Kommentar von Fabrice de Salaberry, Sinequa Mit kognitiver Suche und Analyse gegen das Vergessen

Mit Software für Kognitive Suche und Analyse finden Unternehmen heraus, was ihnen an Wissen zur Verfügung steht.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Fivetran Germany GmbH

Sinequa

Als Christoph Kolumbus für seine westliche Seeroute zu den „Indies“ (die Inseln Südostasiens) Unterstützer suchte, konnte er ihnen keine glaubhafte Antwort auf essenzielle Fragen geben: Wie weit ist die Reise, wie lange wird sie dauern? Und was kostet das Ganze? Die Studien des Eratosthenes waren Kolumbus offenkundig nicht bekannt: Der griechische Gelehrte hatte schon etwa 1.500 Jahre zuvor in Alexandria den Erdumfang recht genau errechnet. Ausgerüstet mit diesem Wissen, wäre Kolumbus sofort klar gewesen, dass er nach weniger als der Hälfte der Strecke unmöglich schon in den „Indies“ sein konnte. So aber klingt der Begriff „Westindien“ für das karibische Becken noch heute, 500 Jahre später, wie ein Hohn für den Genuesen.

Für Kolumbus machte es womöglich keinen Unterschied, ob er in Amerika oder Asien „auf Gold gestoßen“ war. Heutige Unternehmen jedoch, die einem Kunden (oder ihren Investoren) ein Projekt mit solch ungewissem Ausgang vorschlagen, würden wohl ohne Zögern der Tür verwiesen.

Die „Amnesie“ in modernen Unternehmen

Viele moderne Organisationen leiden unter einer ähnlichen „Amnesie“, dem Kolumbus-Syndrom. Sie wissen nicht, was sie wissen. Dr. Thomas Lackner, Leiter Open Innovation bei Siemens, konstatierte: „Wenn Siemens wüsste, was Siemens weiß, wären wir viel effizienter.“ Lackners konkretes Problem: Er musste wissen, was Siemens bereits besaß – bestehende Komponenten, die in neuen Projekten eingesetzt werden können. Wenn ein „Projekt“ ein Kraftwerksbau mit Tausenden verschiedener Komponenten ist, kann man unmöglich Hunderte von Komponenten jedes Mal neu entwerfen. Kosten und Lieferzeiten würden explodieren. Deshalb hat Siemens ein „TechnoSearch“-Projekt auf einer Kognitiven Such- und Analyse-Plattform entwickelt. Projektteams können jetzt in kürzester Zeit herausfinden, welche benötigten Komponenten bereits existieren und wiederverwendet werden können.

Der Pharmahersteller AstraZeneca muss – schnellstens – wissen, wer die besten Experten zu einem bestimmten Thema sind, die bei der Neuentwicklung oder der Re-Positionierung eines Medikaments benötigt werden. Experten aus der Pharmakologie, Medizin, Biologie, Genetik, etc.

Nick Brown, Technology Services Director bei AstraZeneca, und sein Team begannen mit einer Echtzeit-Expertensuche und erstellten daraufhin einen ganzen „App Store“ von Informationsanwendungen für ihre F&E-Kollegen auf einer kognitiven Suchplattform – in insgesamt vier Monaten: F&E-Suche, Newsfeeds, die Verfolgung von Publikationen in bestimmten Bereichen, die Entdeckung redundanter oder überlappender Projekte usw.

Das französische Institut für nukleare Sicherheit und Strahlenschutz (Institut de Radioprotection et de Sûreté Nucléaire – IRSN) beugt dem Wissensverlust angesichts der Welle des Ruhestands der Gründergeneration durch Kognitive Suche vor und eröffnet neuen Beschäftigten schnellen und einfachen Zugang zu sicherheitsrelevanten Informationen ihrer kerntechnischen Anlagen.

Relevante Informationen für den Einzelnen

Software für Kognitive Suche und Analyse hilft also, in Sekundenschnelle zu finden, was man benötigt und was an Wissen im Unternehmen und anderen zugänglichen Quellen zur Verfügung steht. Sie extrahiert relevante, aussagekräftige Informationen aus strukturierten und unstrukturierten Unternehmensdaten beliebiger Quellen – und zwar zugeschnitten auf eine Person und ihr Arbeitsumfeld. Die Software findet heraus, worum es bei den Daten geht und was sie für eine Person bedeuten könnten. Denn relevante Informationen für den einen können völlig unnütz für den anderen sein und umgekehrt.

