So setzen Unternehmen ihre Daten in Zeiten der digitalen Transformation wirksam ein & stellen sie über natürliche Sprache zur Verfügung!

 

„Onlim Assistant, wie sehen unsere aktuellen Umsatzzahlen aus?“. „Im letzten Quartal hat das Unternehmen 10,4 Millionen Euro umgesetzt, um 10 % mehr als im Quartal davor und um 5,2 % mehr als im selben Quartal 2019. Bei einem prognostizierten Marktwachstum von 1,3 % wachsen wir vier Mal schneller als der Markt“, sagt der firmeninterne Sprachassistent. „Alles klar, prima“, antworten Sie und fahren mit dem Vorstandsmeeting fort. 

Stellen Sie sich vor, Sie könnten Fragen wie diese direkt in einem Meeting beantwortet bekommen. Kein lästiges „Wir kommen auf Sie zurück“ und Follow-ups mehr.

Ihr firmeninterner Sprachassistent kennt alle erforderlichen Daten und hat die Antworten sofort parat – Sie müssen bloß danach fragen. Wieviel effizienter würde das Ihre Meetings gestalten?

Das klingt zu schön, um wahr zu sein? Ist es aber nicht. Solch ein Szenario können Sie schon bald in Ihrem Unternehmen realisieren, zuvor müssen Sie allerdings 3 wichtige Schritte / Maßnahmen setzen. 

Welche das sind und wie Onlim Sie bei dieser Vorarbeit unterstützen kann, erfahren Sie in diesem Beitrag.

 

Corona-Krise & Home Office: Dezentrale Arbeit erfordert eine zentrale Wissensdatenbank

Der plötzliche Ausbruch der Corona-Krise hat dazu geführt, dass praktisch die gesamte Belegschaft über Nacht ins Home Office wechselte. Wenn Unternehmen von verteilten Standorten aus arbeiten und der informelle Austausch in der Café-Küche oder beim Kopierer komplett wegfallen, ist es umso wichtiger, eine digitale Wissensbasis im Unternehmen aufzubauen.

Dies beginnt bei an unterschiedlichen Orten im Unternehmen gespeicherten Daten, die über eine digitale Wissensbasis einfacher und schneller zugänglich gemacht werden können (und müssen). Nach Aufbereitung in maschinenlesbare Form können diese Informationen am einfachsten in natürlicher Sprache per Sprachassistent oder Chatbot abgefragt werden.

Unsere Vision ist es, dass Mitarbeiter in Unternehmen einfach den Sprachassistenten (wie einen Kollegen) fragen können und von diesem die erforderlichen Informationen erhalten. Dabei kann es sich um Informationen für interne Mitarbeiter, Vertriebspartner, oder auch im Customer Service handeln.

 

Vorbei mit Datensumpf – Schöpfen Sie aus dem Vollen!

Daten sind der Rohstoff des 21. Jahrhunderts. Jedes Unternehmen hat Unmengen von Daten und Informationen, die in digitalisierter Form vorliegen, etwa in Handbüchern, FAQs, Leitfäden, Anleitungen oder Datenbanken.

In den meisten Unternehmen sind diese Datenschätze allerdings quer über verschiedene Abteilungen verstreut. Es fehlt der Überblick, welche Daten vorhanden sind, die Antworten auf entstehende Fragen können nicht gefunden werden.

Um Ihre Unternehmensdaten in Zeiten der digitalen Transformation wirksam zu nutzen, sollten Sie diesen drei Schritten folgen.

1. Bauen Sie eine interne Wissensdatenbank auf

Manche Unternehmen haben daher im Zuge der Digitalisierung, zumeist im Rahmen eines Big Data – Projektes, begonnen, die vorhandenen Daten in einem unternehmensinternen Data Lake zu sammeln bzw. zu poolen. Von einer Wissensdatenbank zu sprechen wäre in vielen Fällen allerdings überzogen, denn meist wird der Data Lake zum Data Swamp, einem Datensumpf, in dem die Daten ungenutzt versumpfen.

