Analytics und Cognitive Computing

Software mit Sprachverständnis

Mit Analytics erhalten Anwender intelligente Software-Komponenten, die natürliche Sprache verstehen und im Dialog mit Nutzern in der Lage sind, ihre Expertise ständig weiter auszubauen, berichtet Matthias Fuhrmann von IBM.

Matthias Fuhrmann, IBM

Matthias Fuhrmann, IBM Sales Leader Business Intelligence & Predictive Analytics für Deutschland, Österreich und die Schweiz

IT-DIRECTOR: Herr Fuhrmann, inwiefern haben die Anbieter von Business-Intelligence-Software (BI) bereits Technologien der Künstlichen Intelligenz (KI) in ihren Systemen integriert?
M. Fuhrmann:
Die Integration von Künstlicher Intelligenz generell in Unternehmensapplikationen schreitet voran. Und wir gehören mit Watson sicherlich zu den Vorreitern bei der Entwicklung von BI-Lösungen, die mit kognitiven Fähigkeiten ausgestattet sind. Mit Watson Analytics haben wir in den vergangenen Jahren für unterschiedliche Aufgaben, Firmenbereiche und Branchen einen ganzen Werkzeugkasten intelligenter Software-Komponenten entwickelt, die natürliche Sprache verstehen und darüber hinaus im Dialog mit Anwendern durch Feedbacks und Trainings auch in der Lage sind, ihre Expertise ständig weiter auszubauen.

IT-DIRECTOR: Auf welche Art und Weise verändert sich dadurch der Funktionsumfang der BI-Tools?
M. Fuhrmann:
Klassische BI-Systeme können nur mit strukturierten Daten arbeiten, haben kein Sprachverständnis und sind nicht in der Lage, eigenständig Zusammenhänge oder Muster zu erkennen. Watson Analytics (WA) kann das alles: Das System kann Fragen in natürlicher Sprache verstehen und beantworten, zum Beispiel: „Welche Faktoren beeinflussen eine Kaufentscheidung?“

Um diese Frage zu beantworten, analysiert das System automatisch die Daten, die es zur Verfügung gestellt bekommt  und bietet auf dieser Basis neue Erkenntnisse, die wiederum als Startpunkte für weitere detaillierte Nachfragen und Analysen dienen können. Bei Social-Media-Analysen werden etwa Quellen wie digitale Pressemitteilungen, Foren, Videokommentare, Facebook-Seiten oder Blogs herangezogen. Unsere Software klassifiziert die Bedeutung der Quellen und Autoren und bietet u.a. Werkzeuge für die Sentiment-Auswertung, mit denen herausgefunden werden kann, wie die Stimmung im Netz zu einem bestimmten Thema, Produkt oder einer Dienstleistung ist. Hinzu kommt: mit Watson Analytics kann buchstäblich jeder arbeiten: BI als Self-Service gewissermaßen. Spezifische IT- oder Programmierkenntnisse sind also nicht notwendig. Damit können diese Anwendungen nun auch direkt einzelnen Fachabteilungen zur Verfügung gestellt werden.

IT-DIRECTOR: Was können BI-Lösungen auf Basis von Künstlicher Intelligenz leisten, was bisherige Systeme nicht konnten? Welche neuen Möglichkeiten eröffnen sich den Anwendern?
M. Fuhrmann:
Sie können beispielsweise Vorhersagen treffen oder bisher nicht erkennbare Interdependenzen aufdecken. Und sie können eigenständig und unvoreingenommen Hypothesen bilden – eine Vorgehensweise, die bisher nicht möglich war. Denn traditionelle BI-Lösungen verlangen bereits im Vorfeld bei der Modellmodellierung die Festlegung auf bestimmte Annahmen. Das ist nun nicht mehr notwendig.

Unsere Software beschleunigt mit den kognitiven Funktionen die analytischen Aktivitäten in Unternehmen in verschiedener Weise. Zum einen werden Zusammenhänge und Muster in bestimmten Datensätzen erkannt. Zudem werden Startpunkte für die Analyse vorgeschlagen ebenso wie Ziele für die Vorhersagen. Und es bietet die Interaktion in natürlicher Sprache, die eine Exploration der Daten durch einfache Fragen ermöglicht, wie man sie zum Beispiel auch einem Kollegen stellen würde.

