Open Password – Dienstag, den 18. Dezember 2018


#488

 

Steilvorlagen für den Unternehmenserfolg – Dark Data – Künstliche Intelligenz – Yannick Loonus – Willi Bredemeier – Semalytix – IQ Capital – Bloomberg – d-logic – Information Professionals – Wettbewerbsfähigkeit – Automatisierte Sprachverarbeitung – Wissensgraphen – Sentimentanalyse – Soziale Medien – Stellenanzeigen – Novartis – AI-as-a-Service – Visualisierungen – IBM – Watson – Dienstleister – Entscheider – Informationsanbieter – International Information Conference on Search, Data Mining & Visualization – Machine Learning – Machine Translation – Artificial Intelligence – Deep Learning – BizInt Smart Charts – Analytics and Visualization Meeting – Christoph Haxel – Haxel Consult

 

 

Steilvorlagen für den Unternehmenserfolg

„Dark Data zähmen“
durch Künstliche Intelligenz

Die Informationszentren
als unverzichtbares Bindeglied

zwischen Anwendern, Entscheidern
und Dienstleistern

Drn Vortrag von Yannick Loonus auf der „Steilvorlagen“-Veranstaltung kann als Video-Mitschnitt unter https://youtu.be/QR2S3DrX8tc  auf  www.infobroker.de gehört und gesehen werden. Bei dieser Veröffentlichung in Open Password handelt es sich zusätzlich zur Berichterstattung um eine publizistische Auseinandersetzung mit den Inhalten. Dazu gehören Gewichtungen und Interpretationen.

Von Willi Bredemeier

________________________________________________________________________

Mut machen – ein Aufruf zum gemeinsamen Handeln.
________________________________________________________________________

Yannick Loonus, Chief Sales Officer bei Semalytix (Bielefeld) und regelmäßiger Autor bei Open Password zum Thema „Künstliche Intelligenz und Information Professionals“, versuchte den Teilnehmern  in seinem Referat „Dark Data zähmen für Information Professionals: Wie aus unstrukturierten Daten Wettbewerbsvorteile entstehen“, eine etwaige Angst vor KI zu nehmen. Es gehe darum zu helfen, nicht zu verdrängen oder abzuschaffen.

Sodann holte er die Anwesenden mit einem Beispiel aus seinem Leben als Information Professional bei einer großen Unternehmensberatung ab, um die Vorteile strukturierter Daten zu belegen. Loonus wurde gebeten, eine Liste aller Venture-Capital-Unternehmen zu recherchieren, die bereits in Künstliche Intelligenz investiert hatten. Das alles bitte einschließlich detaillierter Portfolioinformationen. Die konventionelle Vorgehensweise hätte darin bestanden, in den unstrukturierten Daten von Unternehmenswebsites, Google und Pressedatenbanken zu recherchieren und dazu mehrere Interviews mit Experten zu führen. Die Antwort hätte er eine Woche später parat gehabt.

Stattdessen griff Loonus auf die strukturierten Daten von IQ Capital zurück (es hätte auch Bloomberg oder d-logic sein können), und sieben Minuten nach Eingang der Anfrage sandte Loonus die erbetenen Informationen zurück. Damit war er 300-mal schneller als wenn er sich mit unstrukturierten Daten begnügt hätte und hatte anders als beim konventionellen Vorgehen einen riesigen Spaß. Der Kunde reagierte entsprechend: „Wahnsinn, wie hast Du das nur gemacht?“

Vom konkreten Beispiel zur Ausgangssituation und zur Grundproblematik. Auch wenn genaue Zahlen nicht vorliegen, lässt sich doch davon ausgehen, dass 80% des weltweiten Datenbestandes aus „Dark Data“ bestehen. Dabei liegen „Dark Data“ im Regelfall im Freitext, also unstrukturiert, vor und können „daher nicht für den Erkenntnisgewinn oder als Entscheidungsgrundlage genutzt werden“. Dieses Problem wird dadurch nicht kleiner, dass 90% der heute verfügbaren Daten in den letzten beiden Jahren erzeugt worden sind und der digitale Datenbestand zwischen 2005 und 2020 um den Faktor 20 wächst. Loonus zu diesem Missverhältnis: „Das müssen wir ändern.“

In dieser Situation fürchten die Information Professionals einen Bedeutungsverlust, weil ihre Kunden bereits über Google in unstrukturierten Daten recherchieren und die neuen Technologien an ihnen vorbeiziehen könnten, ohne dass sie an ihnen beteiligt worden wären. Sie fragen sich: Wie erzeuge ich unter den neuen Bedingungen Mehrwerte und was ist mein Alleinstellungsmerkmal?

