Welche Rolle spielt generative KI in der Unternehmenssuche?

Wie Unternehmenssuche funktioniert

Eine Unternehmenssuche kann verschiedene Facetten für die Suche enthalten und relevante Kategorien zur Verwendung vorschlagen. Je nach Design kann die Benutzeroberfläche gültige Suchkriterien in einem Dropdown-Menü auflisten oder Begriffe durch Textvorschläge empfehlen.

Zunächst müssen die Benutzer die relevanten Suchbegriffe eingeben und sicherstellen, dass sie im richtigen System oder am richtigen Ort suchen. Jemand im Unternehmen muss das Schema definieren und das kontrollierte Vokabular oder die Taxonomie einführen, um Inhalte aus unterschiedlichen Repositories zu erfassen.

Außerdem müssen die Mitarbeiter die Inhalte mit relevanten Begriffen kennzeichnen, welche die vom zugrunde liegenden Betriebssystem bereitgestellten Metadaten (zum Beispiel Dateinamen und Datum der letzten Änderung) ergänzen. Manchmal erfolgt diese Verschlagwortung im Rahmen der täglichen Arbeit. Beispielsweise füllen Büroangestellte vor der Ablage von Dokumenten Formulare aus, in denen sie nach relevanten Begriffen fragen, die sie als Tags verwenden können.

Unternehmenssuche mit KI

Diese Prozesse gab es schon vor KI und sie bleiben in der aktuellen digitalen Umgebung relativ unverändert. Neuere Content-Technologien, einschließlich KI, versuchen jedoch, die Suchergebnisse zu verbessern, indem sie Verbindungen zwischen Wörtern und Sätzen in Dokumenten ableiten, die in Content Repositories gespeichert sind.

So kann KI beispielsweise relevante Wörter und Ausdrücke extrahieren, um Dokumente automatisch zu katalogisieren. Die semantische Suche, die Stimmungsanalyse von Texten und die Ähnlichkeitsanalyse können darüber hinaus Informationen auf der Grundlage vordefinierter Kriterien präsentieren.

Bei diesen Technologien werden Algorithmen eingesetzt, um die Bedeutung von Texten zu extrahieren, indem sie mit vordefinierten Beziehungen zwischen Begriffen gefüttert werden. Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), maschinelles Lernen und Graphenalgorithmen wurden einst als KI-gestützte Tools angepriesen, gelten aber heute als Mainstream-Technologien für die Entwicklung von Sucherlebnissen in Unternehmen.

Wie generative KI die Unternehmenssuche verändert

Generative KI ist eine weitere vielversprechende Technologie zur Extraktion von Bedeutung aus Inhalten. Sie verwendet neuronale Netze, die auf enormen Mengen von Inhalten trainiert werden, um große Sprachmodelle (Large Language Models, LLMs) zu erstellen, die die kognitiven Verbindungen des menschlichen Gehirns nachahmen. Die LLMs von OpenAI und Google greifen beispielsweise auf öffentliche Informationen im Internet zu, einschließlich urheberrechtlich geschützter Inhalte aus maßgeblichen Quellen. Proprietäre LLMs von anderen Anbietern sowie Open-Source-Initiativen sind ebenfalls in Arbeit.

Anwendungsentwickler nutzen APIs, um LLMs in Anwendungen einzubinden. So nutzen beispielsweise ChatGPT von OpenAI und Bard von Google die LLMs der jeweiligen Anbieter. Microsoft lizenziert seine LLM und die zugehörigen APIs von OpenAI, um einen Chatbot für Bing zu entwickeln, der jetzt Microsoft Copilot heißt. Bemerkenswert ist, dass die LLMs von OpenAI und Google allgemeine Informationen enthalten, die aus öffentlichen Online-Quellen gesammelt wurden, und nicht den Inhalt eines bestimmten Unternehmens.

Eine Unternehmenssuche ist jedoch nur so gut wie die Quellen, auf denen sie basiert, und der Kontext, in dem die Fragen gestellt werden. Der Wettlauf um die Anwendung von generativer KI auf die Unternehmenssuche und die Bereitstellung besserer Antworten auf die Fragen der Benutzer hat begonnen. Während allgemeine Informationen, die zur Schulung eines bestehenden LLM verwendet werden, in vielen Situationen gut genug sein können, sind spezialisierte Inhalte, die auf die spezifischen Bedürfnisse eines Unternehmens abgestimmt sind, oft besser.

Daher kann generative KI die Unternehmenssuche auf folgende Weise verändern:

• Benutzer könnten ihre Unternehmenssuche ergänzen, indem sie einem LLM Fragen stellen. Bei der Bewertung der LLM-Ergebnisse müssen sie jedoch in der Lage sein, die Richtigkeit und Autorität des Inhalts zu überprüfen.
• Benutzer können sich auf eine einzige Suchfunktion verlassen, um ihr Content Repository und einen bestehenden LLM gleichzeitig abzufragen. Eine einheitliche Suchfunktion kann zwar Zeit sparen und die Produktivität steigern, aber die Benutzer müssen dennoch die Genauigkeit des LLMs überprüfen.
• Ein Unternehmen kann seine Investitionen in die Unternehmenssuche – Content Repositories, Informationsarchitektur und Wissensgraphen – nutzen und sie in ein bestehendes LLM integrieren. Dadurch erhalten die Benutzer eine vertraute Benutzeroberfläche für die Suche, aber das Unternehmen benötigt Mechanismen, um die Genauigkeit der vom LLM generierten Ergebnisse zu gewährleisten.
• Eine Organisation kann ihr eigenes Sprachmodell mit domänenspezifischen Quellen trainieren und es in ihren Content Repositories speichern. Diese Technik, die oft als kleines Sprachmodell bezeichnet wird, extrahiert die Bedeutung von Inhalten und verwendet geprüfte Informationsquellen. Die Nutzer können schnell die gewünschten Antworten finden und sich auf die Zuverlässigkeit der Ergebnisse verlassen.

Die Erfüllung der Versprechen von generativer KI erfordert sowohl technisches als auch geschäftliches Geschick. Führungskräfte und leitende Technologen müssen die Qualität ihrer Suchumgebungen bewerten und entscheiden, wann Investitionen in generative KI sinnvoll sind.