Den Puls unseres Planeten fühlen

Herr Vrabel, Sie sagen auf Ihrer Unternehmenswebsite, dass Sie den Puls unseres Planeten fühlen würden und Big Data in verwertbare Geschäftsinformationen umwandeln – wie kamen Sie zur Idee und welche Hürden mussten Sie nehmen?

Frantisek Vrabel: Glauben Sie mir oder nicht, aber es begann im Jahr 2005. Zu dieser Zeit arbeitete meine vorherige Start-up-Firma I2S an großen Reformprogrammen im Rahmen der US Foreign Military Assistance.

Nach der Erreichung unserer Mission, den erfolgreichen Nato-Erweiterungen 1999 und 2004, dachte ich, was als Nächstes zu tun wäre. Wir als Team hatten eine ziemlich umfangreiche Erfahrung auf dem sogenannten C4I-Gebiet (Command, Control, Communications, Computer und Intelligence), das komplexe Informationssysteme, Big Data, das Internet und Wissensentdeckung beinhaltet.

In diesem Kontext bekam ich die Idee, unser aktuelles System zu schaffen, ein System, das multinationalen Konzernen auf globaler Ebene umsetzbare Intelligenz bieten würde.

Wir hatten die erste Version des Systems bereits Anfang 2008 fertiggestellt, wurden aber in diesem Jahr von der globalen Finanzkrise getroffen. Es dauerte mehrere Jahre, bis sich die Märkte erholten und die Notwendigkeit für unsere neue Art von Dienstleistungen fühlten.

Welchen Beitrag leistet dabei SAP Startup Focus?

Vrabel: SAP Startup Focus hat uns mit dem Go-to-Market geholfen, was für uns von entscheidender Bedeutung war. Es hat uns dabei geholfen, in der globalen SAP-Organisation sichtbar zu werden.

Wir wurden vielmals eingeladen, die Art unserer innovativen Datendienste auf zahlreichen hochkarätigen SAP-Events vorzustellen und zu erläutern, an denen auch SAP-Kunden teilnahmen. Auf diese Weise half SAP Startup Focus Semantic Visions bei der „Erziehung“ des Marktes.

Big Data und Hintergrundrauschen sind ein bekanntes Problem. Sie sagen nun auf Ihrer Website, dass Sie den Code geknackt hätten, um an die wirklich wichtigen Informationen zu kommen. Wie funktioniert das?

Vrabel: Wir sammeln, analysieren und synthetisieren automatisch 90 Prozent der weltweiten Online-News-Inhalte, das heißt über eine Million einzigartige Artikel pro Tag. Auf diese Weise nutzt Semantic Visions den „Long Tail“ des Internets und ist in der Lage, seine Frühwarnsysteme effektiv zu betreiben.

Semantic Visions ist keine Suchmaschine, sondern eine Detektionsmaschine. Es gibt einen Hauptunterschied zwischen den beiden Fähigkeiten, die viele Menschen nicht richtig erkennen. Man kann Google kaum für die Suche nach dem Unbekannten verwenden, aber man kann Semantic Visions produktiv verwenden, um Ereignisse zu erkennen, die Sie nicht vorher kennen.

Es ist wichtig, so viele Quellen wie möglich einzubeziehen, um die Chance zu erhöhen, dass die Angelegenheit des Interesses in dem Moment erkannt wird, wenn sie passiert. Auf der anderen Hand, je mehr Informationen man bearbeitet, desto höher die Entropie wird.

Die Unterscheidung zwischen kritischen Signalen und irrelevantem ­Rauschen wird in mehreren Stufen erreicht. Die wichtigste ist die semantische Analyse, in der Präzision, Granularität und kraftvolle Multidimensionalität wesentliche Rollen spielen.

Die Endphase beinhaltet dann einen Prozess der sogenannten Big Data Semantics, der „nichts anderes“ ist als die semantische Analyse auf der Multidokumenten- und Mehrsprachigkeits-Ebenen. Einfach zu sagen, aber schwer zu implementieren.

Welche Rolle spielen dabei Hana und Leonardo?

Vrabel: Big Data Semantics ist genau die Bühne, auf der Hana ins Spiel kommt. Lassen Sie mich hier spezifisch sein. Die vorangehende Phase der semantischen Analyse wird von unserer eigenen unübertroffenen Technologie und ohne Hana durchgeführt, denn die vorhandene Textanalytik in SAP Hana für diese Art von Aufgabe ist nicht anwendbar.

