Smarte Wissensinfrastruktur für den digitalen Arbeitsplatz
Schnell an relevante Informationen gelangen ist das Gebot der Stunde. Herr Manuel Brunner von IntraFind erläutert im Gespräch die vielfältigen Mehrwerte und Features einer smarten Search-Enterprise-Lösung.
Herr Brunner, allseits ist von den Vorteilen des digitalen Arbeitsplatzes die Rede. Welche Erfahrungen machen Sie in der Kundenberatung? Wie weit ist die Technologie, das Bewusstsein schon „vorgedrungen“? Wonach fragen Ihre Kunden Sie derzeit?
In den Gesprächen, die wir zum Digitalen Arbeitsplatz führen, spüren wir sehr großes Interesse an dem Thema, allerdings in den wenigsten Fällen ein wirklich konsolidiertes Vorgehen. Ich habe das Gefühl, dass Projekte zum Digitalen Arbeitsplatz gerne dazu benutzt werden, langersehnte neue, moderne Anwendungen einzuführen, ohne dabei aber auf das gesamte Umfeld des Mitarbeiters zu achten, das ja gerade bei unseren Kunden, wirklich sehr heterogen ist.
Die IT oder eine Innovationsabteilung verantworten die Projektumsetzung, binden aber nur selten die einzelnen Teams und Bereiche mit ihren spezifischen Arbeitsweisen und Tools ein, sondern betrachten den Digitalen Arbeitsplatz subjektiv aus ihren eigenen Perspektiven heraus. Viele datenbankgestützte Fachanwendungen wie beispielsweise ein Produktdatenmanagement- oder Qualitätssystem bleiben außen vor. Das sind aber Datenquellen, die zum Beispiel für eine Entwicklungsabteilung unerlässlich sind. Auch nutzen viele Mitarbeiter nach wie vor gerne die Dokumentenablage auf Fileservern. Über intelligente Suche und Informationsvernetzung versuchen wir, über eine übergreifende Suche im Digitalen Arbeitsplatz den universellen Zugang zu allen relevanten Informationen sicherzustellen
KI-Verfahren müssen dem Menschen helfen,
Daten besser zu verstehen, zu verknüpfen oder zu augmentieren.
Ist das nicht der Fall, bleibt KI ein hohles Buzzword.
Manuel Brunner, erfahrener Projektmanager und
Search-Rockstar beim Enterprise Search-Spezialisten IntraFind
Ein digitaler Arbeitsplatz bedeutet für jedes Unternehmen etwas anderes. Allgemein jedoch kann man sicher die Vernetzung der Anwendungen hervorheben. Wie gehen Sie bspw. bei der Einführung Ihrer Enterprise Search vor?
Wir entwickeln gemeinsam mit dem Kunden User Stories, in denen sich die Arbeitsweise der Mitarbeiter widerspiegeln. Dieses Vorgehen hilft uns dabei zu analysieren, welches die am häufigsten genutzten Datenquellen sind. Zudem besprechen wir natürlich mit den Projektverantwortlichen, welches die strategisch am höchsten priorisierten Datenquellen sind. Daraus ergibt sich eine Matrix, mit welchen Datenquellen wir starten wollen.
Der Weg der kleinen Schritte ist immer der erfolgreiche. Projekte, die zu viel auf einmal wollen, scheitern oftmals, weil die Umsetzungsdauer dadurch zu lange wird. Standardquellen wie Fileshare, SharePoint, E-Mail-Gruppenpostfächer oder Confluence hingegen sind technisch in wenigen Tagen mit allen Rechten angebunden. So sehen die Projektbeteiligten und die Testnutzergruppen schnelle Erfolge und der Appetit auf mehr Enterprise Search wird noch größer.
Mit der Möglichkeit einer Recherche über Systemgrenzen, Werke und Kontinente hinweg wird unnötige Doppelarbeit im Unternehmen verhindert.
Manuel Brunner
Natürlich ist ein digitaler Arbeitsplatz auch ein Investitionsmoment. Kann die Investition überhaupt „gerechnet werden wie jede andere“?
Der Return of Investment (RoI) ist meist schon dann gegeben, wenn die in den Digitalen Arbeitsplatz integrierte Suche es geschafft hat, dass das Rad im Unternehmen nicht ständig neu erfunden wird. Mit der Möglichkeit einer Recherche über Systemgrenzen, Werke und Kontinente hinweg wird unnötige Doppelarbeit im Unternehmen verhindert. Oftmals rechnen wir auch die klassischen Zeitspannen, die ein Office Worker pro Tag mit sinnlosem Suchen nach Informationen verbringt. Wenn man die Kosten einer Suche auf Mitarbeiterkosten pro Tag umrechnet, erzeugt die Suche Kosten von wenigen Cent pro Tag, erhöht aber die Produktivität und die Zufriedenheit der Mitarbeiter dramatisch.
Der RoI greift sogar noch viel schneller, wenn intelligente Suche und Informationsaufbereitung – als Teil einer modernen Enterprise Search Lösung – zur konkreten Verbesserung von Prozessen integriert und genutzt wird.
