Ein neues Suchparadigma für das KI-Zeitalter

Enterprise Search im Zeitalter von Künstlicher Intelligenz – überholt oder immer noch relevant?
Keine Kommentare

Enterprise Search verfolgt andere Ziele als eine Google-Suche. Darum benötigt man auch heute noch eigene Konzepte für diesen Bereich. Wie haben KI und Big Data Einfluss auf Enterprise Search genommen?

Enterprise Search ist eine Produktkategorie, die in der Vergangenheit immer wieder neue Ideen und Paradigmen hervorgebracht hat – sowohl technologisch als auch im Bereich der Customer Experience. Viele Konzepte, die im Kontext von Enterprise Search entstanden sind, haben sich so in eigene Kategorien und Märkte verzweigt, darunter auch traditionelle Information-Retrieval-Systeme oder Big-Data-Analysen. So wurden etwa invertierte Indizes zu Suchmaschinen, Facettenberechnungen zu Echtzeit-Analysen und Dokumenthäufigkeitsmodelle zur Grundlage für moderne Machine-Learning-Systeme.

In diesem Evolutionsprozess hat Enterprise Search viel von seiner Identität verloren. Während Unternehmensdaten Kern der Enterprise-Search-Kategorie sind, gibt es immer mehr neue Produktkategorien, die ebenfalls auf den gesamten Pool von Unternehmensdaten einzahlen – von Log Analytics und Business Intelligence bis hin zu Data Lakes und Content-Management-Systemen. Aleksandar Bradic, Chief Technology Officer bei Supplyframe, beschäftigt sich deshalb in diesem Artikel mit der Frage, ob es im Zeitalter moderner, KI-gesteuerter Big-Data-Systeme noch einen Platz für Enterprise Search als eigenständige Kategorie gibt.

Suche als zentrales Wertversprechen von Enterprise Search

Wenn es um Suchen im öffentlichen Web geht, dann scheinen unsere Bedürfnisse fast durchgängig dem Pareto-Prinzip zu folgen: Zum größten Teil suchen wir immer wieder nach denselben Dingen, indem wir ähnliche Anfragen stellen und auf denselben Websites landen. Die Anzahl aller zugänglichen Webdokumente ist riesig, der allergrößte Teil für uns absolut irrelevant. Damit ist die schiere Menge an Dokumenten im Web eher Problem als Chance. Google weiß das sehr gut und hat deshalb in den letzten zehn Jahren nicht in die Erweiterung des Sucherlebnisses investiert. Stattdessen ist das Ziel, die ‚richtige‘ und relevanteste Antwort bereitzustellen – und zwar individuell für jeden Nutzer.

Bei Unternehmensdaten sieht es jedoch ganz anders aus. Während wir uns im öffentlichen Web für 99 Prozent der Inhalte nicht interessieren, kann im Unternehmenskontext jede einzelne Information der Schlüssel zu (mehr) Erfolg sein. Moderne Analyse- und Data-Warehousing-Plattformen leisten jetzt schon exzellente Arbeit, wenn es darum geht, On-the-Fly-Aggregate und Datenvisualisierungen zu ermöglichen.

Allerdings lässt die Fähigkeit, den Raum der rohen Unternehmensdaten vollständig zu erforschen, nach wie vor sehr zu wünschen übrig. Ein Teil dieses Versäumnisses scheint mit der Denkweise des schon angesprochenen Pareto-Prinzips zusammenzuhängen, die aus der Welt der Statistik stammt: Indem die gesuchte Information immer besser aus dem allgemeinen Rauschen herausgefiltert wird, verlieren wir die Fähigkeit, das bestmögliche Tool für den Umgang mit Fällen zu entwickeln, in denen alle Daten wichtige Informationen sind.

Das zentrale Wertversprechen von Enterprise Search war immer die Suche. Genau darauf sollte sich diese Produktkategorie rückbesinnen und wieder konzentrieren, um einen signifikanten Anteil am Markt für Business-Tools zurückgewinnen. Wenn es um das öffentliche Web geht, gibt es gemeinhin das Gefühl, dass es nur noch wenig Raum für Verbesserungen im Bereich der Suche gibt. Auf Unternehmensseite ist das nicht der Fall, hier ist noch viel Luft nach oben.

Umkehrung des Suchparadigma: Die richtigen Fragen stellen

Das Suchparadigma hat in dieser Hinsicht viel Potenzial. Indem man die Suchergebnisse als Rohdateneinträge betrachtet (z. B. geschäftsbezogene Transaktionen), bietet das Information-Retrieval-Modell eine bewährte, hocheffiziente Methode zur Navigation durch den gesamten Korpus an Unternehmensdaten. Das Problem der Suchmüdigkeit bleibt jedoch bestehen: Häufig sind unsere Suchen nicht kreativ genug, unsere Abfragen reduzieren sich auf einfache Suchen nach einzelnen Begriffen. Wir beschäftigen uns lieber mit Diagrammen und Dashboards als aktiv mit Big-Data-Tools. Deshalb sind Suchplattformen, die auf Natural Language Processing (NLP) fußen, nicht sehr erfolgreich.

Enterprise Search kann also nach wie vor durchaus eine relevante, eigenständige Produktkategorie sein – allerdings müssen wir dafür das Suchparadigma umkehren. Dabei bleibt es immens wichtig für jedes System, Suchanfragen effizient verarbeiten zu können. Allerdings muss sich die Art und Weise ändern, wie Nutzer mit Suchsystemen interagieren. Enterprise Search im Speziellen muss sich demnach darauf konzentrieren, die wertvollsten Fragen zu generieren, mit denen Nutzer sie abfragen können. Jüngste Fortschritte mit Modellen wie GPT und BERT lassen solche Funktionalitäten sicherlich in Reichweite erscheinen. Suchsysteme, die Fragen auf der Grundlage ihrer indizierten Daten generieren können, ermöglichen einen ganz anderen Einstiegspunkt, um die Daten auch zu nutzen.

Enterprise Search kann unter gewissen Voraussetzungen eine eigenständige Kategorie bleiben

Enterprise Search ist kein weiteres eigenständiges Tool mehr, das wir nur für eine bestimmte Aufgabe verwenden. Vielmehr sollte sich die Enterprise Search auf das Konzept der Fragengenerierung konzentrieren, damit die Suche allgegenwärtig und in den gesamten Tool-Stack des Unternehmens eingebettet wird. Auf diese Weise endet das Versprechen der KI-gestützten Suche nicht mit dem „einzig wahren Ergebnis“, sondern öffnet stattdessen die Tür für eine viel tiefere Auseinandersetzung mit dem riesigen Universum an Unternehmensrohdaten. Enterprise Search hat vor diesem Hintergrund also auch im Zeitalter moderner, KI-gesteuerter Big-Data-Systeme noch seine Daseinsberechtigung als eigenständige Kategorie.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments
X
- Gib Deinen Standort ein -
- or -