Back to top

Gartner Magic Quadrant für Insight Engines – Unser Ansatz an Natural Language Processing und proaktive Suche

Der neue Gartner Magic Quadrant für Insight Engines* wurde kürzlich veröffentlich und ersetzt damit den Gartner Magic Quadrant für die Unternehmenssuche. In diesem Blog werden wir aus Erfahrungen aus unseren eigenen Projekten beschreiben, welche der darin enthaltenen Aspekte wir als kommende Trends bestätigen können. Die Zusammenfassung und den gesamten Bericht als Download finden Sie auf der Website von Gartner. Der Bericht ist auch über Sinequa und Coveo erhältlich, die beide im MQ als „Führend“ bezeichnet werden.

Unternehmenseinblicke über das Suchfeld hinaus

Die Unternehmenssuche geht immer mehr den Weg der intelligenten Unternehmensassistenten – ein kommender Trend, den wir in unseren letzen Projekten immer wieder gesehen haben. Der Insight Engines MQ ist daher der logische Ersatz für den Gartner Unternehmenssuche MQ. Gartner definiert „Insight Engines“ wie folgt:

„Insight Engines bieten Wissensarbeitern und anderen Personen natürlicheren Zugang zu Informationen, auf einem Weg, den die Unternehmenssuche nicht bieten kann. Man sollte daher die Möglichkeiten von Insight Engines mit den Angeboten von Suchmaschinen vergleichen und mit den eigenen aktuellen und künftigen Anforderungen abgleichen ...

... sie gehen über die Unternehmenssuche hinaus, indem sie die Möglichkeit bieten, mit Content zu interagieren und Einblicke herauszuziehen, ohne die Quelle des Contents anrühren zu müssen.“

Letztes Jahr hat Gartner den ersten Artikel zu diesem Thema veröffentlicht, unter dem Titel „Insight Engines Will Power Enterprise Search That Is Natural, Total and Proactive“ (Insight Engines werden eine Unternehmenssuche ermöglichen, die natürlich, umfassend und proaktiv ist). Wir haben damals unseren leitenden Architekten Paul Nelson gefragt, wie er darüber denkt. In seinem Blog (Englisch) hat er wie folgt kommentiert:

„Seit Jahren schon wollen unsere Kunden Systeme, die Fragen beantworten, wie Siri. Durch Google Now und Cortana werden solche Systeme immer sichtbarer und daher noch stärker gefordert. 

All das zeigt, dass wirklich ein grundlegender Bedarf an solchen fragebeantwortenden Systemen [oder Insight Engines] besteht.“

Vor kurzem hat einer unserer Gastblogger (Englisch), Laurent Fanichet von Sinequa – einem führenden Unternehmen im MQ und Partner von Search Technologies – besprochen, wie diese Art intelligenter Suche einen Einfluss auf Nutzungsfälle des modernen Geschäftswesens nehmen wird:

„Kognitive Suche bringt datengestützte Unternehmen in eine neue Generation und ermöglicht ihnen mehr als das traditionelle Suchfeld je konnte. Die Benutzer werden in die Lage versetzt, direkt relevantes Wissen zu erlangen, zur rechten Zeit am rechten Gerät.“ 

Verschiebung zu natürlicher Sprache

Der Schlüssel für die bestmögliche Suchqualität ist es, die Abfrage in natürlicher Sprache zu verstehen. Diese Anforderung ist so bedeutend, dass die Suche bei Google bereits dahin verschoben wird, natürlicher zu werden. 

So kann man Google inzwischen fragen: „Was ist Natural Language Processing?“ Hierbei wird man erkennen, dass die relevanteste Antwort prominent hervorgehoben wird, statt nur in der Liste der Ergebnisse zu stehen. Google nennt diese Darstellung Featured Snippets.
 

natural language processing featured snippet.jpg


Da Google, Microsoft und Apple hinter dieser Initiative standen, ist der Rest der Branche der Unternehmenssuche und Geschäftsanalyse gefolgt. Wie unser leitender Architekt anmerkte: „Seit Google Frage-und-Antwort verfolgt, fragen alle Kunden danach und wollen auch Frage-und-Antwortsysteme in ihr Suchfeld integrieren.“

Die wirkliche Herausforderung für die natürliche Suche im Unternehmen ist jedoch, das Fachgebiet zu verstehen. Generische digitale Assistenten (wie Siri oder Google Now) verstehen nur einen sehr allgemeinen Bereich – Dinge wie Orte, Rezepte, Biografien usw. Aber das sind nicht die Dinge, die Geschäftsanwender in ihrem Alltag suchen.

Denn, jeder unserer Kunden will eine Insight Engine speziell für seine eigene Welt, also für die Suche in ihren Intranetportalen, E-Commerce-Katalogen, Mitarbeiterdatenbanken, Publikationsdatenbanken oder Content für den öffentlichen Dienst. Sie alle haben ihre eigenen Fachsprachen, Abkürzungen, Kennzahlen und Prozesse – und erwarten, dass ihre Insight Engine diesen eigenen Bereich versteht, um passende Antworten auf Fragen wie den folgenden zu liefern: 

  • „Welche Sprachen beherrschen unsere Mitarbeiter?“
  • „Wie war der Umsatz bei Frauenschuhen in Europa im letzten Quartal?“
  • „Reserviere Konferenzraum A.“

Insight Engines können Metadaten-Management bieten, Schnittstellen für natürliche Sprache und Wissenserforschung, die über normale Suchsysteme hinausgeht. Trotzdem würden diese System noch stark angepasst werden müssen, um Fragen beantworten zu können, die ein sehr spezifisches Fachgebiet betreffen.

