von Redaktion IT-A…
Lesezeit
2 Minuten
Seite 2 - Verteiltes Wissen durch KI und Metadaten vernetzen
Nur öffentlich zugängliche Daten nutzen
Aus Gründen des Datenschutzes muss sichergestellt sein, dass nur öffentlich zugängliche Daten berücksichtigt werden, also der unternehmensinterne "public footprint" eines Mitarbeiters. Eine Suche basiert auf der Grundannahme, dass der Kommunikationsverlauf ("Wer tauscht mit wem welche Informationen aus"), Projektinformationen, Unterlagen über die Aus- und Weiterbildung et cetera Aufschluss über die Expertise sowie die Projekt- und Führungserfahrung eines Mitarbeiters oder einer Mitarbeiterin geben. Die Datenbank berücksichtigt außerdem die Wünsche der Beschäftigten, etwa in Bezug auf die berufliche Weiterentwicklung.
Ein Beispiel: Ein Unternehmen möchte im Rechenzentrum in der Firmenzentrale eine Hybrid Cloud auf Basis von Microsoft Azure Stack aufbauen. Dies soll die eigene IT-Abteilung übernehmen. Eine Lösung wie BB3k ermittelt, welche Fachleute dafür in Betracht kommen, etwa anhand ihrer Qualifikation, der Einbindung in andere Vorhaben und ihrer Erfahrung mit ähnlichen Projekten. Dabei berücksichtigt die Suchmaschine weitere Faktoren, etwa ob Mitarbeiter bereit sind, von einem anderen Standort zum Hauptsitz des Unternehmens zu wechseln, inwieweit die Tätigkeit mit einem Remote-Work-Ansatz in Einklang zu bringen ist und ob die Fachkraft bereits mit anderen potenziellen Mitgliedern des Azure-Stack-Projektteams zusammengearbeitet hat. Auf Grundlage dieser Informationen erstellt BB3k Empfehlungen, welche Experten und Expertinnen für bestimmte Aufgaben in Betracht kommen.
Dokumente und Projektdaten finden
Eine sinnvolle Ergänzung zu personenbezogenen Datenbanken mit Empfehlungs-Engine (wie BB3k) ist eine Plattform, die Nutzern "Unternehmenswissen" aus diversen Quellen zugänglich macht. Ein Beispiel ist Futucortex, das ebenfalls von Futurice entwickelt wurde. Die Funktionsweise ähnelt der von BB3k. Allerdings ermöglicht es die Software neben E-Mails und Chattools wie Slack auch Datenbanken mit Dokumenten und Excel-Files sowie Cloudspeicherplätze nach Informationen zu durchsuchen. Ausgeschlossen davon sind private Informationen und solche, die dem Datenschutz widersprechen – Mitarbeitende werden durch sie also nicht gläsern.
Die Suchfunktion nutzt Machine Learning und KI-Funktionen, um Informationsbestände wie Angebote, Fallbeispiele oder Präsentationen nach Schlüsselwörtern und Tags zu durchsuchen. Zudem erstellt die Software eine Zusammenfassung des Inhalts eines Dokuments. User werden zudem anhand ihres Suchverhaltens und ihrer Präferenzen über neuen Content informiert, der für sie relevant ist. Auch hier kommt somit das Prinzip von Recommendation Engines zum Einsatz.
IT-Abteilungen können solche Lösungen beispielsweise einsetzen, um die Zahl der Anfragen an den Helpdesk zu reduzieren. End User haben die Option, nach dem Self-Service-Prinzip eigenständig Informationen zur Bedienung von Anwendungen und Konfigurationseinstellungen zu suchen. Außerdem verhindert eine zentrale Knowledge-Plattform, dass identische Daten und Informationen mehrfach erstellt werden – Stichwort Konsolidierung in Informationsbeständen. Das gilt nicht nur für die Führungsebene und die Fachbereiche, sondern auch für Projektteams.
