15.01.2019 | Blog Cognitive Search

In den Medien und auch auf der IntraFind-Webseite ist oftmals von „Cognitive Search als der nächsten Generation von Enterprise Search“ die Rede. Der Begriff "Cognitive Search" stammt von den Analysten von Forrester und bezeichnet Enterprise Search-Anwendungen, die auf Artificial Intelligence basieren und damit ganz neue Anwendungsszenarien jenseits der klassischen Volltextsuche ermöglichen.  

In diesem Zusammenhang fallen auch oft Begriffe wie Natural Language Processing (NLP), Cognitive Recommendation, Knowledge Graph oder Graphdatenbanken. Doch welchen Nutzwert bedeutet das konkret für den Anwender? Um die Kunden vom Produkt zu überzeugen, muss ich als Vertriebler harte Fakten und gute Argumente liefern. Glücklicherweise bin ich selbst Anwender, denn ich verkaufe den iFinder nicht nur, ich nutze ihn auch. Anhand folgender Szenarien möchte ich erklären, wie der iFinder als Cognitive Search-Anwendung meinen Arbeitsalltag bereichert:

Eine Suchmaschine, die mich informiert und führt

Wenn ich über den iFinder nach einer bestimmten Präsentation oder einem Angebot suche, werden mir sämtliche Ergebnisse unter Angabe der Datenquellen aufgelistet. Oftmals interessiert mich an dem Dokument aber nur ein kleiner Teil, wie zum Beispiel ein bestimmtes Schaubild oder eine Grafik, die ich für die nächste Präsentation wiederverwenden möchte. Um diese Grafik zu finden, brauche ich aber nicht erst mühsam durch die Trefferliste zu scrollen und jede Datei einzeln öffnen. Über die Preview erkenne ich meist schon auf den ersten Blick, in welcher Power Point-Präsentation das gewünschte Bild enthalten ist. Das Dokument kann ich dann direkt aus der Trefferliste heraus öffnen und das Bild in meine neue Präsentation kopieren.

Der iFinder ist aber auch in der Lage, mich proaktiv zu informieren, zum Beispiel wenn ein Kollege ein neues Dokument erstellt und gespeichert hat und es vom iFinder neu indexiert wurde. Die Filtervorschläge führen mich außerdem bei meiner Suche und zeigen mir weitere Begriffe an, auf die ich meine Suche eingrenzen kann.

Eine Suchmaschine, die mir Beziehungen aufzeigt

Der iFinder kann aber weitaus mehr, als nur eine bloße Trefferliste ausliefern. Als Cognitive Search-Anwendung ist er in der Lage, Informationen aus strukturierten und unstrukturierten Datenbeständen sinnvoll miteinander zu verknüpfen und miteinander in Beziehung zu setzen. Gebe ich beispielsweise in das Suchfeld den Namen eines bestimmten Kunden ein, erhalte ich sämtliche relevanten Informationen auf einem Blick: Das hinterlegte Angebot, die wichtigsten E-Mails, sämtliche Präsentationen, die wir beim Kunden gehalten haben und natürlich auch die Adresse und die Kontaktdaten meines Ansprechpartners. Darüber hinaus werden mir auch die nächsten Termine angezeigt, die ich mit diesem Kunden vereinbart habe. Der iFinder bietet mir das perfekte Rüstzeug für die Vorbereitung auf den nächsten Kundentermin – als Point of Knowledge, der Daten aus unterschiedlichsten Datensilos in Kontext bringt und zusammenführt.

Der sogenannte Knowledge Graph macht es möglich, dass ich all diese Informationen zu sehen bekomme. Ein Knowledge Graph – also zum Beispiel als Infobox neben der Trefferliste, wie man es von Websuchen her kennt – kombiniert diese heterogenen Informationen und macht sie einfacher nuztbar. Eine andere Darstellungsmöglichkeit ist zum Beispiel die Zusammenführung dieser Information in Dashboards oder gar in spezifischen Informations-Cockpits.

Eine Suchmaschine, die weiß, was mir wichtig ist

Um dem Kunden ein Angebot machen zu können, muss ich seine Anforderungen kennen und sie mit unserem Produkt abgleichen. Dafür muss ich wissen, welche Funktionen die aktuellen Releases bereits unterstützen. Wenn ich im iFinder danach suche, interessieren mich aber weniger die noch offenen Tickets aus dem Entwicklungsteam, sondern Release Notes, die technische Dokumentation oder auch Datenblätter, die ich dem Kunden schicken kann. Die Suchmaschine weiß in dem Fall, was mir wichtig ist und platziert die Treffer, die für mich relevant sind, ganz weit oben in der Trefferliste. Über Suchprofile lässt sich einstellen, welchen Datenquellen oder Dateiformaten (PDF, Powerpoint) eine höhere Relevanz eingeräumt werden sollen und welche für mich weniger wichtig sind (zum Beispiel Tickets aus Jira). Auch E-Mails, die zwischen mir und einem Entwickler über dieses Thema verfasst worden sind, lassen sich auf diese Weise nach oben boosten.

Der iFinder liefert mir also eine maßgeschneiderte Trefferliste, die genau auf meine Bedürfnisse hin abgestimmt ist. Die Treffer können auch danach ausgerichtet werden, wie oft meine anderen Vertriebskollegen auf ein bestimmtes Dokument geklickt haben – nach dem Schema: Was für meine Kollegen wichtig war, könnte auch für mich relevant sein. Dies erfolgt auf Basis von Machine Learning-Verfahren und man nennt das „nutzungsbasierte Relevanz“ oder „Cognitive Recommendation“.

Eine Suchmaschine, die meine Sprache versteht

Ob Siri, Alexa und Co. – von digitalen Assistenten ist man es gewohnt, die Suchanfrage wie auch im Alltag in Fragesätzen zu stellen. Was sich im Privatleben als äußerst praktisch erwiesen hat, hält nun ebenso im Büro Einzug, denn auch der iFinder versteht natürliche Sprache. Ich brauche nicht zwingend nach einem bestimmten Keyword zu suchen, sondern kann auch einfach eine Frage stellen. Das ist besonders dann von Vorteil, wenn ich zwar das Thema weiß, nachdem ich suche, ich es aber noch nicht so sehr eingrenzen kann. So kann ich den iFinder einfach fragen: „Welche Powerpoint Präsentationen zum Thema Contract Analyzer wurden von Franz Kögl zuletzt geändert?“ oder „Welche Angebote zum iFinder gibt es aus den vergangenen drei Monaten?“ Die natürlichsprachliche Suche ist auch für Kollegen aus anderen Abteilungen nützlich. Wenn sie über das Thema wenig Vorkenntnisse haben, können sie einfach intuitiv danach suchen und fragen ohne wissen zu müssen, wie der konkrete Suchbegriff oder Produktname heißt.

Fazit: Eine Suchmaschine, die mitdenkt

Die reine Volltextsuche hat ausgedient. Artificial Intelligence und Machine Learning-Verfahren erweitern die Unternehmenssuchmaschine um zahlreiche neue Anwendungsszenarien.

Ich als Anwender profitiere vor allem von der Bedienfreundlichkeit: Die intelligente Suchmaschine versteht meine Sprache, erweitert die Trefferliste um Informationen, an die ich bei der Suche zunächst gar nicht gedacht habe und richtet die Relevanz der Ergebnisse ganz nach meinen Bedürfnissen aus. Ich finde schneller das, was ich suche und spare mir damit enorm viel Zeit, sodass ich mich wieder intensiver meinen Kernaufgaben widmen kann.