Suchplattform Sinequa zielt auf Machine Learning

Mit Fähigkeiten für maschinelles Lernen soll Sinequa 10 Analysen von Inhalten und verbessern. Die selbstlernende Plattform für kognitive Suche und Analyse soll Informationen für Nutzer im Self Service verfügbar machen.

Bis zum Jahr 2020 wird laut IDC die Hälfte aller Business-Analytics-Lösungen mit Methoden von Predictive Analytics und Cognitive Computing arbeiten. „Kognitiv-fähige Anwendungen, insbesondere solche, die mit unstrukturierten Daten arbeiten, sind die Zukunftstechnologie zur Informationsbereitstellung für Anwender in allen Branchen und Arbeitsumgebungen“, erklärt David Schubmehl, Research Director bei IDC.

Algorithmen analysieren das Logical Data Warehouse

Um die Version 10 seiner Suchmaschine in Richtung Cognitive Computing zu trimmen, hat Sinequa in seine Architektur das Apache Spark Framework für Cluster Computing integriert. Auf der so entstandenen Infrastruktur sollen sich die Vorteile der rechnerintensiven Machine Learning-Algorithmen voll ausschöpfen lassen. Kontinuierlich analysierten Algorithmen die Inhalte des Sinequa Logical Data Warehouse und reicherten dessen Inhalte an. Das Sinequa Logical Data Warehouse stelle das Datenreservoir sämtlicher analysierten und indizierten Unternehmensinhalte dar. Mit Hilfe der Algorithmen liefere Sinequa 10 Einblicke, die sich eng an den Anforderungen der Anwender orientieren. Administratoren biete Sinequa 10 vielfältige Tuning-Funktionen.

„Sinequa 10 ist ein Sprung in die Ära des Cognitive Computing und der Insight Engines, erklärt Alexandre Bilger, CEO von Sinequa. „Im Umgang mit Big Data und seinem schnellen Wachstum müssen datengetriebene Organisationen sich auf intelligente und selbstlernende Systeme verlassen können, um Daten zu analysieren, wertvolle Informationen für ihre Beschäftigten zu generieren und damit ihre Produktivität, Anwenderzufriedenheit und Wettbewerbsfähigkeit zu erhöhen.“ Mit den Machine Learning-Fähigkeiten von Sinequa 10 ließen sich diese Ziele durch Verwendung von Collaborative Filtering und Empfehlungen, Klassifizierung, Clusterbildung, Ähnlichkeitsberechnungen für unstrukturierte Inhalte und Predictive Analysis erreichen.

Nativer Betrieb auf Amazon Web Services und Microsoft Azure

Neben den Machine-Learning-Algorithmen sei Sinequa 10 funktional erweitert worden: Die Suchmaschine laufe nativ auf Cloud-Plattformen wie Amazon Web Services und Microsoft Azure. Für Kunden im Bereich Life Science und Health Care seien branchenspezifische Werkzeuge für ontologische Textindizierung von Partnern wie Scibite und Lingua integriert worden. Für das Indizieren von Videos und Bildern verwende die Suchplattform Google Vision und Microsoft Azure Media Services, für die automatisierte Übersetzung von über 100 Sprachen komme Google zum Einsatz. Plug&play-Anbindungen zu mehr als 150 verschiedensten Datenspeichern für strukturierte und unstrukturierte Datenermöglichen die Analyse von Inhalten in betriebswirtschaftlichen Anwendungen sowie Hadoop– und Cloud-Umgebungen.

Pilotanwender von Sinequa 10 zeigen sich zufrieden: „Unsere Kanzlei generiert mit Sinequa relevante Informationen aus Millionen von Aufzeichnungen und Unterlagen verschiedenster Art“, erklärt Harris Tilevitz, CTO bei der international aktiven Anwaltskanzlei Skadden LLP. jf

Anzeige

Titel_BI_Guide_2015

Business Intelligence neuester Stand: Die Marktübersicht der BI-Lösungsanbieter und Dienstleister 2015 von isi  Medien ist verfügbar. Zum E-Paper hier klicken.

Über Beteiligungsmöglichkeiten für 2016 informieren Sie Frau Fellermeier unter 089/ 90 48 62 23, cfellermeier@isreport.de  und Herr Raupach unter 089/ 90 48 62 30.