Knowledge Graphs, Unternehmensintelligenz und die Zukunft der KI-Apps
Ein Chatbot findet Informationen in Dokumenten. Aber versteht er auch die Zusammenhänge zwischen Lieferanten, Produkten und Geschäftsprozessen? Warum Knowledge Graphs zur Grundlage einer neuen Unternehmensintelligenz werden könnten und wie daraus künftig KI-Apps auf Abruf entstehen.
Ein Chatbot kennt deine Dokumente. Aber versteht er auch dein Unternehmen?
Warum Knowledge Graphs, gemeinsame Unternehmensdaten und KI-Anwendungen auf Abruf die nächste Generation der Unternehmenssoftware prägen könnten.
Man stelle sich vor, ein Produktionsleiter möchte herausfinden, warum sich bei mehreren Produkten die Reklamationen häufen.
Er öffnet seine KI-Anwendung und fragt nach den Ursachen.
Die Antwort kommt prompt. Ein paar technische Dokumente werden zusammengefasst, mögliche Ursachen aufgelistet und das Ergebnis klingt ziemlich überzeugend.
Leider stammen die eigentlichen Informationen aus fünf verschiedenen Systemen.
Die Produktionsaufträge liegen im ERP. Maschineninformationen kommen aus einem anderen System. Lieferantendaten stehen im Einkauf, Reklamationen im CRM.
Und niemand hat der KI erklärt, wie diese Informationen miteinander zusammenhängen.
Das Sprachmodell kann hervorragend formulieren.
Nur kennt es den entscheidenden Teil des Problems gar nicht.
Ein Dokumentenchat ist ein Anfang
Viele KI-Anwendungen für Unternehmen basieren heute auf Retrieval-Augmented Generation, kurz RAG.
Dokumente werden aufbereitet und durchsuchbar gemacht. Bei einer Anfrage werden passende Informationen gesucht und einem Sprachmodell als Kontext bereitgestellt.
Das funktioniert für zahlreiche Aufgaben erstaunlich gut.
Ein Mitarbeiter kann technische Dokumentationen durchsuchen oder Fragen zu internen Richtlinien stellen.
Schwieriger wird es, wenn sich die Antwort nicht in einem einzelnen Dokument befindet.
Ein komplexer Geschäftsprozess besteht häufig aus Beziehungen zwischen Daten, die in unterschiedlichen Systemen liegen.
Die eigentliche Herausforderung ist dann, diese Zusammenhänge zuverlässig zu erkennen.
Hier kommen Knowledge Graphs ins Spiel.
Wenn Unternehmenswissen Beziehungen bekommt
Ein Knowledge Graph modelliert Informationen und ihre Verbindungen.
Ein Lieferant liefert ein bestimmtes Material. Das Material wird in mehreren Produkten verwendet. Die Produkte durchlaufen unterschiedliche Produktionslinien und werden anschließend an verschiedene Kunden verkauft.
Wenn bei einem Material Qualitätsprobleme auftreten, lassen sich über diese Beziehungen potenziell betroffene Produkte und Prozesse identifizieren.
Das ist natürlich ein vereinfachtes Beispiel.
Aber das Prinzip gilt auch für andere Branchen.
Ein Großhändler könnte Produktdaten, Lieferanteninformationen und gesetzliche Anforderungen miteinander verknüpfen.
Ein Wirtschaftsprüfer könnte wirtschaftliche Beziehungen zwischen Unternehmen, Verträgen und Transaktionen analysieren.
Im Gesundheitswesen könnten relevante Informationen aus der Behandlungshistorie und der medizinischen Dokumentation in ihrem fachlichen Zusammenhang bereitgestellt werden.
Gerade in sensiblen Bereichen müssen solche Anwendungen kontrolliert werden und dürfen fachliche Entscheidungen nicht ohne die erforderliche menschliche Prüfung übernehmen.