Loonus ließ einen „Call for Action“ folgen: Lassen Sie uns „gemeinsam den Ozean unstrukturierter Informationen in geschäftsrelevante, umsetzbare Informationen (verwandeln) – in Echtzeit.“ Und: „Machen wir heute den ersten Schritt!“

Erinnern Sie sich an Arne Krüger, der auf den „Steilvorlagen 2017“ empfahl: „Einfach mal nach Hause gehen und was anderes machen.“ Loonus fragte, wer von den mehr als hundert Anwesenden diesen Rat beherzigt habe. Zwei Hände hoben sich. „Ja“, seufzte Loonus, „Wandel ist schwer.“  Er erinnerte daran, dass die Leute zu den Information Professionals kommen, um Lösungen für ihre Probleme zu finden. Da sei es wichtig, wenn man sich bereits mit diesem Problem auseinandergesetzt habe. „Das weiß ich auch nicht“ gehe als Antwort gar nicht, da sei „Ich habe die Lösung noch nicht, aber eine Idee, was vielleicht funktionieren könnte“ schon besser.

________________________________________________________________________

Was das Computersystem gegebenenfalls millionenfach in Echtzeit macht – Zwei Fallstudien.

________________________________________________________________________

Noch einmal Grundsätzliches: Warum Dark Data strukturieren? Das ist nötig, um einzigartige Einsichten in Echtzeit zu generieren. Letztlich treffen Unternehmen, die KI meistern, bessere Entscheidungen. Ein Wettbewerbsvorsprung lasse sich auf Dauer, sagte Loonus, nur mit Hilfe Künstlicher Intelligenz und automatisierter Sprachverarbeitung halten.

Systematische Auswertungen von Quellen mit Hilfe von Künstlicher Intelligenz werden heute bereits bei unternehmensinternen Systemen (z.B. Customer Relations Management, Datenbanken), Soziale Medien (z B. Twitter, Reddit, Foren), Websites (z.B. Stellenanzeigen, Nachrichten) und von spezialisierten Datenanbietern vorgenommen.

Wie lässt sich das Verständnis von Texten durch eine Mischung aus Maschinellem Lernen, Natural Language Processing und Wissensgraphen automatisieren? Was macht das Computersystem, wenn es solches bewirkt? Zwecks Veranschaulichung ging Loonus von dem Beispielsatz „Novartis surprises with reduction in mortality in breast cancer“ aus. Er stellte die folgenden Schritte vor:

  • Zunächst werden Einheiten („Entitäten“) im Rahmen einer branchenspezifischen Terminologie erkannt („Novartis“ als pharmazeutisches Unternehmen, „Reduction“ als therapeutisches Ziel, „Mortality“ als Kriterium für klinische Studien und „Breast Cancer“ als Krankheit Krebs. Solches ließe sich natürlich auch über konventionelle Verfahren feststellen.)
  • Sodann werden kausale Zusammenhänge mit Hilfe der branchenspezifischen Terminologie über Wissensgraphen abgeleitet. (So lässt sich zum Beispiel feststellen, dass Novartis klinische Studien durchführt.)
  • Das System sagt voraus, ob ein Satz oder mehrere Fragmente eine positive oder negative Bewertung enthalten, unternimmt also eine Sentimentanalyse. (Der obige Satz nimmt eine positive Bewertung vor-)
  • Mechanismen höherer Ebenen erkennen, ob emotionale Ausdrucksformen verwendet werden. („Novartis surprises with reducation“ ist ein positiver emotionaler Inhalt.)
  • Schließlich leitet das System automatisch semantische Verbindungen zwischen Worten ab (zum Beispiel eine „positive emotionale Beziehung“ zwischen „Surprises“ und „Breast Cancer“).

Und das macht das System gegebenenfalls für Millionen von Aussagen in kürzester Zeit.

