ConWeaver – Die semantische Suchmaschine

SEMANTISCHE SUCHE. Anders als ein Wiki oder unternehmensinterne Gelbe Seiten kann eine semantische Suchmaschine bestehende Datenquellen durchsuchen und dabei inhaltliche Zusammenhänge berücksichtigen. Die ConWeaver GmbH aus Darmstadt entwickelt und vertreibt eine solche Software.

DIE LÖSUNG ist das „Wissensnetz“. Mit diesem Wort umschreibt Dr. Thomas Kamps die Vorgehensweise der Suchmaschine, die seine Firma ConWeaver GmbH entwickelt hat. Gemeinsam mit Richard Stenzel hat Kamps das Softwareunternehmen aus einem Forschungsprojekt der Fraunhofer Gesellschaft heraus im Jahr 2007 gegründet.

Dieses Wissensnetz ist das Ergebnis eines so genannten Datenanalyse-Workflows. Darin wird das Netz durch „zusammenklickbare“ Analyseworkflows aufgebaut. Das Wissensnetz ist dann in einer Datenbank abgespeichert und wird bei der Suche abgefragt. Die Daten, die am Ende ausgespuckt werden, sind inhaltlich miteinander verknüpft, aber ursprünglich  in unterschiedlichen Quellen gespeichert. Anders als bei google etwa bekommt ein Nutzer maßgeschneiderte Ergebnisse nach einer Suche. „Alles, was man aus bestimmten Daten herausbekommen könnte, das bekommt man auch heraus und es kann zusätzlich noch verknüpft werden“, sagt Kamps.

Das größte Problem für herkömmliche Suchmaschinen sei, dass Informationen aus einem Unternehmen meist in verschiedenen Datenbanken zu finden seien. So könnte ein Mitarbeiter einen Bericht über ein bestimmtes Projekt in einer Projektdatenbank abgespeichert haben. Gleichzeitig könnte der Bericht auf dem Fileserver liegen, der Mitarbeiter in der Abteilung Forschung und Entwicklung tätig sein und daher über Informationen zur technischen Expertise verfügen.

„Hier setzen wir an: Wie kann eine Suchmaschine aussehen, die verschiedene Datenquellen absucht und den Zusammenhang zwischen den Informationsobjekten herstellt?“, sagt Kamps. Der Schlüssel ist die so genannte semantische Suche, die zugleich mehrsprachig funktioniert. „ConWeaver arbeitet mit einem Datenanalysesystem“, sagt Kamps. Das Ergebnis einer Datenanalyse ist zugleich Input für die nächste. Am Ende steht das Wissensnetz, gesponnen aus Informationen, die an unterschiedlichen Orten zu finden sind.

Ein Beispiel: Ein Mitarbeiter sucht einen Kollegen und kennt nur seine Funktion im Betrieb, aber nicht seinen Namen. Wenn er ConWeaver aktiviert, greift es auf das vorhandene Wissensnetz zurück. Dieses wurden mit Hilfe von rund 300 verschiedenen Datenanalyseoperatoren aufgebaut. Das funktioniert so: Einer der Operatoren sucht nach Personennamen und erstellt daraus eine Liste. Diese geht an den nächsten Operator, der anhand der Namen überprüft, welche Schlüsselbegriffe im Umfeld der Namensnennung vorkommen und nah beieinander stehen. Er berechnet, über welche Expertise die Personen verfügen. Diese Information geht wiederum an den nächsten Operator. Dieser vergleicht die Expertisen miteinander, um zu sehen, welche Profile sich am ähnlichsten sind. Am Ende steht ein Wissensnetz, auf das ConWeaver zurückgreift, wenn ein Mitarbeiter einen anderen sucht.

„Trotz hoher Treffergenauigkeit sind die Suchen natürlich nicht hunderprozentig perfekt“, sagt Kamps. Bei einem Namen wie Chelsea London könne es etwa zu Problemen kommen, weil der Operator nicht weiß, ob es um einen Namen oder den englischen Fußballklub geht. Aber man arbeite daran, die Fehler zu minimieren. Der Vorteil gegenüber einem Wiki oder unternehmensinternen Gelben Seiten sei aber, dass diese erst gemacht und mit Inhalt gefüllt werden müssten. Eine semantische Suchmaschine hingegen durchforstet bestehende Datenquellen und extrahiert deren vollen Informationsgehalt. „In der Regel ist es doch so, dass unterschiedliche Personen mit unterschiedlichen Funktionen Informationen sammeln und diese an unterschiedlichen Orten abgespeichern“, sagt Kamps. Eine Software wie ConWeaver verknüpfe dieses dezentrale Wissen in einem Unternehmen.

(Quelle: IHK Report Februar 2010)