Intelligente Erfahrungen für dein Team mit Datenschutz von Anfang an
In unseren Cloud-Produkten kommen bereits seit Oktober 2020 intelligente Erfahrungen auf der Basis von maschinellem Lernen zum Einsatz.
In den letzten Jahren haben wir die Atlassian-Plattform entwickelt, die eine gemeinsame Cloud-Infrastruktur bereitstellt, um leistungsstarke Verbindungen zwischen unseren Produkten herzustellen und die Zusammenarbeit schneller, vorhersehbarer und sicherer zu gestalten. Mit der Atlassian-Plattform können wir Benutzermuster von über 150.000 Kunden unserer Cloud-Produkte zusammenfassen, um zu analysieren, wie Aufgaben erledigt werden und wie Teams im großen Maßstab interagieren.
Intelligente Erfahrungen sollen die Teamarbeit beschleunigen, indem sie die Zusammenarbeit erleichtern. Hier erklären wir, wie wir den Datenschutz beim Entwickeln unserer Lösungen in den Mittelpunkt stellen.
Intelligente Erfahrungen sollen die Teamarbeit beschleunigen, indem sie die Zusammenarbeit erleichtern. Hier erläutern wir, wie wir den Datenschutz beim Entwickeln unserer Lösungen in den Mittelpunkt stellen.
Intelligente Suchfunktionen
- Personalisierte Suchergebnisse, bei denen die für dich relevantesten Inhalte zuerst angezeigt werden
- Sofortige Suchergebnisse basierend auf dem, wonach du wahrscheinlich suchst
- Intelligente Filterfunktionen zum Eingrenzen deiner Suche auf die Personen, mit denen du zusammenarbeitest, sowie auf die Projekte/Bereiche, in denen du arbeitest
Vorausschauende Zusammenarbeit
- Intelligente Benutzererwähnungen mit Vorschlägen zu den je nach Kontext relevantesten Personen, die in die Zusammenarbeit einbezogen werden sollen
- Vorausschauende Seiteneinschränkungen bei der Zusammenarbeit an Dokumenten mit Vorschlägen zu Personen, mit denen du eng zusammenarbeitest
- Vorausschauende Prognosen zur Überprüfung von Pull-Anfragen, durch die geeignete Personen zur Überprüfung von Codeänderungen vorgeschlagen werden können
Workflow-Beschleunigung
- Vorausschauende Vorgangszuweisung mit Vorschlägen zu den je nach Kontext relevantesten Benutzern für die Bearbeitung eines Vorgangs
- Intelligente Vorgangskategorisierung und -selektierung mit Vorschlägen zu geeigneten Feldwerten für gängige Vorgangsfelder wie Stichwörter, Komponenten und Lösungsversionen
- Intelligente Vorgangszusammenfassung mit Gruppierung ähnlicher Vorgänge, um Mehrfach-Workflow-Vorgänge zu vereinfachen
Was ist maschinelles Lernen, und wie funktioniert es?
Tools für maschinelles Lernen, die für intelligente Erfahrungen eingesetzt werden, beruhen auf Modellen. Modelle verwenden Computeralgorithmen, um Funktionen durch Erfahrung automatisch zu verbessern. Das funktioniert so:
Lernen
Ein Modell wird anhand von Quelldaten "trainiert", wobei mithilfe von Algorithmen generische Muster auf der Grundlage des allgemeinen Benutzerverhaltens identifiziert werden (in trainierten Modellen werden keine Quelldaten gespeichert, da sie lediglich daraus lernen und sie nicht nutzen sollen). Anhand von Mustererkennung entwickelt das Modell Möglichkeiten, die Wahrscheinlichkeit eines bestimmten künftigen Benutzerverhaltens vorherzusagen. Auf der Grundlage dieser Prognosen werden dann Regeln zur Anwendung auf zukünftige ähnliche Szenarien erstellt.
