Eine wesentliche Voraussetzung f\u00fcr ein zukunftsweisendes Wissensmanagement ist, die Daten, die in einem Unternehmen gew\u00f6hnlich in Hunderten und Tausenden Silos verstreut sind, von diesen zu trennen und zu Informationen zu verkn\u00fcpfen. F\u00fcr diese Aufgabe stehen seit Langem sogenannte Konnektoren zur Verf\u00fcgung, die die Daten aus den Applikationssilos holen und gleichsam auf eine Metaebene bringen, wo sie in Beziehung zueinander gesetzt werden k\u00f6nnen.<\/p>\n

Die Aufgabe erledigen moderne Systeme bereits sehr gut. Doch das ist nur die eine Seite der Medaille. Denn w\u00fcrde man die User mit den neu gewonnen Informationen ungefiltert versorgen, m\u00fcssten sich diese durch Informations- statt durch Datenberge w\u00fchlen, um an die f\u00fcr ihre Aufgaben ben\u00f6tigten Antworten zu gelangen.<\/p>\n

Daher setzen Hersteller zunehmend auf die Analyse jener Faktoren, die nicht in der Information selbst liegen, sondern darin, wie diese verwendet werden \u2013 in der Fachsprache: \u201eBehavioural Model for Information Retrieval System Design\u201c. Zu den Faktoren geh\u00f6ren etwa die Rolle der T\u00e4tigkeit, Aktionen, die in der Vergangenheit im Zusammenhang mit bestimmten Informationen gesetzt wurden, spezifisches Suchverhalten oder sogar die Emotionen, die User mit Informationen verkn\u00fcpfen \u2013 ein Thema, das sehr stark mit Customer Experience bzw. \u201eExperience Economy\u201c verwandt ist.<\/p>\n

Auf Basis der Verhaltensanalysen k\u00f6nnen moderne Wissensmanagementsysteme genau jene Informationen zur Verf\u00fcgung stellen, die gerade gebraucht werden, ohne den User zu \u00fcberfordern. Mit anderen Worten: Die Relevanz einer Information wird personalisiert.<\/p>\n

AI-Datenanalyse und -suche erm\u00f6glichen echte Antworten auf nat\u00fcrliche Fragen<\/h2>\n

Zu diesem Themenkomplex geh\u00f6ren Technologien wie Natural Language Processing (NLP), Natural Language Question Answering (NLQA) und die semantische Aufbereitung von Inhalten, die eine nat\u00fcrliche Mensch-Maschinen-Interaktion erm\u00f6glichen.<\/p>\n

W\u00e4hrend diese f\u00fcr die Akzeptanz und Effizienz wesentlichen Aspekte auch im Jahr 2021 weiter optimiert werden, kommt mit \u201eX Analytics\u201c verst\u00e4rkt ein Thema hinzu, das \u2013 vereinfacht beschrieben \u2013 die Welt der menschlichen Wahrnehmung in die Informations- bzw. Wissensgewinnung miteinbezieht. Dazu geh\u00f6rt laut Gartner die Analyse von Videos und Fotos, um etwa die Supply Chain zu optimieren oder \u00e4rztliche Diagnosen zu unterst\u00fctzen. Weitere Anwendungsm\u00f6glichkeiten sind die Analyse von Vibrationen und Audiodaten, um beispielsweise die Effizienz der vorausschauenden Wartung zu steigern und vieles andere mehr.<\/p>\n

\u00dcberspitzt formuliert: Mit all den genannten Aspekten soll die menschliche Erfahrung gleichsam digitalisiert werden, was Wissensmanagementsysteme zu echten Partnern im Berufsalltag macht.<\/p>\n

\u201eWeak Supervision\u201c: AI ohne Kinderkrankheiten<\/h2>\n

K\u00fcnstliche Intelligenz hatte bis dato einen massiven Nachteil: Um ein AI-System im Unternehmen zum Laufen zu bringen, brauchte es gro\u00dfe Trainingsdaten-Sets. Das bedeutete viel manuelle Arbeit, um die Daten aufzubereiten und zu bereinigen \u2013 je mehr Daten, desto komplexer und langwieriger die Aufgabe.<\/p>\n

Mit dem Verfahren \u201eWeak Supervision\u201c geht man einen neuen Weg: AI lernt selbstst\u00e4ndig von bereits im Unternehmen vorhandenen Datensets, die traditionell manuell eingepflegt und eventuell klassifiziert wurden.<\/p>\n

L\u00e4uft einmal der Prozess von Machine bzw. Deep Learning, verbessert sich die Akkuranz dank R\u00fcckkoppelungseffekt stetig. Nach zwei, drei Monaten im Einsatz kann auf \u201eDunkelverarbeitung\u201c \u2013 das hei\u00dft vollautomatisiertes Processing \u2013 umgestellt werden; und das ganze ohne oder mit stark reduzierter Trainingsphase.<\/p>\n

