Die Vorteile der KI für das Wissensmanagement

Eine ‘bookworm-perspective’ auf digitale Inhalte

Der digitale Wandel von der Bedienung zur Information

Die Remote-Ökosysteme von Arbeitsplätzen haben den online Datenaustausch erheblich intensiviert. Kunden teilen jetzt sensible Informationen über dedizierte Portale und nicht mehr über den persönlichen Kundenservice. Eine wachsende Zahl von Unternehmen hat SaaS-Collaboration-Tools als Erweiterung des Home-Office-Setups eingeführt. Remote-Interaktionen erfordern jetzt Ad-hoc-Wissensverteilungssysteme, die schnellere und zuverlässigere Quellen für das Datenmanagement bieten. Dieses Umfeld hat den digitalen Wandel von einem betrieblichen Konstrukt zu einem Informationsmanagement-Konstrukt weiter intensiviert.

Da 90 % der weltweiten Informationen in den letzten zwei Jahren erstellt wurden und jeden Tag noch mehr generiert werden, müssen Datenwissenschaftler und Geschäftsinhaber regelmäßig ihre Systemarchitekturen neu definieren, um die Fülle des in der digitalen Umgebung zirkulierenden Wissens zu kanalisieren und zu nutzen. [1]

Aber wie geht diese Entwicklung vor sich? Wie können wir eine Schwelle für ein Datenmanagementsystem finden, die das Konzept der Informationsspeicherung erweitert und an das Tempo neuer Technologien anpasst?

Ein Weg über digitale Bibliotheken hinaus

Nicht abrufbare oder schwer zugängliche Daten können für ein Unternehmen gefährlich sein. Es werden viel Zeit und Ressourcen verschwendet, um solche Informationen zu suchen oder zu verarbeiten. Die SLAs von Dienstleistern, die geistigen Eigentumsrechte von Unternehmen und die Profile von Käufern sind nur einige Beispiele für sensibles Wissen, das Unternehmen schützen und nutzen müssen. Sie sind Teil des Ökosystems des Wissensmanagements (Knowledge Management = KM), dessen zentraler Fokus die Umwandlung von geistigem Eigentum in Geschäftswert ist.

Jahrelange Konzentration auf Kundenbeziehungssysteme und Informationsspeicherung haben ein so komplexes Konzept auf ein einfaches Datenbanksystem reduziert, in dem Informationen gekennzeichnet und in digitalen Bibliotheken gespeichert werden. Man kann sich das in etwa vorstellen wie einen fleißigen Bibliothekar, der Bücher akribisch in alphabetischer Reihenfolge in die Regale stellt. Die in Datenbanken gespeicherten Informationen erfüllen jedoch wie die Bücher in der Bibliothek nur teilweise ihren vollen Zweck. Wenn Bücher nicht gelesen werden – und das Wissen nicht geteilt oder genutzt wird – bleiben sie eine unberührte Ressource. Das gleiche gilt für digitale Daten.

 

Neue Technologien definieren den Wert dieser Assets neu und verwandeln dadurch veraltete Daten in Wissen, das manipuliert und in eine Geschäftsressource umgewandelt werden kann. Künstliche Intelligenz ist derzeit die Domäne, die es dem KM ermöglicht, seinen Anwendungsbereich auf ein Informations-Engineering-Ökosystem zu verlagern, in dem Inhalte durch dynamische und adaptive Techniken einer Art und Weise rekonstruiert und verarbeitet werden, die der menschlichen Kognition sehr ähnlich ist.

Künstliche Intelligenz erfindet die Welt der Daten neu

Der jüngste Boom von Data Discovery, Management und Visualisierung sowie bei Geschäftsanalysen im professionellen Kontext offenbart eine datenorientierte Perspektive, welche die wachsende Bedeutung informationsorientierter Geschäftsumgebungen unterstreicht. Bei dem Versuch, die Macht des Wissens zu nutzen, geraten die Fähigkeiten der menschlichen mentalen Verarbeitung jedoch ins Hintertreffen, wenn sie mit dem Umfang der vorhandenen digitalen Inhalte konfrontiert werden.

Technologien wie das Internet der Dinge (IoT), Machine Learning (ML) und Künstliche Intelligenz (KI) haben sich zu Werkzeugen entwickelt, mit denen riesige Informationsmengen schnell gesammelt, verarbeitet und umgewandelt werden können. Durch verschiedene Iterationsmechanismen hat KI bereits zu verschiedenen Methoden geführt, um digitales Wissen zu erschließen und ihm eine neue Bedeutung zu geben und so die Entscheidungsprozesse von Unternehmen zu verbessern. Zu den relevantesten gehören:

  • Mustererkennung

Maschinen verarbeiten unstrukturierte Daten und sortieren sie in identifizierte Klassen (allgemein bekannt als Kategorien). Sie können im System gespeicherte Konzepte leicht mit Wissen verbinden, das einen ähnlichen Kontext oder eine ähnliche Umgebung hat. Das System kann aus diesen neu entdeckten Zusammenhängen lernen und – genau wie der menschliche Verstand – nach und nach bestehende Zusammenhänge zwischen digitalen Daten besser erkennen.

