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

2025 ist das Jahr, in dem generative KI vom Proof-of-Concept zur Produktion im Unternehmen übergeht. Mit den richtigen Datengrundlagen können Firmen größeren Wert aus ihrer Wissensbasis schöpfen und den Weg für langfristige Transformation und Wettbewerbsvorteil ebnen. Ob im Vertrieb, im Kundenservice oder im Marketing, die Zahl der tragfähigen Anwendungsfälle nimmt zu, während die ersten Anwender bereits Effizienzgewinne erzielen. 

Bei so vielen Möglichkeiten, wo machen Sie den ersten Schritt? Die Antwort findet sich in der Entwicklung der Suche, sagt Derek Rodriguez, Managing Director der Search and Content Analytics Group bei Accenture. „Viele Jahre lang haben wir uns auf die traditionelle stichwortbasierte Suche verlassen, bei der die Nutzer Suchbegriffe eingeben und die Ergebnisse nach ihrem Urteilsvermögen filtern“, sagt er. „In jüngster Zeit haben Echtzeit-Indexieren, verteilte Architekturen und die semantische Suche die Genauigkeit verbessert, indem sie die Absicht und den Kontext der Nutzer verstehen.“ 

Die heutigen KI-gestützten Suchplattformen gehen noch weiter, indem sie strukturierte und unstrukturierte Daten vereinen, um Inhalte zusammenzufassen und Einblicke zu generieren. Durch das Verständnis von Absicht, Kontext und Beziehungen innerhalb von Daten ermöglichen diese Systeme eine schnellere und genauere Entscheidungsfindung und verringern den Bedarf an manueller Recherche. „Die Automatisierung von Such-Workflows senkt die Kosten des Wissensmanagements drastisch, verändert die Wertgleichung und erhöht die Rendite von Unternehmensdaten“, 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 großen Sprachmodellen (LLMs) kombinieren, um Erkenntnisse zu gewinnen, die vertrauenswürdig und konform sind.  

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

Hier spielt die Partnerschaft zwischen Accenture und Elastic eine entscheidende Rolle, indem sie die skalierbare, KI-gesteuerte Suchfunktionen von Elastic mit der tiefen 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 den fortschrittlichen Monitoring-Funktionen und der Integration mit einer Vielzahl von Partnern im KI-Ökosystem. Im Gegenzug bringt Accenture beispiellose Branchenkenntnisse, strategische Beratungskompetenz und ein globales Netzwerk von erfahrenen Fachleuten mit, die in der Lage sind, komplexe Technologielösungen zu implementieren und zu integrieren. Accenture stellt weiterhin Mitarbeiter ein und schult sie in Elastic-Technologien, was die Bedeutung der Allianz hervorhebt.

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 Ihnen dabei, diese Lücke zu schließen, indem es komplexe Verbindungen zwischen verschachtelten Datensätzen, Unternehmenskennzeichen und verschiedenen Ranking-Signalen herstellt. Zu diesen Indikatoren gehören Relevanzscoring, Popularität, Verkaufsvolumen und Taxonomie-Klassifikationen.

In solch komplexen Umgebungen ist die Nutzung einer einfachen Vektordatenbank wie der Versuch, ein Stadion mit einem einzigen Streichholz zu erleuchten – technisch gesehen Licht, aber für den Umfang der Herausforderung hoffnungslos unzureichend.

Mit einer soliden Grundlage können Organisationen ihre Geschäfte für eine KI-Zukunft gestalten, die schneller auf uns zukommt, als es den meisten Führungskräften bewusst ist. Dies umfasst agentische Frameworks, die sowohl Automatisierung als auch autonome Entscheidungsfindung neben menschlichen Aufsichtspersonen ermöglichen. 

Rodriguez ordnet Agenten einer von drei Kategorien zu:  

1. Auf der grundlegendsten Ebene können Organisationen ihre eigenen internen Such- und Fragebeantwortungssysteme erstellen. Solche Agenten sind in der Lage, Aufgaben wie die Abfrage von strukturierten und unstrukturierten Daten in natürlicher Sprache, die Planung von Konferenzräumen, das Auffinden von Kontaktinformationen oder das Bereitstellen von Wegbeschreibungen zu erledigen.  

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. Im weiteren Verlauf können Agenten als ein Team von Kollaborateuren fungieren, die gemeinsam an der Lösung von Problemen arbeiten. Ein Supervisor-Agent könnte eine Aufgabe definieren, wie die Erstellung eines Marketing-Briefings, und dann Teilaufgaben an andere spezialisierte Agenten delegieren. Diese Unteragenten sammeln Informationen und fügen sie zu dem Endprodukt zusammen.

In all diesen Fällen ist ein vektorisierter, durchsuchbarer Wissensspeicher unerlässlich. „Das ist die Investition, die Unternehmen tätigen sollten, um die Vorteile agentischer 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.“