tantiemen vorhandener Kunden weiter untersucht oder das Marketing auf potenzielle Kunden konzentriert, die am meisten von den Angeboten von HELGA.works profitieren würden.
Neben der Schaffung wirtschaftlicher Werte unterstützt die vorgeschlagene Lösung insbesondere auch Nischenkünstler, ihre rechtmässige Vergütung zu erhalten und trägt somit zur musikalischen und kulturellen Vielfalt bei. Gemeinsam mit der Universität Liechtenstein als Forschungspartner ist ein Schweizer Start-up als Implementierungspartner im Innosuisse-Projekt beteiligt, dessen Mitarbeitende über Kenntnisse und Erfahrung im Bereich Machine Learning und Data Science verfügen.