Die Unternehmenssuche ist anspruchsvoll. Suchanfragen können in Qualität, Detail und Domänenspezifität variieren, aber die Antworten müssen präzise, direkt und hochrelevant sein. Gleichzeitig sind die zugrundeliegenden Daten typischerweise schwach strukturiert, schlecht strukturiert oder völlig unstrukturiert und in verschiedenen Formaten mit unterschiedlichen Zugriffsebenen archiviert.
Korrekte und aktuelle Informationen zur Hand zu haben ist essentiell für guten Kundenservice, und die teuersten Mitarbeiter eines Unternehmens — nicht nur die Führungsebene, sondern auch qualifizierte technische Mitarbeiter und Ingenieure — verschwenden Unternehmensressourcen, wenn sie stundenlang durch Massen an unstrukturierter Dokumentation sichten müssen, um verwertbare Informationen zu erhalten.
Dies sind die Arten von Herausforderungen, die die wahre Leistungsfähigkeit von KI im Unternehmen aufzeigen.
Jina AIs DeepSearch nutzt neue KI-Entwicklungen für die Unternehmenssuche, indem es agentenbasiertes Reasoning auf multimodale Informationssuche anwendet. Es macht mehr als nur eine Sammlung von Kandidaten für Suchanfragen auf Abruf zu liefern. DeepSearch reflektiert intelligent über Benutzeranfragen, formuliert Suchanfragen um und bewertet Ergebnisse, gräbt tiefer in die Daten im Auftrag des Benutzers, bis es mit dem Gesamtergebnis zufrieden ist. Es kann Mehrdeutigkeiten in Anfragen identifizieren, die Benutzern möglicherweise nicht bewusst sind, relevante Informationen zusammenfassen und Ergebnisse präsentieren. Wenn eine Anfrage nur mit Informationen aus mehreren Dokumenten korrekt beantwortet werden kann, macht es dies auf transparente und benutzerfreundliche Weise.
DeepSearch agiert als Agent des Benutzers und nutzt bestehende Retrievalsysteme, anstatt einen kompletten Technologie-Stack zu ersetzen. Es fügt leistungsstarke KI zu kritischen Systemen hinzu, ohne kostspielige Infrastrukturänderungen.
tagWie funktioniert DeepSearch?
Han Xiao
DeepSearch arbeitet iterativ durch einen Prozess des Suchens, Lesens, Denkens und Neuformulierens seiner Suche, wobei es verfolgt, was es gelernt hat und dies wieder anwendet. Kurz gesagt, es ahmt das ideale Benutzerverhalten bei der Interaktion mit einem Suchsystem und einem Dokumentenbestand nach.
DeepSearch geht über die bloße Verbesserung konventioneller Suche hinaus. Es holt nicht nur Dokumente, um sie Benutzern zu präsentieren; es liest sie und stellt dann neue Anfragen basierend auf dem, was es gelernt hat. Es denkt und antwortet.
tagDeepSearch mit visuellen Dokumenten
Um zu zeigen, wie dies in der Praxis funktioniert, verwenden wir eine Sammlung von PDF-Dokumenten unseres Partners Sikla GmbH, einem deutschen globalen Anbieter von modularen Konstruktions- und Ingenieursystemen. Diese Dokumente bestehen aus Produktkatalogen, Spezifikationen und Support-Dokumentation für Befestigungen und verschiedene Bauprodukte.
Während DeepSearch mit allen bereits vorhandenen Such- und Archivierungssystemen arbeitet, verwenden wir für diesen Artikel unseren Prototyp Enterprise Visual Document Search. Dieser KI-gestützte Dokumentenspeicher unterstützt unstrukturierte gemischte Medien, insbesondere PDFs und HTML5/SVG-Renderings, die sowohl Diagramme als auch Text integrieren, und ruft Dokumente über multimodale und mehrsprachige semantische Indizierung ab. Kurz gesagt: Es funktioniert einfach mit dem, was Sie haben.
Betrachten wir ein Beispiel einer Anfrage:
Was ist das Anzugsmoment für eine TCS F VdS/FM Trägerklammer?
