Was ist kognitive Suche?
Die kognitive Suche ist eine Suchmaschinentechnologie, die künstliche Intelligenz (KI) nutzt, um schnell relevante und genaue Suchergebnisse für verschiedene Arten von Abfragen zu finden. Moderne Unternehmen speichern umfangreiche Informationen — wie Handbücher, häufig gestellte Fragen, Forschungsberichte, Kundendienstanleitungen und Personaldokumentationen — in verschiedenen Systemen. Kognitive Suchtechnologien scannen große Datenbanken mit unterschiedlichen Informationen und korrelieren Daten, um Antworten auf die Fragen der Benutzer zu finden. Sie können beispielsweise eine Frage stellen wie: „Wie viel wurde letztes Jahr für Maschinenreparaturen ausgegeben?“ Anschließend ordnet die kognitive Suche die Frage den relevanten Dokumenten zu und gibt eine spezifische Antwort zurück.
Was sind die Vorteile der kognitiven Suche?
Die kognitive Suche hat viele Vorteile, die sie zu einer nützlichen Suchmaschinentechnologie machen. Die folgenden Vorteile sind einige der Hauptvorteile der kognitiven Suche.
Versteht natürliche Sprache
Ein kognitiver Suchdienst liefert präzisere Ergebnisse, ohne dass der Nutzer viele Angaben machen muss. Sie kann präzise Suchergebnisse generieren, indem sie viele Quellen berücksichtigt und ein Crawling bei strukturierten und unstrukturierten Daten durchführt. Die kognitive Suchmaschinentechnologie versteht auch den Kontext, wenn sie Ergebnisse zurückgibt. Sie verwendet die natürliche Sprachverarbeitung (NLP), um Kontext, Muster und Bedeutung der menschlichen Sprache zu bestimmen.
Steigert die Produktivität
Die kognitive Suche kombiniert Informationen aus mehreren Datenquellen und liefert als Ergebnis eine umfassende Antwort. Bei der herkömmlichen Stichwortsuche müssen Sie alle erforderlichen Informationen auf mehreren Seiten finden. Anschließend lesen, analysieren und fassen Sie die Informationen selbst zusammen.
Im Gegensatz dazu können Sie die umfassende Suchfunktion verwenden, um Antworten aus vielen Dokumenten gleichzeitig zu erhalten. Sie erhalten noch schneller Zugriff auf die Daten, die sie benötigen. Dies kann die Produktivität verbessern und datenbezogene Geschäftsprozesse in Ihrem gesamten Unternehmen rationalisieren.
Personalisiert Suchergebnisse
Die kognitive Suche verwendet Machine Learning (ML), wodurch die Ergebnisse für Benutzer im Laufe der Zeit personalisiert werden. Anstatt ständig dieselben Informationen auszugeben, sammelt es Daten und Suchmuster so, wie sie verwendet werden. Durch die Aufzeichnung der Ergebnisse, auf die Nutzer nach einer ersten Abfrage wahrscheinlich klicken, werden die Ergebnisse verbessert und sehr viel schneller hochrelevante Ergebnisse erzielt. Mit der Zeit wird sie intelligenter, präziser und nützlicher.
Was sind einige Anwendungsfälle der kognitiven Suche?
Die kognitive Suche verwendet natürliche Sprachverarbeitung und andere Technologien der künstlichen Intelligenz, um eine präzise Suche zu ermöglichen. Dies sind einige der Schritte, die die kognitive Suche verwendet.
Dateneingabe
Die kognitive Suche benötigt zunächst Informationen, um darin zu suchen. Sie kann Daten aus Dokumenten, Websites, E-Mails, internen Repositories, Handbüchern und allen anderen Informationen aufnehmen, die Sie verwenden möchten. Sie extrahiert Informationen aus den Ressourcen mithilfe von Extraktionstechniken wie optischer Zeichenerkennung (OCR), Entitätserkennung und NLP-Techniken.
Der Extraktionsprozess zielt darauf ab, die kognitive Suche zu ermöglichen, um die Informationen so zu verstehen, als würde ein Mensch den Inhalt dann katalogisieren.
Indizierung von Daten
Nach der Datenerfassung erstellt die kognitive Suche einen durchsuchbaren Index aller extrahierten Informationen, die Sie ihr gegeben haben. Sie verwendet nicht nur Schlüsselwörter zum Taggen von Daten, sondern auch Metadaten, Beziehungen zwischen Daten und zusätzliche Informationen, um alle Informationen effektiv zu katalogisieren.
Sucht ein Benutzer nach etwas, konsultiert die kognitive Suche diese Indizes, um relevante Informationen viel schneller zu finden.
Benutzereingabe
Wenn ein Benutzer eine Anfrage in die kognitive Suche eingibt, verwendet diese NLP, um die Anfrage zu zerlegen und zu verstehen. Bei der herkömmlichen Stichwortsuche erkennt eine Suchmaschine Schlüsselwörter und erzeugt Daten, die mit diesem Schlüsselwort übereinstimmen.
