{"id":17511,"date":"2020-11-10T11:44:00","date_gmt":"2020-11-10T10:44:00","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=17511"},"modified":"2020-11-03T09:49:09","modified_gmt":"2020-11-03T08:49:09","slug":"mit-enterprise-search-die-datenflut-beherrschen","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=17511","title":{"rendered":"Mit Enterprise Search die Datenflut beherrschen"},"content":{"rendered":"\n<p>Autor\/Redakteur: <a href=\"https:\/\/www.intrafind.de\/\">Franz K\u00f6gl, Vorstand der IntraFind Software AG<\/a>\/gg<\/p>\n\n\n\n<p>Viele Unternehmen sind nach wie vor auf der Suche nach geeigneten Tools f\u00fcr die ganzheitliche Auswertung ihrer Big Data. Eine Enterprise Search-L\u00f6sung kann ein solches Tool sein \u2013 wenn sie mit den richtigen Technologien ausgestattet ist.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"683\" height=\"1024\" src=\"https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-683x1024.jpg\" alt=\"\" class=\"wp-image-17512\" srcset=\"https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-683x1024.jpg 683w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-200x300.jpg 200w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-768x1152.jpg 768w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-1024x1536.jpg 1024w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-1365x2048.jpg 1365w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2020\/11\/Art-scaled.jpg 1707w\" sizes=\"auto, (max-width: 683px) 100vw, 683px\" \/><figcaption>Der Autor Franz K\u00f6gl ist Vorstand der IntraFind Software AG, einem Search-Spezialisten in M\u00fcnchen (Quelle: IntraFind)<\/figcaption><\/figure>\n\n\n\n<!--more-->\n\n\n\n<p>Die Datenbest\u00e4nde der Unternehmen wachsen weiter ungebremst an. Dennoch haben viele von ihnen nach wie vor Schwierigkeiten damit, sich diese Big Data umfassend zu erschlie\u00dfen. Ganz im Gegenteil: Wertvolles Wissen wird nicht genutzt, weil einem Mitarbeiter gar nicht bekannt ist, dass es vorliegt; das Rad wird laufend neu erfunden, weil der eine Kollege nicht wei\u00df, dass der andere schon einmal an demselben Thema gearbeitet hat; Verantwortliche treffen falsche Entscheidungen, weil ihnen nicht alle relevanten Informationen vorliegen. Viele IT-Abteilungen sind deshalb immer noch auf der Suche nach L\u00f6sungen und Tools zur sinnvollen Auswertung von gro\u00dfen Datenbest\u00e4nden.<\/p>\n\n\n\n<p>Ein solches Tool kann eine Enterprise Search-L\u00f6sung sein \u2013 wenn sie die n\u00f6tigen Technologien daf\u00fcr mitbringt. Die Basis daf\u00fcr ist dabei nat\u00fcrlich, dass sie \u00fcberhaupt erst einmal auf die Daten aus allen erforderlichen Systemen zugreifen und diese auswerten kann. Deshalb sollte sie ein breites Set an Standardkonnektoren mitbringen, \u00fcber die sich alle erdenklichen Datenquellen anbinden und indexieren lassen. Dabei darf es keine Rolle spielen, ob sich diese Quellen auf den eigenen Servern, in der Cloud oder im Deep Web befinden und ob es sich um strukturierte oder unstrukturierte Datenbest\u00e4nde handelt.&nbsp;<\/p>\n\n\n\n<p>Zudem muss die Such- und Analysesoftware skalierbar sein und mit dem Datenbestand mitwachsen k\u00f6nnen, um wirkliche Massendatenverarbeitung zu erm\u00f6glichen. Datenbest\u00e4nde mit Milliarden Dokumenten d\u00fcrfen kein Hindernis darstellen. Eine gute M\u00f6glichkeit daf\u00fcr bietet das Distributed Computing. Unterst\u00fctzt die Software verteilte Systeme, kann sie ihre Leistungsf\u00e4higkeit bei Bedarf durch das Hinzuf\u00fcgen weiterer Rechner unkompliziert erh\u00f6hen \u2013 und stellt damit eine zukunftsf\u00e4hige Systemarchitektur bereit.<\/p>\n\n\n\n<!