Kuenstliche Intelligenz

Optimal suchen mit Künstlicher Intelligenz

Künstliche Intelligenz (KI) gehört zur digitalen Transformation. Intelligente Roboter und selbstlernende Maschinen werden nicht nur unsere Haushalte, sondern auch die Unternehmen der Zukunft prägen. KI hilft Unternehmen, ihre Ressourcen optimal einzusetzen, effizienter zu arbeiten und höhere Gewinne zu erzielen.

Die Unternehmen haben die durch KI gebotenen Chancen bereits erkannt. So gründete der VDMA (Verband Deutscher Maschinen- und Anlagenbau) einen Arbeitskreis für die Nutzung von KI und Machine Learning (maschinelles Lernen).

Und die Ergebnisse einer Studie des Fraunhofer Instituts zeigen, dass bis zu 25 Prozent Ressourceneinsparungen für KMU möglich wären, würden die Potenziale der Industrie 4.0 voll genutzt.

Digitale Transformation wirkt im Hintergrund

Dennoch denken viele bei Künstlicher Intelligenz (KI) meist an menschenähnliche Roboter oder natürlich klingende Stimmen, die mit uns interagieren. Den wahren Nutzen entfaltet Künstliche Intelligenz allerdings eher hinter den Kulissen.

Etwa, wenn unüberwachtes maschinelles Lernen (eine Form von KI) auf Unternehmenscontent übertragen wird. Die KI kann so ein tieferes Verständnis für diesen Content entwickeln und menschlichen Anwendern sofort umsetzbare Erkenntnisse liefern.

Kontext ist Mehrwert

Bei Content geht es um mehr als nur Worte. Es geht es um den Zusammenhang zwischen den Worten. Durch statistische Auswertung von Begriffen aus diversen Quellen im gesamten Unternehmenscontent kann maschinelles Lernen (ML) ausgefeilte Modelle entwickeln.

Das wirkt sich positiv auf Ihre Suche aus. ML erkennt Konzepte, ermittelt Phrasen, schlägt bessere Suchanfragen vor und weist auf Fachleute mit der entsprechenden Expertise hin – unabhängig davon, ob diese in den schriftlichen Mitarbeiterprofilen erfasst ist.

Mit KI ausgestattete Suchfunktionen helfen Menschen, zu finden, was sie suchen. Auch dann, wenn diese gar nicht genau wissen, was sie suchen. Genau darum geht es bei OpenText™ Decisiv (Englisch).

„Asien not Asien“

Nehmen wir an, Sie wollen mehr über Ihre Geschäftstätigkeiten in Asien wissen. Ihr erster Gedanke ist sicherlich, in den verschiedenen Datenbanken nach Dokumenten mit dem Begriff „Asien“ zu suchen.

Aber enthält der relevanteste Content notwendigerweise den Suchbegriff? Und in diesem Fall: Wie viele Dokumente enthalten Stadt, Bundesland, Land und/oder Kontinent? Ohne maschinelles Lernen bräuchten Sie eine ermüdende Such-Taxonomie, um alle Varianten abzudecken.

Gibt ein Nutzer „asien“ in Decisiv ein, ruft das System sofort und vollautomatisch alle Dokumente ab, die (1) entweder das Wort „Asien“ enthalten und/oder (2) inhaltlich mit Asien zusammenhängen.

Das erweitert Ihre Suche beträchtlich. Zudem erhalten Sie Ergebnisse auf Basis einer weitaus ausgefeilteren Bedeutungsanalyse, als es eine einfache Schlagwortsuche je leisten könnte.

Die anscheinend unlogische Sucheingabe „Asien not Asien“ veranschaulicht das. Das Ergebnis zeigt Nutzercontent mit inhaltlichem Zusammenhang zu Asien.

Aber ohne das Wort Asien zu enthalten – zu sehen sind nur Dokumente, die durch weit über eine Schlagwortsuche hinausführendes, unüberwachtes maschinelles Lernen gefunden werden.

Eine Gruppierung nach Inhalten kategorisiert Dokumente anhand sprachlicher Schemata, die wir Menschen in großen Datenmengen nur schwer identifizieren könnten. Maschinelles Lernen führt solche inhaltlichen Analysen automatisch und hoch skalierbar durch. Und der Mensch profitiert davon.

Künstliche Intelligenz: Noch einen Schritt weiter

Concept Groups (Themengruppen) lassen Sie bei der Recherche auch in neue Bereiche mit nützlichem Content vordringen.

Ein Blick auf die Liste der wichtigsten Concept Groups, die als Ergebnis einer Suche oder eines Metadatenfilters erscheinen (gemeinsam mit der Anzahl der Dokumente pro Gruppe) liefert Ihnen bei Ihrer Recherche einen Überblick über den verfügbaren Content.

So lassen sich auch geeignete Alias-Begriffe finden, die Suchbegriffe anpassen und bestimmte Inhalte hinzufügen oder ausschließen, um Ihre Ziele zu erreichen.

Die Concept Groups werden mit charakteristischen „Merkmalen“ (zentrale Begriffe oder Phrasen für die jeweilige Gruppe) angezeigt. Damit können Sie schnell und einfach erkennen, was jede Gruppe repräsentiert und wie nützlich diese für die jeweilige Suche ist.

Dieser Artikel wurde aus dem Englischen übersetzt.

Über Hal Marcus

Hal Marcus
Hal ist Director des Produktmarketings für OpenText Discovery. Als zugelassener Anwalt war er als Prozessanwalt an der Wall Street tätig, bevor er sich einer mittlerweile 20 Jahre dauernden Karriere in der Technologiebranche widmete. Er schreibt über die praktische Anwendung Künstlicher Intelligenz, maschinelles Lernen, Advanced Analytics und Business Intelligence. Seine Schwerpunkte: Information Governance, E-Discovery und Compliance. (Mit dem Namen Hal muss man sich wohl automatisch für KI interessieren.)