Es sind nicht die Daten selbst, die Werte oder Wettbewerbsvorteile generieren. Es kommt darauf an, was Unternehmen daraus machen. Erst mit einem modernen Wissensmanagement, das eine Vielzahl an zukunftsweisenden Technologien in sich vereint, können Organisationen Daten gewinnbringend einsetzen.
Daten gelten bekanntlich als das „Öl der Zukunft“. Doch wie bei Erdöl, das erst durch seine Verarbeitung Wert schafft, so stellen die Daten erst dann einen Wert dar, wenn aus ihnen Informationen und schließlich Wissen entsteht, das nicht nur Spezialisten, sondern auch unternehmensweit zur Verfügung steht.
Mit der zunehmenden Komplexität und den steigenden Datenbergen wird es immer schwieriger, diese Aufgabe zu erfüllen. Die Folge ist das vermeintliche Paradoxon „Unternehmen wissen nicht, was sie wissen.“
Um diese Herausforderung in den Griff zu bekommen, arbeiten die Spezialisten im Bereich Wissensmanagement oft seit vielen Jahren an einer Technologie, die früher vor allem unter dem Begriff „Enterprise Search“ bekannt war. Später sind die Bezeichnungen „Insight Engine“, „Cognitive Search“ oder „AI (Artificial Intelligence) Search“ hinzugekommen. Auch wenn die jeweiligen Ansätze unterschiedlich erscheinen, so verfolgen sie alle dasselbe Ziel.
Es geht in jedem Fall darum, dass die Userin oder der User genau jene Information zum richtigen Zeitpunkt und am richtigen Ort bekommt, die sie oder er für die Erledigung einer spezifischen Aufgabe benötigt. Das kann die Adresse eines Kunden sein, die technische Beschreibung eines Bauteils oder die Verkaufszahlen eines Produkts in einer bestimmten Region.
Mit welchen Mitteln und Methoden dieses Ziel im Jahr 2021 erreicht werden soll, lesen Sie im folgenden Trendbericht.
1. Informationen aus dem Verhalten des Users gewinnen
Eine wesentliche Voraussetzung für ein zukunftsweisendes Wissensmanagement ist, die Daten, die in einem Unternehmen gewöhnlich in Hunderten und Tausenden Silos verstreut sind, von diesen zu trennen und zu Informationen zu verknüpfen. Für diese Aufgabe stehen seit Langem sogenannte Konnektoren zur Verfügung, die die Daten aus den Applikationssilos holen und gleichsam auf eine Metaebene bringen, wo sie in Beziehung zueinander gesetzt werden können.
Die Aufgabe erledigen moderne Systeme bereits sehr gut. Doch das ist nur die eine Seite der Medaille. Denn würde man die User mit den neu gewonnen Informationen ungefiltert versorgen, müssten sich diese durch Informations- statt durch Datenberge wühlen, um an die für ihre Aufgaben benötigten Antworten zu gelangen.
Daher setzen Hersteller zunehmend auf die Analyse jener Faktoren, die nicht in der Information selbst liegen, sondern darin, wie diese verwendet werden – in der Fachsprache: „Behavioural Model for Information Retrieval System Design“. Zu den Faktoren gehören etwa die Rolle der Tätigkeit, Aktionen, die in der Vergangenheit im Zusammenhang mit bestimmten Informationen gesetzt wurden, spezifisches Suchverhalten oder sogar die Emotionen, die User mit Informationen verknüpfen – ein Thema, das sehr stark mit Customer Experience bzw. „Experience Economy“ verwandt ist.
Auf Basis der Verhaltensanalysen können moderne Wissensmanagementsysteme genau jene Informationen zur Verfügung stellen, die gerade gebraucht werden, ohne den User zu überfordern. Mit anderen Worten: Die Relevanz einer Information wird personalisiert.
2. AI-Datenanalyse und -suche ermöglichen echte Antworten auf natürliche Fragen
Zu diesem Themenkomplex gehören Technologien wie Natural Language Processing (NLP), Natural Language Question Answering (NLQA) und die semantische Aufbereitung von Inhalten, die eine natürliche Mensch-Maschinen-Interaktion ermöglichen.
Während diese für die Akzeptanz und Effizienz wesentlichen Aspekte auch im Jahr 2021 weiter optimiert werden, kommt mit „X Analytics“ verstärkt ein Thema hinzu, das – vereinfacht beschrieben – die Welt der menschlichen Wahrnehmung in die Informations- bzw. Wissensgewinnung miteinbezieht. Dazu gehört laut Gartner die Analyse von Videos und Fotos, um etwa die Supply Chain zu optimieren oder ärztliche Diagnosen zu unterstützen. Weitere Anwendungsmöglichkeiten sind die Analyse von Vibrationen und Audiodaten, um beispielsweise die Effizienz der vorausschauenden Wartung zu steigern und vieles andere mehr.
Überspitzt formuliert: Mit all den genannten Aspekten soll die menschliche Erfahrung gleichsam digitalisiert werden, was Wissensmanagementsysteme zu echten Partnern im Berufsalltag macht.