Es reicht nicht, Daten in digitaler Form zu sammeln. Die Daten müssen mit der Semantik und ihrem Kontext abgebildet werden. 

Dennoch ist die interne Wissensdatenbank ein wichtiger erster Schritt, bei dem Onlim Sie gerne unterstützt. Der internen Wissensdatenbank fehlt jedoch eine praktikable Struktur, welche die Daten für Maschinen auslesbar macht. Nur wenn diese vorliegt, können Daten und Informationen zu  über einen Chatbot oder Sprachassistenten abrufbaren Wissen transformiert werden…

2. Wissensdatenbank in Form eines Knowledge Graphen aufbereiten 

Das Geheimnis zur wirksamen Aufbereitung von Daten liegt in der Technologie der Knowledge Graphen. Hier erfahren Sie mehr darüber, wie Onlim die Knowledge Graph-Technologie einsetzt.

Doch was ist ein Knowledge Graph genau? Und wie ist dieser aufgebaut? 

Um dessen Funktionsweise näher zu veranschaulichen, eignet sich die Betrachtung einer einfachen Excel-Tabelle. In einer Excel-Tabelle versehen Sie einzelne Spalten mit Überschriften (Merkmalsausprägungen) etwa Datum und Adresse und füllen die entsprechenden Datensätze ein. Verknüpft man dann einzelne Spalten, sodass Abfragen über mehrere Spalten erfolgen können, hat man bereits eine einfache Datenbank.

Ein Knowledge Graph ist eine Fortentwicklung einer Datenbank, in der Informationen so strukturiert aufbereitet sind, dass aus den Informationen Wissen entsteht. Anstatt einfacher Spalten und Verknüpfungen besteht diese semantische Wissensdatenbank aus Knoten und Kanten. Die Knoten stellen Entitäten dar welche mit Attributen versehen werden, während Kanten die Art der Beziehung zwischen diesen Entitäten beschreiben. Gemeinsam werden Knoten und Kanten in thematischen Kontext (Ontologien) gesetzt. 

Beispiel eines Knowledge Graphen_ Onlim

Ein Knowledge Graph macht Daten für Maschinen lesbar

Durch die Anreicherung von Daten (Data Enrichment) durch Annotationen, die Verwendung einheitlicher Schemata und Nutzung von Semantik und Kontextinformationen, werden die im Knowledge Graphen befindlichen Daten maschinenlesbar. 

Der Suchmaschinengigant Google setzt seit 2012 auf Knowledge Graphen und hat alle indizierten Suchergebnisse in einen riesigen Knowledge Graphen aufbereitet. Wenn Ihnen Google auf Anhieb die Öffnungszeiten Ihres lokalen Supermarktes ausgeben kann, dann liegt dies an der ausgezeichneten Strukturierung der Daten. 

Vorteile des Einsatzes von Knowledge Graphen

Der Ansatz des Knowledge Graphen bietet zwei wichtige Vorteile:

  • Daten lassen sich jederzeit aktualisieren und erneuern, womit auf den dynamischen Charakter von Unternehmensdaten eingegangen werden kann.
  • Knowledge Graphen sind gut skalierbar. Damit sind Sie für die in Zukunft laufend steigende Datenmenge und Anzahl von Anfragen gerüstet.

Die Tatsache, dass Technologiegiganten und Innovationsdienstleister wie Google, Facebook und Uber diesen Ansatz verfolgen, gibt die Gewissheit, auf das richtige Pferd zu setzen. Mit der Aufbereitung der eigenen Daten gemäß Schema.org im Knowledge Graphen können Sie nebenbei auch Ihr Ranking bei Google verbessern.

Wenn Sie mehr die Aufbereitung Ihrer Daten für Conversational AI mit Schema.org erfahren möchten, erklärt Ihnen unser Data Scientist hier mehr. 

 

Warum Sie von „Knowledge Graphen“ noch nicht gehört haben

Vielleicht fragen Sie sich, warum Sie bei all dem Rummel um Digitalisierung noch nie vom Konzept des Knowledge Graphen gehört haben. Nun, dieses technische Konzept lässt sich weniger gut vermarkten als die attraktiven Werkzeuge und Tools, die es ermöglicht. 

