Knowledge Graphen: Finden, was ich brauche

5. Mai 2022

Bereits 1945 kritisierte Vannevar Bush in seinem legendären Essay „As we may think“ die völlig veralteten Instrumente, die seinerzeit im Wissensmanagement eingesetzt wurden. Knapp 80 Jahre später hören wir noch immer dieselben Klagen – digitales Zeitalter hin oder her.

Jahrzehntelang wurde Wissen in Datenbanken erfasst, verlinkt und verbreitet. Die technische Reproduktion von Wissen wurde dadurch exorbitant beschleunigt. Nicht gefördert hingegen wurden kreative Wissensprozesse, die durch die neuartige Verknüpfung bestehender Informationen neues Wissen generieren.

Der Traum von Daten-Jüngern, dass immer neues Wissen gewonnen werden würden, wenn nur die GPUs schnell genug wären, ist in der Zwischenzeit zerplatzt. Nicht, weil die Idee grundsätzlich schlecht wäre, sondern weil es die Daten, um das zu lernen, was wir lernen wollen, schlicht nicht gibt.

Aus diesem Grund bilden Knowledge Graphen seit jeher das Herzstück aller Empolis-Anwendungen, denn sie vereinen zwei wesentliche Eigenschaften:

Erstens bieten sie die Möglichkeit, komplexe semantische Bezüge auch auf Grundlage nur weniger Beispieldaten zu erfassen und abzubilden.

Und zweitens können mit ihrer Hilfe unterschiedliche Anwender mit unterschiedlichen Perspektiven eine gemeinsame Informationsbasis aufbauen, pflegen und als gemeinsame Grundlage für ganz unterschiedliche Entscheidungen nutzen.

Die meisten Experten, die Knowledge Graphen als spezielle Form von Datenbanktechnologie nutzen, sind noch nicht bis zu ihrem revolutionären Kern vorgedrungen. Intelligent eingesetzt, können wir mithilfe von Knowledge Graphen Informationen so erfassen, verarbeiten und nutzen, wie Menschen denken. Damit dies funktioniert, müssen die Möglichkeiten semantisch verknüpfter Informationen jedoch für die Nutzer zugänglich sein. Es reicht nicht aus, wenn Softwareentwickler einfach ihr altes Backend durch einen Knowledge Graphen ersetzen. Vielmehr müssen wir unsere Nutzer in die Lage versetzen, gemeinsam an verknüpften Daten zu arbeiten. Jeder aus seinem eigenen Blickwinkel und mit seinem eigenen, spezifischen Geschäftsbedarf, aber alle in demselben Wissensnetzwerk.

Finden, was ich brauche. Nicht, wonach ich suche.

Betrachten wir einmal das einfache Beispiel einer Informationssuche: Als Angestellter eines Technologieunternehmens kann es viele Gründe geben, nach einem Rasterelektronenmikroskop zu suchen: Vielleicht wollen Sie einfach wissen, wozu man ein solches Instrument benötigt. Oder Sie brauchen dringend eines und möchten wissen, ob es in Ihrem Unternehmen eines gibt, das Sie nutzen können. Oder aber, Sie sitzen bereits vor dem Mikroskop und wollen etwas im Nutzerhandbuch nachschlagen. Möglicherweise benötigen Sie bei einem Projekt auch fachliche Unterstützung durch einen Mikrotechnologen. Für jede Teilinformation gibt es verschiedene Quellen – mit verschiedenen Zwecken, verschiedenen Informationsmodellen und verschiedenen Wegen, danach zu suchen. Und selbst nach Jahren in einem Unternehmen werden Sie nicht all diese Quellen kennen.

Das Revolutionäre an Knowledge Graphen ist, dass sie all diese Informationsquellen so miteinander verknüpfen, dass sie wissen, welches Interesse an Rasterelektronenmikroskopen aus welcher dieser Quellen gestillt werden kann. Gleichzeitig wissen Knowledge Graphen, mithilfe welcher Merkmale sie die verschiedenen Informationstypen unterscheiden können. Auf dieser Grundlage können sie etwas sehr Menschliches tun – nämlich zurückfragen: „Was genau interessiert dich an einem Rasterelektronenmikroskop? Möchtest du eines verwenden? Benötigst du Dokumentation oder bist du auf der Suche nach einem Experten?“ So wird der Nutzer ganz einfach durch eine komplexe Datenlandschaft zu der Information geführt, die er braucht. Selbst dann, wenn die konkrete Suchanfrage zum ersten Mal gestellt wurde.

Eins, zwei, Zwilling

Auch in anderen Bereichen ergibt sich durch Knowledge Graphen ein hoher Mehrwert: Viele Unternehmen bemühen sich unter großem Einsatz, ihren Kunden eine optimale digitale Erfahrung zu bieten. Sie stehen vor der Herausforderung, in digitaler Form alles zu erfassen, was ein guter Vertriebsmitarbeiter (oder Anwendungsberater oder Serviceexperte) über das Produkt und seine Interdependenzen (z. B. welche Teile sind kompatibel, welche Konfiguration bietet welche Funktionen) weiß. In dieser digitalen Darstellung müssen die Produktdaten mit dem Kundenbedarf verbunden werden. Die Kunden von heute erwarten Lösungen für ihre Probleme – keine Funktionen oder Leistungsdaten.