Umsetzung
Im Rahmen des Modells werden diese Regeln wieder in deiner Instanz unseres Produkts angewendet. Da dies für alle Cloud-Produkte gilt, steigt das Leistungspotenzial deiner Teams.
Beispiel
Ein Modell erkennt, dass durchschnittliche Jira-Benutzer am ehesten Personen erwähnen, mit denen sie kürzlich an einem Vorgang gearbeitet haben. Das Modell extrahiert dieses allgemeine Verhaltensmuster unter Jira-Benutzern und wendet es an, indem es ein Signal festlegt (z. B. "Ein Benutzer hat zuvor jemanden in einem Vorgang gekennzeichnet und ist im Begriff, erneut jemanden zu kennzeichnen") und diesem eine Gewichtung zuweist (z. B. "Es ist wahrscheinlich dieselbe Person wie zuvor"). Auf diese Weise kann das Modell dazu beitragen, dem Benutzer die Teamarbeit zu erleichtern (z. B., indem die zuvor erwähnte Person in der Auswahlliste für @mentions ganz oben angegeben wird).
Wie werden Modelle trainiert? Werden dafür meine Daten genutzt?
Aktuelle Modelle, die intelligente Suchfunktionen, vorausschauende Zusammenarbeit und Workflow-Beschleunigung unterstützen, greifen auf verschiedene Datensätze zurück. Hierzu zählen:
Datensatz | Feature | Beispiel für die Daten |
---|---|---|
Anonymisierte aggregierte Nutzungsdaten | Feature Prognosen für Erwähnungen/Felder | Beispiel für die Daten
|
Anonymisierte und unidirektional vektorisierte Inhalte | Feature Vorgangszusammenfassung | Beispiel für die Daten
|
Anonymisierte Suchbegriffe | Feature Intelligente Suchfunktionen | Beispiel für die Daten
|
Wie wird bei intelligenten Suchfunktionen, vorausschauender Zusammenarbeit und Workflow-Beschleunigung der Datenschutz berücksichtigt?
Einer der größten Vorteile der Arbeit bei Atlassian besteht darin, dass wir für Aufgaben aller Art unsere eigenen Tools nutzen. Als börsennotiertes Unternehmen wissen wir, wie wichtig der Schutz vertraulicher Informationen ist. Du kannst dich daher darauf verlassen, dass wir uns genau überlegt haben, wie wir verhindern, dass ML-Modelle unbeabsichtigt Informationen über die für das Training genutzten Quelldaten offenlegen.
Wir richten Datenschutzmaßnahmen sowohl innerhalb deiner Organisation ein (um zu verhindern, dass Personen in einer Organisation Informationen sehen, die sie nicht sehen sollten) als auch darüber hinaus (um zu verhindern, dass Informationen aus deiner Organisation nach außen dringen):
- Wir schaffen Erfahrungen, bei denen die Datenschutzmaßnahmen in unseren Produkten eingehalten werden. Beispielsweise erhalten Benutzer keine Empfehlungen zu Inhalten, die sie mit ihren Berechtigungen nicht anzeigen dürfen.
- Wenn wir Modelle erstellen, die anhand deiner Daten Muster ermitteln (z. B. anhand von Suchanfragen, die von deinen Benutzern in deiner Instanz gestellt werden), werden diese Daten nicht außerhalb deiner Gruppenberechtigungen für ein umfassenderes Modelltraining genutzt. Auf anonymisierte Suchabfragezeichenfolgen wird nur mit automatisierten Jobs zugegriffen. Sie werden nicht von Menschen gelesen (und eingeschränkte Seiten werden grundsätzlich nie verwendet).
- Wenn wir Modelle entwickeln, die Trends kundenübergreifend ermitteln (beispielsweise suchen Benutzer in der Regel nach Inhalten, an denen sie kürzlich gearbeitet haben), beziehen wir nur Daten aus Informationen wie anonymisierten Verhaltensanalysen (z. B. Anzahl der "Gefällt mir"-Angaben) und unidirektionale vektorisierte Inhalte, die über die Cloud-Kunden hinweg aggregiert werden.
