Mit Insight Engines zum Intelligent Business

Ein Artikel von Gerald Martinetz von Mindbreeze | 01.07.2022 - 06:53

Welcher Bedarf existiert aktuell und in welchen Segmenten? Welche Trends zeichnen sich ab? Wie positionieren sich Mitbewerber und welche Lücken lassen sie unbesetzt? Die Beantwortung dieser und weiterer Fragen sind essenziell, um das eigene Geschäftsmodell stets an die Marktanforderungen anpassen zu können und neue Geschäftsfelder zu erschließen. Entscheider benötigen somit nicht nur das Wissen über ihr eigenes Unternehmen (Business Intelligence), sondern auch detaillierte Informationen über das, was außerhalb ihres Unternehmens passiert (Competitive Intelligence).

Externe Informationsquellen wie das Internet bieten Unternehmen Unmengen an unstrukturierten Daten über (potenzielle) Kunden, Partner, Mitbewerber und Märkte für Analysen im Rahmen des Competitive Intelligence. Interne, meist strukturiert vorliegende Daten, wiederum bilden die Basis für klassisches Business Intelligence.

Die Herausforderung ist, beide Ansätze zusammenzuführen und eine Art „Intelligent Business“ zu entwickeln. Moderne Technologien aus dem Bereich Wissensmanagement bieten heute bereits die Möglichkeit, interne und externe Datenquellen zu verknüpfen und mithilfe von künstlicher Intelligenz (KI) wie etwa Deep und Machine Learning zu analysieren und abzugleichen. 

Connecting the Dots: Informationen intelligent verknüpfen

view-1782619_1920.jpg

© Gerd Altmann @Pixabay

Um Daten qualitativ aufzubereiten und bereitzustellen, kommen Wissensmanagementlösungen bereits seit mehreren Jahren in zahlreichen Branchen zum Einsatz. Diese Technologie hat in den letzten Jahren eine enorme Weiterentwicklung erlebt. Das Analystenhaus Gartner verwendet dafür den Begriff „Insight Engines“. Insight Engines kombinieren Suchtechnologien mit KI-Methoden sowie Techniken der natürlichen Spracherkennung, um vorhandene Daten zu analysieren, zu verstehen und miteinander zu verknüpfen. Sie gewähren den Mitarbeitern dadurch eine konsolidierte Darstellung über alle relevanten Daten.

Ein großer Vorteil von Insight Engines besteht darin, dass eine Neuorganisation der vorhandenen Daten nicht notwendig ist. Sie bleiben in den bestehenden Anwendungen, denn die Anbindung erfolgt über sogenannte Konnektoren. Das Resultat: die sensiblen Informationen aus dem Finanz- und Versicherungsbereich werden stets vertraulich behandelt.

Kommt es zu einer Abfrage, durchsucht die Insight Engine den erstellten Index – und damit sämtliche vorab angebundenen Datenquellen – und extrahiert genau jene Information, die der Anwender benötigt. Auf diese Weise lassen sich etwa die Kenntnisse aus einer Markt- oder Wettbewerbsanalyse in wenigen Sekunden, kombiniert mit den Ergebnissen von Business Intelligence-Lösungen und beispielsweise in einem vordefinierten Dashboard, in einer 360-Grad-Sicht darstellen. Unternehmensentscheider können daraus wertvolle Erkenntnisse zur Marktentwicklung und der Positionierung des eigenen Unternehmens ableiten und darauf aufbauend strategische Entscheidungen treffen.

Anfragen verstehen – Ergebnisse personalisieren

Zum Einsatz kommen dabei unter anderem Methoden der natürlichen Sprachverarbeitung, vor allem Natural Language Understanding (NLU) und Natural Language Processing (NLP). Während mit NLP die menschliche Sprache erfasst wird, kümmert sich NLU um die linguistische Interpretation.

NLU geht damit über das Verstehen von Wörtern hinaus und beschäftigt sich mit der Interpretation der konkreten Bedeutung einer Frage oder einer Aussage. Anwender sind damit in der Lage, trotz der üblichen menschlichen Fehler (wie etwa Tippfehler), konkrete Antworten auf Fragen wie „Was wissen wir über einen Konkurrenten?“ zu erhalten.

Wesentlich ist in diesem Zusammenhang die Personalisierung der Informationen. Hier kommt das sogenannte „Behavioural Model for Information Retrieval-System Design“ ins Spiel. Mittels komplexer Methoden des Machine und Deep Learning lassen sich die Intentionen hinter den Suchabfragen ermitteln und interpretieren. Erst so wird eine entsprechende Suche angestoßen. Faktoren wie etwa die Rolle oder Position des Anwenders, das spezifische Suchverhalten oder dessen vergangenen Interaktionen mit den Informationen werden dabei berücksichtigt.

Mittels bereits vom Hersteller vorgefertigter Suchanwendungen (Insight Applications) für die verschiedensten Use Cases und Unternehmensbereiche, lassen sich die Suchergebnisse nutzer- und kontextspezifisch personalisieren. Abgestimmt auf den konkreten Anwendungsfall verfügen Insight Applications zusätzlich über die entsprechende Darstellungsweise, Zugriffsberechtigungen, Filter, Anordnung und Visualisierung der Ergebnisse. Auf diese Weise schaffen sie die Basis für vielfältige Anwendungsfelder im Finanz- und Versicherungswesen – beispielsweise im Kundenservice, bei der Betrugsprävention oder im Risikomanagement.