Die INTERGATOR SMART SEARCH ist eine neuartige Enterprise Search auf Basis künstlicher Intelligenz. Anders als eine konventionelle Unternehmenssuche bietet die INTERGATOR SMART SEARCH einen breiteren Blick auf die im Unternehmen verstreut liegenden strukturierten und unstrukturierten Daten. Eine explorative Suche mit einer bislang einmaligen grafischen Oberflächenkomponente – der sogenannten Kontext-Map – visualisiert thematisch-gruppierte Suchtreffer und zeigt so Zusammenhänge zwischen Begriffen und Daten auf. Dokumente und Daten werden in der SMART SEARCH nicht nur in einem Index strukturiert aufbereitet, sondern über Machine Learning mit neuronalen Netzen analysiert und die erkannten Eigenschaften in ein Modell übertragen. Auf diesem Weg lassen sich ähnliche Begriffe und Suchtreffer besser auffinden und semantisch-assoziativ in Zusammenhang bringen.

SMART SEARCH, Insight Engine und Cognitive Search

Auch wenn Suchtechnologien immer ausgeklügelter werden und immer mehr Systeme an eine Suche angeknüpft werden können, stehen Nutzer trotzdem häufig vor dem Dilemma, nicht zu wissen, wie man eine konkrete Abfrage so formuliert, dass ein zufriedenstellendes Resultat ausgegeben wird. Unklare Suchbegriffe, Mehrdeutigkeiten oder eine generelle Unkenntnis über den verfügbaren Datenbestand erschweren eine effiziente Recherche. Dabei konnten bisher Daten und Dokumente entweder durch die in ihnen enthaltenen Begriffe oder mit Unterstützung aufwendig gepflegter Thesauri oder Synonym-Wörterbücher gefunden werden.

Es gibt verschiedene Konzepte, Suche mit künstlicher Intelligenz zu verbessern. Was als Insight Engine oder Cognitive Search beschrieben wird, nutzt zwar ebenfalls KI-Methoden, allerdings geht die Umsetzung bei der INTERGATOR SMART SEARCH noch einen Schritt weiter.

Die INTERGATOR SMART SEARCH bietet darüber hinaus eine native Kontext-sensitive Suche. Die Suchbegriffe müssen dabei nicht mehr zwangsläufig in den zu durchsuchenden Texten enthalten sein. Die Innovation der INTERGATOR SMART SEARCH liegt in der Kombination der Stichwort-basierten Suche mit einer Modell-basierten, semantisch-assoziativen Suche.

Stichwort-basierte und intelligente Suche vereint

Dieser neue Ansatz bietet entscheidende Vorteile, da dem Nutzer neben Suchtreffern, die den Begriff enthalten auch thematisch relevante Treffer ohne direkten Bezug auf die Begriffe in der Suchabfrage angezeigt werden. Die Besonderheit bei INTERGATOR liegt darin, dass die Modell-basierte, Kontext-sensitive Suche in einer Abfrage mit Stichwörtern, Wildcards und Metadaten-Filtern (sogenannten Facetten) kombiniert werden kann – bei Bedarf auch mit Booleschen Operatoren und klassischer Abfrage-Syntax.

Voraussetzung dafür ist ein aus dem Datenbestand durch Machine Learning trainiertes Modell, welches zu jedem Dokument eine mathematische Repräsentation beinhaltet. Die SMART SEARCH vergleicht Begriffe und Inhalte auf der Basis dieses Modells und wertet so die Relation der Inhalte zueinander und zu den Suchbegriffen aus. Bisherige Such-Lösungen erweiterten lediglich die Suchabfrage um zusätzliche Begriffe.

Besonders deutlich wird dieses Konzept bei mehrdeutigen Begriffen wie bspw. dem Wort „Bank“. Eine Bank kann eine Sitzgelegenheit, ein Finanzinstitut, eine Speichereinheit oder Teil eines Verbrennungsmotors (Zylinderbank) sein. Dem Technik-affinen Nutzer mögen diese Unterschiede verständlich sein, bisherige lexikalische Suchen liefern jedoch stoisch Resultate ohne den Kontext zu verstehen. Hier kommt der Ansatz des Natural Language Processings (NLP) zum Tragen, bei dem menschliche Sprache analysiert, vom Sinn her interpretiert und der Zusammenhang erkannt wird. Mit Hilfe von Machine Learning lassen sich Modelle trainieren, die wesentliche Informationen aus Daten und Dokumenten extrahieren und den Informationsbestand in seiner Gesamtheit betrachten. Kommen in einem Dokument bspw. Begriffe wie Geld, Kredit oder Zinsen vor, verortet das Modell dieses eher in Richtung Finanzen, als z. B. in den Themenkomplex Möbel. Durch diese Technologie lassen sich Informationen in Wissen transformieren.

Query-by-Example und Sprachunabhängigkeit

Die INTERGATOR SMART SEARCH sucht semantisch-assoziativ, cross-lingual, natürlich-sprachig und kann anhand von Beispiel-Dokumenten oder Bildern andere Dokumente finden. Letzteres, auch als Query-by-Example (QBE) bekannt, erweitert die Suche von einzelnen Begriffen hin zu kompletten Textabsätzen oder ganzen Dokumenten. Die Suche mit solchen Abfrage-Texte basiert nicht auf den in den Texten enthaltenen Begriffen, sondern wird ebenfalls durch eine mathematische Repräsentation des Text-Inhalts ausgeführt.

Das Trainieren eines Modells mit Hilfe neuronaler Netze hält noch einen weiteren Vorteil bereit. Die INTERGATOR SMART SEARCH sucht sprachunabhängig in Dokumenten und Daten und überträgt die Abfrage einfach in einen anderen Sprachraum. Auf diese Weise werden fremdsprachige Texte ebenso Teil der Trefferliste, ohne dass eine vorherige Übersetzung der Inhalte nötig ist.

Mit der INTERGATOR SMART SEARCH erhalten Sie eine umfassende Lösung für ein zeitgemäßes Informations- und Wissensmanagement. Die SMART SEARCH macht das in den digitalen Inhalten dokumentierte Wissen schneller und vollständiger zugreifbar.

Ihre Anfrage zur INTERGATOR SMART SEARCH