Kognitive Suche: Ein wahres Genie

Ein schwarzer Punkt auf einem weißen Blatt Papier ist mit einem kurzen Blick zu finden. Was aber, wenn Sie einen schwarzen Punkt mit einem bestimmten Radius inmitten einer Ansammlung von Punkten auf einem großen Blatt Papier suchen müssen? Genau das ist die Anforderung der Stunde, wenn Sie intelligent nach einer Information aus einer Fülle von Daten in Ihrem System suchen müssen. Die kognitive Suche revolutioniert den Prozess des Abrufens von Dateien.

Es gibt einen abnehmenden Trend, Dokumente manuell in Ihrem System zu suchen. Große Unternehmen zeigen eine deutliche Neigung zu dieser disruptiven Technologie.

Bevor wir darauf eingehen, wie große Unternehmen versuchen, die Vorteile der kognitiven Suche zu nutzen, wollen wir erst einmal verstehen, was sie ist.

Was ist eigentlich kognitive Suche?

Forrester, ein Forschungs- und Beratungsunternehmen, definierte Cognitive Search and Knowledge Discovery als "die neue Generation von Enterprise-Search-Lösungen, die Technologien der künstlichen Intelligenz (KI) wie Natural Language Processing (NLP) und maschinelles Lernen einsetzen, um digitale Inhalte aus verschiedenen Datenquellen aufzunehmen, zu verstehen, zu organisieren und abzufragen".

Das ist die beste Definition, die man geben kann, um ein kognitives Informationssystem zu beschreiben. Kurz gesagt, es kann die relevantesten Informationen aus großen Datenmengen in ihrem Arbeitskontext extrahieren.

Plattformen, die mit kognitiven Rechenfähigkeiten ausgestattet sind, können auf natürliche Weise mit den Nutzern interagieren. Mit der Zeit können sie die Präferenzen und Verhaltensmuster der Nutzer erlernen. Dies hilft ihnen, Verbindungen zwischen verwandten Daten aus internen und externen Quellen herzustellen.

Wie vorteilhaft ist die kognitive Suche?

Wir haben nun ein Verständnis dafür, was sie ist und wie sie funktioniert. Wie kann sie sich als großer Vorteil erweisen?

Erschließung großer Datenquellen

• Die Suche nach den besten Daten aus umfangreichen Datenquellen kann mühsam erscheinen. Die kognitive Suche kann Wunder wirken, wenn es darum geht, die wertvollsten Informationen aus großen Mengen komplexer und vielfältiger Datenquellen zu extrahieren.
• Ob intern oder extern, sie blickt in alles hinein, was in Ihrem gesamten Unternehmen verfügbar ist. Sie durchsucht auch strukturierte und unstrukturierte Daten und verleiht Ihrem Unternehmen tiefgreifende und aufschlussreiche Suchfunktionen. Dies hilft, bessere Entscheidungen im Geschäft zu treffen.

Bereitstellung von relevantem Wissen

• Sie ist mit einer Menge Funktionen ausgestattet, die uns dazu bringen, sinnvolle und relevante Informationen zu finden. Eine Suche in den gesamten Unternehmensdaten mag entmutigend erscheinen, aber sie erledigt dies mit Leichtigkeit. 
• Mithilfe von NLP kann sie das Schema der Dinge in Bezug auf Textinhalte wie E-Mails, Blogs, Berichte, Forschungsarbeiten und Dokumente sowie Medieninhalte wie Meeting-Videos und deren Audioaufzeichnungen erfassen und kennenlernen.
• Sobald sie mit dem Verständnis fertig ist, helfen ihr Algorithmen des maschinellen Lernens, tiefergehende Recherchen durchzuführen und aufschlussreiche Informationen zu liefern. Unternehmenswörterbücher und Ontologien helfen beim Verständnis der Terminologien und ihrer Beziehungen.

Verbesserung der Suchergebnisse

Algorithmen des maschinellen Lernens helfen bei der Bereitstellung besserer Suchergebnisse.

