Image
Suchfeld

05.04.2017 | Blog Besseres User Erlebnis für Enterprise Search-Anwendungen

Der Knowledge Graph ist vielen Nutzern bereits durch Google oder Facebook bekannt. Aber auch Enterprise Search Anwendungen können davon profitieren.
Wie die Semantische Suche vom Knowledge Graph profitiert

Vom Knowledge Graph hat wohl jeder von uns schon einmal bewusst oder unbewusst profitiert: Gibt man bei Google zum Beispiel den Suchbegriff „München“ ein, erscheint in der Trefferliste nicht nur eine Aufzählung von Webseiten mit dem entsprechenden Suchbegriff. Im oberen Bereich werden auch die aktuellsten Schlagzeilen angezeigt, in der rechten Spalte sieht der Nutzer auf einem Blick, welche Events oder Konzerte es demnächst in der Stadt geben wird und wie das Wetter dort gerade ist. Ein Textausschnitt aus Wikipedia liefert außerdem eine kurze Info über Einwohnerzahl und Fläche.

Den Knowledge Graph hat Google 2012 eingeführt. Durch ihn erhält der Nutzer seine Suchergebnisse zu einem bestimmten Thema grafisch aufbereitet und kompiliert. Inzwischen hat auch Facebook nachgezogen und bietet Mitgliedern die Suchergebnisse in ähnlicher Darstellungsform an.

Suche wird Informationslieferant

Viele Enterprise Suchmaschinen, so wie auch der iFinder5 elastic, bieten bereits die Semantische Suche als Erweiterung an. Dadurch hat der Nutzer die Möglichkeit, sich beispielsweise über eine Tag Cloud weitere Begriffe anzeigen zu lassen, die thematisch zu seiner Suchanfrage passen. Der Knowledge Graph als Teil der Semantischen Suche geht einen Schritt weiter und macht die Suche zum Informationslieferant. Die Suchmaschine soll nicht einfach nur die Dokumente, sondern Inhalte präsentieren. Der Knowledge Graph holt sich die Informationen aus verschiedenen Quellen. Er verknüpft strukturierte Informationen mit unstrukturierten Datenmengen. Dazu können Webseiten oder Social Media Portale gehören, aber auch andere Datenquellen, die an die Suchanwendung angebunden sind, wie ERP-Systeme oder E-Mailprogramme.

Daher ist der Knowledge Graph insbesondere für Enterprise Search Anwendungen interessant: Wissensarbeiter müssen schnell an Informationen gelangen, um die richtige Entscheidung für das Unternehmen zu treffen. Dafür sollten sie nicht erst die komplette Trefferliste nach dem gewünschten Ergebnis durchforsten müssen.

Interpretation der Suchanfrage

Die Suchmaschine soll wissen, was ich meine: Wenn ich nach „Mixer“ suche, meine ich entweder das Küchengerät oder die Studiotechnik. Der Mehrwert des Knowledge Graphs ist es, dass er im Context der Suchanfrage die Ergebnisse präsentiert, die zu dem Nutzer passen könnten. Der Knowledge Graph liefert nicht nur Antworten, sondern ist auch in der Lage zu interpretieren, was mit der Suchanfrage, der Query, gemeint ist. Die Semantische Suche über den Knowledge Graph liefert nicht nur weitere Objekte als Treffer, sie bietet auch eine Erweiterung durch Verwendung verwandter Konzepte an: Die Suchmaschine ist dadurch in der Lage, dem Benutzer Wahlmöglichkeiten und Alternativen vorzuschlagen, zum Beispiel: Meinten Sie mit „Boxer“ den Hund oder den Sportler? In der Fachsprache nennt man das Disambiguierung und Query Intent Detection.

In professionellen Enterprise Search Anwendungen bietet der Knowledge Graph dadurch den Mitarbeitern eine optimale Möglichkeit, die Suchergebnisse neu zu filtern und zu erweitern und auf Bereiche auszudehnen, die er vorher nicht in Betracht gezogen hat.

Der Autor

Breno Faria
Product Manager AI
Breno Faria has been involved in search, natural language processing and artificial intelligence for more than 10 years. Since 2012, he has been working for IntraFind Software AG as an expert in Natural Language Processing and AI-based search. In his current role, he is responsible for product management in the area of artificial intelligence.
Image
Breno Faria