Derzeit hält immer mehr „Intelligenz“ Einzug in die Anwendungen. So ist z.B. Natural Language Processing ein weiteres Schlagwort. Wie spielt dieses in Ihr Portfolio hinein?
Schön formulierte Frage. In der iFinder-Suche ist bereits seit der ersten Produktversion Sprach-Intelligenz mit an Bord, weil wir schon immer auf einem linguistisch normalisierten Index aufbauen. Selbstverständlich ist das Verständnis der natürlichen Sprache auch bei uns ein großes und wichtiges Thema. Wir verstehen und interpretieren natürliche Sprache und wandeln diese um. Sprich, wir übersetzen die Sprache so, dass sie die Maschine bestmöglich verarbeiten kann. Wir machen das mit unterschiedlichen Verfahren, dabei aber immer für den Benutzer leicht verständlich in der Bedienung und natürlich auch einfach adaptierbar.
Zudem nutzen wir Verfahren der Künstlichen Intelligenz (KI), um zusammengehörende Informationen miteinander zu verknüpfen. Das alles wird in unserem linguistisch, semantisch aufbereiteten Index innerhalb des iFinders gespeichert und funktioniert so auch bei vielen Zehntausend gleichzeitigen Nutzern und Milliarden von Daten innerhalb weniger Millisekunden. Bei jedem Verfahren, das wir anwenden, haben wir diese Prämisse als Maßstab: Ein KI-Verfahren, das auf 5 Millionen Daten zu viel Last erzeugt, ist für uns nicht brauchbar. Ein KI-Verfahren, das eine Blackbox für den Anwender ist, ist in unseren Augen ebenso wenig sinnvoll. KI-Verfahren müssen dem Menschen helfen, Daten besser zu verstehen, zu verknüpfen oder zu augmentieren. Ist das nicht der Fall, bleibt KI ein hohles Buzzword.
Inwiefern ist NLP auch ein Baustein des „Arbeitsplatzes als Assistent“?
Tja, ein schwieriges Thema in der Tat, weil die Arbeitsweise innerhalb eines Unternehmens eben unglaublich heterogen ist. Wie oben bereits gesagt, sind unsere NLP-Verfahren sehr leicht adaptierbar. Die Frage nach dem Wetter ist überall gleich, die Frage nach Dokumentenarten oder dem richtigen Prozess hingegen kann sich schon im Büro nebenan völlig geändert haben.
Unser System ist natürlich mit einigen Fragetypen bei Auslieferung bestückt, kann zusätzlich dazu aber eben einfach angereichert werden. Zudem können Benutzer einzelne Treffer mit aus ihren Augen wichtigen Schlagworten versehen, die dann in Echtzeit mitindexiert werden und von allen Benutzern, die Rechte auf diese Dokumente haben, auch gefunden werden. In manchen Fällen hilft es auch, Antworten oder Zusatzinformationen in einem Knowledge Graph anzuzeigen oder anstatt einer Antwort eine weitere passende Frage zu geben. In jedem Fall ist NLP ein wichtiger Baustein, aber nicht die Antwort auf alle Fragen (die bleibt nach wie vor 42).
Wie trainieren Sie die entsprechenden Algorithmen?
NLP setzt unter anderem auf textbasierte KI-Verfahren, bei denen Machine-Learning-Verfahren wie Deep Learning zum Einsatz kommen, die wiederum in Supervised- und Unsupervised-Learning-Verfahren zu unterteilen sind.
Bei den Supervised-Learning-Verfahren wählt ein Benutzer oder ein Domänenexperte relevante Texte oder Textpassagen, die als Trainingsinput dienen und mit denen die Maschine dann lernt. Aus den gelernten Daten lässt sich dann automatisch das System weiter verfeinern. Die Systeme wie der iFinder für Enterprise Search oder der Contract Analyzer für die tiefe, automatische Dokumentenanalyse lernen, indem der Benutzer eine relevante Textstelle wie einen Datenpunkt, einen Absatz oder eine Klausel markiert. Damit wird das Training des Systems gestartet.
Anhand dieses ersten Trainingsinputs schlägt das System dem Benutzer dann auch weitere mögliche Textstellen vor, die er mit „korrekt oder inkorrekt“ bewertet und somit dem System weiteren Trainingsinput liefert. Oft stehen hier nur wenige Daten am Beginn einer Prozessverbesserung zur Verfügung, unsere Lernverfahren sind daher auch darauf optimiert, mit sogenannten „Small Data Input“ arbeiten zu können. Schon mit wenig Trainingsbeispielen sind wir im Bereich der produktiven Nutzung und müssen nicht Tausende oder gar Millionen von Trainingsmaterialien dem Lernverfahren zur Verfügung stellen. Das sind die besonderen Alleinstellungsmerkmale unserer Lernverfahren.
Aufmacherbild / Quelle / Lizenz
Bild von Yan Wong auf Pixabay
