Doxis bringt mit dem neuen Machine Learning (ML) Service und dem neuen Federation Service zwei große Highlights, die durch Projekterfahrungen und Kunden-Feedback angestoßen wurden. Das ist ein weiterer wichtiger Meilenstein zu einem intelligenten Informationsmanagement (IIM), das SER-Kunden mit Doxis realisieren. Hier erfahren Sie, wie die neuen Services Anwender und IT in ihrer täglichen Arbeit entlasten, das Verwalten von Informationen über Systeme hinweg erleichtern und Ihrem Unternehmen damit helfen, Geschäftsprozesse noch effizienter zu gestalten.

Viele Unternehmen verwalten große Mengen an Daten und Dokumenten in ihren Archivsystemen, die wertvolle Informationen enthalten. Allerding bleiben diese oft ungenutzt, weil sie inhaltlich kaum erschlossen oder schlichtweg schwer auffindbar sind. Mit den Doxis Cognitive Services haben Unternehmen die Möglichkeit, die Informationen in Doxis nutzbringend in ihre Geschäftsprozesse einzubringen. Insbesondere das Machine Learning (ML) kann einen automatisierten Zugang zu relevanten Informationen eröffnen, indem es ähnliche Inhalte identifiziert, die vielleicht heute noch nicht im selben Kontext wahrgenommen werden, aber später nützlich sind. Außerdem ergänzt Doxis dabei automatisiert Schlagworte, wodurch die Suche verbessert wird oder auch Experten zu bestimmten Themen schneller auffindbar sind. Doxis ML kann zudem Risiken aufdecken und die Information Governance erleichtern, indem z.B. EU-DSGVO-relevante Informationen automatisch markiert und Dokumente entsprechend klassifiziert und geschützt werden.

Die Stärke von Doxis ist die Verankerung der Cognitive Services im Kern der Content Services-Plattform. Dadurch profitieren alle Anwendungen auf der Doxis-Plattform von den intelligenten Services. Das gilt auch für den neuen Doxis Machine Learning (ML) Service. Er bringt das Machine Learning dorthin, wo die Daten (und Dokumente) sind: in Doxis. Damit kann der gesamte Informationsbestand nun automatisiert erschlossen werden – auch nachträglich bei Informationen, die sich vielleicht schon seit vielen Jahren in Doxis befinden. Um Lernmengen zum Trainieren der ML-Algorithmen zu bilden, stehen die Inhalte des ganzen ECM-Systems als Datenquelle für die Auswahl von Trainings- und Testdaten zur Verfügung. Auch kontext- und fallbasierte Erkenntnisse können zur Verbesserung der Ergebnisse herangezogen und in einem Modell gespeichert werden.

Die Weboberfläche von Doxis ML macht es Anwendern leicht, Modelle zu verwalten und bei Bedarf mit aktualisierten Daten zu trainieren. Die integrierte AutoML-Klassifikation und der Vergleich mit ähnlichen Inhalten sorgen sogar automatisch für eine ständige Optimierung der ML-Modelle, sodass Doxis automatisch immer besser wird. Da Administratoren mit Doxis jederzeit auf frühere Versionen trainierter Modelle zurückgreifen können, lässt sich die Laufzeit für das Training enorm beschleunigen: Während eine aktuelle Modell-Version bereits genutzt wird, lässt sich die nächste schon weiter trainieren und steht dann sofort zum Einsatz bereit.

Zur Umsetzung konkreter ML-Projekte benötigten Unternehmen bisher hochspezialisierte Data Scientists mit einer Menge Erfahrung und KI-Know-how, damit sie für jeden Anwendungsfall das passende Verfahren identifizieren, entsprechende Systeme aufsetzen und sie sinnvoll trainieren konnten. Mit seinen AutoML-Fähigkeiten verkürzt Doxis nun den Weg zu einem intelligenten Informationsmanagement: Die integrierte AutoML-Technologie testet verschiedene ML-Algorithmen für ein definiertes Projekt automatisch und identifiziert das jeweils beste Verfahren für den Anwendungsfall. So wird Machine Learning auch für Unternehmen möglich, denen bisher die Experten oder IT-Ressourcen dafür fehlten.

