Selbstlernende Erkennungssoftware hebt ECM und EIM auf neues Niveau

Neuronale Netze zur strukturierten Aufbereitung von Daten Selbstlernende Erkennungssoftware hebt ECM und EIM auf neues Niveau

14.08.2020Autor: Elke Witmer-Goßner

In den Datenbeständen deutscher Unternehmen schlummert eine Menge Informationen. Vor allem Archivsysteme, die seit vielen Jahren von unterschiedlichen Anwendungen wie Enterprise Content Management (ECM) oder dessen Fortführung Enterprise Information Management (EIM) bedient werden, enthalten Daten, deren Informationsgehalt nicht ansatzweise nutzbringend eingesetzt wird.

Durch die Kombination neuronaler Netze und verteilter Softwarearchitekturen entsteht die nächste Generation ECM-/EIM-Software.
(Bild: gemeinfrei© Gerd Altmann / Pixabay )

Das liegt in erster Linie daran, dass klassische Archiv- oder auch ECM-Systeme Dokumentinformationen nur auf Kopfebene erfassen. Detaillierte Inhalte sind im Normalfall nicht abrufbar oder nur durch ungenaue, teure und aufwändige Prozeduren wie beispielsweise einer Volltextindizierung zu finden. Ganz zu schweigen von einer strukturierten Aufbereitung dieser Informationen zur weiterführenden Verarbeitung. Eine technische Lösung, das künftig zu ändern, liefert das IT-Unternehmen Deepshore aus Hamburg.

Die Hamburger Software-Ingenieure haben auf Basis von Open-Source-Projekten und Google-Technologien eine Software entwickelt, die in der Lage ist, auch unstrukturierte Bildformate wie beispielsweise TIFF oder BMP zunächst in les- und analysierbare Daten umzuwandeln und damit Inhalte zu erkennen. Diese Informationen können dann mittels eines neuronalen Netzes automatisch analysiert und klassifiziert werden.

Je nach Anforderung ist es möglich, auf diese Weise gewonnene Erkenntnisse auch so zu speichern, dass nicht auf die gewohnte Compliance-Fähigkeit klassischer ECM-Systeme verzichtet werden muss. Diesen Teil der Lösung ergänzt Deepshore mit seinem verteilten Cloud-Archiv auf Basis von Blockchain-Technologie. Deepshore arbeitet als Innovation Hub des ebenfalls in Hamburg ansässigen ECM-Spezialisten nextevolution und hat das verteilte Cloud-Archiv 2019 im Rahmen einer Forschungskooperation mit dem Handelskonzern Metro entwickelt.

Das Prinzip Neuronaler Netze.
(Bild: © Andreas Otto, sense:ability Berlin)

Einer der großen Vorteile gegenüber herkömmlichen technischen Ansätzen in diesem Bereich ist die infrastrukturelle Flexibilität der Lösung. Durch die eingesetzte Container-Technologie kann Software vollständig als Service in einer Cloud, im eigenen Rechenzentrum oder auch hybrid als Mischung aus beidem, betrieben werden. Aufwändige Installationen werden dadurch überflüssig und bei richtiger Konfiguration kann mit steigender Last der Ausbau eines Systems nahezu vollautomatisch skaliert werden.

Nach der Entwicklung kann das neuronale Netz nun mit Echtdaten trainiert werden. Deepshore verspricht sich durch das neue System im trainierten Zustand wesentlich bessere Erkennungsraten im Vergleich zu bisherigen Lösungen – wie etwa einer klassischen Optical Character Recognition (OCR), einer automatisierten Texterkennung in Bildern – in Kombination mit vordefinierten Suchmustern auf Basis von Regular Expressions (Sprachelemente für reguläre Ausdrücke). Darüber hinaus werden in Zukunft die gesamten Betriebskosten der Dokumentenerkennung und Klassifizierung signifikant geringer sein.

Ergänzendes zum Thema

Die Deepshore GmbH mit Sitz in Hamburg und Berlin versteht sich als Brainpool und Entwicklungszentrum für neue Konzepte und Lösungen im Zukunftssegment der verteilten Netze und Applikationen. Mit diesem Horizont bereitet das Unternehmen den Weg für Compliance-Anwendungen in virtuellen Infrastrukturen wie der Cloud.

Über wegweisende Konzepte entstehen praxistaugliche Standards und Anwendungen, die gemeinsam mit dem strategischen Partner nextevolution zu Highend-Businesslösungen weiterentwickelt werden.

Deepshore und das auf angewandte Mathematik und High-Performance-Computing ausgerichtete Konrad-Zuse-Zentrum für Informationstechnik Berlin (Zuse-Institut Berlin, ZIB) unterhalten eine Forschungskooperation, deren Ziel die Entwicklung völlig neuer IT-Infrastrukturen ist, in denen erstmals Blockchain- und Big-Data-Technologien zusammengeführt werden. Die Kooperation wird durch die Bundesregierung gefördert und soll die Zukunft der IT von großen und kleinen Unternehmen nachhaltig verändern.

Training optimiert die Datenqualität

So avanciert zum Beispiel eine lästige Datenmigration zum Trainingslager für künstliche Intelligenz. Durch die technische Ausprägung als Service kann das „Training“ dabei fast vollständig entkoppelt von einer Migrationsinfrastruktur laufen. Elegant ist dieser Ansatz vor allem deshalb, weil das System mit jedem Trainingseinsatz das Prinzip besser „versteht“, dazulernt und sich mit diesen Trainingsergebnissen weiter optimieren lässt. Wenn das System zum Beispiel mit den anonymisierten Daten verschiedener Unternehmen einer Branche „gefüttert“ wird, entsteht eine Branchenoptimierung, die allen Anwenderunternehmen nützt.

In der Frühphase des Trainings ist es wichtig, das Netz korrekt zu initialisieren. Das Konzept kann dabei mit dem Training einer Sportmannschaft verglichen werden. Auch hier ist ein Trainer gefragt, der mit der Grundaufstellung und dem Herstellen körperlicher Fitness die Basis für taktische Feinheiten und den weiteren Erfolg legt.

Das Einsatzgebiet dieser neuronalen Services ist nicht auf einzelne Branchen beschränkt. So kann quasi jeder Datenbestand oder jedes Archivsystem dazu genutzt werden, entsprechende Informationen zu extrahieren und gewinnbringend einzusetzen. Als Experte für die Verarbeitung von Compliance-Daten und als Thinktank des IBM Partners nextevolution hat Deepshore die eigene Lösung bereits heute vollständig in die neue IBM Automation Platform for Digital Business integriert. Damit können IBM-Kunden beispielsweise den IBM Business Automation Content Analyzer verbinden, um weiteren Mehrwert aus vorhandenen Datenströmen nutzbar zu machen.

(ID:46665051)