Knapp 3 Jahre ist es her, da waren Chatbots – vor allem durch Facebook – in aller Munde. Ihr großer Durchbruch blieb allerdings aus, gemäß dem „GARTNER Hype Cycle“ ist es um ihren Einsatz etwas ruhiger geworden. Chatbots sind nun Commodity. 

Hier erfahren Sie mehr über den Chatbot Hype Cycle und vor allem, was wir nach dem Hype erwarten könne. 

Knowledge Graphen sind kein Hype, sondern vielmehr eine bisher medial übersehene innovative Datenstruktur, die mittel- und langfristig zu nachhaltigen Veränderungen in Wirtschaft und Gesellschaft führen wird. Gemeinsam mit Conversational AI ist sie dabei, massive Transformationsprozesse in Unternehmen anzustoßen.

 

Die Zusammenführung von Daten und deren Aufbereitung in Form eines Knowledge Graphen ist die perfekte Grundlage für die Entwicklung weiterführender Services. Primär geht es darum, das gesammelte Wissen in natürlicher Sprache sofort abrufbar zu machen.

3. Machen Sie Wissen mit Chatbots & Sprachassistenten in natürlicher Sprache abrufbar 

Im nächsten Schritt kann ein erster Prototyp eines Chatbots bzw. Sprachassistenten entwickelt werden, der Nutzer in Dialogform auf das im Knowledge Graphen abgebildete Wissen zugreifen lässt. 

Entwickeln Sie jetzt Ihren ersten Prototyp eines Sprachassistenten 

Als Onlim empfehlen wir unseren Interessenten und Kunden diese Vorgehensweise stets, um mit einem ersten Anwendungsfall den Einsatz eines Sprachassistenten im Unternehmen zu testen. Dies ist die schnellste und beste Weise, sich auf die Zukunft der Conversational AI vorzubereiten. 

Übrigens – hier erfahren Sie mehr über den Status Quo und die Zukunft von Conversational AI. 

Tatsächlich starten Sie damit viel mehr als bloß einen interessanten Prototypen. Sie sammeln wertvolle Erfahrung hinsichtlich der Nutzung, Einsatzmöglichkeiten, Erkenntnisgewinnen und möglichen Effizienzsteigerungen. Und noch wichtiger: Sie läuten damit einen umfassenden Veränderungsprozess im Unternehmen ein, der besser früher als später starten sollte.

Durch den Einsatz eines Chatbots oder Sprachassistenten auf Ihrer Unternehmenswebseite, in Messenger-Diensten, über Telefonanlagen oder Smart Speaker, generieren Sie auch viele Anfragen von Nutzern, welche Sie über die Analytics auf der Onlim-Plattform gezielt auswerten können. Sie sehen, welche Fragen (und deren Wortlaut) Ihre Nutzer am häufigsten stellen und erhalten wertvolle Insights zu Kundenpräferenzen, Produktfunktionen und mehr. Hier erfahren Sie mehr über unsere Analytics Plattform. 

Conversational AI für den präzisen Zugriff auf Wissen im Knowledge Graphen

Die letzte Meile zur Realisierung der eingangs beschriebenen Vision muss von der Conversational AI in Richtung des Knowledge Graphen begangen werden. Conversational AI muss sicherstellen, dass nicht nur die Worte, sondern auch die Absicht – der Intent – des Sprechers und dessen Kontext korrekt erkannt und interpretiert werden. 

Hier können wir Ihnen durch unseren umfangreichen (und ständig wachsenden) Datenschatz von Sprachbeispielen bzw. Beispielsätzen (sog. „Utterances“) behilflich sein. Gleichzeitig bewährt sich hier der frühe Einsatz erster Prototypen, durch die wertvolle Daten hinsichtlich der Anfragen von Nutzern gesammelt werden können. 

Um mehr darüber zu erfahren, wie wir Ihr Unternehmen bei der Aufbereitung von Daten unterstützen können, wenden Sie sich an einen unserer Experten.