Mindestens ebenso wichtig ist ein weiterer Punkt: Alle Abteilungen und Mitarbeitende erhalten durch die Knowledge-Plattform in Echtzeit eine ganzheitliche Sicht auf Prozesse, Projekte und Kompetenzfelder. Von dieser Transparenz profitieren alle Bereiche, inklusive Fachabteilungen und IT.
Nicht ohne Herausforderungen
Interne Suchmaschinen und Recommendation Engines wie BB3k und Futucortex müssen sich an vorhandene Systeme anbinden lassen. Dafür stehen APIs zur Verfügung. Futurice kombinierte beispielsweise BB3k mit Power, einer selbst entwickelten Anwendung für das Management von Personalressourcen. Die Kombination von mehreren Lösungen kann Sinn ergeben, um die Suchergebnisse zu verbessern.
Zu berücksichtigen ist außerdem, dass Suchmaschinen und Recommendation Engines nicht aus dem Stand vertrauenswürdige Ergebnisse liefern. Sie benötigen eine größere Zahl von Anfragen, bis sie die passenden Antworten bereitstellen. Dieser Lernprozess kann anfangs etwas Zeit in Anspruch nehmen. Die Investition zahlt sich aber durch die Zeitersparnis mehrfach wieder aus, die die Nutzer auf der Suche nach Expertenwissen gewinnen.
Fazit
Interne Such- und Empfehlungs-Engines mit Selbstlernfunktionen sind ein Mittel, um unternehmensinternes Wissen schnell und auf einfache Weise Teammitgliedern und Projektbeteiligten zur Verfügung zu stellen. Durch Entwicklungen wie Remote Work und die projektbezogene Zusammenarbeit von Unternehmen werden solche Lösungen an Bedeutung gewinnen. Letztlich entlasten diese Tools auch die IT-Abteilung, etwa weil sie die Zahl der Anfragen von Anwendern zu IT-Ressourcen und Applikationen reduzieren und die Suche nach Fachleuten mit speziellen Kenntnissen erleichtern.
ln/Helmut Scherer, Managing Director bei Futurice
Aus Gründen des Datenschutzes muss sichergestellt sein, dass nur öffentlich zugängliche Daten berücksichtigt werden, also der unternehmensinterne "public footprint" eines Mitarbeiters. Eine Suche basiert auf der Grundannahme, dass der Kommunikationsverlauf ("Wer tauscht mit wem welche Informationen aus"), Projektinformationen, Unterlagen über die Aus- und Weiterbildung et cetera Aufschluss über die Expertise sowie die Projekt- und Führungserfahrung eines Mitarbeiters oder einer Mitarbeiterin geben. Die Datenbank berücksichtigt außerdem die Wünsche der Beschäftigten, etwa in Bezug auf die berufliche Weiterentwicklung.
Ein Beispiel: Ein Unternehmen möchte im Rechenzentrum in der Firmenzentrale eine Hybrid Cloud auf Basis von Microsoft Azure Stack aufbauen. Dies soll die eigene IT-Abteilung übernehmen. Eine Lösung wie BB3k ermittelt, welche Fachleute dafür in Betracht kommen, etwa anhand ihrer Qualifikation, der Einbindung in andere Vorhaben und ihrer Erfahrung mit ähnlichen Projekten. Dabei berücksichtigt die Suchmaschine weitere Faktoren, etwa ob Mitarbeiter bereit sind, von einem anderen Standort zum Hauptsitz des Unternehmens zu wechseln, inwieweit die Tätigkeit mit einem Remote-Work-Ansatz in Einklang zu bringen ist und ob die Fachkraft bereits mit anderen potenziellen Mitgliedern des Azure-Stack-Projektteams zusammengearbeitet hat. Auf Grundlage dieser Informationen erstellt BB3k Empfehlungen, welche Experten und Expertinnen für bestimmte Aufgaben in Betracht kommen.