Für die Ebene der „Big Data Semantics“ nutzen wir die beispiellose Geschwindigkeit von Hana, wo unsere anspruchsvollen Algorithmen mit hochwertigen Metadaten arbeiten, oder auch mit Smart-Daten, wenn Sie es so möchten – die Ergebnisse der semantischen Analyse-Phase.

Wir pressen die „Informations-Früchte“ wieder und wieder, bis wir die Art von „Saft“ bekommen, den wir brauchen – die umsetzbare Intelligenz in Bezug auf Millionen von Unternehmen.

Wir machen das auf kontinuierlicher Basis und in Echtzeit. Soweit Leonardo betroffen ist, glaube ich an eine ausgewogene zweiseitige Zusammenarbeit. Ich habe keine Zweifel, dass die Firma Semantic Visions von Leonardos AI profitieren könnte und auf der anderen Seite kann Leonardo von dem absolut einzigartigen Korpus von Semantic Visions profitieren. Das Korpus besteht aus mehr als zwei Milliarden Dokumenten mit Hunderten von Milliarden verwandten Metadaten.

Wenn Sie einen Punkt Ihrer Plattform aufgreifen würden – was wäre das?

Vrabel: Na ja, die Einzigartigkeit liegt in unserer ganzen Lösung. Es gibt niemanden auf dem Markt, der in der Lage ist, eine effektive Risikoerkennung in einem breiten Spektrum von Bedrohungen und in Bezug auf Millionen von Unternehmen und Geolokationen in Echtzeit zu liefern.

Wenn man sich Ihre Produkte ansieht, tauchen oft die Schlagwörter „Risiko“ und „Frühwarnsystem“ auf. Wie genau sind Ihre Berechnungen der Risiken und welche Daten werden dafür verwendet?

Vrabel: Technisch machen wir keine Vorhersagen, aber philosophisch tun wir das schon. Das, was in der Welt geschieht, sehen wir in den meisten Fällen durch Medien und andere Kommunikationskanäle.

Wenn es passiert, dass unsere Lösung Sie auf ein bestimmtes Ereignis aufmerksam macht, z. B. auf „Verschlechterung der finanziellen Situation“ eines Ihrer Lieferanten oder auf „entstehende Gefahren“ in einem geografischen Gebiet von Ihrem Interesse, und zwar bevor Sie sich dessen durch Ihre gewöhnlichen Mittel bewusst werden, dann sind Vorhersagen der Zukunft genau das, was wir tun.

Und dann muss man einen weiteren Aspekt berücksichtigen. Wir als Menschen haben eher begrenzte Fähigkeiten, alle verfügbaren Informationen wahrzunehmen, vor allem, wenn es wirklich zu viele gibt.

Ein Mensch kann kaum eine geistige Darstellung von Zehntausenden Lieferantenfirmen im Kopf behalten, aber ein Computer schafft es. Das Frühwarnsystem von Semantic ­Visions wurde entwickelt, um den Bedürfnissen großer Konzerne gerecht zu werden, um ihnen ein Informationsumfeld zu vermitteln. Damit sie nicht blind bleiben, wie sie es oftmals sind. Für diesen Job verwenden wir öffentlich verfügbare Daten in dem massiven Ausmaß, wie ich bereits erwähnt habe.

Welche Voraussetzungen müssen Kunden hinsichtlich eigener Daten, Infrastruktur und IT-Systeme und -Software mitbringen?

Vrabel: Es gibt keine anderen besonderen Anforderungen, als ein Kunde von SAP Ariba zu sein. Die Lösungen von Semantic ­Visions sind vollständig in das weltweit größte Business-Commerce-Netzwerk integriert.

Den Dienst, den Semantic Visions Service für SAP Ariba liefert, können wir als DaaS bezeichnen. Das gleiche Modell gilt auch für den Kreditrisiko-Bereich, wo wir mit der Firma Deloitte zusammenarbeiten.

Mit welchen Implementierungszeiten müssen potenzielle Kunden rechnen und welche Unterstützung bieten Sie dabei an?

Vrabel: In diesem Fall verlassen wir uns auf SAP Ariba, da unsere Lösung völlig integriert ist. Aber technisch, aus unserer Sicht als Semantic Visions, beginnen wir die Daten-Lieferung innerhalb von 24 Stunden nach dem Erhalt der Anforderung von SAP Ariba.

IoT und Big Data sind nun offensichtlich die großen Trends in der IT für die absehbare Zukunft – wie sehen da die nächsten Schritte für Semantic Visions aus?

Vrabel: Es ist definitiv AI (künstliche Intelligenz). Wir investieren in diesen Bereich im großen Maßstab.