Knowledge Graphs ersetzen dabei weder das Sprachmodell noch sämtliche anderen Datenbanktechnologien.
Sie ergänzen diese um eine Möglichkeit, Beziehungen strukturiert darzustellen und abzufragen.
Und genau diese Fähigkeit könnte für anspruchsvolle Unternehmensanwendungen zunehmend entscheidend werden.
Die eigentliche Intelligenz steckt im Datenfundament
Ein Unternehmen besitzt normalerweise wesentlich mehr Wissen, als seine Mitarbeiter täglich abrufen können.
Dieses Wissen verteilt sich auf Dokumente und bestehende Unternehmenssysteme. Häufig fehlt eine gemeinsame Struktur, die Informationen aus unterschiedlichen Quellen zusammenführt.
Eine leistungsfähige KI-Plattform sollte deshalb deutlich mehr können, als Dateien entgegenzunehmen.
Sie muss Daten verstehen und aufbereiten können.
Dazu gehört, Dokumente zu klassifizieren, Informationen zu extrahieren und ihre Qualität zu bewerten. Ebenso wichtig ist die Nachvollziehbarkeit ihrer Herkunft.
Denn wenn zwei Systeme unterschiedliche Informationen über denselben Lieferanten enthalten, sollte eine KI nicht einfach die überzeugender formulierte Variante auswählen.
Sie sollte erkennen können, welche Daten aktuell sind und welche Quelle für den jeweiligen Anwendungsfall maßgeblich ist.
Erst dadurch entsteht ein belastbares Fundament für weitere Anwendungen.
Sensible Daten müssen geschützt werden, bevor sie verwendet werden
Ein gemeinsames Unternehmenswissen wirft zwangsläufig Fragen zum Datenschutz auf.
In Personalakten stehen andere Informationen als in Produktkatalogen. Die medizinische Dokumentation unterliegt anderen Anforderungen als die Auswertung von Verkaufszahlen.
Deshalb sollten personenbezogene Informationen möglichst früh erkannt und entsprechend ihrer Schutzbedürftigkeit verarbeitet werden.
Je nach Anwendungsfall kommen Maskierung, Pseudonymisierung oder wirksame Anonymisierung infrage.
Pseudonymisierte Daten bleiben grundsätzlich personenbezogen. Eine wirksame Anonymisierung kann den Personenbezug dagegen beseitigen.
Dabei darf die fachliche Aussagekraft nicht unbemerkt verloren gehen.
Mindestens genauso wichtig ist das Berechtigungsmanagement.
Eine zentrale Unternehmensintelligenz darf nicht bedeuten, dass plötzlich jeder Mitarbeiter Zugriff auf sämtliche Informationen des Unternehmens erhält.
Es muss kontrollierbar bleiben, wer welche Daten sehen darf und welche KI-Anwendungen darauf zugreifen können.
Diese Regeln sollten aus meiner Sicht zur Plattform gehören.
Nicht zu jedem neuen Projekt einzeln.
Der nächste Schritt: KI-Apps auf Abruf
Und jetzt wird es wirklich interessant.
Heute kaufen Unternehmen Software ein, wenn sie einen neuen Geschäftsprozess unterstützen möchten.
Dazu kommen Implementierungsprojekte und Schnittstellen. Anschließend müssen Mitarbeiter lernen, wie die neue Anwendung funktioniert.
Was passiert, wenn eine KI-Plattform das Unternehmen bereits versteht und eine geeignete technische Grundlage für neue Anwendungen besitzt?
Dann könnte sich dieser Prozess grundlegend verändern.
Ein Mitarbeiter beschreibt einfach, welche Aufgabe er erledigen möchte.
Beispielsweise soll eine Anwendung Lieferantenangebote vergleichen, bestimmte Einkaufskonditionen berücksichtigen und auffällige Abweichungen kennzeichnen.
