Illustration: Absmeier. Biljast

Daten sind für Unternehmen ein wichtiger Erfolgsfaktor, denn sie stellen einen Vermögenswert dar, der den Geschäftserfolg maßgeblich mitbestimmt. Das alleinige Horten von Daten bringt aber noch keinen Mehrwert. Von wahrem Nutzen sind diese erst, wenn die darin verborgenen Informationen aufbereitet und jederzeit verfügbar sind. Nur dann lassen sich Fragen beantworten wie: »Was wissen wir alles zu diesem Bauteil?«, »Welcher Kunde hat wann welches Produkt gekauft?«, »Welcher meiner Mitarbeiter ist Experte im Bereich XY?« oder »Auf welche Produkte wirkt sich die bevorstehende Lieferverzögerung aus?«

Herausforderung: Unternehmensdaten nutzbar machen

Unternehmen produzieren und verarbeiten täglich unzählige Daten – also stehen diese eigentlich in großem Umfang zur Verfügung. Angesichts exponentiell steigender Datenmengen wird es für Unternehmen aber zunehmend schwierig Informationen zu analysieren, zu verknüpfen und in Entscheidung umfassend einfließen zu lassen, um am Ende des Tages tatsächlichen Mehrwert aus ihnen zu gewinnen.

Doch es gibt auf künstlicher Intelligenz basierte Systeme, die genau hier ihre Stärken ausspielen. Sogenannte Insight Engines nutzen leistungsstarke Enterprise-Search-Indizierungstechnologien und erweitern sie mit fortgeschrittenen Methoden der Spracherkennung und Machine-Learning-Algorithmen. Sie analysieren und interpretieren Unternehmensdaten aus den angebundenen Datenquellen und sind in der Lage konkrete Erkenntnisse und Antworten auf gestellte Fragen bereitzustellen.

Der Vorteil: Anwender erhalten ein Assistenzsystem, dass sie zum benötigen Zeitpunkt mit relevanten Informationen versorgt und mit dem sie auf möglichst natürliche Weise interagieren können.

Mensch-Maschinen-Interaktion mit »Insight«

Relevante Informationen sind in unterschiedlichen Datenquellen gespeichert. Angefangen bei der eigenen Website, Foren und FAQs über interne Fachanwendungen und Archive bis hin zu Datenbanken und CRM-Systemen. Sie alle enthalten Informationen, die bei einer Recherche nützlich sein könnten (Knowledge Base).

Als zentraler Wissensspeicher konsolidiert eine Insight Engine die Daten aus sämtlichen Datenquellen analysiert ihre Inhalte, interpretiert Zusammenhänge und fasst sie in einem Index zusammen. Dabei berücksichtigen diese sowohl strukturierte, fokussierte und transaktionale Daten wie beispielsweise jene in Form von Tabellen, als auch unstrukturierte, breit gefächerte und informative – zum Beispiel Inhalte aus Dokumentationen, Artikel, Audio und Video. Bei einer Suchabfrage werden relevante Informationen rasch gefunden und den Anwendern zur Verfügung gestellt werden.

Derartige Anwendungen greifen nicht wie Menschen auf tatsächliche Erfahrungen zum Verstehen der Sprache zurück, sondern wenden Algorithmen und Verfahren der künstlichen Intelligenz an, um die verschiedenen Wortarten eines Satzes und ihre Bedeutung, sowie die Beziehung zueinander zu erkennen. Eine der größten Herausforderung stellt in diesem Zusammenhang die natürliche Sprache und ihre Mehrdeutigkeit dar. Im Gegensatz zu Maschinen, sind Menschen in der Lage ganz einfach aus dem Kontext abzuleiten, was tatsächlich mit einem Wort gemeint ist (Mars = Planet oder Mars = Schokoriegel). Für Maschinen ist dies jedoch oft nicht ganz so einfach. Hinzu kommen Umgangssprache, Dialekte, Ironie sowie Fehler – all das gestaltet das Verständnis von Worten und Sätzen für Maschinen schwierig.

