Menü mehr Success Storys

Smartes Markt- und Technologiemonitoring dank Knowledge Graphen

Unternehmen müssen rechtzeitig auf Marktveränderungen reagieren können, wenn sie erfolgreich sein wollen. Doch wie gelingt dies bei steigender Menge und Komplexität an Informationsquellen? Knowledge Graphen könnten die Antwort sein.

Die Erfolgsgeschichten innovativer Pioniere wie SpaceX oder Uber illustrieren, wohin die Reise der Digitalisierung geht. Neue Technologien haben das Potenzial, ganze Branchen umzukrempeln und traditionelle Unternehmen und ihre Geschäftsmodelle zu verdrängen. Unternehmen, die langfristig im Wettbewerb bestehen wollen, müssen daher Technologie- und Innovationsmanagement betreiben, um rechtzeitig auf Marktveränderungen reagieren und neue Märkte und/oder Produkte erschliessen zu können. Als wesentliche Bestandteile des Technologiemanagements sind einerseits frühzeitig relevanten Trends zu identifizieren und andererseits diese auf Veränderungen hin zu untersuchen. Ohne automatisierte Lösungen ist hierfür ein beachtlicher zeitintensiver analytischer Aufwand erforderlich. Gleichzeitig steigen die Menge und die Komplexität der dabei zu berücksichtigenden Informationsquellen immens an. Zusätzliche Nutzungsbarrieren entstehen zum einen durch verschiedene Sprachen, Mehrdeutigkeiten in den Daten, kostenpflichtige Lizenzierung, aber auch durch technische Hürden wie den fünf Big Data V: Volume, Variety Velocity, Validity und Value.

Knowledge Graphen bringen Ordnung in eine immer komplexere Datenwelt

Viele Unternehmen begegnen diesen Herausforderungen durch den präventiven Aufbau volumenintensiver Datensilos oder den Einsatz von klassischen Machine-Learning-Verfahren, die sich in vielen Fällen als teure und wenig nachhaltige Sackgassen herausgestellt haben. Ein Hauptgrund für das Scheitern dieser Ansätze ist dabei oftmals, dass Daten losgelöst von ihrem Ursprungsort und ohne ein strukturiertes, einheitliches Verständnis über ihren Inhalt gesammelt und verarbeitet werden. So können selbst die besten Textanalyseverfahren nicht zuverlässig bestimmen, ob in einem Text das Wort „Apple“ über das Unternehmen oder die Frucht spricht. Knowledge Graphen ermöglichen es, konzeptionelle Merkmale zu erlernen, indem die Beziehungen zwischen Begriffen in den Fokus gerückt werden. Unternehmen, Technologien, Sehenswürdigkeiten und sogar Personen werden dabei als Knoten in einem harmonisierten Graphen abgebildet, der die Zusammenhänge der realen Welt zwischen beliebigen solchen Dingen repräsentiert. Das Resultat dieser Datenveredelung hilft, die Bedeutung, also die Semantik, von beliebigen Konstrukten in unserer Welt zu verstehen, und dient uns als Datengrundlage für die Erkennung von Technologien und Marktveränderungen.

Intelligentes Monitoring von Markt- und Technologie als entscheidender Wettbewerbsfaktor

In einer langjährigen Zusammenarbeit zwischen der Technischen Hochschule Nürnberg, Fraunhofer SCS (Nürnberg) und Trivadis wurde, zunächst als Verbundforschungsprojekt gestartet, eine innovative Pilotanwendung umgesetzt, mit der die Entwicklung von Märkten, Technologien und Branchen auf der ganzen Welt, unabhängig von der Sprache oder Domäne, analysiert werden können. Typische Fragen, bei denen die Anwendung hilfreiche Informationen bereitstellen konnte, waren:

  • Was für neue aufstrebende Technologien gibt es in einem bestimmten Branchensektor, beispielsweise ein neues Material für die Herstellung von Energiespeichern?
  • Welche aufsteigenden Unternehmen könnten sich, basierend auf ihrer Produkt-Portfolio-Entwicklung als neuer Zulieferer, Akquisitionsziel oder potenzieller Kunde eignen?
  • Welche Unternehmen stehen in Konkurrenz in bestimmten Märkten und in welche Richtung entwickeln sie sich?

