Was eine gute Insight Engine ausmacht

Das rasche Datenwachstum ist nicht mehr nur eine Last, sondern macht zunehmend den Erfolg eines Unternehmens aus. Gartner hat prognostiziert, dass bereits 2018 rund die Hälfte des Gewinns aus “Datengeschäft” resultieren wird. Größter Treiber ist das Internet der Dinge (IoT): Daten von Sensoren, die im Produktionsumfeld oder in Alltagsgegenständen verpackt sind, liefern all jene Daten, die dazu notwendig sind, Produkte und Prozesse zu optimieren beziehungsweise neue Ideen in die Realität umzusetzen.

In der Theorie zumindest. Denn die Daten allein nutzen nichts, wenn sie nicht mit anderen Unternehmensdaten wie aus ERP oder CRM generiert verknüpft sind. Außerdem braucht es eine durchgehende Analyse, um auch verlässliche Aussagen treffen zu können. Daher werden Technologien wie Big Data Analysis und Business Intelligence weiter an Bedeutung gewinnen.

Eine Technologie, die in der letzten Zeit ins Zentrum der Aufmerksamkeit gerückt ist, sind sogenannte Insight Engines. Diese sammeln, analysieren und verknüpfen unternehmensweite Daten, die dem User jederzeit zur Verfügung stehen. Sie sind Grundlage dafür, dass aus den in den weit verstreuten Daten über alle Applikations- und Organisationsgrenzen hinweg Informationen und in der Folge Wissen entstehen kann. Ziel ist, eine 360-Grad-Sicht auf alle Bereiche zu erhalten, die für den Job relevant sind bzw. für die man die Berechtigung hat.

Welche Aspekte soll eine Insight Engine abdecken, und welche Aspekte sind wichtig, um aus ihr ein Spitzensystem zu machen? Gartner hat dazu vor kurzem seinen aktuellen Magic Quadrant veröffentlicht.

1. Gartner geht davon aus, dass im Jahr 2019 50 Prozent der analytischen Abfragen mit Fragewörtern wie etwa “Wann” oder “Wie” beginnen werden. Das heißt, dass Wissenssysteme in Zukunft mit Hilfe natürlicher Sprachen steuerbar sind. Insight Engines unterstützen diesen Trend und überwinden damit traditionelle Suchabfragen, bei denen man sich in der Regel durch exzessive und ineffektive Trefferlisten mühen muss.
2. Insight Engines liefern Ergebnisse im Idealfall kontextbezogen und proaktiv. Sie übernehmen damit die Aufgabe eines “Personal Assistant”, der nicht erst dann aktiv wird, wenn man ihn dazu auffordert.
3. Eine gute Insight Engine wird besser, je länger sie im Einsatz ist. Technologien wie Machine Learning und Deep Learning sorgen dafür, dass das innovative Wissenssystem im Alltagseinsatz pausenlos dazulernt. Jede Interaktion hilft, die Qualität der bereitgestellten Information zu steigern.
4. Ein Top-Produkt im Bereich Insight Engines ist rasch einsetzbar. Eine Lösung, deren Integration Monate und manchmal Jahre dauert, ist für das schnelllebige digitale Zeitalter eine Zumutung. Gartner bescheinigt der Insight Engine Mindbreeze InSpire eine Integration von weniger als 90 Tagen, was signifikant besser ist als der Durchschnitt aller untersuchten Insight Engine-Lösungen. Zudem sind weniger menschliche Ressourcen notwendig, um die Installation zu managen und zu betreiben.
5. Eine Top-Insight Engine integriert standardmäßig möglichst viele Datenquellen – egal ob diese strukturiert oder unstrukturiert sind. Im Fall von Mindbreeze InSpire passiert dies mit Hilfe von rund 450 Konnektoren. Diese unterstützen die operativen und analytischen Anforderungen. Darüber hinaus sorgen die Konnektoren für einen hocheffizienten Abgleich von Änderungen, sodass in kürzester Zeit neue und geänderte Dokumente gefunden werden oder die Informationen gelöschter Dokumente im Index entfernt werden. Je mehr Konnektoren im Standardumfang enthalten sind, desto schneller kann die Lösung eingesetzt werden, weil weniger Anpassungen notwendig sind.
6. Die Qualität einer Insight Engine lässt sich am besten in der Praxis beurteilen. Daher sollte man die in Frage kommenden Lösungen unbedingt auf den Prüfstand stellen. Hersteller, die keine Teststellung bieten bzw. es nicht ohne Komplikationen ermöglichen, ihre Lösung unter Alltagsbedingungen zu testen, scheiden bereits im Vorfeld aus.

Fazit: Hands-on-Tests als Nagelprobe

Insight Engines bieten die Möglichkeit, den Umgang mit unternehmensweiten Daten und Informationen auf eine neue Stufe zu heben. Zu den Stärken gehören der natürliche Zugang auf Informationen, proaktive Wissensvermittlung und selbstlernende Technologien im Hintergrund. Allerdings gibt es große Unterschiede zwischen den einzelnen Produkten, was zum Beispiel den Aufwand der Integration und den Umfang der Standardfunktionen betrifft. Hands-on-Tests bringen meist sehr schnell Licht in die Sache.