Kommentar von Hans-Josef Jeanrond, Sinequa

Kognitive Suche – Mode oder ernsthaftes Konzept?

| Autor / Redakteur: Hans-Josef Jeanrond / Nico Litzel

Der Autor: Hans-Josef Jeanrond ist Chief Marketing Officer bei Sinequa
Der Autor: Hans-Josef Jeanrond ist Chief Marketing Officer bei Sinequa (Bild: Sinequa)

Trotz der Bemühungen von Technologieanbietern im Bereich Enterprise Search, mit ihren Anwendungen relevante, kontextuelle und umsetzbare Einsichten zu ermöglichen, zögern noch immer viele Organisationen, diese Fortschritte auch wirklich in der Praxis bei der Informationssuche einzusetzen. Viele sind „gebrannte Kinder“ durch vergangene Experimente in Sachen Enterprise Search.

Cognitive Computing, Natural Language Processing und Machine Learning sollen einer neuen Generation von Enterprise Search nun endlich zum Durchbruch verhelfen. Eine Reihe von Herstellern hat viel Aufwand in Forschung und Entwicklung gesteckt, um dem Nutzer über diese Instrumente mehr relevante Ergebnisse und tiefere Einblicke innerhalb seiner täglichen Arbeitsumgebung zu verschaffen.

Enterprise Search und der Nutzen von NLP

Linguistische und semantische Analysen

Enterprise Search und der Nutzen von NLP

11.11.15 - Die größte Herausforderung im Umfeld von Big Data ist zweifelsohne die Auswertung von Daten, die von Menschen generiert wurden, etwa Textdaten. Hierzu bedarf es einer tiefgehenden linguistischen und semantischen Analyse. Erst dadurch lässt sich eine Suchanfrage wirklich verstehen und die Bedeutung eines Textes erfassen. lesen

Was ist wirklich neu an diesen Technologien und welche Vorteile bringen sie dem Anwender? Die Antwort: Mit Beginn der Ära des Cognitive Computing entstehen derzeit neue Lösungen, die leistungsstarke Indizierungstechnologie mit fortgeschrittenem Natural Language Processing (NLP) und Machine-Learning-Algorithmen kombinieren. So wird eine tiefere Wissensbasis geschaffen, aus welcher der Nutzer in Echtzeit relevante Informationen und eine 360-Grad-Sicht auf das gesuchte Thema erhält.

Führende Analystenhäuser sprechen hier von „Cognitive Search“ oder „Insight Engines“. Kognitiv sind die Lösungen, weil sie mit dem Nutzer in einer natürlichen Art und Weise interagieren, weil sie selbstständig durch das Sammeln und Analysieren von Daten dazulernen, auch über das Nutzerverhalten, und indem sie proaktiv Verbindungen zwischen verwandten Daten aus verschiedenen Quellen herstellen, sowohl intern als extern.

Die Analysten von Forrester definieren Kognitive Suche als „Kombination von Indexierung, Verarbeitung natürlicher Sprache und Maschine-Learning-Technologien, um eine zunehmend relevante Wissensbasis aus allen Quellen unstrukturierter und strukturierter Daten aufzubauen. Natürlichsprachliche und verdeckte Abfrageschnittstellen (Bereitstellung von relevanten Informationen ohne explizite Abfrage) werden dabei verwendet, um dem Nutzer Wissen via Text, Sprache, Visualisierungen und / oder sensorisches Feedback zu vermitteln.“

Welche Vorteile hat eine kognitive Suche für Organisationen?

Mit den neuen Technologien lassen sich wertvolle Informationen aus großen Mengen komplexer und unterschiedlichster Datenquellen extrahieren. Eine Analyse solch großer Datenmengen war mit bisherigen Mitteln nicht oder nur schwer möglich. Essenziell ist dabei, dass alle verfügbaren Unternehmensdaten erschlossen werden, ob intern oder extern, strukturiert oder unstrukturiert. Nur so erhält der Nutzer tiefere Einblicke, die am Ende zu fundierten Geschäftsentscheidungen führen.

  • Mit Cognitive Search erhält jeder Nutzer auf seinen Kontext bezogene und wirklich relevante Informationen. Relevantes Wissen über alle Datenquellen hinweg erfordert kognitive Systeme mit Natural Language Processing (NLP), um zu verstehen, worum es bei unstrukturierten Daten geht, seien sie aus Texten (Dokumenten, E-Mails, Social Media Blogs, Ingenieurberichten, Marktforschung ...) oder Rich-Media-Inhalten (Videos, Callcenter-Aufnahmen ..). Machine Learning-Algorithmen helfen dabei, die Erkenntnisse aus den gewonnenen Daten zu verfeinern. Branchen- und Firmen-Wörterbücher sowie Ontologien geben Aufschluss über Synonyme und Beziehungen zwischen verschiedenen Begriffen und Konzepten. Das bedeutet: Eine Menge Intelligenz und Leistung muss unter der Haube eines Systems vereint werden, um relevantes Wissen oder Einsichten bereitzustellen.
  • Über Machine-Learning-Fähigkeiten wird die Relevanz der Ergebnisse kontinuierlich verbessert. Zu den gebräuchlichsten Machine-Learning-Algorithmen in diesem Kontext gehören Collaborative Filtering und Empfehlungen, Klassifizierung über Beispiele, Clusterbildung, Ähnlichkeitsberechnungen für unstrukturierte Inhalte und Prädiktive Analyse. Sie schaffen einen Mehrwert durch kontinuierliche Verfeinerung und Verbesserung der Suchergebnisse.

Die neue Generation der kognitiven Suche geht weit über den bisherigen „Enterprise Search“-Ansatz mit seinem traditionellen Suchfeld hinaus. Denn sie bietet Anwendern die Möglichkeit, relevantes Wissen zur richtigen Zeit auf dem richtigen Gerät abzurufen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44362039 / Künstliche Intelligenz)