Viele Unternehmen nutzen Enterprise Search Anwendungen für die Suche in strukturierten und unstrukturierten Daten. Moderne Suchanwendungen können heute weitaus mehr als nur Daten aufzuspüren und aufzulisten. Bereits bei der Suchanfrage unterstützen sie durch intelligente Autovervollständigung und korrigieren automatisch Tippfehler. Spezielle Linguistik-Funktionen machen es möglich, dass die Suchmaschine auch Mehrwortbegriffe erkennt. Sucht der Anwender beispielsweise nach dem Begriff "Räder", liefert die Suchmaschine auch Ergebnisse mit "Komplettradsatz".

Wie die populären digitalen Assistenten Siri, Cortana und Alexa verstehen Enterprise Search Anwendungen dank Natural Language Processing (NLP) auch natürlichsprachliche Suchanfragen. So können Anwender mittlerweile nicht mehr nur nach einem einzelnen Keyword suchen, sondern auch Suchanfragen stellen wie "Welcher Geschäftspartner brachte 2016 den meisten Umsatz?" Möglich wird dies durch die geschickte Kombination von Machine Learning und Content Analytics Verfahren.

Ferner sind professionelle Enterprise Search Anwendungen in der Lage, sämtliche externe und interne Datenquellen anzubinden, wie zum Beispiel Wikis, Collaborations- oder Mailprogramme sowie externe Fachinformationsdienste oder frei zugängliche Informationssysteme. Nutzer bekommen damit eine universelle Sicht auf Daten und deren Quellen und können Zusammenhänge erkennen und damit völlig neue Use Cases umsetzen. Mittels Predictive Analytics sehen Entscheidungsträger kommende Abläufe rechtzeitig und können proaktiv agieren.

Enterprise Search im Wandel

Professionelle Enterprise Search Anwendungen beschränken sich auch nicht mehr nur auf das bloße Ausliefern einer Trefferliste. So werden dem Nutzer oftmals auch weitere Suchbegriffe geliefert, die zum Thema passen. Mit Hilfe eines Knowledge Graphs kann außerdem gebündeltes Wissen und Zusammenhänge angezeigt werden.

Das Analystenhaus Gartner spricht auf Grund der gestiegenen Funktionsvielfalt von Suchanwendungen von einem Wandel von der Enterprise Search hin zur Insight Engine. Die Insight Engine hilft dem Nutzer proaktiv dabei, Daten aufzuspüren, zu analysieren und zu interpretieren. Forrester spricht über die neue Generation von Enterprise Search Anwendungen von einer "Cognitive Search", die neben NLP auch Technologien für Artificial Intelligence und Machine Learning unterstützt.

Von der Enterprise Search zur Cognitive Search

Cognitive Search ist außerdem in der Lage, dem Nutzer Empfehlungen (Recommendations) zu liefern, die sie aus bereits erfolgten Suchanfragen anderer Anwender generiert. Durch Artificial Intelligence, Machine Learning und Content Analytics Verfahren werden aber auch neue Anwendungsszenarien möglich. Beispiel: In der Beschaffungsabteilung eines Konzerns gehen unterschiedlichste Angebote ein, die analysiert werden sollen. Mithilfe einer automatisierten Content Analyse werden die Bestandteile der Ausschreibungsartikel identifiziert, extrahiert und mit eigenen Beschreibungen verglichen. Dabei spielen linguistische Normalisierungen, Tippfehlerkorrekturen und automatische Einheitenumrechnungen eine wichtige Rolle. Einzelne vorkommende Begriffe werden anhand der syntaktischen Analyse der Beschreibungen für die Priorisierung der Ergebnisse hinzugezogen. Damit lassen sich Bearbeitungszeiten für Ausschreibung deutlich reduzieren.

Ein weiteres Beispiel für den Einsatz intelligenter Sub-Systeme ist die Verwendung von Chatbots im Online-Support. Hier nimmt der Bot die Frage des Nutzers entgegen und untersucht sie mithilfe von Content Analytics Funktionen wie etwa natürlichsprachlicher Satzanalyse, Entitätenerkennung oder Linguistik-Features. Gleichzeitig durchsucht er unter Zuhilfenahme einer Lösungsdatenbank, Support-Mails oder FAQ-Inhalten den Datenbestand und gleicht die Beschreibung des Problems mit der Frage ab. Der Chatbot liefert auf dieser Grundlage gleich die richtige Antwort an den Kunden oder leitet die Anfrage an den zuständigen Mitarbeiter weiter.