{"id":2,"date":"2015-09-09T16:44:17","date_gmt":"2015-09-09T16:44:17","guid":{"rendered":"http:\/\/intellisem.libbn.org\/?page_id=2"},"modified":"2016-09-15T10:54:37","modified_gmt":"2016-09-15T10:54:37","slug":"sample-page","status":"publish","type":"page","link":"https:\/\/intellisem.libbn.org\/de\/sample-page\/","title":{"rendered":"\u00dcber uns"},"content":{"rendered":"<p style=\"text-align: justify;\"><strong>Intellisem <\/strong>ist ein Unternehmen, das sich auf die Entwicklung der n\u00e4chsten Generation von intelligenten und semantischen Informationssystem konzentriert.<\/p>\n<p style=\"text-align: justify;\"><strong>Unsere Vision:<\/strong><\/p>\n<p style=\"text-align: justify;\"><em><strong>&#8220;Nat\u00fcrliche Kommunikation mit Systemen erm\u00f6glichen&#8221;<\/strong><\/em><\/p>\n<p style=\"text-align: justify;\"><strong>Intellisem<\/strong> is a company which focuses on the development of the next generation of intelligent and semantic information systems.<\/p>\n<p style=\"text-align: justify;\"><strong>Der Zeitgeist<\/strong><\/p>\n<p style=\"text-align: justify;\">Die heutige F\u00fclle von verf\u00fcgbaren Daten (Stichwort: Big Data) birgt ein enormes Potential f\u00fcr besseres Entscheidungsverhalten.<\/p>\n<p style=\"text-align: justify;\">Unternehmen die Fremdwissen benutzen k\u00f6nnen diese Daten benutzen um ihre Prozesse zu optimieren, kritische Probleme zu behandeln aber auch um zu innovieren. Das Problem ist jedoch, dass dieses Wissen aus den Daten extrahiert werden muss, was in vielen F\u00e4llen stark abh\u00e4ngig ist von der Verf\u00fcgbarkeit gro\u00dfer Teams die Suchanfragen, Analysierung und die Visualisierung des erlangten Wissens durchf\u00fchren m\u00fcssen.<\/p>\n<p style=\"text-align: justify;\">H\u00e4ufig sind bereits simple Anfragen sehr zeitintensiv und abh\u00e4ngig von der Verf\u00fcgbarkeit von IT-Profis, was dazu f\u00fchrt, dass das Potential von vorhandenen Daten nicht voll ausgesch\u00f6pft wird und die weitere Auswertung von Daten unwirtschaftlich wird.<\/p>\n<p style=\"text-align: justify;\"><strong>Wir konzentrieren uns auf dieses reele Problem:<\/strong><\/p>\n<p style=\"text-align: justify;\">Der Bedarf, gro\u00dfe Mengen von heterogen strukturierten Daten zu verwenden nimmt immer mehr zu, insbesondere bezogen auf Anwendungen.<\/p>\n<p style=\"text-align: justify;\"><strong>Und das hei\u00dft was?<\/strong><\/p>\n<p style=\"text-align: justify;\">Der Aufwand diese Daten zu verwenden, mit ihnen zu arbeiten, ist eine gro\u00dfe H\u00fcrde. Teilweise sind die Daten \u00fcber mehrere Datenbanken von Dritten verteilt.<\/p>\n<p><strong>Das Problem?<\/strong><\/p>\n<p>Der Kern des Problems ist die Kluft zwischen den Suchanfragen von Nutzern (beziehungsweise deren Formulierung bezogen auf das, was gesucht wird) und der Darstellung und dem Zugriff auf die Daten.<\/p>\n<p>Wir bieten:<\/p>\n<p>Hier bei IntelliSem haben wir <em>StarGraph<\/em> und <em>Natural <\/em>entwickelt, robuste Frameworks die Nutzern erm\u00f6glichen mit gro\u00dfen wie auch kleinen Datenbanken zu arbeiten, anhand von nat\u00fcrlichsprachigen Suchanfragen. Es ist ein Tool wie &#8220;Google&#8221; f\u00fcr strukturierte Daten, mit dem Nutzer nach bestimmten Daten suchen k\u00f6nnen.<\/p>\n<p>Nutzer k\u00f6nnen auf Informationen zugreifen mit Anfragen wie:<\/p>\n<ul>\n<li>&#8220;Liste alle Schulen mit den schlechtesten Leistungen im Gebiet im M\u00fcnchen?