Bild-Schulung-NiFi

Enterprise Search und Machine Learning – Macht das Sinn?

Daniel Wrigley

Daniel Wrigley

Verschwenden Sie weniger Zeit bei der täglichen Suche nach Informationen!

AI und dessen Subset Machine Learning sind in aller Munde. Doch wie schafft man es tatsächlichen Nutzen mit ihnen zu generieren? Enterprise Search ist ein breites Gebiet, in dem AI und ML angewandt werden können, um mehr Wert aus diesen Anwendungen zu schöpfen.

Warum es sich lohnt in Optimierungen von Enterprise Search Lösungen zu investieren ist allein damit zu begründen, dass die Zeit, die während der Arbeit mit dem Suchen von Informationen verbracht wird, stetig steigt. Diesen Prozess so effektiv wie möglich zu gestalten, muss im Interesse jeden Unternehmens liegen, um trotz wachsender Datenmengen schnell und effizient zum Ziel zu kommen.

Ganz generell kann Machine Learning immer dann unterstützen, wenn komplexe Probleme auf großen Datenmenge gelöst werden sollen. Enterprise Search Systeme müssen zusehends in immer größeren Datenbeständen die richtigen Inhalte finden. Um die Auffindbarkeit von Dokumenten zu optimieren, gibt es zahlreiche Möglichkeiten diese Inhalte anzureichern. Beispiele für Machine Learning zur Inhaltsanreicherung sind:

  • Klassifikation von Dokumenten: Handelt es sich beim jeweiligen Dokument um eine Rechnung, eine Bestellung oder um ein Meeting-Protokoll? Für den Suchenden kann dies eine zentrale Information sein, anhand derer das Dokument schnell und zielgerichtet gefunden werden kann.
  • Erkennung von Entitäten: Welche Orte, Personen, Organisationen etc. kommen in einem Dokument vor? Bei Organisationen oder Personen kann es sich bestimmten Fällen (z.B. bei einer Rechnung) von Bedeutung sein, ob das Dokument von dieser Entität kam oder an diese Entität ging.
  • Synonym-Erkennung: Dokumente mit Begriffen anzureichern, die gleichbedeutend oder eine ähnliche Bedeutung haben, kann einen wesentlichen Beitrag dazu leisten, ob ein Dokument später überhaupt gefunden wird. Dies kann auch Abkürzungen oder Akronyme umfassen. Wer sucht schon gerne nach einem komplexen Fachbegriff, wenn es dafür auch eine bequeme Abkürzung gibt?

Dies sind theoretisch alles Tätigkeiten, die auch von einem Menschen durchgeführt werden können. Aber wie lange bräuchte ein Mensch, um eine Million an Dokumenten zu klassifizieren? Oder alle Entitäten aus dieser Menge an Inhalten zu extrahieren? Hier helfen Machine Learning Modelle, die derartige Aufgaben zur Indexierungszeit übernehmen können. Und für die Machine Learning Modelle spielt es keine Rolle, ob diese Tätigkeiten für ein paar Dutzend oder für ein paar Millionen Datensätze durchgeführt werden müssen.

Doch nicht nur die Indexierungsseite einer Enterprise Search Lösung kann von Machine Learning profitieren, sondern auch die Suchseite:

  • Learning to Rank: Regelbasiert das optimale Ranking einzustellen, sodass für jede Suchanfrage die relevantesten Ergebnisse an erster Stelle erscheinen, ist eine aufwändige und knifflige Aufgabe. In solchen Fällen können Machine Learning Modelle helfen.
  • Personalisierung & Recommendations: Was im E-Commerce seit Jahren funktioniert, kann auch auf Enterprise Search übertragen werden, denn die Historie eines Nutzers kann dabei helfen, zukünftig relevante Dokumente anzubieten (Recommendations) oder bestimmte Merkmale des Nutzers in eine Suchanfrage einzubeziehen, um die Trefferliste individuell relevanter zu gestalten (Personalisierung).
  • Query Intent Classification: Nur wer versteht, was der User mit seiner Suchanfrage bezwecken will, kann ihm auch diejenigen Inhalte anbieten. Machine Learning kann helfen zu verstehen, welche Absicht ein User mit seiner Suchanfrage verfolgt.
  • Chatbots: Mit Chatbots lassen sich bestimmte Suchanfragen in einen Dialog überführen, was die Hürde zum Zugang zu Informationen senkt und das Browsen oder Navigieren zu den gewünschten Informationen beschleunigen kann.

Gerade Learning to Rank, Personalisierung, Recommendations und Query Intent Klassifikation basieren auf den Daten, die die Nutzer durch die Interaktion mit Suchapplikationen hinterlassen und durch Machine Learning und AI verwendet werden können, um das Fundament dieser Features zu bilden. Dies gilt, nebenbei bemerkt, nicht nur für Enterprise Search Lösungen, sondern für Suchapplikationen jeglicher Art.

Mit diesem Fundament können Sie klein starten und erste Erkenntnisse darüber gewinnen, wie die Suchanwendung verwendet wird und wo Verbesserungspotenzial steckt. Das können Sie immer weiter ausbauen, um Machine Learning in Ihrer Enterprise Search Lösung zu integrieren und dadurch die Effizienz der Plattform so zu steigern, dass weniger Zeit für die Informationssuche verschwendet wird.

Doch natürlich sind AI und Machine Learning nicht der Heilige Gral, der alle Probleme löst, oder eine Enterprise Search Anwendung auf ein neues Level hebt. Und auch nicht jede Anwendung mag alle Features tatsächlich gewinnbringend einsetzen können.

Wenn Sie sich fragen, ob Machine Learning mehr aus Ihrer Lösung herausholen kann, nehmen Sie Kontakt mit uns auf! Und wir zeigen Ihnen wie Sie, auch mit dem Einsatz von Open Source Software Machine Learning und AI einsetzen können, um zukünftig weniger Zeit bei der Suche nach Informationen zu verschwenden und alle relevanten Inhalte zielgerichtet und effizient zu finden.