Anzeige

Suchmaschine

Wenige Technologien haben sich in den letzten Jahren so schnell entwickelt wie Natural Language Processing (NLP). Große Transformermodelle machens möglich. Das ermöglicht Unternehmen vollkommen neue Möglichkeiten, unstrukturiertes Wissen für Mitarbeiter deutlich besser zugänglich zu machen und zu verarbeiten.

Durch COVID-19 haben laut einer Bitkom Studie 75% der Unternehmen Tools zur digitalen Zusammenarbeit eingeführt. Somit ist nicht nur die Anzahl der Datensilos in Unternehmen gestiegen, sondern auch die Menge des dokumentierten Wissens – zumeist jedoch in unstrukturierten Formen wie Text-, Bild-, Audio- oder Videoformaten. Mit steigendem Home-Office-Anteil entfällt nachhaltig die Möglichkeit, mal eben die Kollegen nach einer Information zu Fragen. Überraschend oft ist das Wissen nicht nur in den Köpfen der Mitarbeiter gespeichert, sondern bereits digitalisiert in diversen Softwarelösungen. Und das nicht erst seit Corona. Intranets, Archive, E-Mailpostfächer, SharePoints oder Netzwerklaufwerke bieten schon seit Jahren ein hervorragendes Datengrab, indem man nur schlecht Informationen wiederfindet. In der Konsequenz suchen Mitarbeiter extrem viel oder erstellen Dokumente etc. einfach erneut. Das nervt nicht nur viele Mitarbeiter, sondern hat auch hohe Kosten für Unternehmen zur Folge. Das Konzept eines Enterprise Search Engines ist daher für viele Softwareanbieter nicht neu. Es geht darum, über verschiedene Datenquellen im Unternehmen die richtigen Informationen bereitzustellen.
 

 Konzept eines Enterprise Search Engines - die Suchmaschine bietet eine übergeordnete Suche für verschiedene Datensilos. (Bildquelle: Bastian Maiworm)

Neue Technologie – neue Möglichkeiten

Was sich jedoch verändert hat, ist die Technologie, die genutzt werden kann, um unstrukturierte Dateiformate zu verarbeiten. Seit im Jahr 2017 Transformermodelle auf der Neural-Information-Processing-Systems Konferenz vorgestellt wurden, ergeben sich durch Natural Language Processing neue Möglichkeiten, um unstrukturierte Informationen zu verarbeiten. Im Bereich Enterprise Search kann das Nutzergefühl, welches man von Internetsuchmaschinen kennt, nun auch annähernd im Unternehmenskontext wiedergegeben werden. Was Internetsuchmaschinen früher an Stellen, an denen das semantische Verständnis noch nicht ausreichte mit Hilfe von Millionen Datenpunkten ausgeglichen haben, wird jetzt auch für Unternehmen zugänglich und bezahlbar.

Die Anwendungsfälle von NLP sind dabei divers. Mit NLP erkennt ein Computer nicht nur die Sprache, sondern kann Sätze erfassen und interpretieren. So sind nicht nur Frage-Antwort Modelle möglich, sondern es können beispielsweise auch Zusammenfassungen oder extrem gute Übersetzungen generiert werden. Dies kommt gerade den textlastigen Daten in Unternehmen zugute und eröffnet diverse Anwendungsfälle in verschiedenen Bereichen.

In diesem Artikel möchte ich etwas näher auf die Anwendungsfälle im Bereich Enterprise Search eingehen.

Veränderungen beim Information Retrieval

Viele Unternehmen haben über die Jahre verschieden Lösungen ausprobiert, um Informationen wieder auffindbar abzulegen. Egal wie gut die Mitarbeiter geschult werden, nach ein paar Monaten etablieren sich bei dem ein oder anderen Mitarbeiter doch wieder eigene Ablagesysteme, was das Wiederfinden von Informationen insbesondere für neue Mitarbeiter sehr schwer macht. Hinzu kommt, dass der demografische Wandel dazu führt, dass erfahrene Mitarbeiter die Unternehmen verlassen und man sich so noch stärker darauf fokussieren muss, Wissen zu digitalisieren und dieses wiederzufinden.

