Schwerpunkte

Mit künstlicher Intelligenz

Wie Insight-Engines den Datendschungel sortieren

29. März 2018, 11:00 Uhr   |  Karin Zühlke

Wie Insight-Engines den Datendschungel sortieren
© Mindbreeze

Daniel Fallmann, Mindbreeze: »Eine Insight-Engine beschäftigt sich damit, wie Informationen bestmöglich gefunden und genutzt werden können. Suchanfragen sollten in natürlicher Sprache formuliert abgesetzt werden können.«

Insight-Engines nutzen Teilbereiche der künstlichen Intelligenz, um das bestehende Unternehmenswissen zu erfassen und Zusammenhänge zwischen einzelnen Daten aufzuzeigen. Dazu Daniel Fallmann, Geschäftsführer und Gründer von Mindbreeze.

Markt&Technik: Unternehmen besitzen riesige Mengen an Informationen, die oft verteilt in unterschiedlichen Anwendungen und Datenquellen abgelegt werden. Das erschwert die Bereitstellung von benötigten Daten und die Recherche zu bestimmten Themen enorm. Wie lässt sich mithilfe von künstlicher Intelligenz ein echter Mehrwert für Unternehmen generieren?

Daniel Fallmann: Die Einsatzgebiete von künstlicher Intelligenz für die Geschäftsprozesse nehmen stetig zu und eine Vielzahl an Unternehmensbereichen profitieren heute schon wesentlich von dieser Entwicklung wie etwa die automatische Zuteilung von Dokumenten wie E-Mails, Briefe und so weiter. Hier werden lernende Systeme eingesetzt, die den Inhalt der Dokumente analysieren, die Semantik verstehen und entsprechend zuteilt. Je länger das System im Einsatz ist, umso größer das Wissen, das bei der Zuordnung von neuen Dokumenten herangezogen werden kann. Den Mitarbeitern bleibt somit mehr Zeit für die wirklich schwierigen Fälle.

Was verstehen Sie in diesem Zusammenhang unter „Humanized Big Data“?

Bei „Humanized Big Data“ geht es darum, die Daten so hochwertig aufzubereiten, dass auch Nicht-Data Scientists klare Antworten aus den Big Data-Analysen ablesen und diese als Entscheidungsgrundlage nutzen können – Stichwort „actionable insights“ beziehungsweise „verwertbare Erkenntnisse“. Die dadurch entstehenden Einblicke dienen unter anderem dem Management als Entscheidungsgrundlage und ermöglichen das frühzeitige Erkennen von Trends und Chancen für das Unternehmen. Das verlangt einen zunehmend höheren qualitativen als quantitativen Ansatz und einen hohen Grad der semantischen Verknüpfung und Visualisierung der Daten. Nur so kann auf etwaige Änderungen und Trends rechtzeitig reagiert werden und die Festigung der Marktstellung gewährleistet werden.

Welche Möglichkeiten bietet die sogenannte 360-Grad-Sicht auf Daten?

Durch die 360-Grad-Sicht erhält der Benutzer im jeweiligen Kontext seiner Tätigkeit alle relevanten Informationen zu einem relevanten Thema oder dem sogenannten „Digital Twin“. Das kann beispielsweise eine Sicht auf ein Produkt, ein Bauteil, eine Produktionshalle, einen Lieferanten oder auch einen Kunden sein. Dabei werden alle angebundenen Datenquellen aus dem Unternehmen miteinbezogen und das Ergebnis entsprechend der Zugriffsrechte angezeigt. So lässt sich das vorhandene Unternehmenswissen optimal nutzen. Und oft sieht das System Zusammenhänge, die der Mensch auf den ersten Blick gar nicht erkannt hätte, die aber eine wichtige Entscheidungsgrund­lage bieten.

Bild: Mindbreeze
© Bild: Mindbreeze

Die Einsatzgebiete von künstlicher Intelligenz für die Geschäftsprozesse nehmen stetig zu und eine Vielzahl an Unternehmensbereichen profitieren heute schon wesentlich von dieser Entwicklung. Hier werden lernende Systeme eingesetzt, die den Inhalt der Dokumente analysieren, die Semantik verstehen und entsprechend zuteilen.

Welche Rolle spielen Insight-Engines bei der Bewältigung der digitalen Datenflut?

