Informationen suchen, Inspiration finden

Transkript

1 Informationen suchen, Inspiration finden Semantische Suche im Kontext kreativer Prozesse Carsten Hibbeler, Lars Koch, Philipp Westrich xdot GmbH Ein Tochterunternehmen der Convotis AG {c.hibbeler, l.koch, xdot.de Zusammenfassung: Innerhalb vieler Unternehmen gehört effizientes Wissensmanagement seit langem zu den wichtigsten Aufgaben. Dabei stellt die beständig wachsende Dynamik der Arbeitsorganisation zusammen mit einer Vielzahl neuer Wissensquellen die Wissensarbeiter vor immer neue Herausforderungen. Eine der Herausforderungen, denen sich insbesondere die Medienindustrie gegenübersieht, ist Wissensmanagement im Bereich kreativitätsintensiver Prozesse. Solche Prozesse sind gekennzeichnet durch ein besonders hohes Maß an implizitem und unstrukturiertem Wissen. Das vorhandene Wissen bildet dabei häufig die Grundlage des kreativen Wertschöpfungsprozesses als entscheidende Quelle für Inspirationen. Im Rahmen dieses Artikels soll der Frage nachgegangen werden, wie Techniken der semantischen Suche bei der Extraktion von Wissen und der anschließender Darstellung eingesetzt werden können, um das Potential implizitem Wissens voll auszuschöpfen. Stichworte: Kreative Prozesse, Enterprise Search, Suchmaschine, Semantic Search, Wissensmanagement 1 Einleitung Ob im Design, der Film- und Fernsehwirtschaft oder der Musikindustrie, in allen Bereichen der kreativen Wertschöpfung hat die digitale Revolution mittlerweile Fuß gefasst. Musikstücke werden digital aufgenommen und gemischt, Filme am Computer geschnitten und Entwürfe in 3D gerendert. Die explosionsartige Geschwindigkeit, mit der neue Daten generiert werden, übertrifft dabei alle Erwartungen. Laut einer Studie der International Data Corporation hat sich das weltweite digitale Datenvolumen in den letzten fünf Jahren fast verzehnfacht. 1 Darüber hinaus liegen die Daten häufig in unstrukturierter Form vor, verteilt auf verschiedene Quellen wie z.b. -Postfächer, Blogs, Wikis, Dateisysteme 1 International Data Corporation (2008): The Diverse and Exploding Digital Universe,

2 und Intranets. Diese Wissensinseln stellen eine weitere Herausforderung dar, welches das manuelle Verwalten und Suchen von Informationen zunehmend erschwert. Wertvolle Informationen drohen in kürzester Zeit in der Datenflut unter zugehen, was fatale Folgen für die kreative Wertschöpfung haben kann. Ein eingeschränkter Zugriff auf interessante Informationen hat zur Konsequenz, dass das vorhandene Wissenspotential des Unternehmens nicht voll genutzt werden kann und sich kreative Arbeitsprozesse verzögern oder schlimmstenfalls ganz zum Erliegen kommen. Zudem entstehen innovative Ideen häufig durch die neuartige Kombination von bereits bekannten Informationen. Der effektive Zugang zu Informationen ist für kreative Personen daher essentiell. Eine Umfrage von Accenture hat herausgefunden, dass inzwischen ein Viertel der Arbeitszeit für die Informationsfindung aufgebraucht wird. 2 In Branchen mit hohem Kostendruck und knappen Zeit- und Personalbudgets, wie beispielsweise der Film- und Fernsehwirtschaft, kann die verlorene Zeit, die an der Suche beteiligten Mitarbeiter für die Suche aufwenden müssen, zu nicht unerheblichen Verzögerungen führen. Die effektive Suche nach relevanten Informationen in der schieren Menge an größtenteils zusammenhanglos abgelegten Daten an unterschiedlichsten Speicherorten wird somit immer mehr zum Schlüsselfaktor. Als Teilsegment des Wissensmanagements hat sich das IT-Marktsegment der Enterprise Search hervorgetan, um diesen Herausforderungen zu begegnen. 2 Enterprise Search Eine firmeninterne Suchmaschine für Unternehmen, im Englischen Enterprise Search (ES) genannt, ermöglicht das computergestützte inhaltsorientierte Suchen in allen Speicherorten. Softwarelösungen, die im Hintergrund die vorhandenen Speicherquellen durchsuchen, sogenannte Crawler, sorgen dafür, dass ein Suchindex, der Informationen über Daten in stark komprimierter und für die schnelle Suche optimierter Form bereithält, in regelmäßigen Abständen aktualisiert wird. Ein Crawler gewährleistet somit die Aktualität der Daten, während der Suchindex das schnelle Finden ermöglicht. Im Unterschied zu Internet-Suchmaschinen zeichnen sich ES-Lösungen durch hohe Konfigurierbarkeit und Erweiterbarkeit aus. So hat der Benutzer einer Internet-Suchmaschine keinen Einfluss darauf, welche Seiten indexiert werden und welche Daten des Internets er zu Gesicht bekommt. Auch auf das Ranking der Ergebnisse hat er keinen Einfluss. Darüber hinaus kann eine Internet-Suchmaschine nur mit wenigen Dateiformaten wie Webseiten oder PDF- Dokumenten etwas anfangen. Unbekannte Formate werden nicht indexiert und können deshalb nicht gefunden werden. Eine gute Firmensuchmaschine wie beispielsweise das 2 Accenture (2007): Managers Say the Majority of Information Obtained for Their Work Is useless, Accenture Survey Finds,

