Großer Leistungs- und Zeitdruck sowie komplexe Sachverhalte zwingen Unternehmen zu immer rascheren Entscheidungen. Um das Risiko von Fehlentscheidungen nachhaltig zu minimieren, ist eine fundierte Wissensbasis erforderlich. Bei der Vielzahl an unterschiedlichen Sachverhalten und der stetig steigenden Datenmengen stehen heute oft nicht alle benötigten Informationen zur Verfügung, um rasch Entscheidungen treffen zu können. KI-basierte Insight Engines setzten genau hier an, indem sie Entscheidungsträgern das benötigte Unternehmenswissen situationsbezogen und personalisiert aufbereitet bereitstellen.
Bei Insight Engines handelt es sich um intelligente Systeme, die in der Lage sind, sämtliche Informationen aus unterschiedlichen Datenquellen (Fachanwendungen, CRM, E-Mail-Systeme etc.) abzurufen, zu analysieren und im richtigen Kontext zu verknüpfen. Um die Suchanfragen von Anwendern oder die Inhalte in den Dokumenten zu verstehen und die benötigten Informationen aus der Datenmenge zu extrahieren, nutzen Insight Engines Methoden der Künstlichen Intelligenz wie Natural Language Processing (NLP) und Natural Language Question Answering (NLQA).
Dadurch sind sie in der Lage, die von den Anwendern in natürlicher Sprache abgegebene Suchabfragen korrekt zu verstehen, mittels linguistischer Interpretation das konkrete Anliegen zu ermitteln und explizite Antworten basierend auf den Zugriffsrechten zu liefern. Beispielweise auf die Frage „Wie viele Reklamationen hatte Kunde A?“ erhält der Anwender nicht eine Liste mit unzähligen Treffern, die das Wort „Reklamation“ oder „Kunde A“ enthalten, sondern eine konkrete Zahl wie beispielsweise 25.
Durch proaktive Datenanalyse und automatisch getriggerte Abfragen werden außerdem kontextrelevante Zusatzinformationen generiert und parallel zur Verfügung gestellt. Im Fall der Reklamation wären dies Informationen zu eventuell getätigten Rücksendungen oder Nachbesserungen, Notizen und Korrespondenz.
Auf Basis der persönlichen Zugriffsberechtigungen sowie der kontinuierlichen Analyse der Anwender und ihres Nutzungsverhaltens (vorhergegangene Suchen, bevorzugte Dokumente etc.) generieren Insight Engines bei Abfragen eine anwenderspezifische und individuelle Gesamtsicht auf die vorhandenen Unternehmensdaten.
Diese sogenannte 360-Grad-Sicht ermöglicht dem Management oder anderen verantwortlichen Entscheidungsträgern, auf Knopfdruck einen Überblick über geschäftsrelevante Informationen zu unterschiedlichen Themen wie beispielsweise Prozesse, Projekte, Kunden und Lieferanten. So können Handlungsempfehlungen abgeleitet, geschäftskritische Risiken vermindert und essentielle Wettbewerbsvorteile generiert werden.
Mittelständische Unternehmen mit bis zu 500 Mitarbeitern könnten auf diese Weise bei einem geschätzten Schadenswert von 50.000 Euro pro Fehlentscheidung jährlich mehrere hunderttausend Euro sparen, wie diese fiktive Berechnung veranschaulichen soll: Bei einer Fehlerquote von 0,05 Prozent, also fünf Fehler bei insgesamt 10.000 Entscheidungen, entstehen bei jährlich rund 40.000 Entscheidungsprozessen (rund 20 falsch getroffene Entscheidungen) Kosten in Höhe von etwa einer Millionen Euro. Schon die Senkung der Fehlerquote auf 0,04 Prozent (16 falsch getroffene Entscheidungen) verringert die Summe um 200.000 Euro. Folgekosten sind dabei meistens noch gar nicht berücksichtigt.
Wahlfreiheit bei der Integration ins Unternehmen
Jedes Unternehmen hat eigene Anforderungen bei der Einführung von neuen Systemen oder Anwendungen. Diese können aber oft nicht erfüllt werden, da manche Hersteller nur bestimmte Betriebsmöglichkeiten (Cloud, On-Prem) anbieten. Einige wenige Hersteller gehen einen anderen Weg. Sie lassen den Kunden entscheiden, wie und wo er sein neues System betreiben möchte. Eine Möglichkeit stellt die Appliance dar.
Hierbei handelt es sich um hochleistungsfähige Hardware mit perfekt abgestimmter Software. Diese wird direkt in das unternehmenseigne Rechenzentrum integriert, die Daten aus den angebundenen Datenquellen werden anschließend indiziert. Diese Variante eignet sich besonders im Hinblick auf sensible Unternehmensdaten, da keine Verbindung nach Außen beispielsweise zum Hersteller besteht. Nur die eigene IT-Abteilung hat Zugriff und kann Änderungen durchführen.
Für Unternehmen, die bereits mit Daten in Cloud-Lösungen (SharePoint online, Office 365, Salesforce) arbeiten, stellt eine SaaS-Lösung eine mögliche Variante dar. Hierbei läuft die Insight Engine in einem externen Rechenzentrum. Die Daten werden direkt aus den Cloud-Anwendungen indiziert. Bei der sogenannten hybriden Lösung sind die Daten aus beiden Welten (Cloud und intern) bei der Erstellung des benötigten Index für Abfragen zu berücksichtigen. Anwender können mit nur einer Suchabfrage sowohl Cloud-Anwendungen als auch On-Prem-Anwendungen durchsuchen.
Unabhängig davon für welche Variante sich ein Unternehmen entscheidet, für die rasche Integration in den Unternehmensalltag bieten die führenden Systeme mehrere hundert Konnektoren Out-of-the-box zur Anbindung der unterschiedlichsten Datenquellen an. Neben gebräuchlichen Datenquellen wie Netzlaufwerke, Microsoft SharePoint und SAP können auch unternehmensspezifische Anwendungen einfach und rasch angebunden werden.
Da sich Geschäftsrisiken nie vollständig ausschließen lassen, ist es notwendig entsprechende Maßnahmen zu treffen, um diese zu identifizieren und zu minimieren. Die Entwicklungen im Bereich der Künstlichen Intelligenz bilden eine geeignete technologische Basis für intelligentes Wissensmanagement. Damit stehen Werkzeuge zur Verfügung, die Entscheidungsträger im Entscheidungsfindungsprozess unterstützen, indem sie die benötigten Informationen punktgenau bereitstellen.
Gerald Martinetz