Hierfür werden unstrukturierte Informationsquellen wie Nachrichtenfeeds und andere öffentlich verfügbare Textdokumente wie beispielsweise Publikationen, Patente oder Artikel automatisch textuell erfasst und mittels modernen KI-gestützten Verfahren in einem Knowledge Graphen als zentralen Datenkern abgebildet. Dieser zentrale Datenkern repräsentiert das Wissen aus den vereinnahmten Datenquellen in einer strukturierten und auf Fakten basierten Weise. Mit dem Erfolg des Pilotprojekts konnte gezeigt werden, dass die intelligente Harmonisierung vom Rohstoff „Daten“ mittels Knowledge Graphen zu einem entscheidenden Wettbewerbsfaktor werden kann.
Unserem Leitbild folgend, “Turning Data into Business”, hat Trivadis gemeinschaftlich mit seinen Partnern eine cloudbasierte Plattform sowie mehrere Trendanalyse-Tools entwickelt. Mit dieser Lösung werden bereits heute mehrere mittelständische Unternehmen in ihren spezifischen Themenfeldern mit einem systematischen Trendradar ausgestattet und die Ergebnisse in geschäftsrelevante Entscheidungsprozesse integriert. Die fortwährende forschungsnahe Kooperation mit dem Fraunhofer Institut und der TU Nürnberg kombiniert die über 25 Jahre Erfahrung von Trivadis als Datenexperte und ermöglicht es nicht nur innovative cutting-edge PoCs für das Trend-Monitoring zu „verproben“, sondern auch nachhaltige Lösungen umzusetzen und diese langfristig zu betreiben. Die nachfolgend gezeigte Abbildung illustriert in einem vereinfachten Modell den Weg von einer Datenquelle zum faktenbasierten Wissen und letztlich zu wertvollen Analyse- und Reporting-Werkzeugen für die tägliche Arbeit.

Fraunhofer_Grafik

Weg von einer Datenquelle zum faktenbasierten Wissen und letztlich zu wertvollen Analyse- und Reporting-Werkzeugen

 

Spannende Herausforderungen einer neu aufkommenden Schlüsseltechnologie motivierte Trivadis und seine Partner, klassische Denkweisen des Datenmanagements abzulegen und gemeinsames Know-how in neuen Gebieten anzuwenden. Zu den zentralen Kernpunkten zählen:

