Der Hype ist vorbei: Generative KI treibt die Entwicklung der Suche in Unternehmen voran

2025 ist das Jahr, in dem generative KI in Unternehmen den Sprung vom Proof of Concept in den Produktivbetrieb schafft. Mit den richtigen Datengrundlagen können Unternehmen einen größeren Wert aus ihrer Wissensbasis ziehen und so den Weg für eine langfristige Transformation und Wettbewerbsvorteile ebnen. Ob im Vertrieb, im Kundenservice oder im Marketing – die Anzahl praxistauglicher Anwendungsfälle nimmt rasant zu, während Vorreiter bereits erste Effizienzgewinne erzielen. 

Wo macht man bei so vielen Möglichkeiten den ersten Schritt? Die Antwort liegt in der Evolution der Suche, sagt Derek Rodriguez, Managing Director der Search and Content Analytics Group bei Accenture.. „Viele Jahre lang haben wir uns auf die traditionelle, keywordbasierte Informationsbeschaffung verlassen, bei der Nutzer:innen Suchbegriffe eingeben und die Ergebnisse nach eigenem Ermessen filtern“, sagt er. „In jüngerer Zeit haben Echtzeit-Indexierung, verteilte Architekturen und die semantische Suche die Genauigkeit verbessert, indem sie die Absicht und den Kontext der Nutzer:innen verstehen.“ 

Heutige KI-gestützte Suchplattformen gehen noch weiter: Sie führen strukturierte und unstrukturierte Daten zusammen, um Inhalte zusammenzufassen und Erkenntnisse zu generieren. Indem sie Absicht, Kontext und Beziehungen innerhalb der Daten verstehen, ermöglichen diese Systeme eine schnellere, präzisere Entscheidungsfindung und reduzieren den Aufwand für manuelle Recherchen. „Die Automatisierung von Such-Workflows senkt die Kosten für das Wissensmanagement drastisch, wodurch sich das Wertverhältnis verschiebt und die Rendite von Unternehmensdaten steigt“, sagt Rodriguez. 

Dieser innovative Ansatz erfordert eine ebenso solide Datengrundlage, die vektorisiert und mit fortschrittlichen Abruf- und Rankingmethoden optimiert ist. Mit diesen Grundlagen können Unternehmen First-Party-Daten mit Large Language Models (LLMs) kombinieren, um Erkenntnisse zu gewinnen, die vertrauenswürdig und konform sind.  

Steve Mayzak, Managing Director of Search bei Elastic, sagt: „Eine gut vektorisierte, durchsuchbare Wissensbasis ist ein flexibler Ausgangspunkt für die Integration in Geschäftssysteme, um in geschäftskritischen Szenarien langfristigen Mehrwert zu liefern.“

Hier spielt die Partnerschaft zwischen Accenture und Elastic eine entscheidende Rolle, indem sie die skalierbare, KI-gesteuerte Suchfunktionen von Elastic mit der umfassenden Branchenexpertise von Accenture kombiniert, um Unternehmen zu helfen, den Wert ihrer Daten zu maximieren und echte geschäftliche Auswirkungen zu erzielen.  

Laut Rodriguez liegt die Attraktivität von Elastic nicht nur in der Genauigkeit und Relevanz seiner KI-Suchtechnologie, sondern auch in fortschrittlichen Monitoring-Funktionen und der Integration mit einer Vielzahl von Partnern im KI-Ökosystem. Im Gegenzug bringt Accenture unübertroffene Branchenkenntnis, strategische Beratungskompetenz und ein globales Netzwerk von Fachkräften ein, die in der Lage sind, komplexe Technologielösungen zu implementieren und zu integrieren. Accenture stellt weiterhin neue Mitarbeiter:innen ein und schult sie in Elastic-Technologien, was die Bedeutung dieser Allianz unterstreicht.

