Suche ist längst nicht mehr nur das Eingeben eines Suchbegriffs in einer Suchmaschine. Vielmehr geht heute darum viele verschiedene Datenquellen nutzbar zu machen. Wie sich solche Daten für die Wertschöpfung einsetzen lassen, erklärt Hanns Köhler-Krüner, Research Director bei Gartner in seinem aktuellen Blog für silicon.de.
Dieses Jahr hat Gartner wieder den Magic Quadrant für Enterprise Search ins Leben gerufen. Dabei wurde die Definition von Enterprise Search um analytische Fähigkeiten der Software erweitert. Die Auswertung von Anbietern in diesem Feld zeigt, dass eigentlich jeder Anbieter, der hier ernsthaft mitspielen möchte, neben der traditionellen Suche auch verschiedene analytische Elemente in seinen Produkten vorweisen kann. Wenn wir heute “Analytics” in den Nachrichten hören, so ist es jedoch meistens entweder ein Teil von Big Data oder Social Media Monitoring – die Beobachtung von Marken oder Namen in sozialen Netzen. Beides sind wichtige Anwendungsfelder, aber beide gehören zu den extremen Einsatzbereichen, die für bestimmte Unternehmen oder Abteilungen von Unternehmen wichtig sind. Dabei wird gerne vergessen, wie weit analytische Werkzeuge in jedem Unternehmen bei der Strukturierung und Suche nach Inhalten helfen können.
Viele Gespräche, die Gartner mit Kunden führt, drehen sich gerade über diese Wertschöpfungskette. Es geht bei diesen Tools um Werkzeuge, die bei der Klassifizierung und Bereicherung von Inhalten eingesetzt werden können.
Suche ist heute nicht mehr nur das Eingeben von einzelnen Worten oder Begriffen, sondern eine komplexe Kombination von Vorwärts-Suche, assoziativer Suche, Machine Learning und Natural Language Processing, von denen die Technologien Watson von IBM und Siri von Apple nur Ausläufer sind. Diese Werkzeuge sind in der Lage, Inhalte zu verstehen und linguistisch und/oder statistisch aufzuarbeiten, Vorschläge für Klassifizierung und Metadaten zu machen, und dabei gleichzeitig die Relevanz der Suchresultate zu erhöhen. Jedes Unternehmen mit großen Mengen von unstrukturierten Daten sollte dabei auf diese Fähigkeiten aufbauen.
Eine moderne Suche geht über alle notwendigen Quellen, versteht die Frage und die Fragenden und gibt relevante Antworten – auch wenn diese vom Anwender (noch) nicht so erwartet wurden. Und dort liegen auch die zukünftigen Möglichkeiten von Unternehmen, sich zu differenzieren und ihre Datenquellen sinnvoll zu durchforsten – ob sie jetzt Big Data haben oder nicht.
Wenn Sie damit anfangen wollen, sollten Sie folgende Punkte berücksichtigen:
- Je einfacher die Oberfläche sein soll, umso komplizierter wird die Arbeit sein müssen, die im Hintergrund stattfindet. Anwender erwarten einfache Lösungen: Wie werden die komplexen Vernetzungen, die im Hintergrund stattfinden müssen, vollzogen, und von wem?
- Klares Verständnis für das gesuchte Objekt, den Suchenden und die Frage, welche Ablagestrukturen eingebunden werden müssen und welche außen vor gelassen werden können. Hierbei ist es auch wichtig, sich einen guten Überblick über die Inhalte, Dokumententypen, Metadaten und der Anteil von irrelevanten oder überflüssigen Daten zu machen. Jedes Suchresultat wird relevanter, je mehr die Datenablagen vom Datenmüll befreit werden.
- Deutliche und vor allem auch messbare Ziele, die den heutigen Status von Suche und Analysetools im Unternehmen zeigen und damit auch in der Lage sind, die Verbesserung durch den Einsatz von neuen Technologien oder Methodiken auf Dauer zu demonstrieren. Dabei ist es unerlässlich, sich schon im Vorfeld über diese Ziele eine klare Vorstellung zu machen und diese auch als Teil des Projektplanes mit einfließen zu lassen.
Die Suche und die damit zu verbindenden Analyse-Tools sind eben nicht einfach nur etwas, was man installiert, sondern es braucht wie jedes andere Projekt Ziele, Planung und Vorbereitung! Lassen Sie sich von dem Hype nicht mitreißen oder abstoßen, sondern suchen Sie ganz klar nach Möglichkeiten, Ihre Suche zu verbessern und die damit zu erwartenden Vorteile zu erreichen.