Daher setzen bereits jetzt einige Unternehmen auf unternehmensinterne Suchmaschinen – mal begrenzt auf bestimmte Abteilungen, mal als Enterprise Search. Was viele etablierte Anbieter eint, ist dass Sie seit Anfang der 2000er existieren und so die erste Welle der Digitalisierung in deutschen Unternehmen mitgestaltet haben.

Schwierigkeiten haben ältere Lösungen zumeist bei der Skalierung und bei der Qualität der Suchergebnisse. Dies hängt einerseits mit der Leistung von Rechnern und den klassischen Suchalgorithmen zusammen, andrerseits an der Weise wie die Softwareentwicklung sich über die Jahre verändert hat. Wo früher eine Suchmaschine Wörter maximal normalisieren konnte (Beispiel einer Normalisierung: gehabt – haben) und Wörter im Kontext nicht richtig interpretiert wurden, werden heute neuronale Netze genutzt, um neben Wörtern auch ganze Sätze und Absätze entsprechend richtig einzuordnen.

Wo früher ein Menge Filter benötigt wurden, um Informationen entsprechend nachzufiltern, übernehmen neuartige Suchmaschinen dieses mit Hilfe von einem semantischen Verständnis. Dem Nutzer ermöglicht dies genau das Nutzergefühl, welches er von Internetsuchmaschinen kennt. So wird einerseits der Arbeitsalltag im Allgemeinen erleichtert, andrerseits wird gerade in Zeiten von Home-Office, der Wegfall des Informationsaustauschs über Projekte an der Kaffeebar kompensiert.

Bei Enterprise Search geht es also nicht nur um die Reduktion der Suchzeit (dessen Kosten relativ einfach zu berechnen sind), sondern auch darum, durch die richtige Informationsbereitstellung Projekte und den Service zu beschleunigen oder Datenmüll durch Versionierungen zu vermeiden.

Das Potenzial von Start Ups

Mit dem Wachstum von Natural Language Processing ergeben sich neue Anwendungsfälle und Möglichkeiten, was wiederum diverse neue Anbieter in den Markt spült. Der unschlagbare Vorteil der jungen Unternehmen:

 

„Sie bauen eine Software um eine Technologie herum und müssen die neue Technologie nicht in eine bestehende Software integrieren. So haben sie den großen Vorteil, dass sie das volle Potenzial neuer Technologien ausschöpfen können.“

 

Natural Language Processing ist dabei nicht die einzige Art von KI, die von Start Ups verwendet wird. Social Media macht es vor: Immer mehr Inhalte werden visuell aufbereitet oder über Audiofiles bereitgestellt. Diesen Trend merkt man auch in Unternehmen. Seien es Flyer, Webinare, Unternehmenspodcasts oder aufgenommene Videokonferenzen. Multimediale Inhalte werden auch in Unternehmen zur Regel. Durch bspw. Computer Vision oder Machine Learning Modelle werden auch diese Lösungen für den Mitarbeiter durchsuchbar und deutlich besser auffindbar. Was vor ein paar Jahren nur Google & Co im Internet anbieten konnten, weil sie die Schwächen der Technologie mit Millionen Datenpunkten ausgleichen konnten, bringen junge Start Ups mittlerweile als Standardsoftware in viele Unternehmen.

Dies birgt das Potenzial, eine ganze Branche zu revolutionieren. Unklar bleibt, ob sich am Ende ein großer Anbieter durchsetzt oder ob es mehrere Player gibt, die den Markt hinterher bestimmen werden. Zumindest gibt es zurzeit mehrere Start Ups, die mit Investorengeldern ausgestattet sind und darauf setzen, schnell zu skalieren.