Accenture und Elastic können Unternehmen auch dabei helfen, eine der schwierigsten Fragen überhaupt zu beantworten: Wo soll man anfangen? Mayzak sagt, dass Unternehmen nach internen Anwendungsfällen suchen sollten, in denen Daten reichlich vorhanden und genau sind. „Wählen Sie eine Initiative, die am besten zu den heutigen LLM-Fähigkeiten passt und eine hohe Erfolgschance hat. Indem Sie den Wert nachweisen, können Sie das Budget für mehr Projekte freisetzen und eine echte Dynamik aufbauen.“

Beide Organisationen bringen umfangreiche Erfahrung in der Verwaltung unstrukturierter Daten in unterschiedlichen Umgebungen mit. „In der realen Welt sind Unternehmensdaten hochkomplex und umfassen hierarchische Strukturen, Netzwerke und multidimensionale Beziehungen“, sagt Rodriguez. 

Viele große Organisationen – insbesondere in Branchen wie Pharmazie, Einzelhandel, Automobil und E-Commerce – speichern Hunderte von Terabyte oder sogar Petabyte an Daten. Doch ein großer Teil dieses digitalen Reichtums bleibt ungenutzt. Im Durchschnitt nutzen Unternehmen nur 32 % ihrer Daten, sodass mehr als zwei Drittel ungenutzt bleiben.¹

Accenture hilft dabei, diese Lücke zu schließen, indem es komplexe Verbindungen zwischen verschachtelten Datensätzen, geschäftlichen Identifikatoren und verschiedenen Ranking-Signalen herstellt. Zu diesen Indikatoren gehören Relevanzbewertungen, Popularität, Verkaufsvolumen und Taxonomie-Klassifizierungen

In solch komplexen Umgebungen ist der Einsatz einer einfachen Vektordatenbank wie der Versuch, ein Stadion mit einem einzigen Streichholz zu beleuchten – technisch gesehen zwar Licht, aber für das Ausmaß der Herausforderung hoffnungslos unzureichend.

Mit einem soliden Fundament können Organisationen ihre Unternehmen auf eine KI-Zukunft ausrichten, die schneller auf uns zusteuert, als es den meisten Führungskräften bewusst ist. Dazu gehören auch agentenbasierte Frameworks, die neben menschlichen Aufsichtspersonen sowohl Automatisierung als auch autonome Entscheidungsfindung ermöglichen. 

Rodriguez teilt die Agenten in drei Kategorien ein:  

1. Auf der einfachsten Ebene können Unternehmen ihre eigenen internen Such- und Frage-Antwort-Systeme aufbauen. Solche Agenten sind in der Lage, Aufgaben wie die Abfrage von strukturierten und unstrukturierten Daten in natürlicher Sprache zu übernehmen, Konferenzräume zu buchen, Kontaktinformationen zu finden oder Wegbeschreibungen bereitzustellen.  

2. Eine zweite Art von agentischem Verhalten bezieht sich auf die robotergestützte Prozessautomatisierung (RPA) und die Geschäftsautomatisierung. Betrachten Sie die Rechnungsverarbeitung: Eingehende Rechnungen lösen eine Reihe von Prüfungen und Datenerfassungen innerhalb der Finanzsysteme aus. Generative KI automatisiert manuelle Schritte in diesem Prozess, wodurch möglicherweise die Genauigkeit erhöht und die Kosten gesenkt werden.

3. In einer späteren Phase können Agenten als Team von Interaktionspartnern fungieren und zusammenarbeiten, um Probleme zu lösen. Ein übergeordneter Agent könnte eine Aufgabe definieren – wie das Erstellen eines Marketing-Briefings – und dann Teilaufgaben an andere, spezialisierte Agenten delegieren. Diese Unteragenten tragen die Informationen zusammen und fügen sie zum Endprodukt zusammen.

In all diesen Fällen ist ein vektorisierter, durchsuchbarer Wissensspeicher unerlässlich. „Das ist die Investition, die Unternehmen tätigen sollten, um die Vorteile agentenbasierter Workflows zu nutzen, und Elastic kann dabei helfen," sagt Rodriguez.

Rodriguez hat auch eine klare Botschaft für Unternehmen, die unsicher sind, ob sie jetzt handeln oder die erste Welle der generativen KI aussitzen sollen. „Sie müssen groß denken. Schauen Sie über Chatbots hinaus, die beim Verfassen einer E-Mail ein paar Sekunden sparen“, sagt er. „Die gute Nachricht ist, dass Plattformen wie Elasticsearch eine ausgefeilte Datenmodellierung und Suche für Herausforderungen auf Unternehmensebene bieten.“