3 mehrfach ausgezeichnete xfriend Enterprise Search der Convotis AG unterstützt hingegen alle gängigen Formate wie zum Beispiel Microsoft Office Produkte und kann darüber hinaus in die bestehende IT-Infrastruktur eingebettet werden, um Daten von verschiedenen Programmen wie Lotus Notes, Microsoft SharePoint oder SAP einzubinden. 3 ES- Lösungen sind deshalb bestens geeignet, um mit einer zentralen Oberfläche Dateninseln zu überbrücken. Ein weiterer Vorteil ist das umfangreiche Rechte-Management, welches eine genaue Steuerung des Informationsflusses erlaubt. So wird sichergestellt, dass Firmengeheimnisse nicht in unbefugte Händen geraten. Nichtsdestotrotz gibt es auch viele Gemeinsamkeiten zwischen Internet-Suchmaschinen und ES-Lösungen. Neben der bereits angesprochenen Ähnlichkeit der Benutzeroberfläche und der generellen Architektur ist auch der Mechanismus des Findens vergleichbar. Die Volltextindexierung ist die bekannteste Methode, Dokumente einer Suchanfrage zuzuordnen. 3 Konventionelle Suche In der Regel gibt der Benutzer einer Suchmaschine eine Reihe von Stichworten in eine Suchmaske ein, um eine Suchanfrage zu stellen. Das System durchsucht daraufhin den gesamten Suchindex nach diesen Stichwörtern und liefert eine Liste von Treffern zurück. Der Suchindex enthält üblicherweise neben dem Titel, dem Erstelldatum oder dem Autor einer Datei auch eine große Menge von Stichwörtern, die den Inhalt der indexierten Dateien repräsentieren. Meist werden hierbei alle in den Dokumenten vorkommenden Stichwörter ausgenommen einer Liste von unbedeutenden Füllwörter wie beispielsweise und, aber, der, die, das, etc. in den Index aufgenommen. Diese Form der Indexierung heißt Volltextindexierung. Die Volltextindexierung zeichnet sich dadurch aus, dass sie vollständig maschinell durchgeführt werden kann. Die eigentliche Suche kann dank spezieller Indexstrukturen auch für große Datenmengen sehr schnell durchgeführt werden. Als Ergebnis einer Suchanfrage erhält man nun eine Liste von Dokumenten, in denen die eingegebenen Stichwörter enthalten sind. Die Ergebnisliste wird dabei nach Relevanz sortiert wobei der Relevanz meist die statistische Häufigkeit der gesuchten Stichwörter im Text zugrunde liegt. Die klassische Volltextsuche stößt allerdings schnell an ihre Grenzen, wenn der Benutzer zwar eine grobe Vorstellung von dem hat, was er meint, jedoch weder den Speicherort einer nützlichen Datei, noch den Titel oder markante Textstellen benennen kann. Gerade kreative Gedanken sind in der Entstehungsphase häufig noch zu vage und unscharf, als 3 Mehr Informationen finden Sie unter