Dazu zwei Fallstudien:

  • Fallstudie „Soziale Medien“: Nachdem das Patent zu einem Medikament, bislang ein Weltmarktführer, abgelaufen war, kam Novartis mit einem Nachahmerprodukt heraus. Nun wollte das Unternehmen wissen, ob der Wechsel zu einem Ersatzprodukt von Ärzten, Patienten und der Öffentlichkeit als sicher eingeschätzt wurde und welche Medien und weitere Nutzer über diesen Wechsel besonders positiv oder negativ sprachen. Das Ergebnis lag in wenigen Minuten vor.
  • Fallstudie „Stellenanzeigen“: Aus Stellenanzeigen, wie sie beispielsweise auf den Websites von Unternehmen in ihrer Rolle als Arbeitgeber unter der Rubrik „Karriere“ veröffentlicht werden, lassen sich eine Reihe von Datenpunkten strukturiert erheben und in einem tagesaktuellen Dashboard darstellen. So sind beispielsweise Rückschlüsse auf das Investitionsverhalten, die Schnelligkeit des Einstellungsprozesses, wahrscheinliche künftige Marktereignisse und die Zentralisierung von Einstellungsverfahren möglich. Zum Beispiel: In dem Novartis-Forschungsbereich zur Wirbelsäulenkrankheit „Spondylitis“ tat sich lange Zeit personalpolitisch nichts. Dann, innerhalb eines Zeitraumes von vier Tagen, wurden 70 Mitarbeiter gesucht. Durch einen Alert, dass sich Ungewöhnliches tat, aufgeschreckt, ließ sich das Team mit Loonus vom System sagen, dass Novartis in Kürze mit einer klinischen Studie zu dieser Krankheit herauskomme und wohl einen Durchbruch erzielt habe. Damit kam es zu einem Wissensvorsprung von sechs Tagen vor der Herausgabe der offiziellen Pressemitteilung von Novartis. Vor allem auf den Finanzmärkten erleben wir immer wieder, wie noch viel kleinere zeitliche Wissensvorsprünge in Geld umgewandelt werden.

Können KI-Lösungen scheitern? Gewiss, wenn der Input an Trainingsdaten, mit dem das System zunächst zu bestücken ist und an denen es zu lernen hat, miserabel ist. Allerdings gibt es Lösungen, mit denen sich der Wahrheitsgehalt von Aussagen überprüfen lässt. Am Ende der Prüfung gibt das System eine Zahl heraus, dass es also (meistens) über zu 90“ seiner Entscheidung, ob „wahr“ oder „falsch“, sicher ist.

_______________________________________________________________________

Umwälzung der Arbeitsprozesse – Run der Internet-Konzerne auf die Start-ups – Den richtigen Partner für KI-Anwendungen finden.

________________________________________________________________________

Loonus sah eine Vielzahl von „AI-as-a-Service“-Produkte voraus und prognostizierte, dass diese unsere Arbeitsprozesse weitgehend verändern würden. In seiner früheren Unternehmensberatung hätte eine typische Arbeitsfolge aus diesen Phasen bestanden: Eingang der Anfrage – Recherche: Daten – Recherche: Erklärung – Zusammenfassung der Ergebnisse – Antwort. Nunmehr würden „Daten“ und „Erklärung“ aus einer Quelle simultan bezogen und ließe sich eine Vielzahl von Formen der Informationsproduktion und -weitergabe realisieren, beispielsweise als Co-Creation etwa mit einem Grafiker, als Ad-hoc-erstelltes Video, als individualisiertes Dashboard oder als Alert,.Bei AI-as-a-Service-Produkten ergeben sich besondere Möglichkeiten der Visualisierung und Weiterverarbeitung.

Radikaler Wandel der Arbeitsabläufe: „Daten“ und ihre „Erklärung“ aus nur einer Quelle – Vielzahl von Formen der Informationsweitergabe.

„AI-as-a-Service“-Produkte werden derzeit vor allem von Start-ups entwickelt und vorangetrieben. Auf wen sollte man da besonders achten? Nun, auf Google, Apple. Facebook und die anderen Internet-Konzerne, die die vielversprechenden Start-Up-Unternehmen aufkaufen: In der Liste der begierigen Käufer fehlt allerdings IBM, nachdem sich die Träume des vermeintlichen Marktführers mit „Watson“, mit dem IBM ursprünglich den Krebs hatte ausrotten wollen, nicht erfüllt haben.