Um diese Anforderung zu lösen, kommen selbstlernende Methoden zum Einsatz, die beim Verstehen der natürlichen Sprache helfen. Mit künstlicher Intelligenz, insbesondere maschinellem Lernen beziehungsweise Deep Learning sowie Techniken der Spracherkennung, sind diese Lösungen heute bereits in der Lage auf natürliche Weise mit Menschen zu kommunizieren (Mensch-Maschinen-Dialog).

Natural Language Processing (NLP) und Natural Language Understanding (NLU) sorgen dafür, dass die Insight Engine die einzelnen Wortgruppen eines Satzes (Nomen, Verben und Adjektive) sowie ihre Bedeutung, und Beziehung zu einander richtig versteht. Bei NLP handelt es sich um eine Methode um die – sowohl gesprochene als auch geschriebene – natürliche Sprache maschinell zu verarbeiten. Mithilfe von Regeln und Algorithmen versteht NLP Inhalte und wandelt diese in sinnvolle Informationen um. Hierfür ist nicht nur das Verständnis einzelner Wörter und Sätze notwendig, sondern ebenso das Erfassen von kompletten Textzusammenhängen und Sachverhalten.

NLP umfasst verschiedene Ansätze wie Domain und Intent Classification, Language Parsing, Entity Recognition und Entity Extraction, um Information aus Freiformtexten zu extrahieren. Die Anwendungsfälle dieser Technik beinhalten das Zusammenfassen von Text durch Identifizierung der im Dokument vorhandenen Entitäten, die Analyse der Stimmung in einem bestimmten Text sowie die Klassifizierung von Dokumenten.

Abbildung 1: Natural Language Processing

Im Gegensatz dazu beschäftigt sich NLU (als Teildisziplin des NLP) vor allem damit die Absicht bzw. Intention des Nutzers zu ermitteln. NLU geht also über das Verstehen von Wörtern hinaus und ist für die Interpretation der konkreten Bedeutung einer Frage oder einer Aussage im Detail verantwortlich. Trotz der üblichen menschlichen Fehler (etwa Tippfehler) ist NLU dadurch in der Lage Wörter und Inhalte zu verstehen und auf konkrete Fragen korrekt zu Antworten. Hier kommen sowohl semantische als auch kontextsensitive pragmatische Analysen zum Einsatz.

Dies ermöglicht die Basis für eine echte Mensch-Maschinen Kommunikation – die »Abfrage« läuft dabei im Hintergrund ab (Conversational Search).

Abbildung 2: Natürliches Sprachverständnis mittels NLU

Auf diese Weise schafft Information Insight innovative Möglichkeiten für die Informationsaufbereitung. Der Produktivitätssprung, der mit ihrem Einsatz einhergeht, verleiht Unternehmen einen Innovationsschub und generiert somit einen nachhaltigen Wettbewerbsvorsprung.

Daniel Fallmann, Gründer und Geschäftsführer von Mindbreeze

Über Mindbreeze

Mindbreeze ist Anbieter von Appliances und Cloud-Services für Information Insight, angewandte künstliche Intelligenz und Wissensmanagement. Die Produkte ermöglichen eine konsolidierte Sicht auf das Unternehmenswissen – unabhängig davon, wo und wie dieses gespeichert ist. www.mindbreeze.com

215 Artikel zu „Insight Engine“

NEWS | BUSINESS INTELLIGENCE | DIGITALE TRANSFORMATION | KÜNSTLICHE INTELLIGENZ | AUSGABE 1-2-2019

Trends 2019: Künstliche Intelligenz – Warum Insight Engines wichtiger sind denn je

21. Februar 2019

Daten sind das Gold der digitalen Transformation – aber nur, wenn aus ihnen Wissen generiert werden kann. Insight Engines wurden entwickelt, um genau diese Aufgabe zu erfüllen.