Fusion 5.0

Dürfen wir vorstellen? – Fusion 5.0!

Die aktuellste Major-Version des einzigartigen Lucidworks-Produktes ist da – und bringt viele Vorteile für die Use Cases E-Commerce und Enterprise Search bzw. Digital Workplace mit! Neben der Einführung einer auf Microservices basierenden Architektur und besserer Unterstützung für Machine Learning Modelle, bietet Fusion 5.0 mit dem „Predictive Merchandiser“ speziell für den E-Commerce spannende Neuerungen. Wir sind begeistert von Fusion 5.0! Weshalb? Das erfahren Sie in diesem Beitrag.

Verständlichere Microservice-Architektur dank Kubernetes

Ein bisheriger Schwachpunkt von Fusion waren Updates bzw. Upgrades, die nicht ohne Downtime durchgeführt werden konnten. Dies gehört nun mit einem Re-Design der Architektur auf Kubernetes-Basis der Vergangenheit an.

Die Cloud-native Microservice-Architektur ermöglicht den Fusion-Usern ein flexibleres, schnelleres und vor allem risikoärmeres Deployment. Durch die Lauffähigkeit bei allen großen Cloud-Anbietern (GCP, AWS, Azure) wird die Erstellung neuer Cloud-basierter Anwendungen auf Basis von Fusion nun noch leichter.

Durch die neue Kubernetes-Basis ist es nunmehr ebenfalls möglich, Node Pools zu definieren, die gemäß ihrem Use Case maßgeschneidert sind. So können beispielsweise die Nodes, die für die Suche zuständig sind, auf High-Performance Hardware laufen, während diejenigen für die Analytics Jobs auf Standard-Hardware laufen.

Data Science Integration

Mit Fusion 5.0 haben Data Scientists jetzt noch mehr Spaß mit Fusion. Sowohl die Produktivität als auch die Berechnungsgeschwindigkeit wurden optimiert.  War es bisher lediglich möglich, in Spark trainierte Modelle in Fusion zu integrieren, stehen nun mit Keras, TensorFlow, spaCy oder Scikit-learn die in der Praxis weit verbreiteten Machine Learning Bibliotheken auf Python-Basis als zusätzliche Möglichkeiten zur Verfügung. Man kann also ab sofort seine ML Modelle auch in Python trainieren und sowohl in der Index- als auch in der Query Pipeline einsetzen.

Predictive Merchandiser

Der Predictive Merchandiser von Fusion 5.0 ermöglicht Verantwortlichen bzw. Business Usern  die Erstellung und Pflege von Regeln bezüglich der Produktplatzierung auf Suchergebnisseiten oder auch Kategorienseiten unter anderem mittels Boost, Block oder Bury. Und das, ohne eine Zeile Code verfassen zu müssen.

Zudem können diejenigen Regeln, die durch die bereits bekannten AI Jobs früherer Fusion Releases generiert werden und Suchanfragen so umschreiben, dass sie zu besseren Ergebnissen führen (Tail Query Rewrite, Korrekturen fehlerhafter Eingaben, automatische Phrasenerkennung etc.), über das Interface des Predictive Merchandisers eingesehen, aktiviert oder deaktiviert werden.

Um in Echtzeit reagieren zu können, werden wichtige Metriken und Analysen wie die am häufigsten geklickten Produkte oder „Trending Searches“ bereitgestellt, auf deren Basis Manipulationen der Suchanwendung entworfen werden können.

Die neuen Funktionen geben Merchandisern eine nie dagewesene Kontrollmöglichkeit für eine bessere Sucherfahrung, reduzieren dabei das Downtimerisiko, da keinerlei programmatische Interaktion mit der IT notwendig ist, um manuell einzugreifen und sorgen so für bessere KPIs (Add-to-Cart, Warenkorbwert, Click Through Rate) im Digital Commerce.

Fazit

Fusion 5.0 bringt viele Vorteile für die Use Cases E-Commerce und Enterprise Search bzw. Digital Workplace mit. Es ist schneller, besser und produktiver. Dank der Cloud-nativen Architektur laufen die Deployments nun rapider und einfacher ab. Durch die Möglichkeit, existierende Machine Learning Prozesse in Fusion zu integrieren, fällt die Produktivstellung von Machine Learning Modellen ebenfalls leichter. Außerdem sind ab sofort keine programmatischen Änderungen nötig, um Suchoptimierungen vorzunehmen. In Anbetracht dieser und vieler weiteren Vorzüge ist es Fusion 5.0 gelungen die Customer Experience auf eine eindrucksvolle Art und Weise neu zu definieren und Vorfreude auf weitere Releases zu bereiten. Fusion 5.0 – here we come!

Sie wollen mehr über Fusion erfahren?

Sebastian Horst

Sebastian Horst