Immer mehr Unternehmen erkennen den gesteigerten Wert der künstlichen Intelligenz (KI) und setzen auf intelligente Anwendungen, um ihre Geschäftsanforderungen meistern zu können. Intelligente Enterprise Search, sogenannte Insight Engines, schaffen innovative Möglichkeiten für die Wissensvermittlung durch dialogbasierte Suche und steigern damit die Produktivität und Effizienz im Unternehmen.
Die Verbreitung der künstlichen Intelligenz nimmt zu und ermöglicht zunehmend intelligentes Geschäftsverständnis und Automatisierung. Eines der Trendthemen in diesem Umfeld stellt der Bereich der Intelligent Applications dar, wie auch Gartner Inc. in dem im Oktober 2020 veröffentlichten Report „Emerging Technologies and Trends Impact Radar: Artificial Intelligence“ beschreibt.
Dabei handelt es sich um Geschäftsanwendungen für Unternehmen mit eingebetteten KI-Technologien, die die Produktivität verbessern und die Entscheidungsfindung unterstützen sollen. Genau diese Aufgabe übernehmen Insight Engines, indem sie klassische Enterprise Search Technologien mit KI-basierten Methoden der Spracherkennung oder Machine- und Deep Learning vereinen.
Die intelligente Informationszentrale
Kontinuierlich steigende Datenmengen haben zur Folge, dass Mitarbeiter immer mehr Zeit ihres Arbeitstages mit der Suche nach relevanten Informationen verbringen, statt sich auf ihre Kernarbeit konzentrieren zu können. Insight Engines setzen dort an, wo Anwender Daten und Dokumente eingeben, erstellen sowie speichern. Sie indizieren sämtliche Daten aus den angebundenen Datenquellen, analysieren diese und stellen sie entsprechend aufbereitet den Anwendern zur Verfügung – unabhängig davon, ob diese strukturiert (Tabellen) oder unstrukturiert (Inhalte aus Dokumentationen, Artikel, Audio, Video) vorliegen.
Das revolutioniert die Art, wie Anwender im Rahmen ihrer täglichen Arbeit nach Informationen suchen und auf sie zugreifen. Kombiniert mit einem dialogartigen User Interface sind sie in der Lage, einen menschenähnlichen Dialog aufzubauen und relevante Informationen sowie Inhalte nicht nur zu finden, sondern diese auch proaktiv und im richtigen Kontext bereitzustellen (Conversational Search).
Widersprüchlichkeit menschlicher Sprache
So wie Menschen im Dialog miteinander kommunizieren, helfen selbstlernende Programme beim Verstehen von natürlicher Sprache und ermöglichen genau diese Interaktion mit Unternehmensdaten. Eine der größten Herausforderungen stellt in diesem Zusammenhang die Mehrdeutigkeit der menschlichen Sprache dar. So hat das Wort „Golf“ beispielsweise mehrere unterschiedliche Bedeutungen. Von Sportart, über Auto bis hin zum Golf von Mexiko. Menschen leiten recht einfach aus dem Kontext ab, was gemeint ist. Für Maschinen ist dies oft nicht ganz so einfach.
Ebenso erschweren Umgangssprache, Dialekte, Ironie oder Tipp- und Rechtschreibfehler das Verständnis. Maschinelles Lernen, insbesondere Deep-Learning sowie Natural Language Processing (NLP) und Natural Language Understanding (NLU) sorgen dafür, dass die verschiedenen Teile eines Satzes wie Nomen, Verben und Adjektive und ihre Bedeutung, sowie die Beziehung zu einander auch richtig verstanden werden.
NLP dient dazu, die menschliche, natürliche Sprache maschinell zu verarbeiten. Diese Technik hilft der Insight Engine, Inhalte zu verstehen und in sinnvolle Informationen umzuwandeln. Hierfür ist nicht nur das Verständnis einzelner Wörter und Sätze notwendig, sondern ebenso das Erfassen von kompletten Textzusammenhängen und Sachverhalten. Mit NLU – einer Teildisziplin des NLP – leitet die Lösung die Absicht bzw. Intention des Anwenders aus der Anfrage ab. Auf diese Weise können trotz der üblichen menschlichen „Ungenauigkeiten“ (z.B. Tippfehler) Wörter und Inhalte verstanden und auf Fragestellungen mit „wie“, „wo“, „wer“, „warum“, „wann“ etc. adäquat geantwortet werden. (siehe Abbildung 1)
Quelle: MindbreezeAbbildung 1: Natural Language Understanding
Darüber hinaus analysieren Insight Engines das Verhalten ihrer Anwender. Anhand ihrer individuellen Arbeitsweise, ihrem Such- und Klickverhalten, oder auch wie häufig oder in welchem Kontext sie bestimmte Informationen aufrufen, klassifizieren Insight Engines die Relevanz der einzelnen Suchabfragen und Inhalte. Dieses Wissen speichern sie für die Zukunft ab und stellen bei künftigen Suchabfragen relevante Inhalte vorrangig zur Verfügung.
Das führt dazu, dass sich die Suchperformance immer weiter optimiert je länger die Technologie im Einsatz ist. Dafür arbeiten im Hintergrund KI-basierte Technologien wie Machine- und Deep Learning.
Neben Arbeitsweise und Verhalten der Nutzer spielen auch die individuellen Zugriffberechtigungen eine übergeordnete Rolle. Anhand der persönlichen Berechtigungen passt eine Insight Engine die Ergebnisanzeige an. Das bedeutet nicht nur, dass Anwender nur jene Daten erhalten, für welche sie auch die entsprechende Autorisierung haben, sondern auch, dass die Ergebnisse perfekt auf die individuellen Bedürfnisse des Anwenders abgestimmt sind.
So erhalten Mitarbeiter aus dem Kundenservice bei der Frage nach einem konkreten Namen beispielsweise Daten über Verträge, Bestellungen und Produkte, während ein Anwender aus dem Einkauf Angebote und die Verantwortlichen aus dem Accounting offene Bestellungen, offene Rechnungen, Mahnungen oder Saldenlisten erhalten.
Auch die grafische Aufbereitung der Ergebnisse lässt sich individuell an die Anforderungen anpassen. Bausteine wie Layouts, Suchfelder, Ergebnisse, Navigationselemente und Filter sind individuell zusammenfügbar und anpassbar. Die Darstellung kann so nach Bedarf angepasst werden. Dadurch wird Mitarbeitern eine ganz individuelle und spezifische Sicht auf das Unternehmenswissen ermöglicht.
Daniel Fallmann