Mehrwerte durch eine Enterprise Search

Nachdem zunächst die technischen Aspekte Unterschiede näher betrachtet wurden, geht es jetzt um die konkreten Mehrwerte für Unternehmen.

Eine übergreifende Suche reduziert nicht nur die Suchzeit, obwohl dies die am einfachsten zu messende Kennzahl wäre. Eine übergreifende Suche ermöglicht es Mitarbeitern, bessere Entscheidungen anhand von einer besseren Informationsgrundlage zu treffen. Schnell und leicht erreichbares Wissen führt dazu, dass Entscheidungen zudem schneller getroffen werden können. Ist das Wissen nämlich nicht über eine zentrale Stelle erreichbar, dann schauen sich einige Mitarbeiter meistens nur 1-2 Orte an, an denen die richtigen Informationen liegen könnten, aber nicht alle relevanten Ablageorte (s. Abbildung).

Ein weiteres Problem, vor dem viele Mitarbeiter stehen: Das erneute erarbeiten von Wissen und erstellen von Dokumenten: Würden Mitarbeiter in der Lage sein, das richtige Dokument/Information schnell und effizient zu finden, dann können Sie sich schnell wieder mehrwertbringenden Aufgaben widmen. Zudem reduziert sich so der Datenmüll und die Anzahl der Versionierungen verschiedener Dokumente.

Außerdem wird der Arbeitsalltag für Mitarbeiter leichter, da diese für das Finden von Informationen ständig E-Mails oder Telefonate führen müssen, sondern - gerade in Zeiten von Home-Office - die Möglichkeit bekommen, selbstständig Wissen zu finden.

Die Anwendungsfälle für Enterprise Search Engines sind divers – sie können Mitarbeitern im Call Center oder im technischen Service helfen, sie helfen im Innendienst oder in der Führungsetage. Welcher Anwendungsfall für das jeweilige Unternehmen den größten Mehrwert bietet, muss sich jedoch im Einzelfall angeschaut werden.

Bastian Maiworm, Mitgründer
Bastian Maiworm
Mitgründer, ambeRoad
Bastian Maiworm schreibt über die neuesten Entwicklungen im Bereich Enterprise-Search. Seine Erfahrungen als Gründer nutzt er, um die Digitalisierung und Zusammenarbeit zwischen Startups und der Old Economy weiter voranzutreiben und zu optimieren.

Weitere Artikel

Liferay

Braucht mein Unternehmen eine DXP? 6 Entscheidungskriterien

Viele Unternehmen fragen sich, ob sie von einem CMS zu einer DXP upgraden sollten. Wir geben Ihnen 6 Kriterien für Ihre Entscheidungsfindung.
Legacy

Auf diese Legacy-Trends muss im neuen Jahr geachtet werden

Eine neue Generation von IT-Verantwortlichen, Microservices und Cloud: IT-Dienstleister Avision erläutert, welche Trends im Jahr 2022 die Altanwendungen von Unternehmen prägen werden.
Systemintegration

Next Generation IT-Integration

Dass sich widersprüchliche und lückenhafte Daten negativ auf den Geschäftserfolg auswirken, wird inzwischen fast überall wahrgenommen. Welchen Stellenwert dieser Effekt für die weitere Digitalisierung und den damit verbundenen Wandel im Unternehmen hat, wird…
FNT GraphicCenter

FNT GraphicCenter: Visualisierung und Analyse von Infrastruktur- und Servicedaten

Leistungsfähige, störungsfreie und flexible Infrastrukturen sind die Basis für alle digitalen Geschäftsprozesse und Anwendungen, seien es Smart Cities, Industrie 4.0 oder auch 5G. Mit den cloudbasierten Softwarelösungen der Ellwanger FNT GmbH erfassen,…

Anzeige

Jetzt die smarten News aus der IT-Welt abonnieren! 💌

Mit Klick auf den Button "Zum Newsletter anmelden" stimme ich der Datenschutzerklärung zu.