3. „Weak Supervision“: AI ohne Kinderkrankheiten
Künstliche Intelligenz hatte bis dato einen massiven Nachteil: Um ein AI-System im Unternehmen zum Laufen zu bringen, brauchte es große Trainingsdaten-Sets. Das bedeutete viel manuelle Arbeit, um die Daten aufzubereiten und zu bereinigen – je mehr Daten, desto komplexer und langwieriger die Aufgabe.
Mit dem Verfahren „Weak Supervision“ geht man einen neuen Weg: AI lernt selbstständig von bereits im Unternehmen vorhandenen Datensets, die traditionell manuell eingepflegt und eventuell klassifiziert wurden.
Läuft einmal der Prozess von Machine bzw. Deep Learning, verbessert sich die Akkuranz dank Rückkoppelungseffekt stetig. Nach zwei, drei Monaten im Einsatz kann auf „Dunkelverarbeitung“ – das heißt vollautomatisiertes Processing – umgestellt werden; und das ganze ohne oder mit stark reduzierter Trainingsphase.
Gleichzeitig, und das quasi als Ergänzung zur Dunkelverarbeitung, setzen Anbieter von Wissensmanagementlösungen verstärkt auf den Trend „Explainable AI“ (XAI), wenn es darum geht, bestimmte Entscheidungen der künstlichen Intelligenz nachvollziehbar zu machen. Da dies bei sehr komplexen Modellen jedoch nur bedingt möglich ist, geht die Reise 2021 in Richtung Vereinfachung.
4. Die 360-Grad-Sicht wird zum Mainstream
Während es früher notwendig war, die Daten und Informationen zu einer bestimmten Aufgabenstellung selbst zusammenzusuchen, ist die holistische Aufbereitung von Informationen nun Standard. Das gilt für den Wartungsmechaniker genauso wie für den CEO, der den 360-Grad-Blick braucht, um schnell Entscheidungen treffen zu können.
Äußeres Zeichen dieser Entwicklung ist das Zusammenwachsen der Business Intelligence-Welt mit jener der Enterprise-Search, wobei die Anbieter verstärkt Partnerschaften eingehen oder die Gegenseite übernehmen.
5. Distributed und Hybrid Cloud: Die Wolke kommt zum User
Laut Gartner werden Cloud-Dienste zunehmend auf verschiedene Standorte verteilt, der Betrieb aber, die Verwaltung und die Weiterentwicklung bleiben in der Verantwortung des öffentlichen Cloud-Anbieters. Der Marktforscher nennt dies „Distributed Cloud“.
Parallel zum allgemeinen Hybrid Cloud-Trend soll die Distributed Cloud überall dort zum Einsatz kommen, wo niedrige Latenz, geringe Datenkosten oder Gesetze dominieren, die Unternehmen vorschreiben, dass Daten in einem bestimmten geografischen Gebiet verbleiben müssen. Es bedeutet auch, dass Organisationen nach wie vor von der öffentlichen Cloud profitieren und nicht ihre eigene private Cloud verwalten, was kostspielig und komplex sein kann. Daher spielen die genannten Vorteile der Distributed Cloud in beiden Fällen eine wichtige Rolle.
6. Hyperautomation: AI für die Geschäftsprozesstransformation
Hyperautomation bedeutet Gartner zufolge nichts anderes als die Idee, dass alles, was in einer Organisation automatisiert werden kann, automatisiert werden sollte. Die Motivation dahinter ist nicht, die Anzahl der Mitarbeiter zu reduzieren, sondern diese von quälenden Routinen – Stichwort „Monkey Business“ – zu befreien, damit sie stärker in die Wertschöpfungsprozesse des Unternehmens eingebunden werden können.
Der Begriff „Hyperautomation“ impliziert auch die Optimierung bzw. Weiterentwicklung von traditionellen Geschäftsprozessen mit dem Ziel, an Flexibilität und Agilität hinzuzugewinnen. Die Corona-Krise hat deutlich gezeigt, wie essentiell diese Fähigkeiten sind. 2021 wird die Transformation der Business-Prozesse verstärkt durch AI unterstützt werden.
Gleichzeitig hilft diese Entwicklung, neue Geschäftsfelder zu entdecken und zu realisieren. Dies funktioniert jedoch nur dann, wenn Unternehmen über eine solide Basis in Sachen Wissensmanagement verfügen.
Fazit: Connecting the Dots
Das Wissen, das im Unternehmen meist im Überfluss vorhanden ist, kann nur dann Wert generieren, wenn es zum richtigen Zeitpunkt, am richtigen Ort und in der richtigen – d.h. möglichst kompakten – Form für all jene Mitarbeiter zugänglich ist, die es benötigen, um ihre Aufgaben zu erfüllen. Das Motto „Connecting the dots“ ist damit die Grundlage für ein Wissensmanagement der Zukunft, das eine Vielzahl an modernen Technologien unter einem Dach vereint und diese den Usern in einer möglichst natürlichen und nahtlos integrierten Form zur Verfügung stellt.
Daniel Fallmann beschäftigt sich seit frühester Jugend mit den Themen künstliche Intelligenz, Machine Learning und Deep Learning. Im Jahr 2005 gründete er Mindbreeze und leitet das Unternehmen seither als CEO. Mindbreeze zählt heute zu den führenden internationalen Anbietern im Bereich angewandte künstliche Intelligenz und Wissensmanagement.
Bildquellen
- Daniel Fallmann: Mindbreeze