Fehlende Verknüpfungen innerhalb des bestehenden Wissens mindern den strategischen Wert von Unternehmen – informationsgetriebene Assoziationen sind eines der größten Hindernisse im Umgang mit großen Mengen an digitalem Wissen. Wir lesen manchmal Bücher, vergessen aber ein ähnliches Konzept, das in einem Artikel beschrieben wurde, den wir vor zwei Tagen gelesen haben. Dasselbe geschieht innerhalb von Infrastrukturen der Unternehmensarchitektur.

Unternehmen schaffen es oft nicht, datenfreundliche Umgebungen zu schaffen. Dies gestaltet es schwierig, die Verbindungen zwischen den Informationen verschiedener Ökosystemkomponenten innerhalb des Unternehmens sowie zwischen Teilen einer einzelnen Komponente zu erkennen. Diese Verbindungen spielen häufig eine entscheidende Rolle bei einer datengesteuerten Entscheidung, die strategische Planung mit zuverlässigen Erkenntnissen in der Analytik verknüpft. Sie sind auch die Treiber, die den Wert innerhalb der Informationsmanagementumgebung eines Unternehmens steigern.

Ein neues Ökosystem intelligenter Speichermedien – viele stellen sich bei der Konfrontation mit „digitalem Wissen“ sofort Online-Bibliotheken voller Statistiken und komprimierter Materialien in Form von Text oder Zahlen vor. Wenn überhaupt, hat das Wissensmanagement bewiesen, dass „Daten“ ein lose definierter Begriff ist. Sogar ein Foto kann eine Information sein, die einen erheblichen Geschäftswert verbirgt, wie die Smart Moments Mobile App von HappyFoto bewiesen hat.

Die Lösung umfasst ein KI-System, das Bilder ähnlicher Art gruppieren kann – wie Selfies, Landschaften oder Gruppenfotos. Das intelligente System der Gesichtserkennung und Bildklassifizierung erleichtert die Anordnung dieser Kategorien in Abschnitten eines Fotoalbums.

Einerseits werden die Benutzer von der zeitraubenden Aufgabe befreit, durch ihre Telefonbibliotheken zu scrollen, Erinnerungen zu sortieren und zu druckende Aufnahmen auszuwählen. Andererseits profitiert HappyFoto nun von aussagekräftigen (anonymen) Daten aus der App, die das Bestellverhalten der Kunden abbilden. Die Mustererkennung verbesserte nicht nur die Effizienz des Fotoalbumprozesses, sondern es wurden auch neue Erkenntnisse aus dem aus der Computer-Vision abgeleiteten Algorithmus generiert. Dieses Wissen ist der Mehrwert in Form von Daten. Dies nutzt das Unternehmen nun zur Planung seiner Geschäftsstrategie.

  • Anomalieerkennung

Bei der Datenanalyse können KI-Technologien Ausreißer innerhalb von Datensätzen identifizieren. Atypisches Wissensverhalten wird isoliert und als selten oder verdächtig identifiziert. Wie bei der Mustererkennung kann die Umgebung so konfiguriert werden, dass sie sich durch kontinuierliches Lernen aus Datenströmen autonom verbessert.

Dateninkonsistenzen können ein Indikator für eine Fehlfunktion des Ökosystems sein – in vielen Fällen lenken Artikel mit inhaltlichen Fehlern die Leser von der Handlung ab. Sie erkennen, dass mit der Verlässlichkeit des Geschriebenen etwas nicht stimmt: Die bereitgestellten Informationen sind jetzt nicht vertrauenswürdig.

Ähnlich funktionieren die Datenpools der Unternehmen. Inkonsistenzen innerhalb von Datensätzen können sich direkt auf das Wissen innerhalb dieser Informationspools auswirken und so den Arbeitsablauf von Geschäftsprozessen behindern. Diese manifestieren sich häufig in Form von Finanztransaktionsbetrug, Cybersicherheitsbetrug oder Störungen der Produktionslinie.

