Künstliche Intelligenz
Push für die Arbeitsqualität der Mitarbeiter
Fortsetzung des Artikels von Teil 1
Sich selbst optimierende Informationsbeschaffer
KI-gestützte Enterprise Search Engines sind sich selbst optimierende Informationsbeschaffer, die mithilfe von Ontologien, fachspezifischen Taxonomien und semantischer Analyse Inhalte strukturieren und zu nützlichen Informationen veredeln. Sie setzen dabei eine Kombination aus State-of-the-Art Technologien ein, um je nach Einsatzbereich den größtmöglichen Mehrwert im Unternehmen zu generieren. Metadaten wie Top-Schlagworte, Eigennamen von Personen, Unternehmensnamen und firmenspezifische Entitäten wie Produktnamen oder Abteilungsbezeichnungen werden aus den unstrukturierten Volltexten automatisch erstellt. Dabei kommt „Named-entity Recognition“ (NER) zum Einsatz, eine Technik, die Namen identifiziert und mithilfe allgemeiner und branchenspezifischer Taxonomien klassifiziert. Mithilfe von NER recherchieren Enterprise-Suchsysteme zum Beispiel, nach einer beliebigen Person in Wortnähe (kleiner Wortabstand oder gleicher Satz) von „gründen“ und „Ärzte ohne Grenzen“. Wird für diese Suchanfrage ein Dokument gefunden, so enthält das Highlighting Snippet mit hoher Wahrscheinlichkeit die Namen der Gründer des Vereins „Ärzte ohne Grenzen“.
Natural Language Processing (NLP), das echte Verstehen natürlicher Sprache, übernimmt bei der Analyse und Bewertung von Inhalten eine tragende Funktion. Software mit intelligenter Content-Analyse erkennt Prädikat-Argument-Strukturen, im Linguisten-Jargon Nominalphrasen und Verbalphrasen, und schlüsselt sie im weiteren Verlauf der Analyse detaillierter auf. Auf Wortebene sind gute Analyzer in der Lage zu erkennen, dass es sich zum Beispiel bei „löst“ und „gelöst“ um grammatische Varianten des Wortes „lösen“ handelt, die die gleiche Grundbedeutung transportieren. Die Resultate der linguistischen Analyse werden danach durch den Rückgriff auf integrierte Wissensdatenbanken in den jeweils relevanten Kontext gesetzt. Die im Online-Support beliebten und bereits vielfach eingesetzten Chatbots, die in schriftlicher und mündlicher Sprache kommunizieren, funktionieren nach dieser Methodik.
KI-Lösungen sind smarte Experten für spezielle Wissensdomänen
Eine der leistungsstärksten Komponenten der inhaltlichen Analyse, mit denen auch smarte Enterprise-Suchsysteme arbeiten, sind Künstliche Intelligenz und im speziellen Machine-Learning-Verfahren, die die Funktionsweise des menschlichen Gehirns nachbilden. Wie die Synapsen des Gehirns leiten die digitalen Synapsen der neuronalen Netze Datenimpulse, also Informationssplitter, gewichtet weiter und können die Gewichtung selbst verändern, sodass am Ende optimal nutzbarer Output entsteht. Auf neuronalen Netzen basierende KI-Lösungen müssen deshalb trainiert werden, um optimale Ergebnisse zu erzielen. Dann entstehen zum Beispiel juristische, medizinische und Help-Desk-Expertensysteme, die menschlichen Mitarbeitern wertvolle Hilfestellung leisten. KI-Lösungen sind auf bestimmte Wissensdomänen spezialisiert und kommen dort sehr schnell, viel schneller als der Mensch, zu nützlichen Ergebnissen. Die menschliche Universalintelligenz und Kreativität abbilden können sie jedoch nicht.
Fazit: Mit KI und Analysefähigkeiten ausgestattete Suchsysteme werten Hunderte von Millionen unstrukturierter Dokumente in sehr kurzer Zeit aus. Sie kombinieren State-of-the-Art Technologien und dienen nur einem Ziel: Den Mitarbeiter mit relevanten Informationen zu versorgen, die ihn bei seiner Arbeit optimal unterstützen.
KI augmentiert die Fähigkeiten der Mitarbeiter, entlastet und leistet damit einen wertvollen Beitrag zur Prozessoptimierung. Unterm Strich sinken Kosten, Arbeitsaufwände und Fehlerquoten, es steigen die Effizienz, Qualität und Produktivität. Zielführend eingesetzt führen mit KI und Analysetools ausgestattete smarte Suchsysteme zu zufriedeneren Mitarbeitern und glücklicheren Kunden.
- Push für die Arbeitsqualität der Mitarbeiter
- Sich selbst optimierende Informationsbeschaffer
Lesen Sie mehr zum Thema
