Die Fokussierung von Meetings durch relevante Gespräche verbessern

Meetings sind 'n grosser Teil vom Arbeitsleben, aber mal ehrlich: viele davon sind echt nicht hilfreich. Man sitzt in einem Raum (oder in nem Videoanruf), und die Uhr tickt, während die Leute über alles Mögliche quatschen, nur nicht über das, worum es eigentlich gehen sollte. Das führt zu Frustration und viel verschwendeter Zeit. Was wäre, wenn wir das ändern könnten? Was wäre, wenn wir die Gespräche auf Kurs halten könnten mit klaren Zielen?

Da kommt die Idee der Topic-Conversation Relevance (TCR) ins Spiel. Es geht darum herauszufinden, ob das Gespräch dem Thema entspricht, über das die Sitzung eigentlich gehen sollte. Um das zu unterstützen, wurde ein riesiges Dataset erstellt, um zu untersuchen, wie eng Gespräche mit festgelegten Themen zusammenhängen.

#Was ist im TCR-Dataset?

Also, was enthält dieses Dataset? Es hat tonnenweise Sitzungstranskripte – genau gesagt, etwa 1.500 einzigartige Meetings mit rund 22 Millionen Wörtern. Mehr als genug, um eine Bibliothek zu füllen! Diese Meetings decken verschiedene Themen und Stile ab, was wichtig ist, weil nicht alle Meetings gleich sind.

Das Dataset umfasst über 15.000 Meeting-Themen, die aus sowohl neuen Meeting-Daten als auch bestehenden öffentlichen Quellen gesammelt wurden. Ausserdem gibt's eine Menge Skripte, die helfen, synthetische Meetings zu generieren. Denk daran, das sind Übungs-Meetings, die geschaffen wurden, um das Dataset vielfältiger und repräsentativer zu machen.

#Warum interessiert uns das?

Mit dem Anstieg von Online-Meetings – überraschenderweise sind persönliche Meetings von 63 % in 2019 auf nur 33 % in 2021 gefallen – ist es noch wichtiger geworden, die Diskussionen fokussiert zu halten. Vor allem, weil die Leute oft zu Hause auf der Couch multitasken (tu nicht so, als hättest du das nicht gemacht).

Einen Meeting-Moderator zu haben, kann helfen, den Fokus zu halten, aber wir können auch Technologie nutzen, um zu unterstützen. Zu messen, wie relevant ein Gespräch für sein vorgesehenes Thema ist, hilft sicherzustellen, dass Diskussionen nicht vom Thema abkommen. Wenn ein Gespräch weit vom Hauptthema abdriftet, ist das ein Zeichen, dass die Diskussion vielleicht etwas Führung braucht.

#Wie funktioniert das?

Das Dataset erlaubt es, Gespräche mit ihren vorgesehenen Diskussionsthemen zu bewerten. Zum Beispiel, wenn die Agenda eines Meetings die Einführung eines Produkts diskutieren soll, aber das Gespräch in persönliche Geschichten über Wochenendausflüge abdriftet, kannst du darauf wetten, dass die Relevanzbewertung für dieses Gespräch niedrig sein wird.

Um ein klareres Verständnis davon zu bekommen, was funktioniert und was nicht, wurden Benchmarks mithilfe fortschrittlicher KI-Tools erstellt – ein bisschen wie ein digitaler Assistent, der die Transkripte liest und entscheidet, wie on-topic jeder Teil des Gesprächs ist.

#Was ist der Plan für die Zukunft?

Das Ziel ist klar: Wir wollen Daten über mehr Arten von Meetings in verschiedenen Bereichen sammeln. Allerdings kann das herausfordernd sein, weil viele Geschäftstreffen sensible Informationen beinhalten. Um das zu überwinden, werden Experten aus verschiedenen Branchen eingeladen, Meeting-Agenden zu erstellen und Meetings basierend auf diesen Plänen durchzuführen.

Ausserdem steht auf der To-Do-Liste, das Dataset um andere Sprachen zu erweitern. Denn mal ehrlich, Meetings werden nicht nur auf Englisch gehalten, und es wäre schade, all die nicht-englischsprechenden Leute, die auch Hilfe brauchen, die Themen im Blick zu halten, auszuschliessen.

Schliesslich kann das Hinzufügen von Audiodaten zum Dataset helfen, das Verständnis von Gesprächen zu verbessern. Die Kombination von Audio und Transkripten könnte die Fähigkeit zur Bewertung der Effektivität von Meetings noch weiter verbessern.

#Einige spannende Zahlen

Schauen wir uns schnell die Zahlen an, um zu sehen, wie das alles aussieht.

• Das TCR-Dataset enthält rund 1.506 einzigartige Meetings.
• Die gesamte Wortanzahl in den Transkripten beträgt etwa 22 Millionen. Stell dir mal vor, das zu lesen. Du bräuchtest ne Menge Kaffee!
• Es sind ungefähr 15.000 Meeting-Themen enthalten.

Diese Zahlen sind nicht nur zum Angeben; sie bieten eine solide Grundlage, um zu testen, wie gut Themen zu Gesprächen passen.

#Wir können das nicht alleine schaffen

Wenn du denkst, das Sammeln all dieser Daten und das Verstehen davon ist einfach, denk nochmal nach! Ein ganzes Team braucht man, um solche Datasets zu erstellen, zu analysieren und zu verbessern. Die Leute müssen zusammenarbeiten, Einblicke teilen und den Prozess verfeinern, um zu einem Punkt zu kommen, an dem wir die Relevanz von Meetings effektiv messen können.

Und lass uns die Leute, die an den Meetings teilnehmen und ihre Stimmen zu den Daten beitragen, nicht vergessen. Ohne ihr Einverständnis wären wir verloren. Zum Glück haben alle Teilnehmer im Daten-Sammelprozess Einverständniserklärungen unterschrieben, damit jeder mit der Mitwirkung an dieser wichtigen Arbeit einverstanden ist.

#Also, was kommt als Nächstes?

Während wir vorankommen, wird die Forschung sich darauf konzentrieren, das Dataset zu verbessern, die Leistung bei Relevanzaufgaben zu steigern und ein besseres Verständnis der Dynamik von Meetings zu entwickeln. Aufbauend auf dem bestehenden Wissen und der Technologie können wir Meetings von drögen Sitzungen zu produktiven Orten voller nützlicher Diskussionen machen.

Zusammengefasst geht es beim TCR-Dataset darum, Meetings besser zu machen. Mit klaren Themen, fokussierten Gesprächen und klugem Einsatz von Technologie können wir sicherstellen, dass unsere Arbeitsmeetings effektiver und weniger zeitaufwendig sind. Die Daten und Erkenntnisse, die aus dieser Arbeit gewonnen werden, können helfen, die Zukunft davon zu gestalten, wie wir uns im Arbeitsumfeld begegnen und kommunizieren.

Wäre es nicht grossartig, wenn jemand eine Möglichkeit erfinden würde, diese lästige Kaffee-Kochaufgabe für diese Marathon-Meetings zu automatisieren? Bis dahin hoffen wir, dass uns dieses Dataset zu produktiveren Diskussionen führt. Schliesslich hat noch nie jemand gedacht: „Wow, ich habe dieses Meeting echt genossen, wo wir über alles gesprochen haben, nur nicht über das, worüber wir eigentlich reden sollten.“