Künstliche Intelligenz und Wissensgraphen Knowledge Graphs blicken über den Tellerrand

Autor / Redakteur: Dipl. Betriebswirt Otto Geißler / Nico Litzel

Knowledge Graphs (Wissensgraphen) liefern für die Künstliche Intelligenz (KI) Verknüpfungen zwischen Informationen, Konzepten und Inhalten, die sich sonst nicht so leicht identifizieren lassen. In der Praxis können damit zum Beispiel Betrügereien schneller erkannt oder Lagerbestände besser verfolgt werden. Wie können Unternehmen neue Wege finden, davon zu profitieren?

Firma zum Thema

Knowledge Graphs sind ein wesentlicher Aspekt der Künstlichen Intelligenz (KI) und dazu da, die Datenwelt in einer erweiterten Netzwerkstruktur zu beschreiben.
Knowledge Graphs sind ein wesentlicher Aspekt der Künstlichen Intelligenz (KI) und dazu da, die Datenwelt in einer erweiterten Netzwerkstruktur zu beschreiben.
(Bild: Tierney - stock.adobe.com)

Auch wenn Knowledge Graphs wahrscheinlich unser Leben jeden Tag beeinflussen, so ist über sie in der Öffentlichkeit kaum etwas bekannt. Wer beispielsweise seinen Sprachassistenten nach der Wettervorhersage der nächsten Tage befragt, hat dies einem Knowledge Graph zu verdanken. Knowledge Graphs sind ein wesentlicher Aspekt der Künstlichen Intelligenz (KI) und dazu da, die Datenwelt in einer erweiterten Netzwerkstruktur zu beschreiben.

Ein solches Netzwerk kann man sich als eine Art Mindmap vorstellen, in der verschiedene kleinere Netzwerke integriert sind. Mit anderen Worten könnte man sagen, dass es sich bei einem Knowledge Graph um eine programmatische Möglichkeit handelt, eine Wissensdomäne mithilfe von Fachexperten, Datenverknüpfungen und Algorithmen des maschinellen Lernens zu modellieren.

Chancen und Nutzen für Unternehmen

Knowledge Graphs sind in den verschiedensten Bereichen anzutreffen und bedienen Anwendungen wie beispielsweise Recommendation Engines (Empfehlungsmaschinen) über Suchmaschinen bis hin zur Sprachverarbeitung (Natural Language Processing, NLP). Mittlerweile unterstützen Knowledge Graphs alle gängigen Sprachassistenten wie Siri, Alexa und Google Assistant. In manchen Unternehmen werden Knowledge Graphs zur Verknüpfung von Konzepten und Ideen, vor allem aber für textbasierte Informationen, bei denen Wörter und Konzepte in Beziehung zueinander stehen, eingesetzt.

Aus dieser Fügung von Konzepten und ihren Beziehungen entsteht die Struktur des Knowledge Graphs. Daraus können nun Unternehmen Bezüge zwischen disparaten Informationen und Beziehungen zwischen Ideen und Konzepten herstellen, die sonst nicht entstanden wären. Unternehmen erhalten auf diese Weise Informationen, die nur dadurch zustande kommen, dass Daten zwischen mehreren Systemen hin und her fließen. Der Clou dabei: Es sind Daten, die sonst nicht so leicht als verwandt identifiziert werden können. Der Knowledge Graph sieht quasi über den Tellerrand hinaus.

Endlich die Black Box erklären

Im Bereich des maschinellen Lernens und der neuronalen Netze passiert viel in einer Black Box. Das bedeutet, viele Anwender dieser Technologien können nicht erfahren, wie diese Algorithmen welche Entscheidungen getroffen haben. So ist es beispielsweise bei Kredit- und Darlehensbewilligungen enorm wichtig zu wissen, warum der Algorithmus zu diesem oder jenem Urteil kam.

Knowledge Graphs leisten hierzu einen entscheidenden Beitrag, indem sie alle Entitäten und ihre Beziehungen zueinander identifizieren und dadurch die Resultate der Algorithmen erklären. Darum sollten Knowledge Graphs in Verbindung mit Machine-Learning-Systemen verwendet werden, um die internen Prozesse zu dokumentieren und die KI-Entscheidungen transparenter zu machen.

Viele Use Cases sind möglich

Davon können Unternehmen unterschiedlicher Größe profitieren. Insbesondere da heute mehr Daten gesammelt werden als ein menschliches Gehirn je analysieren und sinnvoll zu nutzen vermag. So verbessern Knowledge Graphs die Effizienz beim Content-Management bzw. bei der Suche, indem sie relevante Daten für jeden User zielführend filtern. Das heißt, damit ist es nun möglich, wesentlich personalisiertere Suchfunktionen anzubieten.

Online-Shops sind damit in der Lage, den Kunden gezielter Produkte auszuloben, die ihnen auf Grund der bekannten Präferenzen besser gefallen könnten. Hierfür werden die zusätzlichen Daten des Knowledge Graphs genutzt, um zu klären, was aus der gleichen Produktkategorie zu den Bedürfnissen des Kunden besser passen könnte. Auch Bilddatenbanken arbeiten bereits mit Knowledge Graphs.

Weitere Möglichkeiten der Anwendungen für Knowledge Graphs gibt es viele. Zum Beispiel lassen sich Vorgänge in Abteilungen von Unternehmen zielführend filtern, wenn Zahlungsinformationen in das Verhältnis zu der Beziehung zu bestimmten Unternehmen gesetzt werden sollen. Für den Vertrieb oder das Marketing sind Knowledge Graphs ebenfalls ein wichtiges Instrument, um mit den vorhandenen Daten zu neuen bzw. anderen Ergebnissen zu gelangen. Im Maschinenbau kann ein Knowledge Graph beispielsweise den Verschleiß eines Bauteils oder einer maschinellen Anlage treffender vorhersagen.

Knowledge Graphs werden daher eine immer wichtigere Rolle in Unternehmen spielen. Aus diesem Grunde wird auch die Anzahl der Anwendungen ebenfalls zunehmen. Wobei die Erarbeitung von Knowledge Graphs in erfahrende Hände gehört. Die Unternehmen müssen sich überlegen, ob sie diese Gewerke selbst erstellen oder reinkaufen möchten.

Fazit

Der Einsatz von Knowledge Graphs hat eine Reihe von Vorteilen. Dazu zählt die Möglichkeit, gleich verschiedene Knowledge Graphs zusammenführen und Daten aus den verschiedensten Perspektiven auf die Gesamtsicht zu sehen, ohne dabei den entscheidenden Fokus zu verlieren. Denn Knowledge Graphs sind in der Lage, neue Arten von Informationen aus unterschiedlichen Quellen zu aggregieren. Damit lassen sich beispielsweise in der Praxis Interessen, Bedürfnisse und Produkte noch besser personalisieren.

Rund um den Globus wird in Knowledge Graphs viel investiert. Daran kann man ablesen, dass es sich hierbei nicht um einen kurzfristigen Trend, sondern um eine Technologie handelt, die den Charakter eines „Game Changers“ aufweist und langfristig benötigt wird. Globalisierung und Mehrsprachigkeit werden dabei eine entscheidende Rolle spielen. Denn hierbei sind Knowledge Graphs zur Verflechtung der Daten erforderlich.

(ID:47535490)

Über den Autor