Die Wissenspyramide: Wie aus Daten und Informationen Wissen entsteht

Was versteht man unter der Wissenspyramide?

Die Wissenspyramide ist ein Modell, das die Entstehung von Wissen beschreibt. Sie hat ihren Ursprung im Datenmanagement und zeigt den Unterschied zwischen Daten, Informationen und Wissen auf.

Daten bilden die unterste Ebene der Pyramide. Für sich betrachtet, haben sie jedoch keine große Aussagekraft. Denn erst wenn sie untereinander verknüpft werden, entstehen Informationen. Es handelt sich dabei um situationsbezogene Definitionen, Beschreibungen und Perspektiven – was, wo, wann und wer. Aus der Kombination verschiedener Informationen lassen sich Muster und Strukturen ableiten, die zusammen mit Kontext und Erfahrungen zu Wissen führen. Das Wissen dient wiederum als Entscheidungsgrundlage für konkrete Handlungen – die vierte Ebene.

Ein Beispiel:
Daten: Messungen aller Messstationen des Deutschen Wetterdienstes.
Information: Bei mir hat es heute 35°C.
Wissen: Die Hitze kann gefährlich für die Gesundheit sein, es müssen Schutzmaßnahmen getroffen werden.
Handlung: Ausreichend trinken, sich möglichst drinnen aufhalten, draußen Sonnenschutz tragen.

Wissenstreppe – ein alternatives Modell

Die Wissenstreppe stellt eine Erweiterung der Wissenspyramide dar. Sie fokussiert sich dabei speziell auf die Bedürfnisse von Unternehmen und die Analyse von Big Data. Die einzelnen Ebenen entsprechen denen der Wissenspyramide, ergänzt um eine fünfte: das Können. Statt von Ebenen geht dieses Modell jedoch von Stufen aus. Ziel ist eine systematische Wertschöpfung aus Daten: Das Unternehmen schafft es, die Handlungshinweise erfolgreich umzusetzen und somit seine Unternehmensziele zu erreichen.

Daten, Informationen und Wissen – was die Begriffe bedeuten

Im Rahmen der Wissenspyramide beschreiben Daten messbare Größen, die digital gespeichert werden, z. B. eine bestimmte Zahlenabfolge. Diese allein gibt zunächst noch keinen Aufschluss über ihre Bedeutung. Werden die Daten jedoch um weitere Attribute oder Metadaten ergänzt, entstehen Informationen: Beispielsweise handelt es sich bei der Zahlenabfolge um die Artikelnummer eines Produkts, das ein Kunde X gekauft hat. Verknüpft man diese Information mit Kontext und Erfahrungswerten, entsteht schließlich Wissen.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Handelt es sich beim gekauften Produkt z. B. um einen Fußball, kann die Artikelnummer des gekauften Produkts beispielsweise einen Hinweis zu den Präferenzen des Kunden geben. Mit diesem Wissen kannst du als Shopbetreiber personalisierte Produktempfehlungen in Form von dazu passenden Artikeln (Fußballschuhe, Trikot, Ballpumpe) ausspielen, die genau für diesen Kunden interessant sind.

Welche Relevanz hat die Wissenspyramide für Unternehmen?

Viele Unternehmen sammeln Daten, doch nur wer sie zu nutzen weiß, profitiert davon. Daten ohne Interpretation und Einbindung in einen Kontext sind für E-Commerce-Unternehmen wertlos. Strukturierte und systematische Datenanalysen liefern dagegen Ideen für innovative Geschäftsmodelle, die letztlich zu höheren Umsätzen führen. Aus Big Data müssen Smart Data werden – und hierbei hilft die Wissenspyramide.

Wie hängen Wissenspyramide und künstliche Intelligenz zusammen?

Die Wissenspyramide bildet unter anderem die Grundlage für KI-Engines, also Computeralgorithmen, die Entscheidungen mithilfe von künstlicher Intelligenz fällen. Im E-Commerce wird KI für unterschiedliche Bereiche eingesetzt, beispielsweise für individuelle Produktempfehlungen, die Vorhersage von Verkäufen, das Herausfiltern gefälschter Bewertungen oder das Customer Targeting. KI-Engines nutzen hierfür Methoden wie Machine Learning und Reinforcement Learning. So können sie sehr komplexe Verknüpfungen herstellen. Zudem laufen die umfangreichen Datenanalysen vollautomatisiert ab – das lässt dir mehr Zeit für andere Aufgaben.

Die Ergebnisse der KI bieten eine bessere Entscheidungsgrundlage als vermeintliches Wissen – also solches, das auf wenigen Informationen basiert, die sich auf noch weniger echte Daten stützen. Die Wissenspyramide steht in dem Fall auf dem Kopf: Kaufmännische Entscheidungen werden „aus dem Bauch heraus“ getroffen. Das kann funktionieren, muss es aber nicht.

Wie Wissen mithilfe künstlicher Intelligenz entsteht – Beispiele

Es gibt zwei Arten von künstlicher Intelligenz (KI): wissensbasierte KI bzw. Expertensysteme und datenbasierte KI.