Knowledge Graphen müssen sowohl für Produktexperten, die Wissen pflegen als auch für Softwaredienste, die damit operieren, zugänglich sein. Diese Single Source of Truth für alle Kanäle – wir nennen sie den digitalen Informationszwilling – ist die Grundlage für smarte Vorschläge in Service und Wartung oder bei der Auswahl und Konfiguration von Produkten. Das Erfassen von Produktwissen samt aller Interdependenzen erfordert zwingend einen Knowledge Graphen, der leistungsstark, aber auch flexibel ist und komplexe Zusammenhänge auf natürliche Weise abbildet.

Verlinkung von Metadaten statt Softwareentwicklung

In den letzten Jahren wurde immer, wenn Hype Cycles von Marktforschern neue Technologien heraufbeschworen, ein enormer Aufwand betrieben, um mit dem Trend Schritt zu halten. Mit Knowledge Graphen ist das anders – wenn sie intelligent eingesetzt werden. Einerseits liegt das daran, dass Knowledge Graphen auf eine lange Geschichte zurückblicken und bereits in vielen geschäftskritischen Lösungen getestet und ausgereift wurden. Andererseits sind Knowledge Graphen schlicht echte Teamplayer.

Ihr Ziel ist es nicht, bestehende Technologien und Infrastrukturen zu ersetzen. Es geht vielmehr darum, vorhandene Metadaten zu nutzen, um vorhandene Informationssammlungen, Datenbanken und Dokumente zusammenzuführen. Mit minimalen Einrichtungskosten erleichtern Knowledge Graphen so den Zugang zu unternehmerischem Wissen – zum Beispiel durch ein zentrales Wissensmanagement-Portal, wie wir es für unsere Kunden aus dem Bereich technische Dienstleistungen oder aus der Chemiebranche in unseren Cloud-Lösungen implementieren. Und das Beste daran ist: Anwendungen, die auf Knowledge Graphen basieren, lernen durch das richtige Verknüpfen vorhandener Daten, sodass die Nutzer ihre Lösungen beständig weiterentwickeln – einfach durch ihre Nutzung. Das ist „No Code at it‘s best.“

Und da bestehende Informationssysteme für gewöhnlich bereits durch ein vorhandenes Rechtemanagementsystem gesichert sind, können die Zugangsrechte abgeleitet aus den Verbindungen im Knowledge Graphen aufgezeichnet werden. Ohne zusätzlichen Aufwand kann so jeder nur das sehen, was er auch sehen darf. Einfach, schnell und an einem zentralen Ort.

Warum dieser Hype? Und warum jetzt? Warum ist das so ein Trendthema?

Knowledge Graphen arbeiten so wie Menschen denken. Dadurch können Menschen nahtlos mit KI zusammenarbeiten und ihre Problemlösungskapazitäten erweitern. Heute ist das keine abstrakte Zukunftsvision mehr. Knowledge Graphen schaffen Werte in führenden Industrieanwendungen:

Empolis Service Express^® nutzt die Fähigkeiten von Knowledge Graphen zur Integration von Such- und Metadaten, um Servicetechniker mit genau den Informationen zu versorgen, die sie benötigen, um ihr konkretes Serviceproblem zu lösen – und verleiht ihnen so übermenschliche Kräfte.

Empolis Content Express^® nutzt die Fähigkeiten von Knowledge Graphen, um einen digitalen Zwilling abzubilden und Produktfunktionen mit dem Bedarf von Kunden bei der Auswahl, Konfiguration und Nutzung des Produkts abzugleichen – und schafft so eine übermenschliche Produkterfahrung.

Empolis Knowledge Express^® nutzt die intelligenten Such-, Abgleichs- und Integrationsfähigkeiten von Knowledge Graphen, um anspruchsvolle Aufgaben wie Markt- und Technologieforschung, Risikobewertung oder investigative Aufgaben zu unterstützen – und macht seine Nutzer so zu übermenschlichen Wissensarbeitern.

Was steht hinter alledem?

Der Empolis Knowledge Graph bietet durch die Kombination der Vorteile von RDF-basierten semantischen Netzwerken und Property-Graphen eine expressive Power, die über die anderer Knowledge Graph-Systeme hinausgeht. Ein verlässliches, aber flexibles Schema, multiple Hierarchien und Vererbung von Relationen und Attributen sowie die Fähigkeit, alles frei zu verknüpfen – Schemata und Daten, Objekte, Attribute und Relationen sind Kernkompetenzen, wenn es um das Erfassen komplexen Wissens z. B. im Bereich digitaler Informationen geht.

Der Empolis Knowledge Graph legt die Macht in die Hände von Businessexperten – nicht in jene von Entwicklern. Mithilfe graphischer Benutzeroberflächen können sie den Knowledge Graphen verstehen und editieren, das Modell anpassen, Fragen und Regeln erstellen und mit externen Datenquellen synchronisieren. Mit dem Empolis Knowledge Graph können sie sogar an der Entwicklung von Anwendungen und Services mitwirken.

Der Empolis Knowledge Graph ist eine marktreife Lösung für erfolgskritische Anwendungen. Das geht über das patentierte Zugriffsrechtesystem hinaus und reicht von der Nachverfolgung von Abhängigkeiten im semantischen Modell, Live-Backup und Schematransfer zwischen Umgebungen über den Support für Cloud- und On-Premise-Lösungen bis hin zu vielen weiteren Leistungen, die einen produktive Einsatz auf industriellem Niveau unterstützen.