Enterprise Search

Die Markteinführung von OpenAI ChatGPT hat eine wahre Welle der Begeisterung für generative künstliche Intelligenz (KI), insbesondere für Large Language Models (LLMs) ausgelöst - und ein Ende ist nicht abzusehen. Fast täglich entstehen neue Produkte, Unternehmen und Angebote im Bereich der generativen KI. Auch Unternehmen setzen zunehmend auf LLMs, um sich wettbewerbs- und zukunftsfähig aufzustellen. Viele Führungskräfte vernachlässigen jedoch eine wichtige Komponente einer erfolgreichen generativen KI-Strategie: die so genannte Data Readiness.

In den vergangenen Jahren wurde bereits viel über den Einsatz von künstlicher Intelligenz (KI) für die Verbesserung einer organisationsinternen Suche berichtet. Die Anwendungsfälle solcher Lösungen reichen von der Website-Suche über die Unterstützung des Kundenservice bis hin zum Wissensmanagement. Diese Anwendungen basieren meist auf der Auswertung mehrerer Informationsquellen, müssen Zugriffsrechte beachten, kurze Antwortzeiten gewährleisten und nicht zuletzt gute Suchergebnisse liefern. Unter einem technischen Blickwinkel sprechen wir hier über so genannte Enterprise Search-Lösungen. Für die Überbrückung der Diskrepanz zwischen den Formulierungen in den zu durchsuchenden Inhalten und dem Sprachgebrauch der verschiedensten Nutzergruppen kommen in letzter Zeit zunehmend KI-basierte Funktionen für die Sprachverarbeitung zum Einsatz.

Enterprise-Search-Lösungen erleichtern die Informationsbeschaffung in Unternehmen und Behörden immens. Large Language Models (LLMs) und Generative KI heben neuerdings die Arbeitseffizienz und die Qualität der Suchergebnisse noch einmal auf ein neues Level. So werden aus traditionellen Unternehmenssuchen echte Plattformen für das Wissensmanagement.

Die Generative KI und Large Language Models (LLMs) bieten mit ihren enormen Fähigkeiten bei der Sprachverarbeitung und -generierung großes Potenzial für das Wissensmanagement. Aufgrund der gigantischen Datenmengen, mit denen sie trainiert wurden, sind die Ergebnisse sowohl beim Verstehen von Eingaben als auch bei der Ausgabe von Antworten beeindruckend. Der Nutzer hat den Eindruck, er kommuniziere mit einer realen Person. Eine weitere Stärke ist die Fähigkeit, die Anfragen von Nutzern richtig zu verstehen - auch wenn diese sich unorthodox oder unklar ausdrücken. LLMs können trivial gestellte Fragen in die notwendige Suchlogik übersetzen und eventuelle Ergebnisse in einer Art und Weise ausgeben, die der Nutzer versteht.

"Wer auf die Suche geht, muss zuvor wissen, wo er suchen soll." Nein, das ist keine Weisheit des Konfuzius, sondern leider noch immer gelebte Realität für viele Mitarbeitende. Neue Lösungen sollen - vor allem mit Hilfe Künstlicher Intelligenz (KI) - die Enterprise Search zukünftig verbessern. Doch was ist Suche überhaupt? Was kann sie in der Unternehmenspraxis leisten - und was nicht? Hier ist ein Überblick der wichtigsten Suchmethoden und Suchtechnologien.

Wissen gibt es im Überfluss - auch und gerade in Unternehmen. Die Herausforderung besteht darin, aus dem vorhandenen Wissensbestand diejenigen Wissensbausteine zu extrahieren, die situations- und bedarfsbedingt relevant sind. Doch genau an dieser Stelle scheitert die organisationsweite Suche noch viel zu häufig. Zum einen, weil ein Großteil des Wissens schlicht und ergreifend gar nicht dokumentiert ist, sondern ausschließlich in den Köpfen einzelner Experten schlummert, Stichwort: Kopfmonopole. Zum anderen aber auch, weil zahlreiche Wissensbausteine - und die ihnen zugrundeliegenden Daten und Informationen - in heterogenen Lösungen, lokalen Speichersystemen oder analogen Archiven lagern, auf die die Suchlösung im Zweifel nur partiell Zugriff hat. Fehlende Tags und Metadaten tun dabei oft ihr Übriges. In der Folge investieren Mitarbeitende viel zu viele Ressourcen in die Suche nach den richtigen Informationen - und verlieren damit nicht nur wertvolle Zeit, sondern auf längere Sicht auch ihre Motivation. Ein Aspekt, den sich Unternehmen in Zeiten von demografischem Wandel und Fachkräftemangel nicht (mehr) leisten können.