&#8221;<\/li>\n<li>&#8220;Wie viele Baustellen auf den Stra\u00dfen von Passau gab es im November 2015?&#8221;<\/li>\n<li>&#8220;Wer sind die Bau-Auftragnehmer von Auftr\u00e4gen im Jahr 2016 des Freistaats Bayern und was haben sie bisher gekostet?&#8221;<\/li>\n<\/ul>\n<p><strong>Was macht Natural?<\/strong><\/p>\n<p>Natural bietet ein nat\u00fcrlichsprachiges Interface mit einem assoziierten semantischen Index um das Vokabular von Suchanfragen \u00fcber Linked Data \/ Semantic Web Daten von der Suchanfrage an sich zu entkoppeln. Das wird mit einem distributional-compositional semantics Ansatz erreicht.<\/p>\n<p>Was ist &#8220;Distributional semantics&#8221;?<\/p>\n<p>Distributional semantics konzentriert sich drauf, automatisch semantische Modelle anhand von statistischer Verteilung von h\u00e4ufig zusammen erscheinenden W\u00f6rtern in gro\u00dfen Texten zu bauen.<\/p>\n<p>Der Kern unserer Anwendungen basiert auf dem Finden von Wissen und baut auf der Forschung im Bereich Distributional Semantics auf, ein Forschungsgebiet, das wohl eines der strategischsten in den kommenden Jahren sein wird.<\/p>\n<p style=\"text-align: justify;\">Eines unserer Kerngebiete unser Forschung basiert auf Technologie f\u00fcr Big Data-Analysen mittels Distributional Semantics. Distributional Semantics ist ein vielversprechendes Forschungsfeld mit dem ansonsten verlorenen gehendes Wissens aus komplexen Datens\u00e4tzen extrahiert werden kann. Diese Daten k\u00f6nnen Text, bereits vorstrukturierte Daten, Bilder, Tonaufnahmen und Videos sein. Damit k\u00f6nnen breite Nutzergruppen abgedeckt werden und individuelle Bed\u00fcrfnisse befriedigt werden.<\/p>\n<p style=\"text-align: justify;\">Semantische Modelle die wir benutzen konzentrieren sich auf:<\/p>\n<ul>\n<li style=\"text-align: justify;\">semantische Approximierung mit niedrigem Adaptionsaufwand (unabh\u00e4ngig von manuell erstellten Ressourcen wie Ontologien, Thesauren oder Dictionaries)<\/li>\n<li style=\"text-align: justify;\">umfassendes semantisches Matching, unterst\u00fctzt durch die Einbindung gro\u00dfer Mengen von verteilten (unsortierten) Daten \/ Wissen\u00a0 in den semantischen Prozess<\/li>\n<li style=\"text-align: justify;\">expressive nat\u00fcrlichsprachige Anfragen.<\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #ffffff;\">\u00a0<\/span><\/p>\n<p style=\"text-align: justify;\">Der letzte Punkt ist der, auf den sich das gr\u00f6\u00dfte Interesse unser Nutzer und Kunden richtet (wie dr\u00fccken Menschen ihr Informationsbed\u00fcrfnis in Sprache aus um Antworten aus Systemen zu bekommen), allerdings sind alle drei Punkte wichtig.<\/p>\n<p style=\"text-align: justify;\">Die Verwendung von Distributional Semantic Modellen unterst\u00fctzt zudem die Entwicklung von L\u00f6sungen die einfach in andere Sprachen \u00fcbertragbar sind. Weiterhin k\u00f6nnen Nutzer neue Informationen direkt in den Graph mittels nat\u00fcrlicher Sprache eintragen. Das Modell baut auf auf einem Jahrzehnt von Forschung durch Unternehmenspartner in den Bereichen Question Answering, Semantic Search, Natural Language Queries, Distributional Semantics und Information Extraction. Die existiertende Plattform, StarGraph, hat das Ziel Barrieren um den Zugriff und das Erstellen von Daten durch nat\u00fcrliche Sprache als Hauptpunkt der Interaktion mit Datenmedien zu reduzieren.<\/p>\n<p>Und wie bewegt sich der Markt?