• Um digitalen Vermarktern zu helfen, vorherzusagen, ob die von ihnen entworfenen Anzeigen funktionieren werden oder nicht, kann ein Algorithmus für überwachtes Lernen namens Classification By Example helfen. Er kann ihnen beispielsweise helfen, zu beurteilen, wie Menschen in der Vergangenheit auf bestimmte Werbekampagnen reagiert haben, um ihnen zu helfen, diesmal etwas Besseres zu entwickeln.
• Vermarkter können eine bestimmte Personengruppe ermitteln und diese für ihre kommenden Marketingkampagnen ansprechen. Clustering, ein Algorithmus für unüberwachtes Lernen, hilft ihnen dabei.
• Um die Beziehung zwischen Eingangs- und Ausgangsvariablen zu verstehen und Vorhersagen zu treffen, ist der Regressionsalgorithmus nützlich. Er kann beispielsweise verwendet werden, um Anwendungen zu erstellen, die den Straßenverkehr auf der Grundlage der aktuellen Wettersituationen bestimmen. Außerdem kann er auf der Grundlage verschiedener wirtschaftlicher Faktoren helfen, Aktienkurse vorherzusagen.
• Ein Ähnlichkeitsalgorithmus kann Ihnen helfen, ein Expertenteam für ein Geschäftsprojekt auf der Grundlage ihrer Fähigkeiten und Kompetenzen in früheren Projekten zusammenzustellen.
• Personalisierte Empfehlungen auf der Grundlage der Interessen der Nutzer können mithilfe des Empfehlungsalgorithmus gegeben werden. Auf der Grundlage der bisherigen Historie und der Nutzungsmuster kann er Inhalte empfehlen, die ein Nutzer höchstwahrscheinlich konsumieren möchte.

Wie ist die kognitive Suche entstanden?

Das ist eine berechtigte Frage. Man fragt sich, ob dies in kurzer Zeit entwickelt wurde oder ob einige erstaunliche Technologien hinter den Kulissen beteiligt waren. Es war natürlich ein sehr langer Weg, der zurückgelegt werden musste, um dieses technische Wunderwerk zu erreichen.

Inzwischen haben Sie bereits bemerkt, dass, wie die Definition schon sagt, maschinelles Lernen und künstliche Intelligenz die Vorreiter auf dem Weg zu diesem Meisterwerk sind.

Fast alle Suchmethoden, die es heute gibt, stehen in irgendeiner Weise mit Google in Verbindung. Leverage Marketing hat eine interessante Studie erstellt. Als Google 1996 seine erste Suchmaschine entwickelte, gab es bereits mehrere andere. Aber die Suche von Google war anders. Während andere Suchmaschinen Suchergebnisse nur dann lieferten, wenn sie ein exaktes Schlüsselwort im Suchfeld finden konnten, hatte Google einen anderen Algorithmus.

Google gab bestimmten Schlüsselwörtern einen Wert. Die Häufigkeit der Schlüsselwörter bestimmte also die Suchergebnisse, was zu Irrelevanz in Bezug auf die Inhalte führte, die oben angezeigt wurden. In den 2000er Jahren entwickelte Google daher mehrere verbesserte Suchtechniken. Schließlich integrierte das Unternehmen 2015 maschinelles Lernen in seine Suchmaschine. Das bedeutet, dass Google nicht nur das liest, was Sie in das Suchfeld geschrieben haben, sondern auch interpretiert, was wir wirklich meinen, wenn wir das eintippen.

Durch die Entwicklung seiner kognitiven Lernsuchmethode konnte der Suchalgorithmus von Google Schlüsselwörter verstehen und Rankings, frühere Suchergebnisse, Browserverlauf, Nutzerstandort und andere Parameter berücksichtigen. Dies war ihre wichtigste Hinwendung zur künstlichen Intelligenz.

So hat Google die interne Suche standardisiert. Entwickler von Büronetzwerken erwogen die Entwicklung von Suchmethoden für ihre geschäftlichen Bedürfnisse. Ihr Streben nach der Entwicklung von Suchmethoden basierte auf der kognitiven Suche und den Techniken des maschinellen Lernens von Google. So entstand die kognitive Suche und leistete hervorragende Arbeit bei der Verbesserung des Sucherlebnisses.

Herausforderungen, die vor uns liegen...