4 dass Suchanfragen so präzise formuliert werden könnten, dass mit Hilfe einer Volltextsuche das richtige Dokument gefunden wird. Darüber hinaus zeichnet sich ein kreativer Prozess gerade durch seine vagen Zielbeschreibungen aus. Anstelle eines bestimmten Dokumentes möchte der Benutzer eher verwandte Themenbereiche und die (eventuell unbekannten) Beziehungen zwischen Dokumenten erforschen, um sich inspirieren zu lassen. Um den gestiegenen Anforderungen gerecht zu werden, ist es folglich von Nöten die Suchmaschine intelligenter zu machen. Denn für den Computer sind Texte nur eine Aneinanderreihung von Zeichenketten; die Semantik des Textes ist dem Computer nicht bewusst. Mehrdeutige Begriffe stellen deshalb ein Problem für die konventionelle Suche dar. Sucht der Benutzer beispielsweise nach deutsche Bank, wird die Suchmaschine sowohl Treffer für das Kreditinstitut als auch einer Holzbank aus deutscher Kiefer auflisten. Vergleichbare Schwierigkeiten bereiten Synonyme und Homonyme. Bei Synonymen handelt es sich um Wörter, die alle denselben Begriff bezeichnen. Sucht der Benutzer nach Autos, werden Texte, die zwar das Wort Pkw, nicht aber das Wort Auto enthalten, nicht als Treffer gewertet, obwohl sie auch für den Benutzer relevant wären. Bei Homonymen verhält es sich gegensätzlich. Da hier einer Bezeichnung mehrere Begriffe zugeordnet werden, listet die klassische Volltextsuche viele irrelevante Treffer auf. Um diese Probleme zumindest abzumildern, bieten die meisten Suchmaschinen verschiedene Optionen, um die Suchanfragen zu präzisieren. Häufig wird die Möglichkeit geboten, eingegebene Stichwörter über Boolesche Operatoren wie OR oder AND miteinander zu verknüpfen. Über diese erweiterten Suchoptionen ist es möglich deutlich präzisere Suchanfragen zu stellen als durch eine reine Stichwortsuche. Jedoch wird in diesen Fällen der zusätzliche Arbeitsaufwand auf die Seite des Benutzers verschoben. Der Mehraufwand schreckt viele Benutzer ab und so ist es nicht verwunderlich, das nur 2% der Suchmaschinenanwender überhaupt von den Möglichkeiten der erweiterten Suche Gebrauch machen. 4 Wenn zudem viel mit nicht text-basierten Daten wie Grafiken, Audio- oder Videodateien gearbeitet wird, erschwert sich der Suchprozess um ein Vielfaches. Um kreative Personen, die zur Ideengenerierung auf einen möglichst großen Daten-Pool Zugriff haben müssen, bestmöglich unterstützten zu können, muss eine Suchmaschine daher die Semantik von Daten verstehen. 4 Semantische Suche Der Begründer des World Wide Web (WWW) Tim-Bernes Lee formulierte schon 2002 seine Vision vom Semantic Web, der nächsten Evolutionsstufe des Internets. Der Begriff 4 Jansen et al. (1998): Real life information retrieval: A study of user queries on the web. In: SIGIR Forum 32/1, S

