Meetup von Neo4j und Scoutbee in Berlin Knowledge-Graphen machen Lieferketten verständlich

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Sinequa

scoutbee GmbH

neo4j

Wie können Unternehmen mit Graphtechnologie und Knowledge-Graphen die aktuellen Herausforderungen der Supply Chain meistern? Um diese Frage ging es bei einem Feierabend-Meetup von Scoutbee in Berlin. Die führende KI-gestützte Plattform zur Lieferantenerkennung und -suche des Berliner Start-ups hilft Herstellern wie Unilever, Siemens und Audi Zulieferer zu finden und nutzt dazu den Datenkontext des Knowledge-Graphen von Neo4j.

Neben Vertretern der beiden Unternehmen war auch Scoutbees Knowledge Graph Advisor Katariina Kari dabei, zugeschaltet aus Finnland. Sie ist im Hauptberuf Lead Ontologist bei Inter IKEA Systems B.V. und hat schon mehrere Knowledge-Graphen aufgebaut – sowohl für Inter IKEA als auch für andere Unternehmen.

Aus ihrer Erfahrung weiß Kari, dass der Aufbau von Knowledge Graphen-Zeit braucht: Drei bis fünf Jahre dauert es, bis ein Graph ganz ausgereift ist. Sie erklärt, warum sich der Aufwand lohnt: „Das ganze menschliche Wissen auf eine Maschine zu übertragen, ist kaum möglich. Es gibt aber einen anderen, pragmatischen Weg, um Maschinen etwas zu erklären – nämlich mithilfe eines Knowledge-Graphen.“

In dem Graph werden unterschiedliche Daten – zum Beispiel Informationen zu Lieferanten – miteinander verknüpft. Sowohl die Daten selbst als auch ihre Verbindungen können abgefragt werden. So entsteht wertvoller Kontext, der schnelle und zielgenaue Antworten auf Suchanfragen ermöglicht. Je mehr Daten der Graph enthält und je höher die Anzahl und Qualität der Verknüpfungen ist, desto ausgereifter ist der Graph. Und desto besser ist er in der Lage, ohne zusätzliche Programmierung neue Suchanfragen zu beantworten.

Sehr schnelle Suche nach passenden Lieferanten

Scoutbee nutzt Neo4j AuraDB Enterprise auf AWS mit Neo4j Bloom. Der Knowledge Graph von Neo4j ermögliche es Scoutbee, eine sehr schnelle Suche nach passenden Lieferanten anzubieten, erklärt Kari: „Würde man statt mit einem Knowledge Graph mit einer relationalen Datenbank arbeiten, müssten sehr viele unterschiedliche Datentabellen verbunden werden – ohne vorab zu wissen, wie man diese künftig kombinieren will. Das ist der Nachteil der Tabellen: Um die Verknüpfungen immer wieder neu und anders durchzugehen, wären ultra-normalisierte Datentabellen und sehr viele Joints nötig. Das wäre sehr aufwendig und das System wäre zudem schnell durch die Suchen überfordert.“

Scoutbee zufolge dauert die herkömmliche Suche nach einem neuen Lieferanten etwa 100 bis 180 Arbeitsstunden über 24 Wochen. Mit dem neuen, intelligenteren und automatisierten Ansatz, dessen Kern der Knowledge Graph ist, brauche dieser Prozess nur noch acht bis zwölf Stunden über sechs Wochen.

Der Aufbau eines Knowledge Graphs zur Lieferantensuche ist allerdings eine komplexe Aufgabe, wie Kari erklärt: „Lieferanten haben nicht nur ein Produkt, sondern Informationen zu Stammdaten und Zertifikaten, zur Zusammensetzung von Lösungen und zu Alternativen. Hinzu kommt, dass die Lieferketten aus längeren Beziehungen bestehen. Sie gehen um die ganze Welt, manchmal mehrfach. Und Scoutbee bietet ja nicht nur Lieferantensuche für eine Branche, sondern für viele.“

„Aufbau einer gemeinsamen Sprache“

Eine entscheidende Rolle beim erfolgreichen Aufbau des Knowledge-Graphen von Scoutbee spielt die Integration von Begriffen und ihren Bedeutungen: „In gewissem Sinne hat jeder Lieferant seine eigene Sprache. Die Kommunikation findet international zwar überall auf Englisch statt, aber jedes Unternehmen nutzt eigene Begriffe“, sagt die Graph-Spezialistin.

