Mit Insight Engine werden alle Daten eines Unternehmens zentral gespeichert, anstatt ...

© Mindbreeze

Weil Informationen sowohl in verschiedenen Anwendungen innerhalb des Betriebs als auch in der Cloud gespeichert werden, dienen alle Unternehmensdatenquellen als Datenbasis. Andernfalls werden Insellösungen geschaffen, die wiederum zusätzlichen Arbeitsaufwand für den Benutzer bedeuten. 

... wie bisher in den jeweiligen Disziplinen.

© Mindbreeze

Mit Hilfe von Konnektoren für Datenquellen und Filter für verschiedene Dateiformate lassen sich zahlreiche unterschiedliche Quellen mit minimalem Aufwand anbinden und in das zentrale Wissensmanagement integrieren. Dadurch entsteht eine Wissensdatenbank, die für die jeweiligen Fachbereiche, etwa für die Instandhaltung, kontextspezifisch und effizient abgefragt werden kann.

Unternehmen müssen neben strukturierten auch unstrukturierte Daten – wie E-Mails mit Anhängen, Texten, Audio- und Videodateien – extrahieren und verknüpfen können. 

Extraktion der Information

Dazu werden unterschiedliche Technologien angewandt: 

1. Regelbasierte Verfahren: Aufgrund von gewissen, klar erkennbaren Strukturen können mit sogenannter Entity Recognition gewisse Muster im Text ermittelt werden. Dafür werden vordefinierte Regeln zur Zuweisung eines Dokumententyps verwendet. 
2. Statistische Verfahren: Methoden wie die ‚Latent semantische Analyse‘ werden meist dazu verwendet, vorhandene Ähnlichkeiten automatisch zu erkennen und dadurch etwaige inhaltliche oder semantische Zusammenhänge festzustellen. Oftmals wir diese Analyse zusätzlich auch mit Wahrscheinlichkeiten kombiniert gewichtet.
3. Linguistische Verfahren: Hierbei geht es um konkrete sprachspezifische Ausprägungen wie die Generierung von Wortvarianten, die Kompositazerlegung, das Erzeugen von Synonymen und Wortableitungen, das Erkennen von Grundformen bis hin zum Verstehen einzelner Teile und Sätze einer Sprache.

Maschinelles Lernen und künstliche Intelligenz

Die Insight Engine klassifiziert automatisch und lernt dabei von Trainingsdokumenten sowie korrigierten Dokumenten.

© Mindbreeze

Mit Hilfe von maschinellem Lernen sind intelligente Systeme in der Lage, von akkumuliertem Wissen der Vergangenheit zu lernen. Sie können somit völlig automatisiert Dokumente klassifizieren und zuordnen. Der selbstlernende Algorithmus optimiert die Ungleichbehandlung von Kategorien anhand von Beispieldaten und versteht dadurch ähnliche Klassen von Informationen und deren Kategorieneigenschaften. 

Die Insight Engine scannt die ei­gehenden Dokumente, extrahiert und analysiert die Informationen. Anschließend vergleicht sie diese mit bestehenden und bereits verarbeiteten Dokumenten. Die intelligente Lösung erkennt Muster sowie Textkombinationen und leitet das Dokument an die entsprechende Fachabteilung weiter. Eine manuelle Zuordnung entfällt damit. Als selbstlernendes System entwickelt sich das Programm bei jeder Aktion weiter, die es ausführt. Bei der automatischen Klassifizierung lernt das System etwa nicht nur von den Trainingsdokumenten, sondern auch von korrigierten Dokumenten. Vor allem bei Unternehmen mit einem hohen Volumen an Eingangspost ist diese Fähigkeit von großem Nutzen. Dadurch können Prozesse optimiert und Mitarbeiter effizient unterstützt werden.

Anfragen interpretieren

Mit einer 360°-Sicht auf ein Bauteil können sämtliche Informationen eingesehen werden.

© Mindbreeze

Um sowohl die extrahierten Daten als auch ihre Zusammenhänge optimal nutzen zu können, müssen die Anfragen der Anwender korrekt verstanden und interpretiert werden. Hierzu gibt es folgende Möglichkeiten:

1. Natural Language Processing (NLP): 
   Die menschliche Sprache ist nicht immer präzise, da sie stark von variablen Faktoren wie Fachsprache und Dialekt abhängig ist. Basierend auf Maschinellem Lernen beschäftigt sich NLP damit, die menschliche Sprache mit Hilfe von Mustern und Wortkombinationen zu verstehen und beispielsweise zu übersetzen, zu interpretieren, Textinhalte zu verstehen und idealerweise in einem Dialog zusammenzufassen. 
2. Natural Language Question Answering (NLQA):
   NLQA ermöglicht den Dialog zwischen den Anwendern und der Maschine. Suchanfragen bestehen nicht mehr nur aus puren Schlagworten, sondern können linguistisch interpretiert und verstanden werden mit dem Ziel, die Bedürfnisse des Nutzers im richtigen Kontext zu identifizieren und Suchresultate darauf abzustimmen.

Die Visulisierung der Daten ist völlig frei gestaltbar. Über ‚Search Apps‘ lässt sich die Darstellung anhand von Benutzerrollen, Abteilungen oder sogar Verhalten und Fachwissen in einer 360°-Ansicht der Informationen personalisieren.

Kontextspezifische Darstellung

Dabei ist es notwendig, dass diese Apps äußerst benutzerfreundlich aufgebaut sind. So können Anwender, die die Informationsbedürfnisse kennen, jedoch über keinerlei Programmierkenntnisse verfügen, ganz einfach selbst individuelle Anzeigemodelle erstellen.

Nichtsdestotrotz wird permanent sichergestellt, dass nur Personen mit den entsprechenden Rechten die gewünschten Informationen erhalten.

Ziel: Wissen bündeln und bereitstellen

Künstliche Intelligenz ist heute bereits in vielen Anwendungen in unterschiedlichen Ausprägungen enthalten. Intelligente Technologien helfen Unternehmen, deutlich flexibler, schneller und auf einem höheren Qualitätslevel zu agieren. Sie bündeln das vorhandene Wissen im Unternehmen zu einer 360°-Sicht, extrahieren entsprechende Fakten und machen sie in ihrer ­Gesamtheit verfügbar. 

Durch die ­übergreifende Verknüpfung unternehmensinterner und -externer Informationen sind intelligente Systeme ­daher auch in der Lage, Informationen zur voraussichtlichen Lebensdauer von Bauteilen oder Anlagen bereitzustellen.

Autor:
Gerald Martinetz verantwortet den Vertrieb für den Bereich Insight Engine bei Mindbreeze.