Ein dreigleisiger Ansatz zur Betrachtung der Herausforderungen, die auftreten können, und wie man sie bewältigen kann:

• Expertise: Der Mangel an Personal, das für die Entwicklung und Wartung dieser aufkeimenden Technologie benötigt wird, kann eine der größten Herausforderungen sein, die es zu bewältigen gilt.
• KI-Implementierung:
  • Überwachtes maschinelles Lernen hilft, Nutzermuster im Laufe der Zeit zu erkennen. Die Bereitstellung ausreichend gekennzeichneter Trainingsdatensätze, aus denen diese Systeme lernen können, ist eine große Herausforderung.
  • Unüberwachtes maschinelles Lernen identifiziert bestehende Nutzermuster. Systeme mit dieser Fähigkeit stehen vor einer großen Hürde. Ausreichende Daten mit Intervention zur angemessenen Anleitung und Interpretation, um das System zu trainieren, sind eine Herausforderung.
• Zielformulierung: Es müssen klare Ziele und Ergebnisse formuliert werden. Beim bestärkenden Lernen beispielsweise führen Systeme mehrere Versuche durch und lernen aus dem Ergebnis der Versuche, um bessere Entscheidungen zu treffen. Die größte Aufgabe besteht darin, den Systemen in einem anspruchsvollen Umfeld klare Ziele und genügend Übung zu ermöglichen.

Wie kann die kognitive Suche die Unternehmenssuche verbessern?

Große Unternehmen stellen sich diese Frage, da sie das Leben erleichtern wird. Wir haben gesehen, dass Relevanz, Sinnhaftigkeit und Vollständigkeit erforderlich sind, um bessere Suchergebnisse zu erzielen. Sie sollten aber auch die Eigenschaften eines Unternehmens aufweisen.

• Daten verstehen: Sie sollte alle Daten verstehen, die ein Unternehmen ihr zuwirft. Sie sollte die Fülle an Datenquellen durchsuchen, sowohl strukturierte als auch unstrukturierte Daten verstehen, um bessere Ergebnisse bei der Unternehmenssuche zu erzielen.
• Skalierbarkeit: Sie sollte in der Lage sein, mit der ständig wachsenden Dichte der Unternehmensdaten zu skalieren. Große Unternehmen haben Hunderte und Tausende von Anwendungen mit mehreren Bytes an Daten, die in der Cloud oder vor Ort gespeichert sind. Kognitive Suchlösungen sollten Suchergebnisse von besserer Qualität liefern.
• Manuelle Feinabstimmung: Sie verwendet Natural Language Processing und Algorithmen des maschinellen Lernens, um Daten zu verstehen, die Suchmuster der Nutzer vorherzusagen, die Relevanz der Suchergebnisse zu verbessern und sie im Laufe der Zeit automatisch abzustimmen. Kognitive Suchlösungen sollten Administratoren Tools zur manuellen Feinabstimmung der Suchergebnisse zur Verfügung stellen. Schließlich ist KI nicht perfekt.
• Entwicklung von Suchanwendungen: Sie sollte Entwicklern helfen, Suchanwendungen zu entwickeln. Anstatt einfache Textfeld-Suchmethoden zu integrieren, sollten Unternehmen in der Lage sein, eine Anwendung zu entwickeln, die wie virtuelle digitale Assistenten wie Google Now und Siri funktioniert.

Anwendungsfälle

Sinequa, das eine kognitive Such- und Analyseplattform für über 2000 Organisationen anbietet, verfügt über eine großartige kognitive Computerlösung. Tatsächlich ist das Unternehmen als führend im Gartner 2017 Magic Quadrant for Insight Engines und im Forrester Wave™: Cognitive Search and Knowledge Discovery Solutions Q2 2017 anerkannt.

Sinequa hat sich mit dem Content-Plattform-Unternehmen Box zusammengetan, um die plattformübergreifende Unternehmenssuche und -analyse zu verbessern.