Conversational AI meets Knowledge Graphen – Die technische Erklärung

Erinnern Sie sich an die Erklärung eines Knowledge Graphen als komplexere Datenbank? Im Bereich der Conversational AI sorgen wir dafür, dass die korrekten Intents und Utterances (Beispielfragen/Sprachbeispiele) als Annotationen in Ihren Knowledge Graphen hinzugefügt werden. 

Diesen Vorgang können wir für Sie bereits jetzt semi-automatisch durchführen, in 1-2 Jahren wollen wir eine automatische Erstellung eines Knowledge Graphen über ein Conversational AI-System konfigurieren können. In diesem Bereich hat Onlim viel Zeit und Forschung investiert, sodass die Qualität und Skalierbarkeit der Ergebnisse garantiert werden können.

Übrigens – wenn Sie mehr über Knowledge Graphen, ihre Bedeutung für Conversational AI und konkrete Use Cases erfahren möchten, laden Sie unser Whitepaper herunter. 

Onlim_Chatbot-Whitepaper

 

Sie müssen Systeme bauen, die auch skalieren. Denn die Dialoge und Informationen werden in Zukunft immer mehr werden. Gerade das Thema Conversational Commerce wird in Zukunft wichtig werden, wie wir es heute bereits am Beispiel des Kaufes von Produkten bei Amazon via Alexa sehen. 

 

Gekommen um zu bleiben – Chatbots are here to stay 

Chatbots und Sprachassistenten bewähren sich immer mehr, ihr Einsatz steigt und steigt. Damit gewöhnen sich auch Kunden und Endnutzer (Konsumenten) immer mehr an die Vorzüge sprachbasierter Suche: schnelles und komfortables Auffinden relevanter Informationen.

Ja, es gibt noch Kinderkrankheiten, die Technologie ist nicht vollkommen ausgereift. Als Unternehmen muss man sich ins Geschehen werfen, um nicht am Ende übrig zu bleiben. Wie KODAK das Zeitalter digitaler Bilder verschlafen hat, darf man nicht den Trend zu Chatbots und Sprachassistenten verpassen. 

Starten Sie den Organisationalen Lernprozess bereits jetzt

Wer früh startet, macht vielleicht ein paar Fehler mehr, kann sich jedoch einen großen Vorsprung sichern. Es ist der Umgang mit dieser Technologie, den jedes Unternehmen mittels eines Lernprozesses verankern muss. 

Nachzügler können vielleicht auf einer noch ausgereifteren Plattform starten. Den organisationalen Lernprozess kann man jedoch nicht abkürzen. Darum werden Abwartende den Pionieren meilenweit hinterher sein. 

Ein Blick auf die Autobranche zeigt: Die jahrzehntelange Vorarbeit von Tesla in Sachen Elektromobilität macht sich bezahlt. So konnte man alle anderen Autoproduzenten abhängen und ist für die Zukunft der Elektromobilität bestens gerüstet, während VW & Co verzweifelt versuchen, hastig Meter gut zu machen.

 

Fazit

Knowledge Graphen sind das Fundament für den Sprung in ein neues Zeitalter. Chatbots und Sprachassistenten sind mehr als ein neues Tool. Es geht um einen vollumfänglichen Transformationsprozess, der die Art und Weise, wie wir Informationen einholen und Wissen verwalten, nachhaltig verändert.

Die große Reise beginnt mit einem ersten Schritt. Egal, ob Sie auf diesem Weg vor dem Aufbau einer Wissensdatenbank, der Entwicklung eines Knowledge-Graphen oder der Implementierung eines ersten Chatbots stehen, wir von Onlim beraten und begleiten Sie gerne mit Rat und Tat. 

Wenn Sie sich auf technischer Ebene mit Knowledge Graphen auseinandersetzen wollen, empfehlen wir das mit unseren Mitarbeitern publizierte Buch zum Thema Knowledge Graphen.

 

 

Weitere Artikel, die Sie interessieren könnten: