Um relevante Informationen zum richtigen Zeitpunkt, im richtigen Kontext zur Verfügung zu haben, werden heute Lösungen verwendet, die zum Teil auf Such-Technologien basieren, aber wesentlich mehr können müssen, als eine typische Volltextsuche. Im Blog für silicon.de erklärt Daniel Fallmann die Anforderungen.
Obwohl die Digitalisierung schon sehr weit fortgeschritten ist, ist ein Ende noch lange nicht in Sicht. Sie hat längst alle Bereiche unseres Lebens erreicht. Smartphone, Tablet und Co erleichtern uns den Alltag und ermöglichen die Vernetzung mit unseren Mitmenschen. Doch auch Abseits unseres Privatlebens profitieren wir von den digitalen Entwicklungen. Die digitale Transformation hat unsere Arbeitswelt völlig revolutioniert.
In Unternehmen schlummern große Mengen an Informationen, deren Umfang durch den zunehmenden Einfluss der Digitalisierung täglich weiter wächst. Sowohl die Anzahl von unstrukturierten als auch strukturierten Daten (Big Data) erhöht sich kontinuierlich. Eine wesentliche Herausforderung ergibt sich bereits bei der Bereitstellung der Daten, denn Informationen sind meist in unterschiedlichen Anwendungen gespeichert und können oft nur verbunden mit großem Zeitaufwand gefunden werden und liefern darüber hinaus häufig nicht die gewünschten Ergebnisse.
Einer Studie von IDC zufolge verbringt ein einzelner Mitarbeiter zirka 9,6 Stunden, also rund 24 Prozent seiner Arbeitswoche damit, benötigte Daten zusammenzusuchen. Um diese relevanten Informationen zum richtigen Zeitpunkt, im richtigen Kontext zur Verfügung zu haben, werden heute Lösungen eingesetzt, die zwar zum Teil auf Such-Technologien basieren, aber wesentlich mehr können müssen, als eine typische Volltextsuche.
Technologien wie Deep Learning, Machine Learning, NLP, NLQA, Entity Recognition, Web Harvesting und Methoden der künstlichen Intelligenz machen eine sogenannte Insight Engine zu einem idealen Tool für Unternehmen aller Branchen und Größenordnungen.
1. Die Ausgangsbasis
Insight-Engine-Lösungen kümmern sich grundsätzlich darum, wie Informationen schnellst möglich gefunden und bestmöglich genutzt werden können. Sie sind jedoch schon lange nicht mehr nur auf das typische Suchfeld und Ergebnis beschränkt, sondern bieten dem Anwender die Möglichkeit zur Interaktion mit der Information und ermöglicht es aus allen Daten des Unternehmens, die aktuell benötigten Informationen zu extrahieren.
2. Die bestehende Datenbasis verbinden und nutzen
Alle Unternehmensdatenquellen sollten als Datenbasis zur Verfügung gestellt werden, denn Informationen werden in verschiedenen Anwendungen und Programmen gespeichert. Mithilfe von Konnektoren für Datenquellen lassen sich eine Vielzahl an Datenquellen mit minimalem Aufwand anbinden und in das zentrale Wissensmanagement integrieren. Dadurch entsteht eine Wissensdatenbank, die für die jeweiligen Fachbereiche kontextspezifisch und effizient angefragt werden kann.
3. Informationen verstehen und Fakten extrahieren
Für Unternehmen wird es immer wichtiger, neben strukturierten Daten auch unstrukturierte Fakten aus Texten, Audio oder Video extrahieren und verknüpfen zu können. Um das Verstehen von Informationen zu ermöglichen, werden eine Reihe von Technologien eingesetzt.
a. Regelbasierte Verfahren
Mittels Entity Recognition wird versucht Muster, die durch Strukturen, Kataloge/Wörterbücher klar erkennbar sind, im Text auszumachen. Sie verwenden vordefinierte Regeln zur Zuweisung eines Dokumententyps.
b. Statistische Verfahren
Methoden wie die Latent Semantische Analyse sind häufig in Verwendung um Ähnlichkeiten vollautomatisch zu erkennen und damit inhaltliche bzw. semantische Zusammenhänge festzustellen.
c. Linguistische Verfahren
Hierbei geht es um konkrete sprachspezifische Ausprägungen wie das Erkennen von Grundformen, die Generierung von Wortvarianten, das Erzeugen von Synonymen und Wortableitungen, bis hin zum Verstehen von einzelnen Teile einer Sprache und Sätze.
d. Maschinelles Lernen und künstliche Intelligenz
Mithilfe von maschinellem Lernen kann eine Insight Engine von Ereignissen aus der Vergangenheit lernen und ist somit in der Lage, automatisiert Dokumente zu klassifizieren. Nach dem Scannen extrahiert die Insight Engine bestimmte Informationen, analysiert diese und gleicht sie mit bereits verarbeiteten Dokumenten ab, erkennt das Muster und leitet das Dokument an die entsprechende Fachabteilung weiter.
Dabei entwickelt sich das Programm bei jeder Aktion, die es ausführt weiter – es lernt. Diese Fähigkeit ist vor allem in Unternehmen mit großen Posteingangsstellen von großem Nutzen, da sie Prozesse optimieren und eine effiziente Unterstützung für die Mitarbeiter bedeuten.
4. Anfragen des Anwenders verstehen
Da die Insight Engine eine Vielzahl an unterschiedlichen Sprachen erfassen kann, können Abfragen ganz einfach in natürlicher Sprache gestellt werden. Das Verstehen der unterschiedlichen menschlichen Sprachen wird mithilfe von Natural Language Processing und Natural Language Question Answering realisiert. Sie verstehen und interpretieren Textinhalte und sind in der Lage den Bedarf des Benutzers korrekt zu ermitteln und zu verarbeiten.
5. Visualisieren der Informationen im Kontext
Jegliche Daten werden an die Bedürfnisse der einzelnen Abteilungen angepasst. Die Informationen werden dabei automatisiert so aufbereitet, dass sie ihrer spezifischen Rolle im Unternehmen entsprechen. Dadurch erhalten verschiedene Mitarbeiter bzw. Fachabteilungen eine angepasste Sicht auf das Unternehmenswissen. Nichtsdestotrotz stellen Insight Engines sicher, dass nur jene Personen mit den entsprechenden Rechten die gewünschten Daten erhalten.
Mit diesen und vielen weiteren Funktionen unterschieden sich Insight Engines von einer gewöhnlichen Volltextsuche.