Im Gegensatz dazu versucht die kognitive Suche, den vollständigen Kontext der Anfrage sowie persönliche Benutzerfaktoren wie ihre Präferenzen zu verstehen. Sie kombiniert NLP-Techniken wie Token-Analyse und semantische Analyse, um zu verstehen, was der Benutzer mit seiner Suche erreichen möchte.
Suchen und Abrufen
Mithilfe der Benutzerabfrage durchsucht die kognitive Suche dann die Datenindizes und findet relevante Informationen in ihren Repositorien. Sie durchsucht die Indizes, sucht nach den nächsten Nachbarn und filtert die Ergebnisse Schicht für Schicht heraus. Jedem relevanten Ergebnis wird ein Relevanzwert zugewiesen. Die kognitive Suche zeigt die relevantesten Informationen an, indem die Ergebnisse nach den Ergebnissen sortiert werden.
Kontinuierliche Verbesserung
Benutzer können zusätzliche Filter oder Spezifikationen hinzufügen, wenn sie eine kognitive Suche verwenden, um noch spezifischere Ergebnisse zu erzielen. Die kognitive Suche verfeinert ihren Ansatz für Abfragen auf der Grundlage früherer Interaktionen.
Bei der kognitiven Suche wird zum Beispiel aufgezeichnet, wonach die Nutzer suchen und in welcher Reihenfolge sie ihre Suchanfragen stellen. Wenn Benutzer in der Regel direkt nach einer Anfrage eine bestimmte Frage stellen, bezieht die kognitive Suche proaktiv auch Informationen über die Folgefrage mit ein.
Im Laufe der Zeit lernt die kognitive Suche auch mehr über die Stimmung und die Bedeutung hinter den Suchanfragen der Nutzer. Dies verbessert die direkten Antworten auf Anfragen.
Wenn beispielsweise jemand eine bestimmte Frage stellt, gibt die kognitive Suche eine spezifische Antwort. Alternativ führt eine allgemeinere Frage zu einer längeren Antwort. Durch die ständige Aufzeichnung von Interaktionen und das Lernen aus ihnen wird die kognitive Suche präziser und liefert im Laufe der Zeit relevantere Informationen.
Wie funktioniert kognitive Suche?
Hier sind einige Möglichkeiten, die kognitive Suche zu Ihrem Vorteil zu nutzen.
Einheitliches Sucherlebnis
Mit der kognitiven Suche können Sie ein einheitliches Sucherlebnis schaffen. Da es die Verarbeitung natürlicher Sprache nutzt, können Sie sehr detaillierte und genaue Antworten erhalten, indem Sie Informationen aus mehreren unstrukturierten und strukturierten Datenbeständen abrufen. Indem Sie auf mehrere Quellen und Datentypen zurückgreifen, können Sie leichter datengestützte Entscheidungen treffen.
So verwendet beispielsweise das Biotechnologieunternehmen Gilead Sciences, Inc. AWS für die kognitive Suche. Sie nutzen die Technologie, um sowohl strukturierte als auch unstrukturierte Daten zu organisieren. Die Informationen werden aus bis zu neun Unternehmenssystemen und Dokumenten aus Wissensspeichern bezogen.
Die kognitive Suche hat die manuelle Datenverwaltung für Gilead erheblich reduziert. Die Zeit, die für die Suche nach Informationen benötigt wird, wurde um etwa 50 % reduziert. Dies hat zu wertvollen Forschungen, Experimenten und pharmazeutischen Durchbrüchen geführt.
Self-Service-Bots
Sie können kognitive Suchlösungen in Self-Service-Bots einsetzen, was zur Verbesserung des Kundensupports vor Ort beiträgt. Benutzer, die wissen wollen, wie eine bestimmte Aufgabe oder Funktion auszuführen ist, können in menschlicher Sprache tippen und erhalten eine individuelle Antwort. Die kognitive Suche unterstützt die Wissenssuche, indem sie Informationen aus verschiedenen Handbüchern, Support-Dokumenten und Ressourcen abruft.
Citibot beispielsweise nutzt AWS, um Kommunikationstools für Bürger und ihre lokalen und staatlichen Behörden bereitzustellen. Es integriert Chatbot-Technologie mit kognitiver Suche, um die Skalierbarkeit und Effektivität der Interaktion mit den Wählern zu verbessern. Die Bürgerinnen und Bürger finden die gesuchten Antworten schnell, indem sie mit dem Chatbot interagieren, der die Wartezeiten um bis zu 90 Prozent verkürzt.
Suche im Datenarchiv
Viele Unternehmen verfügen über historische Datenspeicher mit Millionen von Dokumenten, Bildern und transkribierten Textdateien. Die kognitive Suche kann die Informationen im Datenspeicher erschließen und sie für Analyse und Forschung zusammenfassen.