Natural Language Processing (NLP) verändert das Spiel der Erstattungssysteme – NLP ist die Schlüsseltechnologie, die KI bei der Interpretation und Bewertung der menschlichen Sprache unterstützt. Die Fähigkeit des NLP, Online-Dokumentation zu studieren und zu klassifizieren, ist ein entscheidender Faktor bei der Erkennung von Anomalien in großen Wissensmengen. Angesichts dieser Auswirkungen auf das Informationsmanagement entstand aus der Zusammenarbeit mit der itSV GmbH ein NLP-gesteuertes KI-System, das Informationen innerhalb der Papierlast des österreichischen Krankheitskostenerstattungssystems scannen und klassifizieren kann.

Bei der Fülle an Informationen, die in den handgeschriebenen Arztrechnungen eines ganzen Landes enthalten sind, kann man leicht in die Falle der Dateninkonsistenz geraten. Kontext- und Umgebungsfaktoren erhöhen in der Tat die Wahrscheinlichkeit fehlender Signaturen und falscher Werte in der Dokumentation. Das KI-Verarbeitungssystem hat einen Algorithmus erstellt, der in der Lage ist, bestehende Kategorien in Arztrechnungen (z. B. IBAN, Unterschriften von Ärzten und handschriftliche Kommentare) mit dem Text dieser Dokumente zu verknüpfen.

Das System zur Klassifizierung und Validierung von Dokumenten erkennt leicht unvollständige oder falsche Informationen, indem es das Wissen nach Inhaltstyp filtert – sei es für Verträge, Bestellungen oder Quittungen. Das NLP-basierte Anomalie-Erkennungssystem für Erstattungen war der Wendepunkt, um die manuelle Bearbeitung von Unterlagen auf eine reine Ergebnisbestätigung der KI zu reduzieren und so die Fehlerwahrscheinlichkeit zu minimieren.

  • Wissensvermittlung

Online-Datenbanken können KIs Wissen über verschiedene Bereiche und Anwendungsfelder hinweg liefern. Der Bestand an realen Daten wächst mit der Anzahl der Benutzerinteraktionen, die dem Algorithmus neue Informationen zuführen. Das bedeutet neuen Wissens-Input und damit einen größeren Datenpool für Kunden oder Systemanwender.

Informationen werden normalerweise von Chatbots geliefert oder übertragen. Das sind künstliche NLP-basierte Technologien, die die menschliche Sprache in einer konversationsähnlichen Umgebung analysieren und mit ihr interagieren.

Schwierigkeiten beim Abrufen von Informationen können zu erheblichen Kundenverlusten führen – die Verfügbarkeit von Wissen ist ein oft unterschätzter Faktor für die Benutzerzufriedenheit. Leser, denen Abschnitte in einer Veröffentlichung fehlen, verstehen möglicherweise den Absatz, auf den sie sich konzentrieren, verlieren jedoch das Gesamtbild der Arbeit. Ebenso können Kunden, die auf einer Website navigieren, eine Anwendung verwenden oder einen neuen Dienst ausprobieren, die gesamte Lösung nicht nutzen, wenn Anweisungen zur Navigation im System nicht leicht abzurufen sind.

Wenn dieser Wissenstransfer nicht aktiviert wird, kann das Benutzer leicht abschrecken, da sie das Gefühl haben, nicht unterstützt zu werden, oder sie verwenden aufgrund einer schlechten Systemverwaltung nur eine begrenzte Anzahl vorhandener Funktionen. Die Wissensbereitstellung nimmt somit die Rolle einer Informationsbrücke zwischen Kunden und Infrastrukturen ein. Wenn Teile dieser Brücke fehlen, bricht auch die direkte Verbindung zwischen den beiden Parteien ab und ein Teil des innerhalb dieses Informationsökosystems übertragenen Wertes geht damit verloren.

Der smarte Reiseassistent – Unternehmen vergessen oft, dass der Zugriff auf Wissen eine wichtige Rolle für das Kundenerlebnis spielen kann. Der Kundensupport ist in der Tat nichts anderes als ein virtuelles Informationsaustauschsystem. Dieses System muss effizient und proaktiv sein: Je größer die Unterstützung in Form von Daten, desto geringer das Risiko, die Verbindung zum Benutzer zu verlieren.

Der virtuelle Assistent Zoey ist ein Beispiel für eine Lösung, die die Bedeutung dieser Verbindungen versteht. Reisende haben die Möglichkeit, sich nach der Urlaubsreservierung von einem NLP-basierten Chat-Bot unterstützen zu lassen. Die Lösung wird zu einem On-Demand-Begleiter, der Touristen während ihres Urlaubs mit wichtigen Informationen versorgt.