Wer in die KI einsteigen möchte, fragt sich, wie er den bestmöglichen Partner findet. Hier gab Loonus den Teilnehmern Tipps auf den Weg, welche Fragen man vor der Auswahlentscheidung stellen sollte:

  • Ist der passende Hintergrund vorhanden? Welches Wissen über meine Branche beziehungsweise meinen Anwendungsfall ist vorhanden? Über welches technologische Wissen verfügt der Anbieter? Pflegt er Beziehungen zu Forschungseinrichtungen?
  • Wieviel ist der Datenschutz des Anbieters wert? Wird das Thema aktiv kommuniziert? Welche Quellen werden verwendet? Wie werden Daten gespeichert und zwischengespeichert? Wird eine Cloud- oder eine lokale Lösung vorgezogen?
  • Verfahrensfragen: Werden die Technologien erklärt? Wie ist der Prozess der Qualitätskontrolle beschaffen? Werden die Daten hinter der Analyse sichtbar?
  • Und zuletzt: Passen Komplexität der vorgeschlagenen Lösung und Anwendungsfall zusammen? Werden Taxonomien oder Wörterzählen als „KI“ vertrieben? Werden Schlüsselbegriffe inflationär gebraucht?

Loonus betonte, dass es nicht nur auf technologische, vielmehr auch auf Branchenkenntnisse ankomme, da es die allumfassende Künstliche Intelligenz in absehbarer Zukunft nicht geben werde.
________________________________________________________________________

Der InfoPro im KI-Geschäft: Anforderungen definieren, Support übernehmen, Ansprechpartner in Trainingsfragen sein …
_______________________________________________________________________

Zurück zum Information Professional. Finden wir ihn in diesen Szenarien wieder und wenn ja, wo? Die Informationszentren würden selbst Anwendungen der Künstlichen Intelligenz nutzen, sagte Loonus. Aber darüber hinaus könnten sie zum zentralen Bindeglied zwischen dem Management und den Verwertern der Lösung im Unternehmen auf der einen Seite und dem Dienstleister auf der anderen Seite werden.

Dafür brächten sie den Vorteil mit, dass sie die Sprache beider Seiten verstünden und selber sprächen. Damit verbunden könnten sie Vorschläge für die Einführung KI-basierter Systeme unterbreiten, Anforderungen an erwünschte KI-Lösungen formulieren, später den Support übernehmen und Ansprechpartner für Fragen des Trainings sein.

———————————————————————————————————————————————–

… – ist das realisierbar oder ein Mutmacher, der womöglich ins Leere fällt?

________________________________________________________________________

Loonus sehr optimistische Schlussfolgerung steckte die Grenzen eines Möglichkeitsraums ab und sollte wohl als Mutmacher dienen. Mit seiner Bezugnahme von KI-Zusammenhängen auf die Situation der Information Professionals, seinen stets praxisrelevanten Ausführungen und seine genaue Fokussierung auf die Zielgruppe stellte Loonus mit seinem Referat und seinen Veröffentlichungen ein „leuchtendes Beispiel“ dar.

„Leuchtendes Beispiel“ vor allem insoweit, als unsere Branche die Fortschritte der Künstlichen Intelligenz und die damit einhergehende Vielfalt der Literatur zwar zur Kenntnis nimmt, aber ein Herunterbrechen der dortigen Zusammenhänge auf die eigenen Probleme und die Potenziale textverarbeitender KI-Software weitgehend unterlässt. Auch unsere Informationsanbieter üben sich insgesamt gesehen in KI-Zusammenhängen in extremer Zurückhaltung. In den angelsächsischen Ländern ist das anders. Dort kann man vielmehr den Eindruck gewinnen, dass die Informationsanbieter mit neuen Produkten auf KI-Basis im Tagesrhythmus herauskommen.

Briefe

International Information Conference
on Search, Data Mining & Visualization

New Focus on Machine Learning, Machine Translation, Artificial Intelligence
and Deep Learning

Dear all,

This is to inform you that we have now uploaded all online content – final programme, biographies and abstracts of speakers for the upcoming IC-SDV 2019 (International Informaton Conference on Search, Data Mining & Visualization) on 8. and 9. April and the VantagePoint and BizInt Smart Charts Analytics and Visualization Meeting on 10. April 2019.

The Programme is published @ -> https://haxel.com/ii-sdv/2019/Programme

The IC-SDV meeting takes place in Nice in April 2019 for an intensive three days. New venue is the Hotel Aston in central Nice. The meeting provides an international forum for those in the field of advanced search applications, data and text mining, and visualization technology. The primary focus is on tools for intelligence and the meeting examines the requirements of specialists in scientific and technical information. A new focus is on Machine Learning, Machine Translation, Artificial Intelligence (AI) and Deep Learning in the area of Scientific Information.

