Sergey Nivens - stock.adobe.com
Mit intelligentem Wissensmanagement den Durchblick behalten
Insight Engines unterstützen Firmen beim intelligenten Wissensmanagement. Dabei setzt die Technologie auf künstliche Intelligenz, Deep Learning und Natural Language Processing.
Arbeiten von überall ist heute in vielen Bereichen möglich. Trotz der Vielzahl an Tools zur Organisation und Koordination hat die entfernte Zusammenarbeit ihre Tücken. Vor allem Ad-hoc-Anliegen oder kurzfristige Abstimmungen sind plötzlich schwieriger, da die benötigten Mitarbeiter beziehungsweise Experten nicht immer sofort verfügbar sind.
Um auf geänderte Rahmenbedingungen rasch reagieren zu können, ist es für Unternehmen wichtig, nicht nur Prozesse anzupassen, sondern auch ihre Unternehmensdaten als wertvolles Asset zu sehen und dieses für Mitarbeiter nutzbar zu machen. Dafür setzen Betriebe zunehmend auf intelligente Wissensmanagementlösungen (Insight Engines), die mit Methoden der künstlichen Intelligenz und Enterprise Search die Daten (strukturiert und unstrukturiert) aus den unterschiedlichen Datenquellen zusammenführen, analysieren und für den jeweiligen Verwendungszweck personalisiert zur Verfügung stellen.
Intelligente Informationszentrale: Insight Engine
Daten und Fakten über Kunden, Lieferanten, Produkte, Preise sowie Expertenwissen sind geschäftskritisch und Voraussetzung für produktives Arbeiten. Dementsprechend benötigen Mitarbeiter unabhängig davon, ob sie im Unternehmen, Zuhause oder von unterwegs arbeiten, Zugang zu Informationen für eine korrekte Beantwortung von Fragen oder zu den aktuellen Daten wie zum Beispiel Kundeninformationen, Produktlisten, Preisen und Genehmigungen.
Meist existiert aber kein zentrales System, welches das vorhandene Wissen gebündelt zur Verfügung stellt, denn Daten sind an unterschiedlichen Orten im Unternehmen vorhanden – in On-Premises-(Fach)-Anwendungen, SaaS-Anwendungen (Software as a Service), Archiven oder Cloud-Services.
Eine bunte Mischung aus unterschiedlichen Datenquellen, in denen zwar gesucht werden kann, aber eben nur dort – für die effiziente Informationsbeschaffung suboptimal. Dadurch sind Anwender gezwungen, in vielen unterschiedlichen Anwendungen zu recherchieren. Dies ist mit einem erheblichen Zeitaufwand verbunden und bringt nicht das gewünschte Ergebnis. Mitarbeiter sind frustriert und weit davon entfernt, die tatsächlich benötigten Informationen zu finden, geschweige denn eine Antwort auf eine konkrete Frage zu erhalten.
Insight Engines agieren im Gegensatz dazu als intelligente Informationszentrale. Kommt es zu einer Suchabfrage, beziehen sie sämtliche Daten aus den angebundenen Datenquellen mit ein – unabhängig davon, ob es sich um strukturierte (zum Beispiel Einträge in Fachanwendungen) oder unstrukturierte (zum Beispiel Text, Audio und Video) handelt. Sie analysieren diese Daten, interpretieren die Inhalte und stellen den Anwendern komplexe Zusammenhänge und Sachverhalte auf einen Blick zur Verfügung.
Hierfür arbeiten im Hintergrund umfassende Methoden der künstlichen Intelligenz (KI). Diese sind in der Lage, Muster in komplexen, schwer überschaubaren Datenmengen zu entdecken, zu verstehen, sowie sie zu analysieren und zu interpretieren. So nutzen Insight Engines die Fähigkeiten von Technologien wie Deep Learning, Machine Learning, Natural Language Processing (NLP) und Natural Language Understanding (NLU).
NLP und NLU ermöglichen es der Insight Engine sowohl strukturierte Metadaten als auch unstrukturierte Textinhalte korrekt zu verstehen. Das heißt: Anwender können ihre Suchabfrage – heute sind dies meist bereits konkrete Fragen und keine einzelnen Worte – ganz einfach in die Suchmaske eintippen. NLP analysiert und versteht die in natürlicher Sprache gestellte Anfrage, während NLU dafür sorgt, dass das konkrete Anliegen des Nutzers (Behavior Intent) identifiziert wird.
„Insight Engines agieren als intelligente Informationszentrale. Kommt es zu einer Suchabfrage, beziehen sie sämtliche Daten aus den angebundenen Datenquellen mit ein.“
Daniel Fallmann, Mindbreeze
Wurde die Anfrage korrekt verstanden, werden mit Unterstützung von KI entsprechende Treffer extrahiert und dem Anwender zur Verfügung gestellt. Statt endlosen Ergebnislisten passen Insight Engines die Ergebnisse sowie ihre Darstellung an die spezifischen Anforderungen der Anwender an. Dazu verwenden sie akkumuliertes Wissen der Vergangenheit.
Mit verschiedenen Methoden des Machine Learning, insbesondere dem Modell der künstlichen neuronalen Netze (Deep Learning), erweitert die Insight Engine ihr Wissen, optimiert ihre Leistung und erstellt individuelle Relevanzmodelle. So analysiert die Technologie das Nutzerverhalten, wie oft welche Ergebnisse in welchem Kontext angeklickt wurden beziehungsweise mit ihnen interagiert wird und errechnet ein Modell, welches automatisiert relevantere Treffer vorrangig und proaktiv anzeigt. Basierend auf Erfolgs- oder Fehlerquoten aus vergangenen Interaktionen passt das System Antworten auf Fragen an oder ändert die Reaktion.
Je nach Rolle, Position im Unternehmen, Fachbereich, Kontext und auch Berechtigungen extrahiert die Insight Engine also die abgefragten Informationen, erweitert sie um kontextspezifische Inhalte und stellt sie den Anwendern in personalisierten Gesamtsichten (Holistic Views) zur Verfügung.
Mit diesen 360-Grad-Sichten behalten Mitarbeiter den Überblick über Kontakte, Projekte, Prozesse sowie Geschäftsfälle, ergänzt um relevante Echtzeitinformationen. Die Übersicht beziehungsweise die Verknüpfung aller Unternehmensdaten aus den unterschiedlichen Quellen (Unified Everything) macht das vorhandene Wissen nutzbar, schafft eine gute Grundlage für geschäftskritische Entscheidungen, Optimierungen oder die Basis für die Transformation von Prozessen – und zwar ganz unabhängig davon, ob sich Anwender im Unternehmen oder im Home-Office befinden.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
