... und wie eine Suche mit künstlicher Intelligenz uns dabei helfen wird. Trends für 2022.
Künstliche Intelligenz, Machine Learning oder Digitalisierung – Begriffe, die uns im Alltag heute beinahe überall begegnen und mit den verschiedensten Aspekten unseres Lebens in Verbindung gebracht werden. Ob als mehr oder weniger intelligente Algorithmen in den sozialen Medien, die uns raffiniert mit gefilterten Informationen zu unbewussten Entscheidungen verführen, ob als „Gehirn“ des Saugroboters, der eigenständig seine Runden in meiner Wohnung dreht oder als Assistent in meinem Auto, der meine Fahrweise permanent analysiert – künstliche Intelligenz ist anscheinend überall und macht mein Leben scheinbar so viel besser. Viele schaudern jedoch auch vor einer zunehmenden Technisierung unseres Lebens und den damit verbundenen Gefahren. Beide Positionen mögen ihre Berechtigungen haben, aber wie vieles im Leben ist nichts weder schwarz noch weiß. Auch 2022 werden neue Trends den technologischen Fortschritt bestimmen und unseren Blick auf die Welt beeinflussen.
Small Data, Wide Data? Data mit künstlicher Intelligenz!
Im Internet gehören Suchmaschinen mittlerweile zum ausschließlichen Einstiegspunkt jeder Recherche. Oder kann sich noch jemand an die Linklisten aus den Anfangstagen des Internets erinnern, als spezielle Seiten interessante Webseiten thematisch pflegten und man sich von Seite zu Seite hangeln musste? Suchmaschinen waren eine Erleichterung, da man nun lediglich einen Begriff eingeben musste, der einem schnell und umfassend Seiten anzeigte, die diesen Begriff enthielten. Beinahe unbemerkt hat sich dieses Konzept der lexikalischen (oder auf enthaltenen Suchbegriffen basierenden) Suchen in den letzten Jahren geändert und mittlerweile fließen jede Menge zusätzliche Informationen in meine Suchanfrage. In welcher Sprache suche ich? Was habe ich früher gesucht? Wie häufig wird ein Suchtreffer angeklickt und wie relevant ist er damit? Google, Bing und Co. haben viel Aufwand in die intelligente Websuche gesteckt und mittlerweile erledigen Routinen unbemerkt im Hintergrund die Arbeit an immer besseren Suchtreffern. Skeptiker merken an dieser Stelle häufig an, dass der Nutzer damit entmündigt und auch falsch oder unzureichend informiert werden kann. Aber seien wir mal ehrlich, sind sinnlose, weil irrelevante Informationen nicht genauso ärgerlich?
Lexikalische oder Semantische Suche? Wie künstliche Intelligenz uns helfen wird
An der „virtuellen Firmentür“ (also innerhalb eines Unternehmens) endet die Macht der Internet Suchmaschinen. Die Arbeitswelt bleibt ihnen aus verschiedenen Gründen verschlossen. Hier nehmen Unternehmenssuchen den Ball auf und schließen die Informationslücke. Mit im Durchschnitt 35 Stunden pro Woche verbringen wir Deutschen die meiste Zeit auf Arbeit und die Themen Suche und Informationsgewinnung nehmen in allen Branchen immer mehr Raum ein. Anders als im Internet sind die Themen hier jedoch andere, die Systeme unterschiedlicher und die Datenmengen auch vergleichsweise kleiner (wenn auch mitunter immer noch in Millionengröße). In der Fachterminologie wird dieser vergleichsweise kleinere Datenbestand als Small Data bezeichnet. Wide Data ist der Ansatz Daten aus verschiedenen Datenquellen als Gesamtheit zu betrachten.
Die lexikalische Suche in Form einer Enterprise Search-Lösung bindet dabei die Datenquellen über Konnektoren innerhalb des Unternehmens an. Suchen basieren dabei auf einzelnen oder mehreren Begriffen, die in den Suchtreffern vorkommen. Semantische Suche (also eine Suche anhand von begrifflichen Bedeutungen) ist ein anderer Ansatz zur Recherche in unbekannten Daten. Der Suchbegriff wird in Bedeutungszusammenhang zu Dokumenten und Daten gebracht und muss nicht mehr zwangsläufig darin vorkommen. Basis dafür ist ein mit künstlicher Intelligenz trainiertes Modell, welches Begriffe automatisch in Konzepte einordnet. Je nach Umfang des Trainings, der verwendeten Daten oder Fachbegriffe innerhalb einer Organisation ist die Qualität der Suchtreffer unterschiedlich. Anders als bei den Suchmaschinen im Internet ist das Training bei einer intelligenten Enterprise Search oder SMART SEARCH jederzeit transparent und anpassbar. Modelle müssen dabei nicht zwangsläufig aus Unternehmensdaten trainiert werden, sondern können auch Enzyklopädien wie bspw. Wikipedia oder andere freie Datenbestände nutzen. Darauf aufbauend lassen sich anschließend schrittweise die eigenen Daten in das Modell übernehmen. Auf diesem Weg gelangen Fachbegriffe und unternehmenstypische Termini in das Training und verbessern die Suche. Es ist daher nicht entscheidend, ob die Daten big, small oder wide sind. Entscheidend ist es, wie gut die Daten aufbereitet werden, welchen Informationsgehalt sie haben und wie gut sie in die Suche integriert werden können.