- Wir verwenden nach Möglichkeit Modelle, die mit öffentlichen Datensätzen trainiert wurden (und somit keine Kundendaten enthalten).
- Alle Daten werden gemäß unserer Datenschutzrichtlinie erfasst, verarbeitet, übertragen und gespeichert.
Beispiel 1
Wir wissen, dass Datenschutz in deinem Unternehmen wichtig ist. Dies betrifft auch die Sichtbarkeitseinstellungen für Confluence-Seiten. Die intelligenten Suchfunktionen beobachten alle Gruppenberechtigungseinstellungen, einschließlich der Berechtigungen auf Benutzerebene, sodass Confluence-Seiten, die als "privat" gekennzeichnet sind, nicht in den empfohlenen Suchergebnissen für Benutzer in deinem Unternehmen ohne Seitenzugriff angezeigt werden.
Beispiel 2
Wir wissen, dass du nicht möchtest, dass anderen Unternehmen auf der Grundlage deiner vertraulichen Informationen Suchergebnisse vorgeschlagen werden. Im Gegensatz zu Suchmaschinen anderer Art werden bei den intelligenten Suchfunktionen nicht die häufigsten Suchanfragen kundenübergreifend zusammengefasst, um die Funktionalität zu verbessern (stattdessen werden die Suchpräferenzen einzelner Personen erfasst). Die Modelle für maschinelles Lernen berücksichtigen somit immer deine Gruppenberechtigungen und verhindern, dass Informationen zu anderen Kunden "durchsickern". Anders formuliert: Wenn du über einen privaten Confluence-Bereich verfügst und dein Team diesen für die Zusammenarbeit auf Confluence-Seiten mit der Bezeichnung "Übernahme von New Co" nutzt, erhalten andere Atlassian-Kunden, die Confluence verwenden und nach "New Co" suchen, keine Ergebnisvorschläge, die auf deinen "Übernahme von New Co"-Seiten oder den Suchanfragen deiner Benutzer basieren.
Welche Kontrolle habe ich über intelligente Erfahrungen? Kann ich sie deaktivieren?
Diese Seite spiegelt die Praktiken von Atlassian in Bezug auf intelligente Suchfunktionen, vorausschauende Zusammenarbeit und Workflow-Beschleunigung seit Dezember 2020 wider. Derzeit unterstützen intelligente Erfahrungen Funktionen unserer Produkte, die wir als Kernfunktionen betrachten, beispielsweise die Suche nach Seiten und das Erwähnen von Teamkollegen. Eine Deaktivierung dieser Erfahrungen würde die Produktleistung erheblich beeinträchtigen. Aus diesem Grund und angesichts der Maßnahmen, die wir zum Schutz deiner Daten ergreifen, bieten wir derzeit keine Möglichkeit zum Deaktivieren an.
Wir sind von unseren Strategien zur Risikominimierung überzeugt. Da sich die technischen Möglichkeiten für maschinelles Lernen ständig weiterentwickeln, erforschen und nutzen wir auch weiterhin Techniken zur Verbesserung des Datenschutzes, um neue Funktionen zu entwickeln. Du kannst einen wesentlichen Beitrag zu unserer Weiterentwicklung leisten. Weitere Informationen über geplante Neuerungen bei Atlassian findest du in unserer Cloud-Roadmap. Du kannst uns mitteilen, wie wir unsere Pläne an deinen Datenschutzbedürfnissen ausrichten können, indem du im öffentlichen Vorgangs-Tracker von Atlassian Vorschläge für Funktionen einreichst (oder über bestehende Vorschläge abstimmst, sie beobachtest und kommentierst).
In unserer Community-Gruppe kannst du dich an Diskussionen über intelligente Erfahrungen beteiligen.