Wenn man dies wie eine normale Anfrage behandelt und nur DocumentSearch ohne DeepSearch verwendet, sehen die Ergebnisse so aus:
Dies ist nicht sehr hilfreich. Die Suchbegriffe werden zwar größtenteils gefunden, aber die gefundenen Seiten sind für das Anzugsmoment nicht sehr relevant.
Eine Strategie zur Verbesserung von Anfragen ist das Entfernen unnötiger Wörter:
Anzugsmoment für TCS F VdS/FM Trägerklammer.
Diese Anfrage findet die Montageanleitung, die das korrekte Anzugsmoment angibt.
Dies zeigt die Eigenheiten von Informationsabrufsystemen, die oft empfindlich auf die exakte Formulierung von Anfragen reagieren. Egal wie gut Ihr System optimiert ist, es kann immer noch zu solchen Problemen kommen.
DeepSearch kann verschiedene Wege der Anfrageformulierung ausprobieren und die Ergebnisse bewerten, wobei es im Auftrag des Benutzers handelt. Anstatt menschliche Zeit und Mühe mit der Feinabstimmung der Anfrageformulierung zu verschwenden, macht die KI dies für sie.
Aber DeepSearch kann mehr als nur das richtige Dokument zu zeigen. "Was ist das Anzugsmoment für eine TCS F VdS/FM Trägerklammer?" ist eine Frage mit einer spezifischen korrekten Antwort: 10 Nm (Newtonmeter). DeepSearch liest die gefundenen Dokumente und kann Ihnen die Antwort direkt geben, mit einem Link zum relevanten Dokument zur Überprüfung, falls gewünscht:
Das Anzugsmoment für die Muttern der Sikla Trägerklammer TCS F VdS / FM beträgt 10 Nm[^1]. Positionieren Sie die Trägerklammer und ziehen Sie beide Muttern handfest an, dann ziehen Sie die Muttern mit einem Drehmoment von 10 Nm an.
tagDeepSearch, auch als TiefenSuche
DeepSearch ist mehrsprachig und in über 100 Sprachen trainiert. Das bedeutet, wir können auch auf Deutsch suchen. Zum Beispiel:
Was ist der Anzugsmoment für eine 25mm Stabilrohrschelle?
(Was ist das Anzugsmoment einer 25mm Stabil (Markenname) Rohrschelle?)
Bei direkter Verwendung von DocumentSearch enthält das erste Suchergebnis tatsächlich eine Antwort:
Das ist ziemlich gut, obwohl man die Tabelle lesen und wissen muss, dass 25mm im Bereich 24-65mm liegt, um zum richtigen Wert zu kommen: 2 Nm.
Aber es gibt noch ein Problem: Diese Anfrage ist mehrdeutig. Sikla verkauft mehrere verschiedene Stabil-Rohrschellen mit unterschiedlichen Anzugsmomenten. Die obige Seite enthält nur die richtige Antwort für die Stabil D3G Schelle.
Die dritthöchst bewertete Seite ist diesbezüglich klarer:
Wir sehen hier drei verschiedene Stabil-Rohrschellen mit unterschiedlichen Anzugsmomenten. Um eine vollständige, korrekte Antwort zu erhalten, müssen Benutzer erstens wissen, dass ihre Anfrage zu mehr als einem Treffer führt, und zweitens über die erste abgerufene Seite hinausschauen.
DeepSearch macht das automatisch. Es liefert eine deutlich informativere Antwort auf dieselbe Anfrage:
Der Anzugsmoment für eine 25-mm-Stabilrohrschelle von Sikla variiert je nach Modell. Hier eine Übersicht relevanter Modelle und zugehöriger Anzugsmomente, basierend auf den Spannbereichen:
- Stabil D-3G m.E.: Für den Spannbereich 24-65 mm beträgt der Anzugsmoment 2 Nm [^1]. Dieser Wert gilt sowohl für statische als auch für seismische Belastungen. Diese Schelle ist aus galvanisch verzinktem Stahl gefertigt.
- Stabil RB-A: Diese Schelle hat keinen expliziten Wert für 25 mm genannt. Jedoch beträgt der Anzugsmoment für den Spannbereich 13-49 mm 20 Nm. Diese Schelle ist aus blankem Stahl gefertigt.