5 Semantik (gr.: sēmainein bezeichnen ) umfasst die Theorie und Wissenschaft zur Bedeutung von Zeichen. Im Kontext des semantischen Internets sollen, so die Vision, alle Daten im Internet um eine Bedeutungsebene erweitert werden. Metadaten stellen dann die Bedeutung der Daten in maschinenlesbarer und -verarbeitbarer Form bereit, wodurch der Computer in die Lage versetzt wird, Beziehungen zwischen Daten herzustellen. Dies geschieht vor allem, indem sich Schnittstellen, Verarbeitungsvorgänge und Repräsentation der Daten weniger an technischen Aspekten sondern mehr an dem Gedankenmodell des Benutzers und dem Kontext der Daten orientieren. Hierdurch wird der Benutzer mit seinem Verständnis von Daten zu einem zentralen Konzept des Internets selbst. Jedoch kann eine Maschine die Bedeutung von Informationen nicht wirklich verstehen. Schnell kommt der Eindruck auf, dass es sich beim Semantic Web um künstliche Intelligenz handeln muss. Dieser Eindruck ist jedoch falsch. Tim-Bernes Lee schrieb dazu in einem Leserbrief 5 : The Semantic Web will not understand human language [ ] The Semantic Web is about machine languages: well-defined, mathematical, boring, but processable. Data, not poetry. In einem semantischen System kann also die Bedeutung von Daten so modelliert werden, dass Maschinen sie automatisch verarbeiten können, ohne dass fest einprogrammierte Routinen geschrieben werden müssen. Ein wichtiger Aspekt semantischer Technologien ist die Form der formalen Repräsentation der Semantik. Verwenden zwei Systeme dieselbe formale Semantik, sind sie dadurch in der Lage Wissen auszutauschen. Diese Interoperabilität ist ein existentielle Idee des Semantic Web Konzepts und um sie zu gewährleisten standardisiert das W3C (World Wide Web Consortium) Beschreibungssprachen für das Semantic Web. Das Einsatzgebiet dieser Beschreibungssprachen ist jedoch nicht auf das Semantic Web beschränk. Durch ihr hohes Maß an Interoperabilität sind diese Beschreibungssprachen eine gute Basis um unterschiedliche Inhalte aus verschiedenen Quellen wie Intranet, Datenbanken, Blogs und Wikis in einheitlicher Weise zu beschreiben. 4.1 Repräsentation von Wissen Ontologien sind eine Möglichkeit Wissen formal zu repräsentieren. Das Wissen wird dabei in Form von Konzepten mit Eigenschaften und Beziehungen formalisiert. Die einfachste Form der Ontologien stellen Wissensstrukturen, die auf kontrollierten Vokabularien aufbauen, dar. Der aus den Dokumentationswissenschaften bekannte Thesaurus ist eine solche einfache Ontologie. Er kann beispielsweise Relationen beinhalten, die Begriffe wie Per- 5 Tim-Berners Lee (2002): What the Semantic Web Won't Do,

6 sonenkraftwagen und Kraftfahrzeug durch die Relationen ist Unterbegriff in Relation zueinander setzen (siehe Abbildung 1). Abbildung 1: SKOS Beispiel Eine standardisierte Beschreibungssprache in der sich ein solcher Thesaurus formalisieren lässt ist das vom W3C entwickelte Simple Knowledge Organization System (SKOS) 6. Der wichtigste Typ in SKOS ist das Concept. Instanzen des Typs Concept sind die Begriffe des Thesaurus. In Abbildung 1 werden sie als schwarze Knoten dargestellt. In SKOS können die Begriffe über unterschiedliche Typen von Relationen verbunden sein. Beispielsweise können Konzepte durch preflabel mit ihrer Bezeichnung verbunden werden. Alternative Bezeichner wie Synonyme oder Akronyme werden mit altlabel annotiert. Relationen zwischen Konzepten können einerseits hierarchisch durch die Verbindungstypen narrower und broader oder nicht-hierarchisch durch related beschrieben werden. Im abgebildeten Beispiel stellen Lastkraftwagen und Personenkraftwagen Spezialisierungen von Kraftfahrzeug dar. Ein Schienenfahrzeug hingegen steht in keiner direkten hierarchischen Beziehung zu Kraftfahrzeug, sondern ist nur verwandt. Ontologien eignen sich zur Repräsentation unterschiedlichsten Wissens. Für einen Thesaurus in SKOS wird praktisch nur der Begriff (Concept) und wenige Typen von Relationen benötigt; die Instanzen sind hier die einzelnen Begriffe wie z.b. Kraftfahrzeug. In anderen 6 Mehr Informationen zum WC3 Standard finden Sie unter