Das Wall Street Journal verwendet beispielsweise AWS für die kognitive Suche. Die kognitive Suche hat die Entwicklung von Talk2020 beschleunigt. Talk2020 war ein intelligentes Suchwerkzeug, das den Lesern der Publikation half, 30 Jahre öffentlicher Äußerungen von Präsidentschaftskandidaten schnell zu durchsuchen und zu analysieren. Die Technologie erleichtert es, Probleme im Laufe der Zeit eingehend zu untersuchen, indem sie Sprachmuster untersucht und Textanalysen durchführt.
Einarbeitung von Mitarbeitern
Die kognitive Suche hilft bei allen Self-Service-Aufgaben, die Mitarbeiter erledigen müssen, wie z. B. bei der Einarbeitung oder beim Erlernen neuer Fähigkeiten. Sie dient als Querverweis für Mitarbeiter. Anstatt sich an einen Vorgesetzten wenden zu müssen, um zu erklären, wie etwas zu tun ist, können sie die kognitive Suche nutzen. Diese Nutzung trägt dazu bei, Self-Service-Aufgaben zu rationalisieren und die Produktivität zu steigern.
Workgrid Software verwendet AWS beispielsweise, um Softwarelösungen auf einer Mitarbeitererfahrungsplattform bereitzustellen. Das macht ihre Arbeit vernetzter, effizienter und produktiver. Durch kognitive Suche können Mitarbeiter digitale Inhalte in der Datenbank des Unternehmens abfragen. Auf diese Weise können sie Antworten auf alle Fragen finden, die sich während der Arbeit stellen.
Wie verbessert generative KI die kognitive Suche?
Generative künstliche Intelligenz (generative KI) ist eine Art künstlicher Intelligenz, die neue Inhalte und Ideen wie Konversationen, Geschichten, Bilder, Videos und Musik erstellen kann. Generative KI hilft dabei, die kognitive Suche zu optimieren, die Absicht der Nutzer besser zu verstehen und die Gesamtantwort zu verbessern. Im Folgenden geben wir einige Beispiele.
Lesen Sie mehr über generative KI »
Kontext-Analyse
Viele generative KI-Tools verwenden transformatorbasierte Machine-Learning-Modelle. Diese Modelle verfügen über neuronale Netzwerke zur Analyse von Textdaten, um deren Bedeutung zu verstehen.
Transformerbasierte KI-Modelle sind nützlich für die Verarbeitung und das Verständnis natürlicher Sprache. Wenn sie den Benutzer, den Datenkontext und die Benutzerabsicht berücksichtigen, können sie den wahren Zweck einer Abfrage besser verstehen. Mit einem besseren Verständnis von Abfragen kann die kognitive Suche genauere Informationen finden, die zurückgegeben werden können.
Zusammenfassung der Ergebnisse
Generative KI kann größere Texte in kleinere Segmente zusammenfassen. Die kognitive Suche kann die semantisch relevantesten Teile verschiedener Dokumente finden. Mit Hilfe generativer KI können sie dann kombiniert werden und genau das liefern, was der Nutzer sehen möchte. Generative KI kann auch die Qualität eines Ergebnisses maximieren, indem sie den zurückgegebenen Text versteht und Redundanzen entfernt.
Filterung von Inhalten
Generative KI kann kognitive Suchergebnisse nach verschiedenen Parametern filtern, darunter Benutzerautorisierung, Abfragerelevanz und Benutzerpräferenz. Bei der Generierung des Ergebnistextes kann sichergestellt werden, dass nur Ressourcen verwendet werden, für die der Benutzer Zugriffsrechte besitzt. Die Ergebnisse bleiben relevant und nützlich, ohne die Sicherheit zu gefährden.
Wie kann AWS Ihre kognitiven Suchlösungen für Unternehmen verbessern?
Amazon Web Services (AWS) bietet Amazon Kendra als kognitive Suchlösung an.
Amazon Kendra ist ein vollständig verwalteter, hochgenauer und benutzerfreundlicher kognitiver Suchdienst, der auf maschinellem Lernen basiert. Ihre Entwickler können damit Suchfunktionen zu Ihren Anwendungen hinzufügen. Das bedeutet, dass Ihre Endbenutzer relevante Informationen in der riesigen Menge an Inhalten finden können, die in Ihrem Unternehmen verteilt sind.
So können Sie von der Verwendung von Amazon Kendra profitieren:
- Erzielen Sie ein einheitliches Sucherlebnis über strukturierte und unstrukturierte Content-Repositories hinweg
- Stellen Sie Abfrageantworten mit ML-gestützten Tools bereit
- Greifen Sie auf vollständig verwaltete Funktionen zur Rangfolge von Antworten zu, die zur Verbesserung der Antwortgenauigkeit beitragen
- Optimieren Sie die Antworten auf der Grundlage Ihrer eigenen spezifischen Kriterien sowie anderer Attribute wie Nutzerverhalten und Aktualität der Inhalte
Beginnen Sie mit dialogorientierter KI auf AWS, indem Sie noch heute ein Konto erstellen.
Nächste Schritte mit AWS
Sie erhalten sofort Zugriff auf das kostenlose Kontingent von AWS.
Starten Sie mit der Entwicklung in der AWS-Managementkonsole.