Dynamische Verfahren für bessere Ergebnisse
Ein weiterer Vorteil dieser neuartigen Suchen auf KI Basis sind deren dynamische Verfahren, die jetzt komplette Dokumente während des Recherchevorgangs mit dem KI Modell verarbeiten können. Bisher mussten Dokumente vor der Suche mehr oder weniger aufwendig kategorisiert oder klassifiziert und innerhalb des Indexes aufbereitet werden. Diese statischen Verfahren hatten sichtliche Limitierungen, die mit dem Aufkommen neuronaler Technologien und semantischer Suchansätze in eine neue Richtung verschoben wurden. Jedes Dokument erhält bei diesen neueren Suchmaschinen auf KI Basis eine Art semantischen Fingerabdruck, der dieses nicht nur einzigartig, sondern auch vergleichbar zu anderen macht. Innerhalb des trainierten Modells hat somit jedes Dokument und jeder Datensatz eine eigene Einordnung, die nicht vorab kategorisiert oder katalogisiert werden muss. Komplexe Synonymlisten oder Thesauri entfallen, da das Dokument begriffsunabhängig Teil des Modells ist.
Der Mensch als intelligenterer Faktor
Die intelligente Suche ermöglicht uns zwar eine viel themenorientiertere Recherche und rückt auch die Intention des Suchenden stärker in den Vordergrund („Was meine ich mit meinem Suchbegriff?“), aber letztlich bedarf es doch immer noch einer abschließenden Wahl eines vorgeschlagenen Treffers. Diese Evaluierung und Interaktion mit der künstlichen Intelligenz – einerseits um immer weiter zu lernen und anderseits um zu bewerten – kann kein Computer dem Menschen abnehmen. Für die künstliche Intelligenz bleiben die Daten immer Daten, ob sie in irgendeiner Art in Zusammenhang stehen oder nicht, ist für sie nicht relevant. Erst der Mensch wandelt für sich die enthaltenen Informationen in Wissen, da er dieses wiederum selbst in Beziehung setzt. Die intelligente Verarbeitung von Daten (sog. Intelligent Document Processing) bereitet zwar die strukturierten und unstrukturierten Daten innerhalb eines Unternehmens immer raffinierter auf, aber letztlich ersetzt sie die menschliche Bewertung nicht.
Die Etablierung von Systemen auf Basis künstlicher Intelligenz steht bei vielen Unternehmen mittlerweile hoch im Kurs. In Kundengesprächen evaluieren wir dabei immer folgende Fragestellungen:
- Welche Herausforderung soll die künstliche Intelligenz lösen?
- Recherchieren Sie anhand von Suchbegriffen oder Suchkonzepten?
- Benötigen Sie Zusammenhänge zwischen Ihren Informationen?
Eine visuelle Suche mit künstlicher Intelligenz
Suchen funktionieren bisher hauptsächlich nach einem Listenprinzip. Die Suchmaschine – ob intelligent oder nicht – gibt in der Regel eine Liste an relevanten Treffern zurück, die der Suchende durch Aufrufen des Treffers, Filterung oder Neueingabe entsprechend bewertet. Jeder einzelne Listeneintrag steht dabei häufig für sich allein und hat keine Beziehung zu den anderen Dokumenten.
Ein anderer Ansatz ist hier die zusätzliche graphische Aufbereitung von Treffern, die interaktiv in einer Karte angezeigt wird. Hier lassen sich Cluster, Themengebiete und benachbarte Begriffe zweidimensional abbilden. Auf diesem Weg erhält der Mensch einen besseren Überblick, in welchem Kontext Suchtreffer stehen. Gerade bei explorativen Recherchen in unbekannten Datenstrukturen oder ungenauen Suchbegriffen erweist sich dieser Ansatz als zielführend. Zusammen mit der semantischen Suche kann man sich schrittweise an ein Suchthema herantasten und relevante Dokumente erforschen. Dabei ist es egal, ob der Begriff in dem gefundenen Dokument vorkommt, oder nur als Synonym anders benannt oder sogar umschrieben wurde. Durch die graphische Einordnung in ein Kategorie-Umfeld mit weiteren in Beziehung stehenden Dokumenten kann der Mensch eher erfassen, ob die Treffer für sein Suchanliegen relevant sind.