  • Die Heterogenität der Datenquellen und Formate, die Geschwindigkeit, mit der Informationen ankommen und verarbeitet werden sollen sowie die Granularität,
    mit der sie konsumiert werden können
    (Batch, API, eventbasiert), setzt eine hohe Grundfunktionalität an das Datamanagement voraus. Es handelt sich hierbei primär um technische Anforderungen an die Funktionalität einer Datenplattform. An dieser Stelle
    konnte die Trivadis Referenz-Architektur für analytische Datenplattformen herangezogen werden, die bereits bei zahlreichen Kunden in unterschiedlichen Branchen umgesetzt wurde. Hieraus konnten herstellerunabhängige Bausteine für den Konsum und die Vorverarbeitung der Daten bezogen werden.
  • Weiterhin sollten im Rahmen der Partnerschaft vorwiegend Open-Source- oder lizenzfreie Softwarekomponenten verwendet werden. Für die Entwicklung einer Pilotanwendung lieferte eine umfassende Vergleichsmatrix von Trivadis mehrere freiverfügbare Services, die verprobt werden konnten. Für den produktiven, kommerziellen Betrieb muss der komplette Lebenszyklus der Lösung, wozu z. B. auch der Support gehört, geklärt werden. Hier gibt es auf dem Markt oftmals spezialisierte Unternehmen für die jeweiligen Softwarekomponenten. Alternativ oder komplementär deckt Trivadis mit ihren Managed-Services-Produkten Betrieb, Support und Wartung des gesamten Lebenszyklus der umgesetzten Applikation und Infrastruktur ab.
  • Die aus technischer Sicht anspruchsvollste Anforderung ergibt sich aus dem branchenübergreifenden Einsatz des Markt- und Technologiemonitorings. Öffentliche Knowledge Graphen wie Wikidata.org oder DBpedia.org glänzen zwar mit einem beindruckend breit aufgestellten Wissen und kommen daher oft in Pilotanwendungen zum Einsatz. Jedoch fehlt es diesen Graphen oftmals an Tiefe, wenn spezielles domänenspezifisches Vokabular in den Texten verarbeitet werden soll. Als Lösung wurden hier insbesondere Active-Learning-Verfahren betrachtet: Experten werden aus Datenquellen extrahierte Informationen
    zur Kontrolle vorgezeigt, bei der sich die KI-gestützten Verfahren nicht sicher sind. Dieses wertvolle Expertenwissen wird jedoch nicht nur dazu verwendet, die angezeigten fehlerhaften Informationen zu korrigieren. Das Wissen fliesst ebenfalls in das ursprüngliche KI-Verfahren zurück, sodass die Qualität aller zukünftigen Informationen verbessert wird.
  • Mit dem Aufbau eines harmonisierten und informationsreichen Knowledge Graphen
    sind die Grundpfeiler für ein Markt- und Technologiemonitoring gelegt. Mehrwerte
    für das Unternehmen entstehen allerdings erst, wenn damit beispielsweise Technologie- und Innovationsmanagement betrieben werden kann. Hierfür muss das Wissen den entsprechenden Konsumenten in geeigneter Form zugänglich gemacht werden. Schnittstellen zu etablierten BI-Tools wie Tableau oder PowerBI sind ausschlaggebend für die Akzeptanz und aktive Nutzung der veredelten Daten. Je nach Anwendungsfall werden hier sogenannte Graph-Sichten (Marts) definiert, die durchaus auch tabellarisch strukturiert bereitgestellt werden können. Technisches Fachwissen zu Knowledge Graphen sollte ab dieser Abstraktionsschicht nicht mehr erforderlich sein.
  • Für viele Kunden sind Knowledge Graphen ein neues Gebiet, für das unternehmensintern
    oft nur wenig Fachwissen vorhanden ist. Trivadis bietet rund um das Thema Daten eine grosse Auswahl an Trainings und Workshops mit erfahrenen Experten an, auf die auch Hochschulen und Forschungsinstitute gerne zurückgreifen. Im Rahmen dieses Projekts wurden regelmässig praxisnahe Workshops durchgeführt. Zunächst wird ein erstes Wissensfundament zum Thema Knowledge Graphen und den darunterliegenden Technologien und Konzepte vermittelt. Im Laufe des Projektes werden die zusätzlichen Trainings und Wissenstransfers bedarfsgerecht organisiert, sodass sie ohne grosse Verzögerung in der Praxis verprobt werden können. Daten sind das „Öl des 21. Jahrhunderts“, und damit auch der Treibstoff der digitalen Transformation. Der wertschöpfende Umgang mit ihnen stellt jedoch viele Unternehmen vor grosse Herausforderungen. Ein präzises Verständnis über die Entwicklung von Märkten und Technologien im Kontext des eigenen Unternehmens bildet dabei die zentrale Schlüsselkomponente für den Erfolg. Das smarte Markt- und Technologiemonitoring von Trivadis nutzt hierfür Knowledge Graphen als Kernelement, welches eine intelligente Verknüpfung und Harmonisierung von unternehmensspezifischen Datenquellen ermöglicht.

“Knowledge Graphen helfen, die Bedeutung von beliebigen Konstrukten in unserer Welt zu verstehen, und dienen als Datengrundlage bei der Identifikation relevanter Technologien und Marktveränderungen.”

Dr. Roland Zimmermann, Professor für Wirtschaftsinformatik und Statistik, Technische Hochschule Nürnberg

 

ÜBER FRAUNHOFER SCS
Die Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS gestaltet in Nürnberg und Bamberg Datenräume für vernetzte Gesamtsysteme und schnell einsetzbare IoT-Prototypen, entwickelt modernste Data-Analytics-Methoden in konkreten Anwendungen und unterstützt bei der Realisierung der digitalen Transformation. Dabei verbindet sie wirtschaftswissenschaftliche Methoden und technologische Lösungen mit mathematischen Verfahren und Modellen. Die zum SCS gehörende Forschungsgruppe Future Engineering verbindet Verfahren der maschinellen Verarbeitung natürlicher Sprache mit Methoden der Markt-, Trend- und Szenarioforschung.

Ansprechpartner

Dein Ansprechpartner: Martin Zablocki

E-Mail: martin.zablocki@trivadis.com

Telefon: +41 58 459 53 48