Personalisierte Wissensdienste: Das Unternehmen denkt mit

Andreas Dengel, Heiko Maus, Deutsches Forschungszentrum für Künstliche Intelligenz  

Stellen Sie sich vor, Sie hätten einen digitalen Wissensassistenten, oder – mal etwas plakativ, einen „Informationsbutler“ – der Ihnen nicht lediglich einen Tisch im nächsten Restaurant buchen kann, sondern vielmehr – als antizipierender persönlicher Assistent (oder Assistentin) – Ihnen bei Problemlösungen in Ihrem Arbeitsumfeld zur Seite steht. Dies kann er, weil in Ihrer täglichen Arbeit eingebettet ist und dabei sowohl Ihren persönlichen Wissensraum als auch den des Unternehmens kennt, Ihren aktuellen Tätigkeitskontext erkennt und begreift, Ihre Aufgaben versteht und bei deren Erledigung assistiert, wenn nicht sogar Teile für Sie bereits erledigt. Um diese Vision Realität werden zu lassen, müssen verschiedenste Bausteine ineinandergreifen, welche zunächst aus den unterschiedlichsten Datenquellen „smarte Daten“ erzeugen können , die wiederum die Grundlage bilden, um spezialisierte Wissensdienste im Zusammenspiel mit dem Nutzer zu ermächtigen, einen solchen Informationsbutler zu realisieren. Diese Metapher impliziert aber auch den Bedarf an einer personalisierten Sicht: Um solche Butler zu realisieren, müssen Technologien entwickelt werden, die die mentalen Modelle, Kontexte, Rollen und Aufgaben von Nutzern im Unternehmensumfeld kennen, aufbauen, weiterentwickeln und diese miteinander in Beziehung setzen, um daraus adäquate Aktionen ableiten zu können, wie etwa proaktiv zum erkannten Kontext Informationen zusammenzustellen oder eine gezielte Handlungsempfehlung für einen Prozessschritt zu geben. Dazu benötigt der „Informationsbutler“ Zugang zu umfangreichem Wissen über Daten und Informationsräume, Aufgaben und Prozesse, sowie gemachte Erfahrungen und Entscheidungen des Nutzers sowie des Unternehmens in ähnlichen Situationen. Ein solches „Unternehmensgedächtnis“ dient, eingebettet im Arbeitsumfeld des Nutzers, als mehrperspektivischer Informations- und Assoziationsraum, weswegen die Metapher „Informationsbutler“ hier sehr passend ist. Um dies im heterogenen Unternehmensumfeld zu realisieren, ist die gesamte Bandbreite der Methoden und Technologien der Künstlichen Intelligenz gefragt, welche je nach Szenario und Datenlage auszuwählen ist. Das beginnt mit der Hebung von Potenzialen aus Datensilos durch Ansätze des Maschinellen Lernens wie etwa wissensbasierter Mustererkennung, Deep Learning oder dem Einsatz semantischer Technologien zum Aufbau von organisationalen Wissensgraphen und dem Reasoning darauf und führt hin zu in sozio-technischen Mensch-Maschine-Umgebungen agierenden Wissensdiensten. Um in der Metapher zu bleiben, agiert der „Informationsbutler“ eingebettet in der Arbeitswelt als umfassenden Vermittler zwischen hochspezialisierten Diensten und dem Nutzer. Die Ermächtigung des Duos Mensch-Butler, eigenständig persönliche und organisationale Informations- und Wissensräume für die Erledigung von Aufgaben zu nutzen, wird viele Mitarbeiter entlasten, etwa von der Beschaffung und Aufbereitung bereits vorhandener Informationen sowie verfügbarer Einsichten. Damit bleibt mehr Zeit für die harten Problemlösungen mit hohem zwischenmenschlichem Interaktions- und Kommunikationsbedarf. Auf dem Weg zu solch einer Lösung sind einige Hürden zu nehmen. Betrachten wir das Szenario einer Liegenschaftsabteilung des Energiedienstleisters enviaM, welche wir aktuell in einer Machbarkeitsstudie analysieren. So oder so ähnlich sieht es bei diesem und anderen Unternehmen mit gewachsener Infrastruktur aus: heterogene Dokument- und Dateisammlungen, Datenbanken und Bestandssysteme für dedizierte Aufgaben, die aus verschiedensten Gründen nicht durch eine umfassende Neustrukturierung vereinheitlicht zu werden (nicht Teil von Primärprozessen, potenziell zu hohe Komplexität, keine maßgeschneiderte Lösung am Markt, vermeintlich hohen Investitionen). Es bleibt oft nur, dass sich Mitarbeiter und Abteilungen mit der Situation arrangieren oder gegebenenfalls punktuell ansetzen, wie etwa in unserem Szenario durch die Einführung eines DMS. Für die Erledigung ihrer täglichen Arbeit benötigen die Mitarbeiter unterschiedlichste Quellen: Ein über mehrere Jahre gewachsenes Netzlaufwerk als Dokumentablageort, ein Bestandssystem zur Pflege der Grundstücke, Flurstücke, und Besitzverhältnisse unterschiedlicher Mandanten, diverse Dateien bevorzugt als Excel mit spezialisierten Informationen, welche in verschiedenen Aufgaben immer wieder benötigt werden, wie etwa Buchwerte aus SAP, Standard-Büroanwendungen, wie etwa E-Mail und natürlich das Intranet. Nicht zu vergessen Kollegen aus anderen Abteilungen zur Informationsbeschaffung oder als Entscheidungsträger. Die Arbeit in dieser Ansammlung von Datensilos gestaltet sich teilweise langwierig, insbesondere wenn Datensilo-übergreifende Informationen benötigt werden. Unsere Aufgabe war, davon ausgehend ein Unternehmensgedächtnis zu entwickeln, das aus den heterogenen Datenquellen einen organisationalen Wissensgraphen mittels semantischer Technologien aufbaut und gepflegt wird sowie Wissensdienste zur Verfügung stellen kann, ohne die Ausgangssysteme selbst abzulösen. Aus Sicht der Mitarbeiter sollte ein Informationsbutler nun bei einer Anfrage per E-Mail deren inhaltlichen Kontext erkennen, den jeweiligen Prozess, respektive die Aufgabe ableiten – etwa die Klärung von Details zu einem Flurstück – sowie relevante Informationen aus entsprechenden Quellen bereitstellen, die zur Bearbeitung einer Anfrage benötigt werden – wie im Dashboard für ein Flurstück in Abbildung 1 dargestellt.