--nextpage-->\n\n\n\n<p><strong>Technologiestack f\u00fcr Content Analytics und K\u00fcnstliche Intelligenz erforderlich<\/strong><\/p>\n\n\n\n<p>Neben derartigen Grundlagen ben\u00f6tigt sie aber auch einen kompletten Technologiestack f\u00fcr Content Analytics und K\u00fcnstliche Intelligenz. Unterst\u00fctzt die Enterprise Search-L\u00f6sung Machine-Learning- und Deep-Learning-Verfahren, ist sie in der Lage, Inhalte thematisch zu erfassen, Daten automatisch zu sortieren, Beziehungen zwischen den Daten zu erkennen und Trends auszumachen. Mit diesen F\u00e4higkeiten lassen sich die unterschiedlichsten Analyse-Szenarien realisieren. Unternehmen k\u00f6nnen beispielsweise:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>f\u00fcr neue Projekte oder neue Kunden ermitteln, welcher Mitarbeiter die beste Expertise daf\u00fcr mitbringt. Dazu lassen sich etwa die einzelnen Mitarbeiter mit ihren F\u00e4higkeiten und Beziehungen untereinander grafisch darstellen.<\/li><li>im Kundenservice Supportanfragen von Kunden z\u00fcgig beantworten. Ausgehend von der Ausgangsfrage und unter Ber\u00fccksichtigung des vorhandenen Wissens \u00fcber den Kunden werden Support-Mitarbeiter zielgerichtet durch die n\u00e4chsten logischen Fragen gef\u00fchrt.<\/li><li>IoT-Daten und Logdateien von Maschinen analysieren. Um im Qualit\u00e4tsmanagement schnell auskunftsbereit zu sein, lassen sich Maschinen, die Fehler verursacht haben, rasch identifizieren.<\/li><li>die Marktentwicklung beobachten. Das System analysiert dazu externe Quellen wie Fachartikel aus Wikipedia, Patente oder Pr\u00e4sentationen und kann dabei auch Content ber\u00fccksichtigen, der hinter Paywalls oder im Deep Web liegt, und damit f\u00fcr Standard-Suchmaschinen nicht zu finden ist.&nbsp;<\/li><\/ul>\n\n\n\n<p>Neben solchen fest eingerichteten Analyse-Szenarien sind aber auch jederzeit beliebige Ad-hoc-Auswertungen \u00fcber den kompletten Datenbestand m\u00f6glich. Die Nutzer k\u00f6nnen sich ben\u00f6tigte Auswertungen aus dem Stand zusammenstellen und durch intelligente Drill-Downs analysieren. So erhalten sie eine 360-Grad-Sicht auf den gesamten Datenbestand ihres Unternehmens und k\u00f6nnen ihn \u00fcber Filter und Aggregationen dynamisch eingrenzen. Damit verf\u00fcgen sie \u00fcber ein wertvolles Recherchewerkzeug, um sich einen schnellen \u00dcberblick \u00fcber ein Thema zu verschaffen.&nbsp;<\/p>\n\n\n\n<p><strong>Auch mittelst\u00e4ndische und kleine Unternehmen profitieren<\/strong><\/p>\n\n\n\n<p>Von solchen L\u00f6sungen k\u00f6nnen nicht nur Konzerne profitieren, sondern auch mittelst\u00e4ndische und kleine Unternehmen. Im Grunde genommen beginnt Big Data immer dort, wo sich Unternehmen in der Vielfalt an Applikationen, Systemen und Dateiablagestrukturen verlieren und \u2013 salopp gesagt \u2013 nichts mehr finden. Eine geeignete Enterprise Search-L\u00f6sung kann KMU in solchen F\u00e4llen enorm dabei helfen, standort- und abteilungsbezogene Informationssilos aufzubrechen und allen Mitarbeitern einen schnellen und ganzheitlichen Zugang zum kompletten Datenbestand des Unternehmens zu verschaffen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Viele Unternehmen sind nach wie vor auf der Suche nach geeigneten Tools f\u00fcr die ganzheitliche Auswertung ihrer Big Data. Eine Enterprise Search-L\u00f6sung kann ein solches Tool sein \u2013 wenn sie mit den richtigen Technologien ausgestattet ist.<\/p>\n","protected":false},"author":3,"featured_media":17512,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,750],"tags":[2064,14284,9443,8220,32,14285],"class_list":["post-17511","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-big-data","tag-analyse","tag-enterprise-search","tag-intrafind","tag-ki","tag-kmu","tag-suchen"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/17511","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=17511"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/17511\/revisions"}],"predecessor-version":[{"id":17513,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/17511\/revisions\/17513"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/17512"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=17511"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=17511"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=17511"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}