• Die Partnerschaft zwischen Sinequa und Box trug dazu bei, die Aggregation von von Menschen generierten Daten in einem Unternehmen zu nutzen, Informationen zu erforschen und sie in die Entscheidungsfindung im Unternehmen einzubeziehen. Diese Integration ermöglicht es den Kunden nicht nur, ihre Box-Inhalte zu durchsuchen, sondern auch, andere Repositories von Organisationen zu durchsuchen. Dies erhöht den Wert der gesuchten Informationen, indem sie mit verwandten Inhalten aus verschiedenen Quellen verknüpft werden, die zuvor durch eigenständige Silos beeinträchtigt waren.
• Sinequa bietet mehr als 150 Konnektoren zu seinen verschiedenen Datenquellen. Und mit dieser Partnerschaft hat sich die Relevanz der Suchergebnisse für den Enterprise-Data-Korpus nur noch verbessert. Einzelpersonen können die Unternehmenssuche plattformübergreifend nach kontextuell relevanten Suchergebnissen von einer einzigen Schnittstelle aus durchführen. Dies zeigt, dass ihre Partnerschaft die Cloud-First-Philosophie des Unternehmens gefördert hat, die sich in den Branchen immer mehr durchsetzt.
• Aus der Sicht des Informationsmanagements ist die Partnerschaft von Bedeutung, da beide Unternehmen eine große Präsenz bei großen Unternehmenskunden haben. Box bietet die benutzerfreundlichen Funktionen für die gemeinsame Nutzung von Cloud-Dateien und die Synchronisierung. Das Unternehmen beschloss, Funktionen für die Enterprise Governance für die Inhalte einzubetten, indem es Tools für Berichte, Zugriffskontrollen, Workflows, Sicherheitsrichtlinien usw. entwickelte. Die Partnerschaft mit Sinequa stärkte die umfangreiche Wissensbasis von Box weiter, indem sie es ermöglichte, die Kontrolleinstellungen für die Daten beizubehalten, während die Inhalte auf Sinequa gesucht und bewertet werden.
• Die nativen Sicherheits- und Berechtigungseinstellungen der verbundenen Repositories bleiben durch diese Integration weitgehend erhalten. Die Nutzer können die Box-Umgebung durchsuchen, ohne sich um die nativen Steuerungseinstellungen auf den jeweiligen Plattformen zu kümmern, auf denen sich die Informationen befinden. Das bedeutet, dass die Sinequa-Suchoberfläche es den Nutzern ermöglicht, endlos nach Inhalten zu suchen, und die granularen Sicherheits- und Berechtigungseinstellungen von Box bleiben intakt.
• Durch diese Partnerschaft wird eine 360-Grad-Sicht auf den Kunden erreicht. Die Natural-Language-Processing- und Machine-Learning-Funktionen von Sinequa, die von Apache Spark unterstützt werden, und die mehr als 150 Konnektoren zu Inhaltsquellen ermöglichen es, zusammengesetzte Ergebnisse der Unternehmenssuche für ein detailliertes Verständnis durch den Menschen zu erstellen. Wenn ein Nutzer in Box nach einem bestimmten Thema sucht, kann er die kontextuell relevantesten Ergebnisse aus E-Mails, Salesforce, lokalen Dateifreigaben und anderen Quellen anzeigen. Dies reduziert den Zeit- und Arbeitsaufwand, der erforderlich ist, um die richtigen verwertbaren Erkenntnisse zu finden. Dies verbessert die Erträge aus bestimmten Initiativen, wie z. B. die Gewinnung einer 360-Grad-Sicht auf den Kunden.

Hewlett Packard Enterprise (HPE), ein multinationales Unternehmen für Informationstechnologie, verfügt über eine eigene kognitive Computerlösung. Die Bereitstellung von Systemen auf der Basis natürlicher Sprache, um die ständig wachsenden Bedürfnisse der Nutzer zu erfüllen und Antworten zu geben, die präzise, relevant und vertrauenswürdig sind, ist wichtig. HPE IDOL Natural Language Question Answering ist eine solche Lösung, die mit Funktionen für die Verarbeitung natürlicher Sprache für große Unternehmen ausgestattet ist.

• Genaue Antwort: Die IDOL Answer Bank-Funktion hilft bei der Bereitstellung genauer und kuratierter Antworten auf die vordefinierten Referenzfragen. Sie kann beispielsweise so programmiert werden, dass sie Ihnen Anweisungen zur Konfiguration eines Smartphones gibt.
• Faktenbasierte Antworten: Die IDOL Fact Bank-Funktion hilft bei der Bereitstellung von Antworten, die auf korrekten Fakten basieren. Sie kann beispielsweise die Aktienkursdetails über strukturierte Datenquellen liefern. Oder sie kann den Jahresbericht des Unternehmens über unstrukturierte Datenquellen bereitstellen.
• Textbasierte Übersicht: Die IDOL Passage Extract-Funktion hilft Ihnen, einen Überblick zu erhalten. Sie können sich beispielsweise die neuesten Finanzdienstleistungen und ihre Regeln und Vorschriften oder die Nachrichtenereignisse ansehen.
• Bewertungsfragen und Datenquellen: Die IDOL Answer Server-Funktion bewertet die Fragen und verschiedene Inhaltsquellen, um die bestmögliche Antwort zu geben.

