ANZEIGE
Folgen Sie uns:
planung & analyse GmbH auf facebook.de planung & analyse auf twitter.de planung & analyse GmbH auf google+ planung & analyse GmbH auf xing

Branche


„Wir können Information Research on demand liefern“

Interview mit Stefan Althoff, Prof. Dr. Peter Gentsch und Patrick Mairif 
  
Die effiziente Verwaltung bestehenden Wissens für Sekundärmarktforschungszwecke und Marktbeobachtungen ist eine Herausforderung. Lufthansa Technik hat dafür erfolgreich das Tool Insight Mining von TextTech implementiert. Gemeinsam sind sie für den Innovationspreis 2010 des BVM nominiert. planung & analyse sprach mit Stefan Althoff von Lufthansa Technik, Prof. Dr. Peter Gentsch und Patrick Mairif von TextTech über Anforderungen an ein Text Mining System und die Implementierung von Insight Mining bei Lufthansa Technik.

Betriebliche Marktforschungsabteilungen werden immer mehr zu Knowledge-Management-Centern. Herr Althoff, worin besteht für eine effiziente Wissensverwaltung aus Ihrer Sicht die größte Herausforderung?

Stefan Althoff: Bei Lufthansa Technik betreiben wir sehr viel Sekundärmarktforschung und müssen auch darüber hinaus sehr viele unterschiedliche Informationsquellen screenen. Wir werden aber in der täglichen Arbeit mit Informationen – sei es aus Zeitschriften, Newslettern oder Präsentationen – zugeschüttet. Das Problem dabei ist, dass nicht immer alle Themen gleichzeitig auf dem Radar sein können oder erst später relevant werden. Deswegen ist die Herausforderung: Wie komme ich an die entsprechende Informationen möglichst schnell und möglichst gut wieder heran. Dazu brauchen wir ein Tool, das uns hilft, vorhandene Informationen wiederzufinden. Dafür haben wir mit TextTech Insight Mining bei Lufthansa Technik implementiert.
 

 
Was bietet Ihnen dieses Tool für die tägliche Arbeit?

Althoff: Es ermöglicht uns die effiziente Verwaltung von einem großen Datenpool, den wir außerdem sehr komfortabel unstrukturiert füttern können, da das System sehr flexibel hinsichtlich von Datenformaten ist. Auf dieser Basis können wir Information Research on demand liefern und Fragestellungen dann gezielt nachgehen, wenn sie vorliegen. Das führt zu einer immensen Zeitersparnis. Das alleine wäre ja noch nicht die große Kunst, sondern, das Tool ermittelt auf Basis von Text Mining Algorithmen, ob zwischen verschiedenen Informationen Beziehungen bestehen. Durch den Einsatz haben wir bereits eine ganze Reihe an Aha-Erlebnissen gehabt, wo Themen miteinander in Beziehung stehen, was wir vorher nicht gesehen haben.
Ein Beispiel: Es ist kürzlich eine Frage des Managements herein gekommen bezüglich eines Unternehmens, bei dem ein Standort geschlossen wurde und welche Auswirkungen das hat. Durch Insight Mining haben wird direkt gesehen, dass sich genau an dem Ort auch ein weiteres Unternehmen befindet, der ebenfalls plant, seinen Standort zu schließen. Da stellt sich natürlich die Frage, ob es einen Zusammenhang zwischen diesen beiden Aktionen gibt. Diese beiden Informationen hätten wir ohne Insight Mining nicht unmittelbar in Verbindung miteinander gebracht, auch, weil sie aus unterschiedlichen Quellen stammen. 
 
Wie kann man sich den Entwicklungsprozess vorstellen – wie lange hat die Fertigstellung Ihrer Lösung gedauert?

Althoff: In meinen Augen ging es sehr schnell! Die erste Idee ist in der Kaffeeküche geboren worden, wo wir die Köpfe zusammengesteckt und das grobe Konzept als Wunschzettel umrissen haben, was unsere Vorstellungen angeht. In dem Moment wussten wir gar nicht, dass es mit Text Mining Technologie lösbar ist. Im Januar 2009 saßen wir dann das erste Mal – mehr oder weniger durch Zufall – mit der TextTech zusammen und haben unsere Vorstellungen präsentiert. Diese Ideen fielen auf ausgesprochen fruchtbaren Boden und Anfang April 2009 wurde der erste Prototyp aufgesetzt. Mit Workshops im Sommer hatten wir dann im September die erste arbeitsfähige Version vorliegen. Das System entwickelt sich zwar immer noch ein wenig weiter, aber seitdem steht es.
 
Patrick Mairif: Mit den Ideen der Lufthansa Technik, dem klaren Konzept am Anfang und unseren Erfahrungen auf dem Gebiet des Text Minings sind wir sehr schnell auf einen gemeinsamen Nenner gekommen. Es war eine sehr dynamische Entwicklung in enger Abstimmung, um alle Anforderungen zu erfüllen. Wichtig war auch, dass der Kunde immer Zugriff auf die aktuellste Entwicklungsversion hatte, um direkt zu sehen, wie das System funktionieren wird. Eine Entwicklung in der stillen Kammer hätte sicherlich nicht zu dem Produkt geführt, das es heute ist, diese enge Abstimmung war also sehr wichtig. 
 