Wissensbasierte künstliche Intelligenz

Die wissensbasierte KI oder auch Expertensystem genannt, unterstützt menschliche Experten bei Entscheidungen. Hierfür erfassen die Experten zunächst das erforderliche Wissen – sie machen es für den Computer verständlich. Darauf aufbauend erarbeitet das System Problemlösungen, die dem menschlichen Nutzer anschließend in verständlicher Form präsentiert werden. Diese Expertensysteme sind im Vergleich zur datenbasierten KI weniger intelligent.

Stattdessen findet die Entscheidungsfindung hier über feste „Wenn…, dann…“-Regeln statt, mit denen der Programmierer seine Wissensbasis der Maschine mitteilt. Dabei ist die Maschine weniger flexibel und selbstständig in der Entscheidungsfindung. Ein Nachteil der Expertensysteme besteht also darin, dass das übermittelte Wissen veralten kann.

Beispiel für Expertensystem: Bei Topseller-Empfehlungen spezifizierst du als Shopbetreiber ganz genau, welche Produkte du haben willst und sagst dem System ganz klar „Gib mir die Produkte mit den meisten Käufen in den letzten x Tagen“. Du als Experte bist also der Meinung, dass häufig gekaufte Produkte eine gute Wahl für deine Empfehlungen sind.

Datenbasierte künstliche Intelligenz

In diesem Fall muss die KI mithilfe von Algorithmen und statistischen Modellen trainiert werden, um aus einer Reihe an Daten relevante Schlussfolgerungen ziehen zu können. Für diese Trainingsverfahren gibt es dabei verschiedene Ansätze, etwa das Supervised Learning, das Unsupervised Learning oder das Reinforcement Learning. Sobald die KI die gesuchten Muster und Abhängigkeiten zwischen den Daten erkannt hat, kann sie selbständig Entscheidungen treffen. Hierbei ist die Entscheidungsfindung der KI jedoch schwer nachvollziehbar. Außerdem ist sie stark von der Datenqualität abhängig und nicht für jede Aufgabe geeignet. So lassen sich ästhetische Merkmale, die beispielsweise für Produktempfehlungen eine große Rolle spielen, einer KI nur schwer vermitteln.

Beispiel für datenbasierte KI: Möchtest du als Shopbetreiber „Gute Alternativempfehlunen“, kannst du der KI eine Anfrage stellen und ihr mitteilen, was du haben willst. Die künstliche Intelligenz entscheidet, basierend auf den Daten, welche Empfehlungen das sind. Man hilft der KI also nur ein bisschen auf die Sprünge, indem man vorgibt, welche Strategie (in unserem Beispiel „Alternativen“) verwendet werden soll. Hier steckt also auch ein bisschen Expertenwissen drin.

Wissenspyramide und KI – Basis für die Personalisierung

Als Grundlage für KI-Engines stellt die Wissenspyramide also auch eine ganz entscheidende Rolle für die Personalisierung im E-Commerce dar. Dabei ist der Prozess, aus Daten datengetriebene Entscheidungen zu treffen, wie bereits erläutert, dreigeteilt. Im Folgenden übertragen wir diesen Prozess nochmals auf die KI-gestützte Personalisierung im E-Commerce.

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

Spricht man von Big Data im E-Commerce, sind alle Daten gemeint, die im Rahmen des Online Shoppings gesammelt werden. Hierzu zählt also das Klick- und Kaufverhalten, welches noch mit Daten aus dem Shopsystem oder Warenwirtschaftssystem angereichert werden kann.

Informationen sind nun die Daten, die für die Auswahl der personalisierten Kundenempfehlungen entscheidend sind. Die Kunst, in Daten Muster und Korrelationen zu erkennen, um nützliche Informationen für den Online Shop zu extrahieren, nennt man Data Mining. Durch dessen Einsatz entsteht Smart Data, welches eine deutlich höhere Informationsdichte aufweist als die vorherige Big-Data-Masse.

Wissen ist nun die Fähigkeit, auf Basis der Informationen sowie mithilfe von Erfahrung Entscheidungen zu treffen. Diese Erfahrungen kann nicht nur der Mensch, sondern auch eine Maschine sammeln. So kann das Reinforcement-Learning-Verfahren beispielsweise dazu genutzt werden, aus gegebenen Informationen Entscheidungen für die Personalisierung zu treffen.

Fazit: Gezieltes Wissensmanagement ist für Online Shops unverzichtbar

Die Wissenspyramide macht die Entstehung von Wissen nicht nur verständlicher, das Modell liefert auch den Fahrplan, anhand dessen künstliche Intelligenz trainiert werden muss. KI-Engines bieten E-Commerce-Unternehmen ein enormes Potenzial: Neben der Automatisierung von Prozessen ermöglichen sie auch eine stärkere Kundenorientierung. Denn dank KI kannst du deinen Kunden personalisierte Inhalte entlang der gesamten Customer Journey ausspielen und sie dabei passgenau zum richtigen Zeitpunkt ansprechen.