2023 war das Jahr der generativen KI. Die großen Sprachmodelle, die hinter populären Anwendungen wie ChatGPT stehen, haben die Leistungsfähigkeit von Künstlicher Intelligenz bei Textverständnis und Texterstellung auf ein ganz neues Niveau gehoben. Nachdem Unternehmen sich intensiv informiert und teilweise bereits experimentiert haben, werden sie 2024 verstärkt daran gehen, konkrete Lösungen zu implementieren. Fünf Trends zeichnen sich dabei bereits jetzt ab

Im Gegensatz zur Public Cloud erfüllt die "souveräne Cloud" strengste Anforderungen hinsichtlich Sicherheit, Datenschutz und Interoperabilität. Wie Behörden von ihr profitieren, erläutert Klaus Fetzer von Arvato Systems im Interview.

"Wissen ist Macht" - ein altbekanntes Sprichwort, das in einer Ära des rapiden technologischen Fortschritts mehr denn je gilt. Insbesondere im Kundenservice wird die Verfügbarkeit von Wissen zum Differenzierungsmerkmal, das im Hinblick auf die Kundenzufriedenheit und -loyalität eine erfolgsentscheidende Rolle spielt. Doch damit Servicemitarbeiter ihre Kunden jederzeit bestmöglich bedienen können, müssen Unternehmen das vorhandene Firmenwissen bewusst konsolidieren und strukturieren. Unterstützt werden sie dabei durch gutes Wissensmanagement. Dieses wird heute immer öfter auch durch Künstliche Intelligenz (KI) optimiert.

An der Digitalisierung kommt keine Organisation mehr vorbei. Und auch Wissensmanagement ist mittlerweile alternativlos geworden. Andernfalls drohen weitreichende Konsequenzen: Dem War for Talents lässt sich ohne entsprechende Maßnahmen ebenso wenig standhalten wie dem immer stärker werdenden Wettbewerb. Diese Erkenntnis hat sich mittlerweile fast flächendeckend durchgesetzt. Doch obwohl die Gefahr längst erkannt ist, ist sie nicht gebannt. Unternehmen wissen zwar um den bestehenden Handlungsdruck, kommen mitunter aber nicht über die Planungsphase hinaus. Auf dem Weg zur Subscription Economy fehlt es in manchen Wirtschaftszweigen an Geschäftsmodellen. Das kann an mangelndem Innovationsmanagement liegen oder an unzureichender Manpower.

Egal, ob Kunden beim technischen Support anrufen oder einen Service-Techniker vor Ort benötigen: Sie erwarten heute eine schnelle Lösung ihres Problems. Lange Wartezeiten am Telefon oder mehrfache Nachfrage-Anrufe frustrieren sie und sorgen für Unzufriedenheit. Kommt ein Service-Techniker zur Reparatur einer Maschine vorbei, sollte sie bei seiner Abfahrt wieder einsetzbar sein. Weitere Verzögerungen oder Ausfallzeiten akzeptieren die Kunden nicht.

Die Corona-Pandemie hat das Arbeiten von zu Hause praktisch über Nacht für viele Berufsfelder zum Standard gemacht. Messenger-Dienste und Videokonferenz-Tools wie Zoom und Microsoft Teams haben dadurch einen enormen Boom erfahren. Ohne sie hätten die meisten Firmen ihren Betrieb nicht am Laufen halten können, aber auch in Zukunft sind diese Collaboration-Tools aus der post-pandemischen Arbeitswelt nicht mehr wegzudenken. Teams können ortsunabhängig zusammenarbeiten und kommunizieren, Daten austauschen, Bildschirme teilen und Gruppenchats nutzen. Doch das Potenzial von Lösungen für die digitale Zusammenarbeit ist damit noch lange nicht ausgeschöpft. Das Stichwort lautet: integriertes Wissensmanagement.

Aufgrund der Digitalisierung, des wachsenden Konkurrenzdrucks, steigender Regulatorik-, Kunden- und Qualitätsanforderungen sowie erhöhter Transparenz sind Unternehmen zukünftig einem immer stärker werdenden permanenten Wandel ausgesetzt. Diesen Wandel zu erkennen, den Wandlungsbedarf zu generieren und entsprechende Impulse zu setzen, liegt in der Verantwortung des Top-Managements. Die Bereitschaft, diesen Wandel mitzugehen, ist eine Anforderung an das Management und die Belegschaft.