<\/p>\n<p>Google Knowledge Graph ist nur ein aktuelles Beispiel f\u00fcr die Vorteile die die Verwendung von gro\u00dfen, strukturierten Daten in Anwendungen bringen kann.<\/p>\n<p>Weiterhin, Open Linked Data ist in den vergangenen Jahren zum Standard f\u00fcr die Ver\u00f6ffentlichung von strukturierten Daten im Web geworben und spielt jetzt eine wichtige Rolle f\u00fcr die n\u00e4chste Generation von Anwendungen die diese Daten verwenden. Jedoch ist der Aufwand mit diesen Daten zu arbeiten sehr hoch f\u00fcr Konsumenten.<\/p>\n<p>Also hei\u00dft das was?<\/p>\n<p>Um mit diesen Datens\u00e4tzen zu arbeiten, m\u00fcssen Nutzer zuerst einmal f\u00fcr sie interessante Datens\u00e4tze finden, die Struktur und das Vokubalur verstehen und dann eine Anfrage stellen, die der Syntax des zugrunde liegenden Systems gen\u00fcgt (zum Beispiel SPARQL oder SQL).<\/p>\n<p>Am Besten f\u00fcr Nutzer ist es ihr Informationsbed\u00fcrfnis direkt in nat\u00fcrlichser Sprache zu stellen, ohne sich um das Vokabular (&#8220;Schema&#8221;) der Datens\u00e4tze k\u00fcmmern zu m\u00fcssen, sondern die Anfrage direkt an das System abgeben k\u00f6nnen, dass sich intern um die \u00dcbersetzung der Anfrage in zum Beispiel g\u00fcltiges SQL k\u00fcmmert.<\/p>\n<p>Die meisten Semantic Models benutzen baustein-\u00e4hnliche Konstrukte und benutzen sehr einfachte Annahmen, unter Laborbedingungen.<\/p>\n<p>Das f\u00fchrt allerdings dazu, dass nur die einfachsten Modelle und Anfragen funktionieren.<\/p>\n<p>Actionable Data<\/p>\n<p>Hier bei Intellisem bieten wir unseren Kunden Actionable Data &#8211; eine Ressource, die das Potential von zunehmender Rationalisierung im Management von Firmen-Ressourcen birgt, damit Entscheidungen anhand von quantitativer Analyse getroffen werden k\u00f6nnen. Die Verwendung von Actionable Data als Mediator um Entscheidungsprozess und zur Entstehung von Dialog birgt die M\u00f6glichkeit zur Steigerung der Qualit\u00e4t im Management von Ressourcen und dem Schutz der Interessen von Teilhabern.<\/p>\n<p>Weiterhin, durch einfacheren und breiteren Zugriff auf Daten k\u00f6nnen Firmen besser Marktsituationen verstehen und individuell auf Kundenw\u00fcnsche antworten.<\/p>\n\n<div class=\"twitter-share\"><a href=\"https:\/\/twitter.com\/intent\/tweet\" class=\"twitter-share-button\">Tweet<\/a><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Intellisem ist ein Unternehmen, das sich auf die Entwicklung der n\u00e4chsten Generation von intelligenten und semantischen Informationssystem konzentriert. Unsere Vision: &#8220;Nat\u00fcrliche Kommunikation mit Systemen erm\u00f6glichen&#8221; Intellisem is a company which focuses on the development of the next generation of intelligent and semantic information systems. Der Zeitgeist Die heutige F\u00fclle von verf\u00fcgbaren Daten (Stichwort: Big Data) [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"open","ping_status":"open","template":"","meta":{"footnotes":""},"class_list":["post-2","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/pages\/2","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/comments?post=2"}],"version-history":[{"count":43,"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/pages\/2\/revisions"}],"predecessor-version":[{"id":220,"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/pages\/2\/revisions\/220"}],"wp:attachment":[{"href":"https:\/\/intellisem.libbn.org\/de\/wp-json\/wp\/v2\/media?parent=2"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}