Es ist zu beachten, dass der korrekte Anzugsmoment entscheidend für die sichere Befestigung ist. Bei Unsicherheiten sollte immer die spezifische Montageanleitung des jeweiligen Sikla Produkts konsultiert werden.
Übersetzung:
The tightening torque for a 25 mm Stabil pipe clamp from Sikla varies depending on the model. Here is an overview of relevant models and associated tightening torques, based on their clamping ranges:
- Stabil D-3G m.E.: For the clamping range of 24-65 mm, the tightening torque is 2 Nm [^1]. This value applies to both static and seismic loads. This clamp is made of galvanized steel.
- Stable RB-A: This clamp has no explicit value for 25 mm. However, the tightening torque for the clamping range 13-49 mm is 20 Nm. This clamp is made of bright steel.
It should be noted that the correct tightening torque is crucial for secure fastening. In case of uncertainty, always consult the installation instructions for that specific Sikla product.
Dies zeigt die wahre Stärke, die DeepSearch zu Abfragesystemen hinzufügt: Es führt die gründliche Sorgfaltsprüfung durch, die selbst gut informierte und erfahrene Benutzer oft nicht vornehmen.
tagDeepSearch bringt Ordnung ins Chaos
Die Beispieldokumente von Sikla sind oft voller Tabellen mit sehr spezifischen Namen und Zahlen. Dies sind sehr wichtige Informationen für ein Ingenieurunternehmen, aber sie sind auch unansehnlich und können von einem menschlichen Leser, der nur ein wenig müde oder gelangweilt ist, leicht falsch gelesen oder übersprungen werden.
Zum Beispiel:
Welches ist die notwendige Verankerungstiefe in Porenbeton beim VMU plus System?
(Was ist die notwendige Verankerungstiefe für das VMU plus System in Porenbeton?)
Dies liefert die richtigen Informationen, aber auf einer Seite voller Tabellen und Zahlen:
DeepSearch filtert dies und gibt eine Antwort, die ausschließt, was nicht zur Anfrage passt:
Die notwendige Verankerungstiefe für das VMU plus System in Porenbeton hängt von der Steindruckfestigkeit des Porenbetons (fb) und dem Durchmesser der Ankerstange ab. Gemäß ETA-17/0307 sind folgende Werte für Porenbeton AAC6 (ρ: 0,6 kg/dm³) mit einer Steindruckfestigkeit von ≥ 6 N/mm² zu berücksichtigen [^1]:
Für Ankerstangen M8 bis M16 gilt eine Verankerungstiefe (hef) von 80 mm bis 100 mm. […]
Übersetzung:
The required anchoring depth for the VMU plus system in aerated concrete depends on the compressive strength of the aerated concrete (fb) and the diameter of the anchor rod. According to ETA-17/0307, the following values must be taken into account for AAC6 aerated concrete (ρ: 0.6 kg/dm³) with a compressive strength of ≥ 6 N/mm² [^1]:
For anchor rods M8 to M16, an anchoring depth (hef) of 80 mm to 100 mm applies. [...]
tagDeepSearch für Unternehmen: Lassen Sie die KI für Sie suchen
Es gibt keinen Bereich der Unternehmens-IT, in dem KI-Technologie unmittelbarer relevant ist als bei der Informationsgewinnung. Jina AI bietet einen kompletten Stack von KI-Suchtechnologien, von semantischer Multimedia-Indexierung bis hin zu KI-Sprach- und Reasoning-Modellen, die sich in einen gesamten Technologie-Stack einfügen und die gespeicherten Informationen verwalten. Robuste, zugängliche und sogar kostengünstige KI-gestützte Lösungen sind jetzt schon für Kundenservice und Mitarbeiterunterstützung verfügbar.
Wenn Ihr Unternehmen gespeicherte Daten hat, die Sie griffbereit haben müssen, haben wir Lösungen für Unternehmen aller Größen und Datenschutzanforderungen. Jina AI ist ein europäischer Anbieter, der den Zugriff auf KI-Modelle nach Bedarf über eine DSGVO-konforme öffentliche API ermöglicht, bereit zur Installation in Ihrer Cloud-Umgebung oder zur Installation vor Ort in Ihrem eigenen Serverraum.