Gleichzeitig, und das quasi als Erg\u00e4nzung zur Dunkelverarbeitung, setzen Anbieter von Wissensmanagementl\u00f6sungen verst\u00e4rkt auf den Trend \u201eExplainable AI\u201c (XAI), wenn es darum geht, bestimmte Entscheidungen der k\u00fcnstlichen Intelligenz nachvollziehbar zu machen. Da dies bei sehr komplexen Modellen jedoch nur bedingt m\u00f6glich ist, geht die Reise 2021 in Richtung Vereinfachung.<\/p>\n

Die 360-Grad-Sicht wird zum Mainstream<\/h2>\n

W\u00e4hrend es fr\u00fcher notwendig war, die Daten und Informationen zu einer bestimmten Aufgabenstellung selbst zusammenzusuchen, ist die holistische Aufbereitung von Informationen nun Standard. Das gilt f\u00fcr den Wartungsmechaniker genauso wie f\u00fcr den CEO, der den 360-Grad-Blick braucht, um schnell Entscheidungen treffen zu k\u00f6nnen.<\/p>\n

\u00c4u\u00dferes Zeichen dieser Entwicklung ist das Zusammenwachsen der Business Intelligence-Welt mit jener der Enterprise-Search, wobei die Anbieter verst\u00e4rkt Partnerschaften eingehen oder die Gegenseite \u00fcbernehmen.<\/p>\n

Distributed und Hybrid Cloud: Die Wolke kommt zum User<\/h2>\n

Laut Gartner werden Cloud-Dienste zunehmend auf verschiedene Standorte verteilt, der Betrieb aber, die Verwaltung und die Weiterentwicklung bleiben in der Verantwortung des \u00f6ffentlichen Cloud-Anbieters. Der Marktforscher nennt dies \u201eDistributed Cloud\u201c.<\/p>\n

Parallel zum allgemeinen Hybrid Cloud-Trend soll die Distributed Cloud \u00fcberall dort zum Einsatz kommen, wo niedrige Latenz, geringe Datenkosten oder Gesetze dominieren, die Unternehmen vorschreiben, dass Daten in einem bestimmten geografischen Gebiet verbleiben m\u00fcssen. Es bedeutet auch, dass Organisationen nach wie vor von der \u00f6ffentlichen Cloud profitieren und nicht ihre eigene private Cloud verwalten, was kostspielig und komplex sein kann. Daher spielen die genannten Vorteile der Distributed Cloud in beiden F\u00e4llen eine wichtige Rolle.<\/p>\n

Hyperautomation: AI f\u00fcr die Gesch\u00e4ftsprozesstransformation<\/h2>\n

Hyperautomation bedeutet Gartner zufolge nichts anderes als die Idee, dass alles, was in einer Organisation automatisiert werden kann, automatisiert werden sollte. Die Motivation dahinter ist nicht, die Anzahl der Mitarbeiter zu reduzieren, sondern diese von qu\u00e4lenden Routinen \u2013 Stichwort \u201eMonkey Business\u201c \u2013 zu befreien, damit sie st\u00e4rker in die Wertsch\u00f6pfungsprozesse des Unternehmens eingebunden werden k\u00f6nnen.<\/p>\n

Der Begriff \u201eHyperautomation\u201c impliziert auch die Optimierung bzw. Weiterentwicklung von traditionellen Gesch\u00e4ftsprozessen mit dem Ziel, an Flexibilit\u00e4t und Agilit\u00e4t hinzuzugewinnen. Die Corona-Krise hat deutlich gezeigt, wie essentiell diese F\u00e4higkeiten sind. 2021 wird die Transformation der Business-Prozesse verst\u00e4rkt durch AI unterst\u00fctzt werden.<\/p>\n

Gleichzeitig hilft diese Entwicklung, neue Gesch\u00e4ftsfelder zu entdecken und zu realisieren. Dies funktioniert jedoch nur dann, wenn Unternehmen \u00fcber eine solide Basis in Sachen Wissensmanagement verf\u00fcgen.<\/p>\n

Fazit: Connecting the Dots<\/h2>\n

Das Wissen, das im Unternehmen meist im \u00dcberfluss vorhanden ist, kann nur dann Wert generieren, wenn es zum richtigen Zeitpunkt, am richtigen Ort und in der richtigen \u2013 d.h. m\u00f6glichst kompakten \u2013 Form f\u00fcr all jene Mitarbeiter zug\u00e4nglich ist, die es ben\u00f6tigen, um ihre Aufgaben zu erf\u00fcllen. Das Motto \u201eConnecting the dots\u201c ist damit die Grundlage f\u00fcr ein Wissensmanagement der Zukunft, das eine Vielzahl an modernen Technologien unter einem Dach vereint und diese den Usern in einer m\u00f6glichst nat\u00fcrlichen und nahtlos integrierten Form zur Verf\u00fcgung stellt.<\/p>\n