Natural Language Processing

Beim Natural Language Processing interagieren Computer möglichst sinnvoll mit Anwendern in menschlicher Sprache. Was hinter der Spracherkennung von Siri und Co. bereits im Verbrauchermarkt etabliert ist, könnte bald den Umgang mit Geschäftsanwendungen revolutionieren. Auf dem Feld der Datenanalyse gibt es bereits konkrete Anwendungen.
Natural Language Processing (NLP), also das Steuern von Computern mittels Sprache, hat in den letzten Jahren eine sprunghafte technologische Entwicklung erlebt. Laut einer Studie von Deloitte wird NLP inzwischen von 61 Prozent der befragten deutschen Unternehmen angewendet. Das neue Feature von Tableau, Ask Data, verwendet NLP und erlaubt Anwendern somit, Fragen zu ihren Daten in natürlicher Sprache schriftlich zu formulieren und eine visuelle Antwort in Tableau zu erhalten. Dies erleichtert es Benutzern unabhängig von ihrem Kompetenzniveau, mit Daten zu interagieren und daraus analytische Erkenntnisse zu gewinnen. Anwender sollen sich mit den Daten regelrecht unterhalten und in einem Frage-Antwort-Spiel zu neuen Erkenntnissen gelangen. Der Mensch stellt Fragen, der Rechner zieht die richtigen Daten.

Kontextwissen berücksichtigt

Obwohl Technologien für die natürliche Sprachverarbeitung bereits seit mehr als 20 Jahren vorhanden sind, waren sie bisher in Umfang und Funktionalität immer stark begrenzt. Früher hätte man jede Frage, die ein Nutzer potenziell stellen könnte, einzeln programmieren müssen. Die spezielle Herausforderung für Tableau bestand also darin, unter Zuhilfenahme von KI eine Technologie zu entwickeln, die die Bedeutung einer Frage wirklich verstehen kann, und nicht nur die Wörter in der Frage definiert. KI und ML-Algorithmen sind heute schon in der Lage, sogar Absichten hinter einer Frage erkennen zu können und sich nicht nur auf Keywords zu stützen. Ein intelligentes Analyseprogramm wie Ask Data kombiniert statistisches Wissen über eine Datenquelle mit Kontextwissen über die reale Welt, um die richtigen Methoden zur Analyse von Fragen zu bestimmen. Die Stärke von Ask Data liegt in seiner Fähigkeit, Hunderte oder Tausende von Datentabellen in Millisekunden zu durchsuchen, wodurch die Technologie in die Lage versetzt wird, potenzielle Treffer zu finden, die mit den gewählten Ausdrücken übereinstimmen.

Die Anwendung

Bei einer Suchabfrage in Vertriebsdaten nach ‚Industriesteuerungsverkauf in Deutschland‘ weiß das Programm beispielsweise, dass Filter wie ‚Produktkategorie‘ oder ‚Land‘ anzuwenden sind. Dazu wird statistisches Wissen zu einer Datenquelle mit Kontextdaten über reale Sachverhalte kombiniert: Industriesteuerung ist ein häufiger Wert für das Feld Produktkategorie, und ‚deutsch‘ ein Synonym für ‚Deutschland‘. Mittels dieser eingebetteten Unterstützung von Synonymen können Nutzer Erkenntnisse gewinnen und zugleich für ein und dasselbe Feld verschiedene Ausdrücke verwenden, etwa ‚Umsatz‘ oder ‚Buchungen‘. Oder, wenn ein NLP-gesteuertes Analysesystem nach dem ‚durchschnittlichen Gaspreis nach Region‘ gefragt wird, sucht das System nicht nur nach Gaspreisen, sondern weiß auch, dass es nach Region aggregiert und den Durchschnitt anzeigt. Sogar Folgefragen lassen sich problemlos stellen. Eine typische Frage lautet etwa: ‚Zeige mir die Verkaufszahlen meiner Produkte von diesem Quartal.‘ Automatisch werden die Ergebnisse angezeigt. Anschließend kann man direkt die Frage ‚Und von letztem?‘ stellen. Die Anwendung erkennt, dass es sich dabei um eine Anschlussfrage handelt, die sich ebenfalls auf ‚Verkaufszahlen‘ und ‚Quartal‘ bezieht. Vorteil: Die erste Frage muss nicht nochmal wiederholt und in Kontext gesetzt werden.

Seiten: 1 2Auf einer Seite lesen

Thematik: Technologie
Ausgabe:
Tableau Germany GmbH

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.