Dass der Inhalt einer E-Mail verstanden und ein Assistent entsprechend einen Kontext zur Bearbeitung aufbauen kann, erfordert in diesem Szenario den Wissensraum des Liegenschaften- Mitarbeiters zu kennen. Dazu wurden zunächst Struktur und Inhalte des Team-Laufwerks analysiert, um einen Wissensgraphen der Liegenschaften aufzubauen mit ihrem spezifischen Vokabular wie Mandanten und Standorte, Grundstücke und Flurstücke, Themen und Strukturierungen, Prozesse und Dokumente, Dokumentklassen und Informationsbedarfe. Zur Vervollständigung des Unternehmensgedächtnisses werden in diesen organisationalen Wissensgraphen weitere Daten oder Quellen wie Pläne, Luftbilder, Finanzdaten, detaillierte Informationen zu Standorten, wie Geokoordinaten, etc. eingebunden. Dies erfordert für jede Quelle, eine Interpretation und Projektion der dort vorhandenen Daten in das zugrundeliegende semantische Netzwerk sowie eine Bestimmung der elektronischen Identität im Sinne des „Web of Things“, etwa welches Flurstück gemeint ist. Damit ausgestattet können nun verschiedenste Wissensdienste ineinandergreifen und die Assistenz an den Tätigkeitskontext anpassen. Der Informationsbutler passt dabei das mentale Modell, das er sich vom Nutzer macht, durch Beobachtung der Benutzerinteraktion ständig an. Dafür überführt er die verschiedensten persönlichen Informationsquellen wie etwa Kalenderdaten, Kontakte, Aufgaben, Dokumente, (lokales) Dateisystem und deren Strukturierung in ein personalisiertes semantisches Netzwerk , das als Mittler zum Unternehmensgedächtnis fungiert. Damit versteht der Informationsbutler die Denkweise des Benutzers und kann Lösungswege assoziativ und proaktiv unterstützen, indem er selbstständig Schlüsse zieht und so Freiräume für die kreative Arbeit mit den Ergebnissen zu schaffen. Der Informationsbutler wird somit in die Lage versetzt, Datensilos aufzubrechen, Inhalte zu analysieren, zu kombinieren, zu assoziieren und vorzuschlagen oder gar das Arbeitsumfeld auf den Kontext anzupassen . Er übernimmt so die Rolle eines persönlichen Assistenten, der eingebettet in das Unternehmensgedächtnis und das individuelle Arbeitsumfeld, aus der Interaktion mit dem Nutzer lernt. Er entlastet ihn von Routinetätigkeiten (etwa aufwändige Recherchen, Routine-Tätigkeiten in Prozessen, dem Verfassen von Standardantworten oder dem Zusammenstellen relevanter Unterlagen) und stellt dabei den Nutzer, dessen Produktivität und Wohlbefinden im Sinne von „KI für den Menschen“ in den Mittelpunkt.