Ein lokales vegetarisches Restaurant. Die besten Sehenswürdigkeiten der Stadt. Der perfekte Strand für eine Familie. Diese und viele mehr werden zu relevanten Wissensstücken, die das Puzzle des Reiseerlebnisses verbessern. Chatbot-Nutzer fühlen sich nach der Reservierung nicht im Stich gelassen, sondern finden einen Reisebegleiter, der sie im Alltag unterstützt.

Das Informationssystem steigert den Wert des Buchungserlebnisses und verfeinert seine Präzision durch vergangene Interaktionen mit Benutzern, wodurch immer genauere und individuellere Gespräche ermöglicht werden. Die KI-basierte Chat-Bot-Lösung hat nicht nur die Support-Center durch die Reduzierung der Kontaktpunkte entlastet, sondern durch den einfachen Datentransfer auch eine persönlichere und nachhaltigere Interaktion mit dem Kunden geschaffen.

  • Informationsverarbeitung

Künstliche Intelligenz treibt die Mustererkennung einen Schritt weiter und nutzt sie, um die gesammelten Daten in neue Verbindungsquellen innerhalb des dedizierten Wissensökosystems umzuwandeln. Die Verarbeitung natürlicher Sprache verbessert den Inhalt durch intelligentes Tagging und Sentiment-Analyse. Kurz gesagt, die Technologie kann die aus der Mustererkennung abgeleiteten Kategorien sammeln und die Daten manipulieren, um einen Mehrwert zu erzeugen.

Dieser Mechanismus basiert auf ML – der Kunst, Maschinen mit Algorithmen so zu trainieren, dass sie autonom Entscheidungen oder Vorhersagen über den vorhandenen Wissenspool treffen können.

Der Mangel an personalisierten Inhalten kann den Marktwert eines Produkts verringern – eine schlechte Informationsfilterung führt zu diversifizierten Inhaltsquellen und führt oft zu einem Verlust des Fokus auf einzelne Datenströme. Eine riesige Bibliothek mit wissenschaftlichen Artikeln und Büchern wird einen auf Meeresbiologie spezialisierten Wissenschaftler sicherlich überraschen. Der Überfluss an Informationen, die nicht mit seinem Fachgebiet zu tun haben, kann die Suche nach Informationen zu Meereslebewesen erschweren und ihn dadurch von seinem Interessengebiet ablenken. Einer ähnlichen Logik folgend, kann die Benutzererfahrung der Plattform unangenehm sein, wenn das gewünschte Wissen zwischen Mengen irrelevanter Nachrichten versteckt ist. Der Leser oder Benutzer verliert daher leicht den Fokus, wenn der Inhalt nicht das erforderliche Engagement bietet, das von der Umgebung erwartet wird.

Wissensfilterung wird häufig mit der Personalisierung von Inhalten in Verbindung gebracht: Die Verarbeitung der relevanten Daten nach einem bestimmten Kundensegment bedeutet, ein Ad-hoc- und einzigartiges Erlebnis zu schaffen, das den Benutzer mit der Marke verbindet. Marketingkampagnen, Social-Media-Seiten, Verkaufsstrategien und dergleichen beruhen auf Datenmanipulation, um geeignete Inhalte für die Bedürfnisse und Wünsche des Marktes bereitzustellen.

Individualisierung treibt die Welt der digitalen Nachrichten an – lange Ladezeiten und eine unüberschaubare Informationsmenge haben in den letzten Jahren den aktiven Nachrichtenkonsum reduziert. Newsadoo – ein österreichisches Start-up – hat sich zum Ziel gesetzt, das Gesicht des Journalismus durch ein personalisiertes Erlebnis zu verändern, welches die Leser zurück zum Lesen und Hören von Nachrichten bringt.

Eine digitale Nachrichtenpipeline entstand aus einem KI-gestützten System, das NLP verwendet, um Informationen aus dem Internet zu sammeln, zu bündeln und in Form von Kategorien wie Tags, Standorten oder Stimmungen zu extrahieren. Textbezug und Dokumentkennzeichnung sind nur einige der Anwendungsfälle, die Benutzern helfen, einfach auf die gewünschten Informationen zuzugreifen. Die Lösung geht auch noch einen Schritt weiter und modelliert den Inhalt in dem Ton, dem Stil und der Perspektive, die für den Leser am besten geeignet sind.

Die NLP-basierte Informationsverarbeitung ist hier der Schlüssel zu einer kundenindividuellen Umgebung für digitale Nachrichten, die sich leicht an den Nutzer anpassen lässt. Machine Learning unterstützt das Wachstum des Ökosystems, indem es aus bestehenden Verhaltensweisen und Präferenzen lernt und eine Erfahrung schafft, die sich zunehmend der Welt des Kunden annähert.