7 Beschreibungssprachen könnte jedoch ein eigenes Konzept eines Kraftfahrzeugs existieren. Hier wäre eine Instanz ein einzelnes, möglicherweise real existierendes Kraftfahrzeug. Je nach Anforderungen und Verwendungszweck kommen unterschiedliche Typen von Ontologien zum Einsatz. Neben einfachen Ontologien wie Thesauri können mit entsprechenden Beschreibungssprachen aber auch weitaus mächtigere Ontologien modelliert werden. Solche Ontologien enthalten Regeln und Beschränkungen für Attribute und Konzepte sowie grundlegende gültige Aussagen. Dieses festgelegte Wissen ermöglicht es eine Ontologie auf logische Konsistenz zu prüfen und sogar neues Wissen aus ihr zu berechnen. Ein klassisches Problem der Volltextsuche ist der Umgang mit Synonymen und Homonymen. Sucht der Benutzer beispielsweise nach Auto und VW, dann ließe sich nun mit Hilfe eines Thesaurus die ursprüngliche Suchanfrage so erweitern, dass die modifizierte Suchanfrage Resultate findet, in denen nicht mehr explizit das Wort Auto im Text vorhanden sein muss, sondern z.b. nur KFZ. Möchte der Benutzer die Suche noch erweitern, um mehr Treffer zu erhalten, könnte die Suche beispielsweise auf die Bezeichnungen KFZ, Auto, VW, Volkswagen, Passat, Golf und Polo ausgeweitet werden. In ähnlicher Weise können auch Mehrdeutigkeiten in Anfragen berücksichtigt werden. Bei einer Suche nach Autohändler und Golf ist es wahrscheinlicher, dass mit Golf das Auto anstelle der Sportart gemeint ist, da der VW Golf semantisch viel näher an Autohändlern eingeordnet ist als an der Sportart. Gegebenenfalls kann hier auch der Benutzer aufgefordert werden die Mehrdeutigkeit aufzulösen. Viele hilfreiche Funktionen der semantischen Suche können nur ausgeführt werden, wenn die Daten strukturiert wurden. Die Ordnung von unstrukturierten Daten ist folglich eine Kernaufgabe der semantischen Suche. 4.2 Ordnung von unstrukturierten Daten Bei einem Großteil der in Unternehmen existierenden Daten handelt es sich um unstrukturierte oder semistrukturierte Daten. So werden beispielsweise -Anhänge häufig nur auf dem Desktop oder in einem zentralen Ablageordner abgespeichert, anstatt sie z.b. thematisch korrekt in einer hierarchischen Ordnerstruktur auf einem Netzlaufwerk im Intranet abzulegen. Mit der Zeit sammeln sich auf diesen Datenfriedhöfen immer mehr Daten aus unterschiedlichen Kontexten an und der Überblick geht verloren. Da für diese Daten aufgrund fehlender oder unzureichender Strukturierung keine explizierte Semantik vorhanden ist, muss die Semantik über automatische oder semi-automatische Ansätze extrahiert werden.

8 Bei den semi-automatischen Ansätzen wird dem Benutzer die Möglichkeit gegeben, die Dokumente mit Bezeichnungen zu annotieren. Dies wird auch als Tagging bezeichnet. Im Gegensatz zum konventionellen Tagging sind jedoch die möglichen Tags der semantischen Suche nicht frei wählbar sondern werden vom System vorgegeben und entsprechen immer genau einem festgelegtem Themen bzw. einem festgelegtem Konzept. Solche Tags erlauben es Inhalte auf einfache und flexible Art semantisch zu beschreiben. Der automatische Strukturierungsansatz setzt hingegen fortschrittliche Technologien der Computerlinguistik ein, um selbstständig relevante Themen und Instanzen von Konzepten zu identifizieren. Beispielsweise ist es möglich, mit Hilfe von Techniken der Computerlinguistik Fachbegriffe, Personen, Orte, und Zeitangaben automatisch aus einem Text zu filtern und zur Annotation zu verwenden. Darüber hinaus existieren schon Prototypen, die auch aus Bild- und Videodateien Informationen filtern können. Allerdings sind diese Techniken sehr ressourcenaufwändig, sodass diese Form der Analyse bis jetzt eher selten zu finden ist. Durch die Ordnung unstrukturierter Daten und die semantische Anreicherung mit Metadaten lassen sich nun völlig neue Suchfunktionen realisieren, die dem Suchenden einiges an Arbeit abnehmen. 4.3 Intelligente Suche Während bei der konventionellen Suche nur Zeichenketten in Volltextindizes verglichen werden, wird bei der semantischen Suche auf abstrakten Objekten gesucht. Solche Objekte können z.b. Dokumente und Videos als auch Personen oder Projekte sein. Diese Objekte werden durch semantisch definierte Konzepte, Relationen und Eigenschaften beschrieben. Mit Hilfe des semantischen Wissens lässt sich die konventionelle Suche in vielen Bereichen verbessern. Verfügt der Benutzer beispielsweise über ein thematisches Profil, in dem für ihn relevante oder im aktuellen Kontext wichtige Themen hinterlegt sind, kann das Profil genutzt werden, um die zurückgelieferten Resultate zu beeinflussen. Als einfaches Beispiel würde ein Autohändler, der nach Jaguar sucht, eher das Auto als das Tier meinen, sodass Treffer zum Auto höher bewerten sollten. Eine solche personalisierte Suche kann auch für den Benutzer unsichtbar von einem Administrator konfiguriert werden. Unterschiedliche Sucheinstellungen für einzelne Abteilungen sind ein gutes Beispiel, wie semantische Technologien im Hintergrund die Suche verbessern können. Eine Vielzahl von neuen Such-Möglichkeiten ergibt sich auch, wenn die Inhalte, auf denen gesucht wird, thematisch kategorisiert werden. Durch diese meist automatisch durchge-