Was waren die größten Anforderungen an TextTech in der Entwicklung der Insight Mining Lösung für Lufthansa Technik?

Mairif: Wir verfügten vor dem Projekt natürlich über einiges an Text-Mining-Erfahrung und haben bereits andere Anwendungen auf diesem Gebiet entwickelt. In Zusammenarbeit mit der Lufthansa Technik ist aber eine direkte Neuentwicklung entstanden. Die wesentliche Herausforderung war die Überführung eines Fachkonzeptes in ein technisches Konzept. Und da der Prototyp schon sehr frühzeitig produktiv eingesetzt wurde war es sozusagen eine Operation am offenen Herzen.
Althoff: Eine großer Herausforderung war auch, dass die Daten und Informationen für den Luftfahrtbereich sehr homogen sind, die reden eben alle immer nur über Flugzeuge! Dafür mussten die Algorithmen angepasst und weiterentwickelt werden, um sensibler und feingliedriger Beziehungen zu erkennen und aufzuzeigen. Aber das funktioniert wunderbar und dieser Umgang mit homogenen Datenpools hat das ganze Tool sicherlich einen guten Schritt weitergebracht. 
 
Ist das auf andere Kunden übertragbar?

Mairif: Natürlich, es ist ein sehr offenes System und eine generische Lösung, die sich gut auf andere Kunden und andere Bereiche übertragen lässt. Was für jeden Kunden sehr spezifisch ist, ist das Domänen-Wissen, im Fall Lufthansa Technik eben für den Bereich Luftfahrt. Das lässt sich aber über ein User-Interface für andere Domänen einbringen.
Peter Gentsch (PG): Das ist ein ganz wesentlicher Erfolgsfaktor für die Entwicklung und den erfolgreichen Einsatz: Das Erlernen der jeweiligen Wissens-Domäne der Branche. Denn die Algorithmen kennen das Unternehmen und die Branche nicht, die funktionieren für jeden Bereich. Aber man muss dem Tool beibringen, welches Wissen banal ist und was Synonyme in einem Bereich sind, um die Ergebnisse zu schärfen. Das ist entscheidend dafür, dass die Qualität der Ergebnisse so ist, dass die Marktforschung direkt damit arbeiten kann.
Althoff: Das komfortable ist, dass beispielsweise die Synonym-Pflege im System durch den Nutzer selbst unmittelbar durchgeführt werden kann. Das ist eine große Vereinfachung! 
  
 
Sie sind mit Insight Mining gemeinsam für den Innovationspreis des BVM nominiert. Es ist ja nicht ganz selbstverständlich, dass Kunde und Dienstleister gemeinsam ins Licht der Öffentlichkeit treten. Was hat Sie dazu bewogen?

Althoff: Bei Lufthansa Technik pflegen wir einen sehr offenen Umgang mit methodischen Erkenntnissen und teilen diese auch gerne – sei es durch Fachartikel wie in planung & analyse, Konferenzvorträge wie beispielsweise auf der GOR oder eben die Einreichung für den Preis der Deutschen Marktforschung. Was unsere eigenen Daten angeht sind wir natürlich zurückhaltend, aber methodische Erkenntnisse tragen wir gerne nach außen, damit auch andere davon profitieren können. 
 
Wie geht es weiter, in welche Richtung wird Insight Mining weiterentwickelt?

Gentsch: Insight Mining hilft, Informationen zu verknüpfen und daraus neue Erkenntnisse zu generieren. Besonders spannend ist das, wenn verschiedene Datentöpfe miteinander verbunden werden. Typischerweise ist es ja so, dass pro Datenquelle wie Internat oder Intranet mit einer bestimmten Suchtechnologie gesucht wird. Insight Mining ermöglicht eine quellenübergreifende Wissenserschließung. Als nächsten Schritt wollen wir die Möglichkeit schaffen, interne Daten wie Newsletter, Studien, Fachartikel und ähnliches mit der Web 2.0 Welt noch besser zu verheiraten, um auch Informationen aus Blogs, Foren und Communities einfließen lassen zu können. Dadurch kann man wunderbar einen Blick über den Tellerrand werfen und auch vergleichen: Welche Muster ergeben meine eigenen Daten, wie denken Communities darüber. Das ist für Kunden wie Lufthansa Technik vielleicht nicht ganz so relevant wie in der Consumer-Welt. Aber dieser Ansatz des Mischens der eigenen Daten mit Wikipedia, Blogs und Foren liefert ein breiteres Bild und kann neue Zusammenhänge von Themen entdecken, an die man noch gar nicht gedacht hatte. Dadurch wird Insight Mining noch mächtiger. Das ist derzeit in der Finalisierung.
 
Herr Althoff, Herr Prof. Dr. Gentsch, Herr Mairif, vielen Dank für das Gespräch!
 
Interview: Dr. Gwen Kaufmann, planung & analyse

Facebook Twitter Google LinkedIn Xing RSS Email