Die Insight Engine für Ihre Welt erstellen

Wir bei Search Technologies nutzen unser Natural Language Processing (NLP) Toolkit für zahlreiche Anwendungen der Suche und Analyse. Das Natural Language Processing Toolkit umfasst Textverarbeitung, Sprachverarbeitung, Extrahierung von Entitäten und fortgeschrittene Erkennung von Mustern und Beziehungen über maschinelle Lernverfahren.

Wir haben unsere Experten befragt, wie ihre letzten Erfahrungen in der Arbeit mit Frage-Antwort-Systemen oder Insight Engines waren.

„Wenn man Cloudera Search (basierend auf Open-Source Solr) mit Spark, Hadoop und einem NLP Toolkit kombiniert, hat man die grundlegenden Bausteine für eine selbstgebaute Insight Engine.“

Wir arbeiten oft mit Produkten von Microsoft, entwickeln beispielsweise Suchanwendungen über Microsoft Azure – Azure Search, Azure Machine Learning, Azure HDInsight und Stream Analytics. Wir sind auch kürzlich eine Partnerschaft mit Coveo eingegangen, um Consulting und Implementierungsdienste für Kunden zu bieten, die Suchanwendungen der nächsten Generation über Insight Engines implementieren wollen.

„Innovative Unternehmen sehen bereits den Mehrwert von Insight Engines, durch automatische Vorschläge und Empfehlungen der relevantesten Informationen, an jeden, der mit ihrem Geschäft interagiert. Dadurch, dass die Daten aller digitalen Aktivitäten aller Kunden, Partner und Mitarbeiter genutzt werden, können Unternehmen, die Coveo einsetzen, Content empfehlen, der im entsprechenden Kontext bereits gezeigt hat, dass er die Geschäftsergebnisse und -erträge positiv beeinflusst“ Louis Tetu, CEO von Coveo, auf seinem Blog, nach der Ankündigung des MQ. 

Um mehr über die Ansätze und Techniken für den Aufbau einer Insight Engine zu lernen, können Sie auch das White Paper unseres leitenden Architekt hier herunterladen (Englisch).

Wie sieht es mit Elasticsearch und Open-Source aus?

Wer die Branche der Suchmaschinen und Insight Engines verfolgt, wird feststellen, dass der Gartner Insight Engines MQ nur wenig auf Open-Source-Suchlösungen eingeht, von denen Elasticsearch und Solr die bekanntesten sind. Die Kriterien des Gartner MQ schließen diese reinen Open-Source-Lösungen aus. Trotzdem sind sie am Markt etabliert.

Im Fall von Solr: 

  • Solr wird durch Lucidworks Fusion im MQ repräsentiert.
  • Es stellt auch den Kern von Cloudera CDH (der Cloudera Distribution von Hadoop), in Form von Cloudera Search. Cloudera Search hat einen starken Eindruck auf dem Markt hinterlassen (wie auch in unseren Projekten), ist aber kein Kandidat für den MQ, weil es sich nicht um ein eigenständiges Angebot handelt.

Im Fall von Elasticsearch:

  • Dass Elasticsearch gar nicht vertreten ist mag verwundern, weil Elasticsearch Solr überholt hat, sowohl in Hinsicht auf Popularität als auch Momentum bei Open-Source-Lösungen, insbesondere, wenn man Elasticsearch mit Kibana kombiniert, um Analyse und Visualisierung zu bieten.
  • Im Dialog mit Elastic – kommerzieller Anbieter von Elasticsearch und Kibana und einer unserer Partner – haben wir festgestellt, dass Elasticsearch wohl deshalb nicht im MQ vertreten ist, weil es sich nicht um eine umfassende Lösung handelt, die Gartners Kriterien für den MQ zu Insight Engines entspricht.   
  • Elasticsearch kommt jedoch in verschiedenen der anderen Lösungen für Suche und Analyse zum Einsatz. Ein Beispiel dafür ist die anpassbare Lösung für den Ersatz der Google Search Appliance von Search Technologies, die auf Elasticsearch aufgebaut ist.

Und nicht zu vergessen, die Cloud

Als letztes ist uns aufgefallen, dass es weiterhin einen Trend hin zu Insight Engines oder Suchlösungen in der Cloud gibt. Viele Anbieter bieten cloudbasierte oder hybride Lösungen (sowohl in der Cloud als auch lokal vor Ort) an. Erst diese Woche hat Google eine auf Elasticsearch basierende Lösung für die Google Cloud angekündigt. Hierbei handelt es sich um ein weiteres großes Angebot neben Amazon CloudSearch (basierend auf Solr) und Microsoft Azure Search (eine Abstraktion von Elasticsearch).

Da Unternehmen weiterhin mehr Daten ansammeln, stellen Lösungen in der Cloud oft eine kosteneffektive und hochgradig skalierbare Alternative für die Datenspeicherung und  verarbeitung dar, Wir gehen davon aus, in Zukunft von Seiten der Geschäftswelt weiterhin gesteigertes Interesse und weitere Umsetzungen solcher Suchlösungen und Insight Engines in der Cloud zu sehen. 


*Gartner's Magic Quadrant for Insight Engines, verfasst von Whit Andrews, Guido De Simoni, Jim Murphy und Stephen Emmott, herausgegeben im März 2017.

0

Wir freuen uns, bekannt zu geben, dass wir jetzt Teil von Accenture sind! Lesen Sie die Ankündigung hier.