Eine Insight Engine basiert zwar vorrangig auf bekannten Suchtechnologien, ist aber weitaus leistungsfähiger als eine klassische Suchmaschine. Der Unterschied liegt im Einsatz von angewandter Künstlicher Intelligenz wie Deep Learning, Machine Learning, Natural Language Processing (NLP) oder Natural Language Question Answering (NLQA).
Um relevante Informationen zu extrahieren und das Unternehmenswissen zu bündeln, nutzen Insight Engines Machine und Deep Learning. Sie befähigen eine Insight Engine „zu lernen“. Durch die Analyse des Benutzerverhaltens kategorisiert die Insight Engine Informationen nach ihrer Relevanz, um jedem Anwender ein intelligentes und personalisiertes Gesamtbild zur Verfügung stellen zu können. Sucht ein Anwender häufig nach Zertifikaten von Bauteilen oder Prüfungsunterlagen, dann lernt die Insight Engine, dass diese Informationen für den Benutzer von höher Relevanz sind als beispielsweise Rechnungen. Entsprechend dieser Erfahrungen werden die Suchergebnisse gereiht und mit entsprechenden Zusatzinformationen angereichert. Dank NLP (Natural Language Processing) und NLQA (Natural Language Question Answering) ist es möglich, Suchanfragen intuitiv und in natürlicher Sprache abzugeben. Sowohl strukturierte Metadaten als auch unstrukturierte Textinhalte können damit korrekt verstanden und analysiert werden.
Mittels NLP wird die menschliche Sprache korrekt aufgefasst, interpretiert und gegebenenfalls übersetzt. Im Gegensatz dazu sorgt NLQA dafür, dass das konkrete Anliegen des Benutzers korrekt identifiziert wird. Durch die linguistische Interpretation der An-fragen können diese Technologien heute bereits ausgezeichnet auf Fragen mit „wo“, „wer“, „warum“, „wann“ reagieren. Die Anzeige der vorhandenen Daten wird automatisiert anhand individueller Zugriffsrechte eingeschränkt. Die erteilten Rechte werden bei jeder Recherche durch den Nutzer direkt an der Datenquelle abgefragt und je nach Rolle, Position oder Abteilung werden die Inhalte und die Darstellung im Dashboard angepasst. Ein Mitarbeiter im Einkauf erhält beispielsweise Daten über Lieferanten und Angebote, während dem Anwender aus dem Accounting eine Übersicht über offene Bestellungen oder Rechnungen, Mahnungen oder Saldenlisten zur Verfügung steht.
Weitere Anwendungsmöglichkeiten
Intelligente Systeme wie Insight Engines werden auch für die automatisierte Klassifizierung von Dokumenten eingesetzt. Aufgrund der Vielzahl von Kommunikationskanälen wird es hier für Mitarbeiter besonders in Unternehmen mit großer Poststelle immer zeitintensiver, die Eingangspost an die entsprechenden Fachkräfte oder Abteilungen weiterzuleiten. Insight Engines unterstützen die Poststelle: Sie klassifizieren automatisch die Eingangsstücke und leiten diese weiter. Dafür werden die eingegangenen Poststücke gescannt, um vorgegebene Muster und Informationen zu extrahieren, zu analysieren und mit bereits bestehenden Dokumenten abzugleichen, um das Stück anschließend an die entsprechende Fachabteilung weiterzuleiten.
Basierend auf der Tatsache, dass Insight Engines lernen, verbessert sich ihre Performance, je länger sie im Einsatz sind. Sie nutzen das vorhandene Wissen und die Erfahrungswerte, um Dokumente richtig zu kategorisieren und entsprechend zuzuordnen. Wurde ein Dokument falsch zugeteilt, kann der Anwender dies manuell korrigieren. Das vom Benutzer klassifizierte Dokument dient nun als neue Vorlage für ähnliche weitere Dokumente. Predictive Maintenance mittels intelligenter Datenanalyse nimmt eine immer bedeutendere Rolle ein und wird zunehmend zu einem relevanten Wettbewerbstreiber der Industrie. Durch die stetige Analyse und umfassende Vernetzung der kontinuierlich anfallenden Daten mit intelligenten Technologien wie Insight Engines ist es möglich, einen Mehrwert aus dem Unternehmenswissen zu ziehen und damit notwendige Wettbewerbsvorteile zu generieren.
Ulrike Kogler, Trendscout und Wissensmanager bei Mindbreeze