9 führte Kategorisierung wird es möglich, ganze Themenbereiche in die Suche aufzunehmen bzw. auszuschließen. Hierfür lassen sich bekannte Techniken wie Filter oder Facetten 7 nutzen, wobei es unter Umständen Sinn macht die häufig hierarchische Natur von Themenfeldern zu berücksichtigen. Insbesondere wenn ein Datenbestand viele thematisch gut klassifizierbare Inhalte besitzt, sind diese Formen der Suche sehr hilfreich um sich z.b. über ein Thema zu informieren oder auch die thematische-schnittmenge zwischen mehreren Themen zu ermitteln. 4.4 Fortschrittliche Visualisierungstechniken Die Anreicherung der Daten mit zusätzlichen semantischen Informationen führt letztendlich zu einer Vernetzung der Daten. Die Struktur des Netzes ist dabei für den Benutzer von großem Interesse. Dadurch, dass Daten aufgrund ihrer semantischen Beziehungen in einen Kontext gesetzt werden können, lassen sich deren Inhalte und ihre Relevanz besser einschätzen. Um den Kontext möglichst schnell und ganzheitlich zu erfassen, eignen sich grafische Formen der Repräsentation besser als Text-basierte. Ein Beispiel für eine Netz- Darstellung, die auch eine Navigation durch dieses Netz erlaubt, zeigt Abbildung 2. 7 Bei der Facettenklassifikation werden Objekte nicht hierarchisch, sondern durch mehrere voneinander unabhängige kombinierbare Eigenschaften klassifiziert.

10 Abbildung 2: Netz-Visualisierung von unterschiedlichen, verknüpften Inhalten Diese Form der Suche, bzw. Navigation, ist in einigen Fällen der klassischen Suche deutlich überlegen. Hierbei geht es vor allem darum, unbekanntes Wissen über bekanntes Wissen zu erschließen. Möchte man sich beispielsweise über ein Projekt informieren, so kann man ausgehend vom Projektknoten zu verknüpften Dokumente und zugehörige Themen navigieren. Durch die Visualisierung des Netzes und die Navigation in diesem kann sich ein Benutzer in wenigen Sekunden einen guten Überblick über ein unbekanntes Projekt verschaffen.