Anwendern erleichtert Doxis die tägliche Arbeit, indem es sie z.B. durch Vorschlagswerte bei der Suche und Ablage von Dokumenten unterstützt. Hier kommt z.B. ein Algorithmus für Wortassoziation zum Einsatz: Er stellt Beziehungen zwischen ähnlichen Wörtern her und bildet sie als Vektoren in einem Modell ab. Damit kann z.B. eine Suche um semantisch ähnliche Begriffe angereichert werden.

Der in Doxis ML integrierte Klassifizierungs-Algorithmus teilt Objekte möglichst passend in Klassen ein, sodass jedes einzelne Objekt dabei genau einer Klasse zugeordnet wird. Ziel ist es, ähnliche Objekte zu identifizieren, z.B. alle thematisch zusammengehörenden Dokumente eines Dokumentbestands. In anderen Use Cases kann es auch sinnvoll sein, Vorschläge z.B. zu den besten drei Klassen zu berücksichtigen, beispielsweise wenn es darum geht, Experten für ein bestimmtes Thema zu finden oder die Topics von Dokumenten automatisch zu ermitteln.

Eine wechselseitige Nutzung aller Cognitive Services einschließlich der Einbindung von Machine Learning as a Service (MLaaS) – also cloudbasierte ML-Services z.B. von Google, IBM, Amazon oder Microsoft – in die Doxis-Architektur ist ebenfalls möglich. Denn bei ML gilt: Es gibt kein Schweizer Messer, das immer passt (oder wie es im ML-Jargon heißt: there is no free lunch). Daher werden verschiedene Verfahren testweise eingebunden und durch AutoML orchestriert, sodass Sie schnell das bessere Verfahren finden und nutzen können.

Intelligentes Informationsmanagement mit Doxis beschränkt sich nicht nur auf die Informationen der Content Services-Plattform. Denn für reibungslose Geschäftsprozesse muss IIM über Systeme wie ERP, CRM etc. hinweg möglich sein. Mit dem Federation Service öffnet Doxis neue Türen zum Einbinden externer Inhalte aus diesen Systemen.

Bei vielen Enterprise Search-Ansätzen werden externe Inhalte zunächst „gecrawled“, um den (Text-)Inhalt in einen gemeinsamen Index zu übernehmen. Diesen Ansatz unterstützt Doxis schon lange. Der Vorteil ist, dass hier Dokumente aus Drittanwendungen oder dem Filesystem wie die in Doxis liegenden Inhalte behandelt werden können: Sie lassen sich z.B. in elektronischen Akten oder Vorgängen verknüpfen und per Volltext durchsuchen. Dieser „föderierte Index“ ist bei einigen Anwendungsfällen allerdings nicht die ideale Lösung für das Zusammenführen von Informationen aus verschiedenen Informationsquellen, z.B. wenn:

• strukturierte Daten einbezogen werden sollen, die sich nicht gut für eine Volltextsuche eignen
• die einzubindenden Inhalte sich sehr häufig ändern und eine Echtzeitsicht wichtig ist (Crawlen ist immer zeitverzögert)
• ein föderierter Index zu groß würde
• das Crawlen zu aufwendig ist

Die Suche in einem Drittsystem mit Doxis Federation Service bietet hier die Alternative: Doxis stellt auf Basis virtueller (externer) Informationsobjekte eine Sicht auf das zu durchsuchende Drittsystem zur Verfügung. So kann über eine eAkte oder einen Workspace in Doxis eine 360-Grad-Sicht auf verschiedene Informationen im Unternehmen ermöglicht werden, bei der strukturierte Informationen aus dem ERP- oder CRM-System einbezogen werden – ein spannender Use Case, der nach einer solchen föderierten Suche verlangt.

Mit Doxis lassen sich verschiedene vordefinierte Sichten auf die entsprechenden Informationen aus den externen Systemen definieren und berechtigen, z.B. die Kundenstammdaten oder die offenen Bestellungen zu einem Kunden. So erhalten Anwender aus weit mehr als 100 weiteren Systemen genau die Informationen, die sie für ihre tägliche Arbeit brauchen – der Schutz sensibler Dokumente und Daten bleibt gleichzeitig gewahrt.

Wie die neuen Doxis Services für Machine Learning und Federation in der Praxis zum Einsatz kommen, zeigen wir Ihnen gerne live – remote von Bildschirm zu Bildschirm oder bei Ihnen vor Ort. Hier können Sie Ihren persönliche Live Demo buchen ⯈