Strukturiert, unstrukturiert und dazwischen
Strukturierte Daten stehen in Tabellen mit festen Feldern: Kundennummer, Betrag, Datum. Unstrukturierte Daten haben keine solche Ordnung; die Information steckt im Fließtext oder im Bild. Dazwischen liegen halbstrukturierte Daten wie Mails, die feste Felder (Absender, Datum, Betreff) mit freiem Text kombinieren. Für die Praxis ist diese Unterscheidung wichtig, weil herkömmliche Auswertungswerkzeuge fast nur mit strukturierten Daten umgehen können.
Warum sie so viel Wissen enthalten
Im ERP steht, dass ein Auftrag verschoben wurde. Warum, steht in der Mail des Kunden, in der Notiz zum Telefonat und in der internen Abstimmung. Begründungen, Absprachen, Ausnahmen und Zusagen werden fast immer in Freitext festgehalten. Wer nur strukturierte Daten auswertet, sieht deshalb die Ergebnisse von Entscheidungen, aber kaum ihre Ursachen.
Wie man ihnen Struktur gibt
Der erste Schritt ist die Zuordnung: Zu welchem Vorgang, Kunden oder Projekt gehört ein Inhalt? Danach werden Merkmale ergänzt – Anliegen, Thema, enthaltene Fristen oder Beträge, Bezug auf frühere Nachrichten. Früher war das reine Handarbeit. Heute können Sprachmodelle viele dieser Merkmale aus dem Text ableiten, was die Auswertung großer Mengen erst praktikabel macht. Die Ergebnisse sind aber nicht frei von Fehlern und sollten bei wichtigen Entscheidungen geprüft werden.
Typische Stolpersteine
Gescannte Dokumente ohne Texterkennung, Fotos von handschriftlichen Notizen, lange Mailverläufe mit vielen Zitaten und Anhänge in exotischen Formaten machen die Auswertung schwierig. Dazu kommt, dass unstrukturierte Inhalte oft vertrauliche Details enthalten, die in einer Auswertung nichts zu suchen haben. Deshalb sollte vorab festgelegt werden, welche Inhalte überhaupt verarbeitet werden dürfen und welche ausgeschlossen bleiben.
Der Ansatz von KheepU
KheepU verarbeitet unstrukturierte Inhalte dort, wo sie liegen, ohne ein zweites Archiv anzulegen. Nachrichten und Dokumente werden Vorgängen zugeordnet und mit Merkmalen versehen; die Quelle bleibt in Ihren Systemen, und jede Auswertung verweist auf sie zurück.