Die Plattform kennt bereits die relevanten Datenquellen und Berechtigungen. Sie kann darauf aufbauend eine passende Benutzeroberfläche und einen kontrollierten Ablauf erstellen.
Perspektivisch könnte eine solche individuelle Anwendung innerhalb weniger Minuten entstehen.
Natürlich werden komplexere oder besonders kritische Anwendungen weiterhin getestet und fachlich freigegeben werden müssen.
Aber der Aufwand für ihre technische Umsetzung könnte erheblich sinken.
Damit entsteht eine völlig neue Perspektive auf Unternehmenssoftware.
Anwendungen werden nicht mehr ausschließlich eingekauft. Sie entstehen zunehmend auf Grundlage der vorhandenen Unternehmensintelligenz.
Gerade der Mittelstand könnte davon profitieren
Ein Unternehmen mit 200 Mitarbeitern hat selten die Ressourcen, für jede neue Idee ein eigenes Softwareprojekt zu starten.
Gleichzeitig sind die Anforderungen häufig ausgesprochen komplex.
Ein mittelständischer Hersteller muss seine Lieferketten verstehen und Qualitätsprobleme zuverlässig bearbeiten können.
Ein Großhändler benötigt aktuelle Produktinformationen aus unterschiedlichen Quellen und muss auf Veränderungen im Sortiment reagieren.
Eine Wirtschaftsprüfungsgesellschaft muss große Mengen vertraulicher Informationen fachlich korrekt verarbeiten.
Die Anforderungen unterscheiden sich, aber das technische Fundament könnte in vielen Fällen gemeinsam genutzt werden.
Genau darin sehe ich den wirtschaftlichen Reiz einer zentralen Unternehmensintelligenz.
Jede neue Anwendung profitiert von den Daten und Beziehungen, die bereits erschlossen wurden.
Je besser das Fundament, desto geringer kann der zusätzliche Aufwand für weitere Anwendungsfälle ausfallen.
Das ist deutlich interessanter, als für jede neue Idee wieder ein eigenständiges Softwareprodukt einzukaufen.
Von der Softwareplattform zur Unternehmensintelligenz
Bei PRUVAGE verfolgen wir bereits den Ansatz, unterschiedliche Use Case Apps auf einer gemeinsamen Daten- und Wissensbasis aufzubauen. Knowledge-Graph-Technologie gehört zu diesem Plattformkonzept.
Die langfristige Perspektive geht für mich allerdings noch weiter.
Ich glaube, dass zukünftige KI-Plattformen immer stärker selbstständig Anwendungen auf Grundlage von Benutzeranforderungen erstellen werden.
Der Mensch beschreibt sein Problem. Die Plattform stellt auf Basis des vorhandenen Unternehmenswissens die benötigten Funktionen bereit.
Nicht ohne Regeln und Freigaben. Aber mit erheblich weniger technischem Aufwand als heute.
Damit verändert sich auch die Rolle von Unternehmenssoftware.
Früher mussten sich Mitarbeiter an die vorhandenen Funktionen eines Systems anpassen.
In Zukunft könnten Systeme zunehmend die passenden Funktionen für die Anforderungen ihrer Benutzer entwickeln.
Vielleicht wird die wichtigste Funktion zukünftiger Unternehmenssoftware deshalb aus einer einzigen Frage bestehen.
„Was möchtest du heute erledigen?“
Karl Klammer hätte vermutlich endlich die Aufgabe bekommen, für die er immer bestimmt war.
Diesmal allerdings mit einem vernünftigen Datenfundament und hoffentlich einer deutlich besseren Benutzeroberfläche.
Für mich sind genau solche Plattformen die Zukunft.
Denn die eigentliche Unternehmensintelligenz entsteht nicht dadurch, dass ein Sprachmodell möglichst viel weiß.
Sondern dadurch, dass ein Unternehmen sein eigenes Wissen kontrolliert nutzen und daraus immer neue Fähigkeiten entwickeln kann.