Die Aufgabe der Ontologen ist zunächst, die Konzepte hinter den Begriffen zu identifizieren. Dann müssen Begriffe, die dieselbe Bedeutung haben, mit diesen Konzepten verbunden werden. Es gilt eine „gemeinsame, möglichst generische Basis der Bedeutungen zu finden und damit eine eigene Ontologie zu schaffen, die es ermöglicht, die enthaltenen Informationen automatisiert auszuwerten“, wie Kari sagt. „Wir können uns die Konzepte wie Bälle vorstellen, die bestimmte Merkmale haben. Die Bälle werden untereinander verknüpft. So bauen wir jeweils eine gemeinsame Sprache für die Beschaffung in einer bestimmten Branche auf.“

Die Erfassung jedes Lieferanten erfordert manuellen Aufwand. Ist die innere Logik eines Zulieferers, die individuelle Struktur seiner Begriffe, jedoch einmal verstanden und abgebildet, können neue Informationen des Lieferanten schnell verarbeitet werden. Zudem werden manche Begriffe und Redewendungen bereits automatisch zusammengeführt. „Je mehr Konzepte und Begriffe bereits integriert sind, desto schneller geht auch das Onboarding. Die wachsende Menge von Verknüpfungen und die Schnelligkeit sind hier entscheidende Vorteile“, erklärt Kari.

„Demokratisierung“ der Daten durch Visualisierung

Ein anderer großer Vorteil des Knowledge Graphen, so sieht es Scoutbee, ist die hohe Verständlichkeit der Informationen, die durch ihn entsteht. Nicht nur Data Scientists und Data Engineers, sondern auch Menschen aus anderen Fachgebieten können einen Graphen „lesen“. Nischal Padmanabha, als Vice President Data and ML von Scoutbee ebenfalls bei dem Meetup dabei, spricht von „Demokratisierung“ der Daten.

Die Möglichkeiten der Visualisierung seien einer der wichtigsten Gründe für Scoutbees Entscheidung für Neo4J gewesen, sagt Padmanabha. „Wir wollten einem größeren Teil unserer Organisation die Möglichkeit geben, die Daten, die Einheiten und den Graphen zu verstehen und selbst in ihnen zu navigieren."

Dank seiner interaktiven Visualisierung können auch Geschäftsanwender den Knowledge-Graphen nutzen. „Mit der Graphdatenbank-Technologie von Neo4j können wir Knowledge-Graphen erstellen, die jeder nutzen kann. Neo4j hat uns geholfen, unser Ziel der Datendemokratisierung zu erreichen“, erklärt Padmanabha.

Transparente Abbildung natürlicher Netzwerke

Graphtechnologie wird heute in vielen Branchen eingesetzt. Aus Sicht der Knowledge-Graph-Advisorin Kari ist der Graph zur Abbildung eines Lieferanten-Netzwerks besonders gut geeignet. Denn es besteht eine große Ähnlichkeit zwischen ihren Strukturen: „Die Welt ist verknüpft. Sie gleicht viel eher einem Netzwerk als einer Tabelle. Deswegen ist eine Technologie, die wie ein Netzwerk aufgebaut wird, sehr viel natürlicher – und besser geeignet, die Nuancen eines Netzwerks abzubilden. Bei einem Lieferanten-Netzwerk zeigt schon der Begriff des Netzwerkes, dass ein Knowledge Graph ein passendes Modell dafür ist.“

Der Knowledge Graph bildet die vielschichtigen Beziehungen und Wechselwirkungen innerhalb der Lieferketten realistisch ab. Neben hoher Verständlichkeit ist so auch hohe Transparenz gegeben. „Wir wollen nicht nur die Fragen unserer Kunden so schnell und genau wie möglich beantworten, sondern auch die Gründe für unsere Antworten liefern“, sagt Scoutbee-VP Data and ML Padmanabha. Der Knowledge Graph von Neo4j bietet die nötige Erklärbarkeit.

(ID:49083204)