Das Ökosystem des transformativen Wissens

Die Verlagerung des Informationsmanagements von einer statischen Umgebung zu einem Netzwerk manipulierbarer Daten hat dem Geschäftsmarkt neue Möglichkeiten für die Verwendung des einzigartigen Werts dieses Wissens eröffnet. Der Datenüberfluss in Verbindung mit dem sich ständig ändernden Prozess ist jedoch nicht einfach zu bewältigen: Um die Wissensdatenbank übersichtlich und einsatzbereit zu halten, ist ein schlankes Data-Discovery-System erforderlich.

Dieses System ist nichts anderes als der Bibliothekar, der auf seinem Stuhl sitzt und dem Kunden Vorschläge aufgrund von Lesepräferenzen macht oder ihn zu dem bestimmten Regal führt, das er sucht. In der digitalen Welt spielt KI eine ähnliche Rolle. Mit Unterstützung von ML und NLP bietet es Unternehmen Tools zum Sammeln, Teilen, Entdecken und Pflegen von Wissen.

 Die Mustererkennung hilft Benutzern, fehlende oder versteckte Verknüpfungen zwischen Daten zu entdecken. So können aus verbundenen Content-Streams neue Informationen abgeleitet werden. 

NLP-basierte KI-Systeme erkennen Anomalien im digitalen Wissen, erleichtern so den Datenbereinigungsprozess und vereinfachen die Identifizierung von Störungen.  

Chat-Bots eröffnen eine Welt des intelligenten Dialogs mit Benutzern. Durch das Lernen aus vergangenen Interaktionen wird der lebensnahe Austausch nach und nach verbessert und die Informationsübertragung vereinfacht.

Maschinelles Lernen trainiert Systeme durch Algorithmen, die personalisierte Informationspipelines erstellen, wodurch Inhalten neues Leben eingehaucht und die Beständigkeit von Datenökosystemen verlängert wird.

In einem Geschäftsökosystem, in dem digitales Wissen exponentiell wächst, ist KI zu einem der Schlüssel für die Interpretation und das Verständnis von Daten geworden. Darüber hinaus hilft diese Technologie jedoch Unternehmen, dieses Wissen neu zu interpretieren und Mehrwert zu schaffen.

Einstieg in das Ökosystem des Wissensmanagements mit KI Bevor sich Unternehmen für die Entwicklung einer KI-gesteuerten digitalen Datenstrategie entscheiden, müssen sie das Potenzial bestehender intelligenter und algorithmenbasierter Technologien bewerten: Sind sie auf die Unternehmensziele ausgerichtet? Erfüllen sie die Anforderungen des Projekts? Wenn nicht, was muss geändert oder an die Umgebung angepasst werden?

Roadmaps und Entwicklungspläne helfen Unternehmen bei der Implementierung von Lösungen in digitalen Produkten, Anwendungen und Plattformen. Unterschiedliche Technologien erfordern unterschiedliche Konfigurationseinstellungen, Simulationsumgebungen und Bereitstellungsmechanismen. Anpassung und Flexibilität sind daher der Schlüssel zum Management digitaler Daten durch KI-Lösungen, die der Vision des Unternehmens entsprechen.

Bei der Konfiguration einer datengesteuerten Infrastrukturarchitektur sind Wissen und digitale Maschinen nicht die einzigen Akteure in einem Ökosystem. User Experience und Systemkomponentenanalysen tragen auch dazu bei, die Struktur des etablierten Systems zu stärken.

Die natürliche Integration von KI in ein bestehendes oder vorkonfiguriertes Ökosystem geht tatsächlich über die einzelnen Komponenten und die damit verbundenen offenen Fragen hinaus: Wie interagieren Kunden mit der Lösung? Welche ist die einfachste und effektivste Konsumform für die Nutzer? Welche Geräte/Plattformen sind beteiligt? Wie kann KI die Komponenten dieser Systeme am besten anpassen?

Mit der täglichen Entwicklung von digitalen Daten und KI-Technologien kommt die Verantwortung, zu lernen, wie man die gegebenen Ressourcen am besten verwaltet, um einen relevanten Mehrwert zu schaffen. Die Identifizierung der Ziele und Zielsetzungen eines Unternehmens im Wissensmanagement-Umfeld ist der erste Schritt, um zu verstehen, wie analytische, prädiktive und KI-Modelle entwickelt und in eine automatisierte, produktive und ergebnisorientierte Wertschöpfungskette integriert werden können.

#Cloudflight

Haben Sie Themen, die sie mit unseren Experten diskutieren möchten?

Schreiben Sie uns

Schreiben Sie uns

Menü