Eine Insight-Engine beschäftigt sich wie Enterprise-Search damit, wie Informationen bestmöglich gefunden und genutzt werden können. Sie muss vier wesentliche Eigenschaften erfüllen. Erstens sollten Suchanfragen in natürlicher Sprache formuliert abgesetzt werden können. Die Insight-Engine interpretiert die Anfrage und liefert entsprechende Suchergebnisse zurück. Zweitens ist eine umfassende Daten­basis zwingend. Das bedeutet, dass alle relevanten Datenquellen über Konnektoren angebunden werden müssen. Drittens spielen bei der Aufbereitung der Ergebnisse Relevanz und Kontextbezug eine wichtige Rolle. Insight-Engines liefern auf Suchanfragen zusätzliche Informationen zurück, die nicht explizit gesucht wurden, aber aufgrund einer autonomen Analyse im Kontext relevant sind. Viertens muss der Nutzen im Vordergrund stehen. Insight-Engines schaffen reale Wettbewerbsvorteile und können für sämtliche Unternehmensbereiche zum Innovationsmotor werden.

… und wie lassen sie sich ganz konkret für Geschäftsprozesse nutzbar machen?

Mit Daten alleine können noch keine Abläufe oder Prozesse optimiert werden. Erst wenn diese entsprechend aufbereitet, analysiert, interpretiert und ihre semantischen Zusammenhänge und Abhängigkeiten richtig erkannt werden, verhelfen sie zur Optimierung gesamter Unternehmensvorgänge.

Die Optimierung ist dabei oft aber nur der erste Zwischenschritt auf dem Weg zu einer sogenannten Business-Process-Transformation, also dem „Neudenken“ der Geschäftsprozesse im Rahmen der neuen Möglichkeiten.

Eine äußerst zukunftsweisende Methode, wie sich Geschäftsprozesse strategisch transformieren lassen, ist jener via „Digital Twins“. Damit ist ein virtuelles Abbild gemeint, also das Spiegeln physischer Produkte, Systeme, aber auch Prozesse als Software-Repräsentation auf der digitalen Ebene. Auf diese Weise lassen sich neue Geschäftsabläufe simulieren und permanent an die sich verändernden Rahmenbedingungen anpassen.

Wie lassen sich Insight-Engines zu Predictive-Maintenance-Zwecken einsetzen?

Produktionsmaschinen sind zunehmend untereinander vernetzt und senden regelmäßig Informationen über ihren aktuellen Zustand. Mit Predictive Maintenance können Verfahrens- und Produktionsdaten von Maschinen und Anlagen erfasst, analysiert und Abweichungen aufgezeigt werden. Spezielle Systeme können nun auf Basis dieser gesammelten Daten Wartungsintervalle oder den idealen Zeitpunkt zum Tausch von Komponenten errechnen.

Zusätzlich erhält das Wartungsteam durch den Einsatz von Insight-Engines einen umfassenden Überblick über alle verbauten Teile in der Maschine sowie auch weiterführende Informationen über die einzelnen Bau- und Verschleißteile aus anderen Datenquellen wie beispielsweise einer Lieferantendatenbank.

Und wie kann man Insight-Engines zu „fertigen“ Predictive-Maintenance-Lösungen abgrenzen?

Eine Insight-Engine ist das Werkzeug, um im Bereich Predictive Maintenance die produzierten Daten adäquat verarbeiten zu können. Nur wenn die gewünschten Daten ordentlich aufbereitet werden, kann auf einen Ausfall oder etwaige Störungen vorzeitig reagiert werden.

Bei Predictive-Maintenance-Lösungen geht es grundsätzlich um die Überwachung von Maschinen etwa via Sensoren, die bei jeglichen Abweichungen warnen. Im Gegensatz dazu geht es bei Insight-Engines darum, die Daten zu sammeln, zu analysieren, aufbereitet bereitzustellen und mit weiteren Informationen anzureichern. Konkret bedeutet das, dass Anwender mit Hilfe einer Insight-Engine jegliche Informationen, die es zu einem bestimmten Bauteil gibt, mit nur einer Suchabfrage finden können.

Welche Hardware- bzw. System-Voraussetzungen benötigen Insight-Engines? 

Unsere Kunden wollen Services „konsumieren“, die ihnen helfen, ihre Ziele zu erreichen. Dies gilt natürlich auch bei der Nutzung einer Insight-Engine, die wir sowohl als Appliance für den Betrieb im Rechenzentrum des Kunden anbieten, also einer Kombination aus Sever und Software, als auch als SaaS-Service (Anm. d. Redaktion: SaaS = Software as a Service) oder als Cloud-Service. Hier haben Anwender bei uns die freie Wahl. 

Die Ein- und Anbindung an die Kundeninfrastruktur erfolgt auf Basis offener Standards und vielfach erprobter Best Practices.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

Mindbreeze GmbH