11 Abbildung 3: Tag Cloud Beispiel Neben der direkten Netzdarstellung gibt es weitere Darstellungsformen die versuchen die Semantik visuell einfließen zu lassen. Beispiele hierfür sind Baumstrukturen für Themenhierarchien oder Tag Clouds (siehe Abbildung 3). Eine Tag Cloud ist eine grafische Repräsentation der verschiedenen Tags, mit der ein Dokument annotiert wurde. Die am häufigsten gewählten Tags werden dabei besonders hervorgehoben. Da unterschiedliche Benutzer andere Sichtweisen haben, stellen Tag Clouds eine hervorragende Möglichkeit dar, um sich ausgehend von einem Begriff oder Dokument inspirieren zu lassen. 5 Enterprise Search als Inspirationsquelle In vielen Geschäftsprozessen ist der schnelle Zugriff auf kontextuell relevantes Wissen der entscheidende Punkt zum Erfolg. Dies gilt vor allem für kreativitätsintensive Prozesse, die durch einen hohen Anteil an implizitem und unstrukturiertem Wissen gekennzeichnet sind. Hier legt existierendes Wissen wichtige Aspekte fest, die es für das Ergebnis eines kreativen Schaffensprozesses zu berücksichtigen gilt. Wenn beispielsweise eine Idee, die im Rahmen eines kreativen Prozesses entstand, nicht direkt umgesetzt werden kann, muss sie als potenziell sehr wertvolle Ressource archiviert und zu einem späteren Zeitpunkt wieder abgerufen werden können. Wird eine Idee jedoch ohne weitere Semantik abgespeichert, ist es schwer sie nach längerer Zeit über eine einfache Schlagwortsuche wiederzufinden; vorausgesetzt man erinnert sich überhaupt noch an passende Schlagworte. Semantische Technologien hingegen erlauben es, Ideen innerhalb eines passenden Kontextes zu speichern. Ein mit Annotationen versehenes Dokument ist beispielsweise in der Lage den Inhalt, Kontext sowie abstrakte Assoziationen der Idee zu beschreiben. Als gemeinsame Wissensbasis zur Beschreibung sollte eine Ontologie, die die Konzepte der Arbeitsdomäne

12 formuliert, eingesetzt werden. Eine auf diese Art beschriebene Idee kann nun leichter über die bereits genannten semantischen Suchmechanismen wie z.b. Thematische-Suche gefunden werden. Besonders im kreativen Umfeld kommt anschließend der Präsentation eine entscheidende Rolle zu. Über eine geeignete Präsentation besteht die Möglichkeit, Impulse für neue Ideen zu erzeugen und so den kreativen Schaffensprozess erheblich zu unterstützen. Dies geschieht indem die beschriebenen Techniken der semantischen Suche wie z.b. die themenbasierte Suche oder die Netz-Navigation eine Sicht auf die Informationen aus unterschiedlichen Perspektiven erlaubt. Hierdurch kann sich der Benutzer neue für ihn unbekannte Inhalte präsentieren lassen, wobei die grobe semantische Richtung durch ihn bestimmt wird. Ein System das dieses Konzept nutzt, ist das im Rahmen eines Master- Projektseminars von Studenten am European Research Center for Information Systems (ERCIS) entwickelte Creative Flow. 8 6 Zusammenfassung Bei der Bildung von kreativen Gedanken geht die Inspiration und die Generierung von kreativen Ideen meist von vorhandenem Wissen aus. Die Menge an Informationen, die einer Person zur Verfügung steht, hat somit einen bedeutenden Einfluss auf kreative Prozesse. Im digitalen Zeitalter stehen mehr Informationen zu Verfügung als jemals zuvor. Doch ohne maschinelle Unterstützung scheint diese Datenflut mehr Fluch als Segen zu sein 9. Interessante Informationen drohen in der schieren Menge an Daten verloren zu gehen. ES-Lösungen bieten sich an, Ordnung ins Informationschaos zu bringen. Durch sie können Dateninseln einfach überbrückt und die Zeit, die bei der Suche verloren geht, drastisch reduziert werden. Jedoch stoßen konventionelle ES-Lösungen schnell an ihre Grenzen, wenn der Suchende seine Suchanfrage nicht explizit formulieren kann. Gerade auf der Suche nach Inspiration ist es aber dieser unscharfe Wissensdurst, den es zu stillen gilt. Dieser Artikel hat aufgezeigt, wie mit Hilfe der semantischen Suche dennoch gute Ergebnisse erzielt werden können. Semantische Technologien, die Semantik in maschinenlesbarer Form repräsentieren und verarbeiten, werden in Zukunft, nicht nur für Unternehmen im kreativen Umfeld, zum unverzichtbaren Hilfsmittel im Umgang mit der Ressource Wissen. Neben Gewinnung und formalen Repräsentation der Semantik steht weiterhin auch die Frage, wie dieses Wissen am effizientesten genutzt werden kann im Mittelpunkt. Hier können neue Formen der Präsentation und Exploration wie Tag Clouds, Baum- oder Netzstrukturen die Effizienz enorm steigern Mehr Informationen finden Sie unter Siehe auch Jürgen Lange (2009): Datenflut Fluch oder Segen?