Was vor Jahren unrealistisch anmutete, ist heute Realität. Mitarbeiter arbeiten mobil, Projektteammitglieder wohnen in unterschiedlichen Zeitzonen und trotzdem funktioniert die Abwicklung eines Auftrages in ganz vielen Branchen nach wie vor hervorragend.
Die Skalierung von Wissen innerhalb einer Organisation gewinnt daher enorm an Bedeutung (Stichwort: Digital Workplace). Eine wichtige Basis dafür bildet die effiziente Bereitstellung von Informationen. Erst eine geeignete Wissensmanagementstrategie sowie entsprechende Technologien ermöglichen die qualitativ hochwertige Informationsaufbereitung. In diesem Zusammenhang raten viele Anbieter ihren Kunden, alle Daten in die Cloud zu verlagern (Cloud-only).
In der Unternehmenspraxis lässt sich die vollständige Verlagerung, besonders in Bereichen, in denen hochsensible Informationen bzw. hochgradig angepasste Fachanwendungen vorliegen, jedoch meist gar nicht so einfach oder eben nur mit unverhältnismäßigem Aufwand umsetzen. Mit dem Ergebnis, dass diese Bereiche häufig nicht in das zentrale Wissensmanagement eingebunden werden.
Um kritische Abhängigkeiten auflösen und geschäftsrelevante Unternehmensdaten aus sämtlichen relevanten Anwendungen (Cloud, On-Premises) einbeziehen zu können, kommen immer häufiger sogenannte Insight Engines zum Einsatz. Diese auf Enterprise Search basierenden und mit Machine sowie Deep Learning arbeitende Lösungen ermöglichen es, alle Datenquellen in einem Unternehmen miteinander zu verknüpfen und Zusammenhänge zwischen den Informationen aufzuzeigen. Dabei spielt es keine Rolle, ob diese in einer Cloud liegen oder in der eigenen Infrastruktur zur Verfügung stehen.
Von On-Premises bis Cloud
Insight Engines sind in der Lage, sämtliche im Unternehmen vorhandene Datenquellen, mit all ihren strukturierten und unstrukturierten Daten zu erfassen und in eine Suchabfrage einzubeziehen. Dafür werden die vorhandenen Quellsysteme im Vorfeld mittels sogenannter Konnektoren an die Insight Engine angebunden. Diese sind für eine rasche Integration ausschlaggebend und sollten sowohl für On-Premises- als auch für Cloud-Anwendungen bereits im Standardprodukt enthalten sein.
Wird eine Recherche gestartet, durchsucht die Insight Engine die Quellsysteme (Fachanwendungen, Archive, Datenbanken etc.), analysiert die Inhalte semantisch und erkennt bestehende Zusammenhänge zwischen den Informationen. Die Daten bleiben zu jedem Zeitpunkt wo sie sich befinden (Rechenzentrum, Cloud). Unternehmenskritische Daten mit hohen Compliance-Anforderungen indiziert die Insight Engine aus der On-Premises-Umgebung und jene in der Cloud verfügbaren Informationen direkt aus den Cloud-Anwendungen. Das Ergebnis ist ein Index, der bei Suchabfragen kontext- und anwenderspezifische Sichten auf das gesamte Unternehmenswissen liefert.
Vor der Anzeige erfolgt eine Prüfung der Zugriffsrechte und zwar von jeder Datenquelle, in der die Informationen gespeichert sind. Dadurch wird sichergestellt, dass auch kurzfristige Änderungen berücksichtigt werden.
Die Absicht des Anwenders erkennen
Die Art und Weise nach Informationen zu suchen, hat sich in den letzten Jahren stark verändert – von reinen Schlagworten hin zu komplexeren Fragestellungen, Sätzen und Phrasen. Dafür sind verschiedene Verfahren der Spracherkennung erforderlich, um die Suchanfragen richtig verarbeiten zu können (Conversational Search).
Mittels verschiedener Algorithmen erfassen Insight Engines ganze Sätze, Wortarten (Nomen, Verben, Adjektive), ihre Bedeutung sowie ihre Zusammenhänge und Abhängigkeiten.