Nahezu alle Unternehmen setzen heutzutage Systeme zur Ressourcenplanung (Enterprise Resource Planning, ERP) zur Steuerung und Verwaltung ihrer Geschäftsprozesse ein. Auf dem Markt sind Komplettsysteme oder Teilmodule zur Erledigung unterschiedlichster Aufgaben verfügbar. Die Struktur der gespeicherten Daten und die Abläufe sind standardisiert und üblicherweise für alle Abteilungen der Firma verfügbar. Diese Vereinheitlichung über das gesamte Unternehmen hinweg führt zu einem hohen Effizienzgewinn, der nicht nur aus der eingesparten Zeit für die Suche nach wichtigen Informationen, sondern auch aus einer hohen Datenkonsistenz resultiert. Das bedeutet die Vermeidung von Fehlern durch manuelles Übertragen ebenso wie die Verknüpfung der Daten mit zugehörigen Informationen aus anderen Bereichen. Die Einarbeitung neuer Mitarbeiter in die Unternehmensabläufe gelingt schnell, oft sind die nötigen Kenntnisse schon aus der Ausbildung vorhanden. Insgesamt ergeben sich signifikante Einsparungen durch den Einsatz von ERP-Systemen. Unternehmen, die darauf verzichten, sind heute kaum mehr wettbewerbsfähig. In der Forschung und Entwicklung (F&E) ist die Situation hingegen gänzlich anders.

Um ein zielführendes Customer-Experience-Programm zu entwickeln, reicht es nicht aus, eine Checkliste abzuarbeiten. Customer Experience ist kein statischer Vorgang oder eine Datenbank, sondern ein kontinuierlicher Prozess mit vielen Durchläufen und Aufgaben.

Enterprise Search & Analytics-Lösungen (ESAL) können Unternehmen helfen, ihre Datensilos zu überwinden und ihre Geschäftsprozesse agiler zu gestalten. Doch wer verstehen möchte, welche Fähigkeiten sie im Unternehmen entfalten, muss sich zunächst mit den Grundfunktionen beschäftigen.

Wenn die Beschäftigten eines Unternehmens mit einer Knowledge-Management-Infrastruktur erst nach Informationen und Wissen suchen müssen, hat der Knowledge Manager im Grunde schon versagt. Denn eigentlich, so die Theorie, sollte er nur die Struktur kommunizieren, die er für das Wissen der Organisation aufgebaut hat. Dann müsste jeder sofort wissen, wo das gerade benötigte Wissen zu finden ist. Mit dem Streben nach Struktur und Ordnung ist es indes wie mit der Suche nach dem Gral: Man wird sie nie erreichen. Aus dem einfachen Grund, dass ein extrem volatiles Ziel verfolgt wird, mit stetig wachsenden oder sogar explodierenden Datenmengen und Typen, die es zu bewältigen gilt.

Die technische Dokumentation ist eins von vielen Feldern, in denen semantische Technologien und Wissensgraphen in der Industrie wertschöpfend eingesetzt werden können. Noch viel zu wenig Unternehmen aber nutzen Mehrwert und Möglichkeiten dieser Technologien. Drei Experten aus Wissenschaft und Industrie klären auf über die spezifischen Einsatzgebiete von semantischen Technologien in technischen Dokumentationen und geben einen Ausblick in die Zukunft.

Ein Großteil der Arbeitszeit wird damit verbracht, wichtige Informationen und bereits erarbeitete Unterlagen oder Lösungen zu suchen. Häufig werden die gewünschten Inhalte jedoch auch nach längerem Durchstöbern der Fileserver nicht gefunden. Meist liegt die erfolglose Suche an der dezentral organisierten und unstrukturierten Ablage.

Ergebnislose Suchanfragen, inkompatible Datensysteme und unübersichtliche Trefferlisten gehören zu den häufigsten Problemen bei der Informationsrecherche. Infolgedessen verlieren die Mitarbeiter auf der Suche in internen und externen Datenbeständen nicht nur wertvolle Zeit und vergeuden damit bares Geld. Viel gravierender sind die langfristigen Auswirkungen: Misserfolge bei der Nutzung von Informations- und Wissensmanagement-Systemen demotiviert die Anwender, sodass Sie sich künftig nicht mehr aktiv beteiligten, der verfügbaren Anwendungen meiden und so im schlimmsten Fall ein ganzes Wissensmanagement-Projekt zu Fall bringen. Hier gilt es: Nur wenn die Lösung leicht verständlich und optimal auf die Bedürfnisse der Nutzer ausgerichtet ist, bringt sie tatsächlich die gewünschten Einsparungen und Hilfestellungen im täglichen Kampf gegen die Informationsflut.