Solche Softwaresysteme kombinieren verschiedene Techniken unter einem Dach und machen sie dem normalen Mitarbeiter zugänglich. Suchtechnologien verschaffen einen Über-blick über Informationen und können sie sofort abrufen. Natural Language Processing (NLP) oder auch Computerlinguistik bedeutet die Fähigkeit eines Computerprogramms, aus gesprochener bzw. geschriebener Sprache herauszufiltern, worum es geht, wer die Experten zu den angesprochenen Themen sind und wer mit wem zu diesen Themen kommuniziert. Machine-Learning-Algorithmen werden zum Beispiel verwendet, um Inhalte in verschiedenen Kategorien einzuordnen und zu klassifizieren (ohne eine vorgegebene Menge von Kategorien oder Regeln), die Ähnlichkeit von Inhalten zu berechnen, Empfehlungen für Benutzer bereitzustellen und prädiktive Analysen (mit linearer Regression) zu treffen.

Die Bedeutung der Kombination

Hierbei kommt es im Wesentlichen auf die Kombination der Methoden und Algorithmen an. Man muss Künstliche Intelligenz mittels Machine Learning, NLP, Statistiken und Suchtechnologien miteinander verbinden. Die Software extrahiert dann Konzepte aus Texten mittels NLP und setzt darauf dann ihre ML-Algorithmen an. Das erhöht die Analysegeschwindigkeit und verhindert, dass die Algorithmen sich in für das Unternehmen irrelevanten Kategorien verlieren. Voraussetzung dafür ist eine leistungsfähige und skalierbare Architektur der Cognitive-Search-and-Analytics-Plattform. Eine solche Plattform muss Unternehmen mit 10.000 gleich-zeitigen Power-Usern in einem Call Center bedienen können, wo Kundenprofile aus in über 30 Unternehmensanwendungen liegenden Daten extrahiert und in weniger als zwei Sekunden angezeigt werden müssen. Datenvolumina können mehrere hundert Millionen Dokumente und Milliarden von Datenbank-Sätzen umfassen.

Neue Kenntnisse hinzufügen?

Zu wissen, was man weiß, wann man es wissen muss, ist hilfreich. Darüber hinaus möchte man aber relevante Informationen in den Korpus des verfügbaren Wissens einbringen. Der Mensch ist ein Meister des „assoziativen Denkens“, das heißt, der Kombination von bisher unzusammenhängenden Ideen, die nun – miteinander kombiniert – neue Ideen und Einsichten schaffen. Maschinen oder Software werden den Menschen in diesem Bereich in absehbarer Zeit nicht übertreffen. Dennoch können Maschinen Muster in riesigen Datenmengen und semantische Ähnlichkeiten in Paaren von Dokumenten erkennen, die der Mensch aufgrund der schieren Menge niemals identifizieren würde. Sie können Beziehungen zwischen Zehntausenden von Personen nachvollziehen. Und sie können diese Beziehungen dann zum Wissenskorpus hinzufügen und schnell verfügbar machen.

Mensch und Computer gemeinsam

Die besten Ergebnisse in den meisten Disziplinen werden erzielt, wenn man die Stärken von Mensch und Maschine intelligent kombiniert. Das illustriert am besten die Geschichte des Schachcomputers. Der Moment, in dem IBM Deep Blue gegen Weltmeister Kasparow gewann, ist ins kollektive Gedächtnis der Menschheit eingegangen. Weniger bekannt: In einem gemischten Turnier, bei dem Menschen mit Computern gegen Menschen und nur gegen Computer spielten, siegte nicht etwa ein Großmeister oder Deep Blue – sondern es gewannen zwei Studenten mit drei Laptops. Sie waren weder so gut wie ein Großmeister, noch kamen die PCs gegen Deep Blue an. Die intelligente Kombination von Mensch und Computer aber hat sie gegen die besten Menschen und die besten Computer gewinnen lassen.

(ID:45031824)