Dokumente und Projektdaten finden
Eine sinnvolle Ergänzung zu personenbezogenen Datenbanken mit Empfehlungs-Engine (wie BB3k) ist eine Plattform, die Nutzern "Unternehmenswissen" aus diversen Quellen zugänglich macht. Ein Beispiel ist Futucortex, das ebenfalls von Futurice entwickelt wurde. Die Funktionsweise ähnelt der von BB3k. Allerdings ermöglicht es die Software neben E-Mails und Chattools wie Slack auch Datenbanken mit Dokumenten und Excel-Files sowie Cloudspeicherplätze nach Informationen zu durchsuchen. Ausgeschlossen davon sind private Informationen und solche, die dem Datenschutz widersprechen – Mitarbeitende werden durch sie also nicht gläsern.
Die Suchfunktion nutzt Machine Learning und KI-Funktionen, um Informationsbestände wie Angebote, Fallbeispiele oder Präsentationen nach Schlüsselwörtern und Tags zu durchsuchen. Zudem erstellt die Software eine Zusammenfassung des Inhalts eines Dokuments. User werden zudem anhand ihres Suchverhaltens und ihrer Präferenzen über neuen Content informiert, der für sie relevant ist. Auch hier kommt somit das Prinzip von Recommendation Engines zum Einsatz.
Bild 2: Tools wie Futucortex konsolidieren die Informationsbestände eines Unternehmens und stellen sie
über eine zentrale Plattform zur Verfügung.
über eine zentrale Plattform zur Verfügung.
IT-Abteilungen können solche Lösungen beispielsweise einsetzen, um die Zahl der Anfragen an den Helpdesk zu reduzieren. End User haben die Option, nach dem Self-Service-Prinzip eigenständig Informationen zur Bedienung von Anwendungen und Konfigurationseinstellungen zu suchen. Außerdem verhindert eine zentrale Knowledge-Plattform, dass identische Daten und Informationen mehrfach erstellt werden – Stichwort Konsolidierung in Informationsbeständen. Das gilt nicht nur für die Führungsebene und die Fachbereiche, sondern auch für Projektteams.
Mindestens ebenso wichtig ist ein weiterer Punkt: Alle Abteilungen und Mitarbeitende erhalten durch die Knowledge-Plattform in Echtzeit eine ganzheitliche Sicht auf Prozesse, Projekte und Kompetenzfelder. Von dieser Transparenz profitieren alle Bereiche, inklusive Fachabteilungen und IT.
Nicht ohne Herausforderungen
Interne Suchmaschinen und Recommendation Engines wie BB3k und Futucortex müssen sich an vorhandene Systeme anbinden lassen. Dafür stehen APIs zur Verfügung. Futurice kombinierte beispielsweise BB3k mit Power, einer selbst entwickelten Anwendung für das Management von Personalressourcen. Die Kombination von mehreren Lösungen kann Sinn ergeben, um die Suchergebnisse zu verbessern.
Zu berücksichtigen ist außerdem, dass Suchmaschinen und Recommendation Engines nicht aus dem Stand vertrauenswürdige Ergebnisse liefern. Sie benötigen eine größere Zahl von Anfragen, bis sie die passenden Antworten bereitstellen. Dieser Lernprozess kann anfangs etwas Zeit in Anspruch nehmen. Die Investition zahlt sich aber durch die Zeitersparnis mehrfach wieder aus, die die Nutzer auf der Suche nach Expertenwissen gewinnen.
Fazit
Interne Such- und Empfehlungs-Engines mit Selbstlernfunktionen sind ein Mittel, um unternehmensinternes Wissen schnell und auf einfache Weise Teammitgliedern und Projektbeteiligten zur Verfügung zu stellen. Durch Entwicklungen wie Remote Work und die projektbezogene Zusammenarbeit von Unternehmen werden solche Lösungen an Bedeutung gewinnen. Letztlich entlasten diese Tools auch die IT-Abteilung, etwa weil sie die Zahl der Anfragen von Anwendern zu IT-Ressourcen und Applikationen reduzieren und die Suche nach Fachleuten mit speziellen Kenntnissen erleichtern.
ln/Helmut Scherer, Managing Director bei Futurice