The VantagePoint and BizInt Smart Charts – 2019 Analytics and Visualization Meeting – will follow the 2019 IC-SDV Conference on 10. April in Nice. Hosted by Search Technology and BizInt Solutions, this one-day meeting will focus on creating effective reports and visualizations to support decision making, and will feature user case studies, product updates, and two tracks of workshops.  The meeting is designed for current and prospective users of VantagePoint or BizInt Smart Charts.

Good news – we have extended our special offer: Companies that register 3 people from the same firm will only pay for two. Bookings for multiple attendees must be received at the same time and be invoiced on the same invoice. Multiple bookings can be done online or ask for the booking by contacting office@haxel.com or https://haxel.com/ii-sdv/2019/registration.

Should you have any further questions, please do not hesitate to contact us at c@haxel.com

I am looking forward to seeing you in nice Nice and wish you Marry Christmas and a Happy New Year.

Kind regards Christoph Haxel, Dr. Haxel Consult, Heidelberg

Archiv & Touchpoint

Das Open Password Archiv Plus bündelt mehr als 1.100 Beiträge aus den Open Password Pushdiensten seit 2016.

 

Anzeige

Anzeige



Open Password FAQ

FAQ + Hilfe

Das Open Password Archiv ist eine digitale Sammlung von über 1.100 Artikeln und Ausgaben des ehemaligen Newsletters „Open Password“ aus der Publikation “Password Online”. Diese Publikation, die von 1986 bis 2015 als Print-Ausgabe erschien, diente als zentrale Informationsquelle für Fachleute in der Informationsbranche.

Im Archiv des 2016 gestarteten Pushdienstes finden Sie tiefgreifende Analysen, exklusive Geschichten und redaktionelle Beiträge, die wichtige Entwicklungen und Trends in verschiedenen Sektoren wie Finanzen, IT und Pharma beleuchten. Das Archiv ist online zugänglich und bietet eine wertvolle Ressource für Forscher, Information Professionals und alle, die an der Geschichte und den Entwicklungen der Informationsbranche interessiert sind.

Eine noch ausführlichere Zusammenfassung zu Open Password wurde vom ehemaligen Herausgeber Dr. Wilhelm Heinrich Bredemeier verfasst.

Sie können über die Kopfzeile die einzelnen Jahre per Klick ansteuern. Hierzu einfach auf die passende Jahreszahl klicken (siehe Pfeile)

Open Password Navigation Hilfe

Nach dem Klick auf die jeweilige Jahreszahl gelangen sie auf die Titelliste des jeweiligen Jahres. Hier dann auf den gewünschten Titel klicken. (Siehe Pfeile)

Open Password Archiv Titelübersicht

Wir sind bemüht die Beiträge schnellstmöglich in das Archiv zu übernehmen. Falls ein Beitrag per Klick nicht erreichbar ist zählen wir diese Klicks aus. Sie können aber auf der jeweiligen Seite die beschleunigte Einbindung auswählen.

Die Beiträge von Open Password von 2016 bis 2022 sind seit dem 18.11 2023 über ChatGPT recherchierbar.

Was bedeutet dies konkret? Wir haben alle Beiträge als Wissensbasis über Chat GPT auswertbar gemacht. Wenn Sie ein ChatGPT Plus Nutzer sind und Zugriff auf ChatGPT 4.0 haben, so steht Ihnen das Open Password Archiv dort zur Verfügung.

Mit der Auswertung per KI Abfrage stehen ihnen unendliche Möglichkeiten zur Verfügung. Sie können Themen suchen, Fachbegriffe zusammenfassen und erläutern lassen. Hier geht es zum GPT des Open Password Archiv.

Wir haben alle Pushdienste (Beiträge) der letzten Jahre als PDF vorliegen. Hier sind entsprechende Abbildungen und Bilder enthalten. Die PDFs zu den Pushdiensten werden ebenfalls Schritt für als Link mit in die Beiträge angelegt.

Wir sind bemüht Beiträge nach denen einen hohe Nachfrage besteht in der Anlage vorzuziehen. Hierfür werten wir die Zugriffe auf die Titellisten und die Klicks auf Beiträge regelmässig aus.

Beitrage die als Material benötigt werden, aber noch nicht im Archiv eingebunden sind können wie folgt angefordert werden.

1. Klicken sie auf den Beitrag aus der Titelliste
2. Füllen sie das Formular aus und fragen sie eine bevorzugte Einbindung an

Wir ziehen die Einbindung vor und senden eine Benachrichtigung sobald der Beitrag eingebunden wurde.