Anbieter von kognitiven Suchlösungen

Forrester hat in seiner Forschungsstudie zu Cognitive Search and Knowledge Discovery Solutions eine Liste von leistungsstarken Anbieterlösungen zusammengestellt.

• HPE IDOL: Diese Lösung wurde entwickelt, um alles zu analysieren, was mit ihr gesucht wird.  Da sich die Absichten von HPE offenbar nicht auf unstrukturierten Text beschränken, führt die Cognitive-Computing-Plattform auch eine tiefgreifende Analyse von Sprache, Bildern und Videos durch. Sie umfasst Funktionen wie die Beurteilung einer Frage und die optimale Beantwortung, die Entwicklern bei der Entwicklung von Chatbots oder virtuellen Konversationsassistenten helfen können.
• Coveo: Der Schwerpunkt liegt auf kontextbezogenen und relevanten Suchergebnissen. Es verwendet fortschrittliche Analysen und Algorithmen des maschinellen Lernens, um die kontextbezogensten Ergebnisse für die vom Nutzer gestellten Abfragen zurückzugeben. Es hat sich auch mit Salesforce über sein Cloud-basiertes Modell integriert.
• Sinequa: Es legte Wert auf die Verarbeitung natürlicher Sprache, um Suchanfragen besser zu verstehen und die Relevanz der Inhaltsermittlung zu verbessern. Darüber hinaus hat die Integration von Apache Spark die Analyseplattform weiter verbessert.
• Attivio: Es eignet sich für die meisten komplexen Suchanwendungen. Es bietet Wissensmanagement, Anti-Geldwäsche, Customer 360 und andere Funktionen. Entwickler können die strukturierte Abfragesprache verwenden, um den Index zu durchsuchen.
• IBM: Es hat die Dienstprogramme von Watson Explorer genutzt, indem es sie in die IBM Watson Developer Cloud integriert hat. Watson Explorer kann in der Cloud oder vor Ort eingesetzt werden. Es ist sehr hilfreich für Customer 360-Suchanwendungen, Enterprise Search und die Bearbeitung von Ansprüchen.
• Lucidworks: Die Lösung namens Fusion verfügt über fantastische Funktionen für die Unternehmenssuche, 40 vorgefertigte Konnektoren zu Anwendungen wie Salesforce und Slack, ein besseres Verwaltungstool und sofort einsatzbereite Algorithmen für maschinelles Lernen, um eine bessere Wissensermittlung zu ermöglichen.

Zusammenfassung

Die kognitive Suche hat sich zum Standard für die Unternehmenssuche entwickelt. Durch die Analyse einer Suchanfrage und den Einsatz ihrer KI-Fähigkeiten, um die relevantesten und kontextbezogensten Ergebnisse zu liefern, hat sie zu einem Sinneswandel im Denken großer Unternehmen geführt.

Durch die Verwendung interner und externer Inhaltsquellen, um das relevanteste Wissen bereitzustellen und die Suchergebnisse zu verbessern, war sie eine große Hilfe bei der intelligenten plattformübergreifenden Suche.

Die Suchmaschine von Google hat sie in ihre Algorithmen integriert, um das Verhaltensmuster der Nutzer zu verstehen und Ergebnisse anzuzeigen. So entstand die kognitive Suche in der Unternehmenswelt.

Sie muss die Zwangsjacke einiger Herausforderungen durchbrechen, um sich in den kommenden Jahren zu einer verbesserten Technologie zu entwickeln.

Mit einem tiefen Verständnis der Daten, der Skalierbarkeit bei Herausforderungen und der manuellen Abstimmung durch Administratoren usw. kann sie die Unternehmenssuche verbessern.

Führende Anbieter von kognitiven Suchlösungen wie Sinequa, HPE, Attivio und andere verfügen über erstaunliche Plattformen, auf denen Kunden die Vorteile nutzen können.

Wir lieben die kognitive Suche. Kontaktieren Sie uns unter [email protected], um diese in Ihrem Unternehmen zu implementieren.