Die linguistische Interpretation erfolgt dabei durch Natural Language Processing (NLP). Mit dieser Methode lässt sich menschliche, natürliche Sprache computerbasiert verarbeiten und bestehende Inhalte können in Informationen transformiert werden.
Natural Language Understanding (NLU) geht über das reine Verstehen von Wörtern und Sätzen hinaus. Mit dieser Technologie ermittelt und interpretiert die Insight Engine die Absicht des Anwenders – also die Bedeutung eines Satzes, einer Anfrage, einer Aussage. Trotz Interpunktions-, Rechtschreib-, Grammatik- oder Tippfehler ist eine Insight Engine damit in der Lage, auf Fragestellungen adäquat zu reagieren und explizite Antworten zu geben.
Das Ergebnis: personalisierte 360-Grad-Sicht auf Unternehmensdaten
Statt endlose Ergebnislisten zu liefern, extrahieren Insight Engines nur jene Informationen, die der Suchabfrage entsprechen. Erweitert um wichtige Zusatzinformationen, stehen diese den Anwendern in übersichtlichen Dashboards zur Verfügung. Komplexe Zusammenhänge, vor allem jene rund um einen sogenannten Digital Twin – das können ein Kunde, ein Produkt oder eine Dienstleistung sein – sowie die entsprechenden Sachverhalte sind auf einen Blick (Holistic View) klar ersichtlich.
Dabei berücksichtigen sie stets den jeweiligen Kontext des Anwenders (z.B. Rolle, Abteilung, Anwendung, Workflowinformation etc.) sowie seine individuellen Berechtigungen und passen die Ergebnisse entsprechend an.
Abbildung: 360-Grad-Sicht auf Unternehmensdaten
Machine und Deep Learning agieren parallel im Hintergrund. Sie lernen aus dem Benutzerverhalten beispielweise welche Dokumente bevorzugt aufgerufen oder gesucht werden sowie Informationen aus weiteren Datensätzen und tragen so dazu bei, dass sich die Intelligenz der Insight Engine stets weiterentwickelt. Auf Basis der gesammelten und analysierten Daten lassen sich Relevanzmodelle errechnen. Diese dienen der Personalisierung des Sucherlebnis und der Ergebnisanzeige. Häufig gesuchte Begriffe, geöffnete Dokumente und bearbeitete Daten sind demnach als relevanter einzustufen und vorrangig sowie proaktiv anzuzeigen.
Unternehmenslenker und Mitarbeiter erhalten damit auf Knopfdruck eine personalisierte Wissensbasis aus der Gesamtheit an Unternehmensdaten – unabhängig vom Speicherort und ohne Migration in eine neue Umgebung. Dadurch schaffen Insight Engines eine optimale Grundlage, um strategische und operative Entscheidungen stets unter Einhaltung der herrschenden Compliance-Richtlinien treffen zu können und generieren damit einen nachhaltigen Wettbewerbsvorsprung.
Über den Autor
Daniel Fallmann gründete 2005 Mindbreeze und lebt täglich als CEO den Qualitäts- und Innovationsanspruch vor. Zusammen mit seinem Team legte er bereits in den ersten Jahren den Grundstein für die hoch skalierbare und intelligente Mindbreeze InSpire Appliance. Seine Leidenschaft für Enterprise Search und Machine Learning in einem Big Data Umfeld fasziniert nicht nur die Mitarbeiter sondern auch die Mindbreeze Kunden.
Über Mindbreeze
Die Mindbreeze GmbH ist ein führender Anbieter von Appliances und Cloud-Services für Information Insight, angewandte künstliche Intelligenz und Wissensmanagement. Die Produkte ermöglichen eine konsolidierte Sicht auf das Unternehmenswissen – unabhängig davon, wo und wie dieses gespeichert ist.
Bildquellen
- Abbildung- 360-Grad-Sicht auf die Unternehmensdaten: Mindbreeze
- Daniel Fallmann: Mindbreeze
- network: Bild von Gerd Altmann auf Pixabay