IT-DIRECTOR: Welche Rolle spielen in diesem Zusammenhang „Maschinelles Lernen“ oder „Deep Learning“? Was verbirgt sich hinter diesen Begrifflichkeiten?
M. Fuhrmann:
Machine Learning ist das Trainieren von Algorithmen, um Daten zu analysieren, aus ihnen zu lernen und auf dieser Grundlage dann eine Feststellung oder eine Vorhersage zu treffen. Die Maschine „trainiert“ dabei mit einer großen Menge an Daten ihre Algorithmen, die ihr gleichzeitig die Möglichkeit geben, zu lernen, wie eine bestimmte Aufgabe zu lösen ist.

Unter Deep Learning versteht man die Nutzung künstlicher neuronaler Netzwerke, um auch unstrukturierte Daten wie Sprache oder Bilder, die bisher nicht für die Datenverarbeitung geeignet waren, auswerten zu können „Deep Learning“ ist also eine Art von Machine Learning, das bei der Verarbeitung von Sprache und dem Erkennen von Bildern in sehr großen, unstrukturierten Datenmengen genutzt wird.

Die Methoden des maschinellen Lernens bzw. Deep Learnings bilden die Basis für die unterschiedlichen Fähigkeiten, die dem Nutzer auch ohne mathematisch-statistisches Hintergrundwissen helfen, Erkenntnisse aus seinen Daten zu gewinnen. Hierzu zählt Natural Language Processing zur Spracherkennung und für Sentiment-Analysen.

IT-DIRECTOR: Alle Analysen nutzen nichts, wenn sich daraus nicht sinnvolle Handlungsempfehlungen ableiten und auch umsetzen lassen. Wie können die Anwender nach der Analyse am besten die nächsten Schritte einleiten?
M. Fuhrmann: Das oberste Ziel muss es sein, die erzielten Erkenntnisse möglichst schnell im Unternehmen zu verbreiten, daraus die richtigen Schlussfolgerungen zu ziehen und mit ihnen konkret zu arbeiten. Wir bieten beispielweise Lösungen, um Ergebnisse automatisiert zu visualisieren, d.h. das System schlägt aufgrund der Ergebnisse bereits sinnvolle grafische Darstellungen vor. Diese visualisierten Ergebnisse können dann einfach über Dashboards, Infografiken oder über die Storytelling-Funktionalitäten in einer Geschichte zusammengefasst und wie ein Video abgespielt werden. Damit ist es möglich, die neu gewonnen Erkenntnisse schnell und verständlich im gesamten Unternehmen zu teilen. Darüber hinaus können durch eine entsprechende Einbettung in die bestehenden Systeme etwa im Marketing, Vertrieb oder in der Kundenbetreuung, bestimmte Workflows und Prozesse automatisiert werden.

Mit Hilfe von WA können damit erstmals die Hunderte von Fragen beantwortet werden, die sich die Mitarbeiter in einem Unternehmen täglich stellen, die aber bis dato nicht beantwortet werden konnten. Und diese neuen Erkenntnisse können dann nicht nur quer durch das ganze Unternehmen für die Entscheidungsfindung genutzt werden, sondern helfen auch bei der Entwicklung von vorausschauenden Analyse- oder anderen automatisierten, datenbasierten Entscheidungsmodellen.

IT-DIRECTOR: Können Sie uns bitte kurz ein Beispiel für den erfolgreichen Einsatz von Künstlicher Intelligenz in Großunternehmen skizzieren?
M. Fuhrmann:
Spracherkennnung, -analyse und -interpretation sind zentrale Merkmale von Watson. Diese Fähigkeiten in Kombination mit der Automatisierung von Workflows können eine wichtige Hilfestellung im Umgang mit Kundenanfragen sein und genau das macht sich seit einiger Zeit auch die Versicherungskammer Bayern zu nutze. Sie erhält mehr als sieben Millionen Kundenbriefe und Mails jährlich, die zeitnah beantwortet werden müssen. Bisher war da mittels eines Software-Tools im Vorfeld  nur eine verhältnismäßig einfache Einordnung und Zuteilung nach Schlagworten möglich. Das ist nun Schnee von gestern. Denn durch eine dedizierte Analyse jedes Satzes, auch im Hinblick auf Ironie und Tonfall, sorgt das System automatisch für eine Zuordnung an den jeweils richtigen Sachbearbeiter. Das geschieht nun sehr schnell und mit extrem hoher Treffsicherheit. So werden ironische Seitenhiebe, wie beispielsweise die Kombination aus „herzlichen Dank für die schnelle Schadenbearbeitung“ und die darauf folgende Bemerkung, dass das ganze ja nur zehn Wochen gedauert habe, erkannt und entsprechend eingeordnet. Damit kann der Versicherer Kundenanliegen viel effektiver und zielgerichteter bearbeiten.

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok