Ein technologischer Wendepunkt
Geschäftsprozesse digitalisieren mit KI
Fortsetzung des Artikels von Teil 1
Wie KI in Prozesse einbinden?
Wenn sich ein Unternehmen dafür entscheidet eine KI-Lösung zu implementieren, hat es nicht nur die Wahl zwischen den verschiedenen Formen Künstlicher Intelligenz. Auch die Vielfalt der Anbieter, die es mittlerweile auf dem Markt gibt, ist groß. Global Player wie Google oder Amazon Web Services stellen ihre KI-Plattformen vor allem für Unternehmen zur Verfügung. Auf diesen Plattformen können Unternehmen dann selbstständig KI-Anwendungen realisieren: Somit handelt es sich bei diesem Angebotsformat um AI as a Service (AIaaS). Neben den reinen Technologieanbietern, gibt es jedoch auch Serviceprovider.
Wenn sich Unternehmen dafür entscheiden, eine KI Lösung zusammen mit einem externen Partner zu realisieren, ist der erste Schritt die Zieldefinition. Welchen Prozess will ich mit Hilfe der KI optimieren und welches Ziel erreichen? Es folgt eine individuelle Analyse und Kosten-Nutzen Einschätzung, denn nicht jeder Prozess ist dafür geeignet von einer KI übernommen oder unterstützt zu werden. Fällt die Entscheidung für eine KI-Lösung, arbeiten die externen Experten zusammen mit den Unternehmen an der technologischen Umsetzung. Dazu gehört unter anderem die Auswahl von Machine- oder Deep-Learning-Modellen und konkreter die Frage, welche Analysen die KI durchführen soll. Einen sensiblen und erfolgskritischen Teil der KI-Implementierung stellt, wie zuvor erwähnt, das Training der Algorithmen dar.
Mögliche Einsatzgebiete einer KI
So zahlreich wie die Mythen, die sich um Künstliche Intelligenzen ranken, sind auch ihre Anwendungsgebiete. Eine KI kann je nach Komplexitätsgrad verschiedenste Aufgaben erfüllen:
- Klassifikation von Informationen: Ein Beispiel für die Klassifikation von Informationen durch eine KI, vor allem bei großen Volumen, ist die visuelle Prüfung von Dokumenten und die anschließende Zuordnung zu einer Dokumentenklasse (Vertrag, Rechnung oder Ähnliches).
- Suche und Extraktion von Informationen bei großen Dokumentenmengen: Künstliche Intelligenzen sind in der Lage, Informationen in verschiedenen Dokumenttypen zu identifizieren, um diese anderen Systemen zur Weiterverarbeitung zu übertragen. Das ist zum Beispiel bei der automatischen Extraktion von Metadaten der Fall. Dabei wird zwischen strukturierten (wie Formulare mit festgelegten Feldern), teil-strukturierten (Rechnungen mit festgelegten Feldern und variierenden Rechnungszeilen) und unstrukturierten (Fließtext) Dokumenten unterschieden. Insbesondere bei der Analyse von Freitexten, wenn zum Beispiel die wichtigsten Daten aus einem Vertragstext extrahiert werden sollen, bieten KI-Anwendungen eine wertvolle Unterstützung. Die Grundlage für die Analyse von Texten bildet die optische Zeichenerkennung (Optical Character Recognition = OCR), die gescannten Dokumenten, welche nur als Rastergrafik vorliegen, Textcodierungen zuweist. Auch andere Eingangsinformationen wie Bilder oder Videos können KI-Lösungen analysieren und daraus Informationen extrahieren.
- Erkennen von Ähnlichkeiten zwischen Informationen: Auf der Suche nach bestimmten Bildausschnitten in Videos (zum Beispiel Logo-Verwendung) oder Ähnlichkeiten zwischen Vertragsdokumenten ist die Fähigkeit einer KI, das Input-Material nach ähnlichen Informationen zu untersuchen, sehr nützlich.
- Sprachfähigkeit: NLP analysiert unter anderem die Kommunikation von Nutzern mit Chatbots oder vereinfacht das Personalmanagement durch automatisches Filtern von Anschreiben. Ein Beispiel hierfür wäre die Analyse der Tonalität des Anschreibens. NLP kann dabei eine Aussage darüber treffen wie positiv eingestellt oder motiviert der Verfasser ist. Dabei ist auch der Umgang mit mehreren Sprachen gleichzeitig möglich.
Wie diese Fähigkeiten konkret in der Praxis zum Einsatz kommen können, illustrieren die beiden folgenden Beispiele.
1) Der digitale Posteingang
Eine Möglichkeit für den Einsatz von KI im Rahmen digitaler Geschäftsprozesse ist die Optimierung des digitalen Posteingangs. Doch zunächst ein paar Worte zum Konzept dahinter: Durch die explosionsartige Verbreitung des Homeoffice stehen Arbeitgeber vor der Herausforderung, wie sie klassische Geschäftsprozesse, wie das Bearbeiten der Eingangspost, in Zukunft handhaben wollen. Eine Möglichkeit ist die Beauftragung eines externen Dienstleisters wie Iron Mountain, der die Post digitalisiert und anschließend verteilt.
- Abholen der Dokumente
- Inbound und Registrieren
- Sortieren und Vorbereiten
- Scannen
- Sicheres Archivieren der physischen Unterlagen bzw. sichere Vernichtung
- Klassifizieren und Indexieren
- Qualitätssicherung
- Ausgabenerstellung und Datentransfer
- Verteilung der digitalen Dokumente
KI-Lösungen sind insbesondere für das Klassifizieren und Indexieren und aufbauend darauf, vor allem bei großen Unternehmen, für die Verteilung der Dokumente interessant, wobei KI auch in der Qualitätssicherung zum Einsatz kommen kann. Bei der Verteilung der Dokumente kann fortschrittliches NLP genutzt werden, um komplexe Routingregelwerke zu ergänzen. NLP kann Freitexte inhaltlich auswerten, priorisieren und das System anweisen, die Post an die entsprechenden Mitarbeiter weiterzuleiten. Für die Klassifikation von (teil)strukturierten Dokumenten eignen sich auch einfachere KI-Lösungen: Handelt es sich bei einem gescannten Dokument um eine Rechnung, wird diese von der KI erkannt, die nötigen Informationen extrahiert und je nach Automatisierungsgrad des digitalen Posteingangs direkt an die zuständige Abteilung weitergeleitet. Eine solche automatische Weiterleitung ist abhängig vom Dokumententyp, beziehungsweise wie zuverlässig dieser erkannt wird. Unter Umständen ist eine zusätzliche Qualitätskontrolle durch Personal nötig. Eine Klageschrift wird so zum Beispiel an die Rechtsabteilung übermittelt und eine Rechnung an die Buchhaltung. Auch Metadaten wie den Absender entnimmt die KI den Dokumenten. Korrekt implementierte und trainierte Systeme klassifizieren Dokumente dabei in mehr als 98 Prozent der Fälle richtig. Die intelligenten Klassifizierungs- und Analysefunktionen einer KI verschlanken das Management eines digitalen Posteingangs deutlich und können auch das Routing der Dokumente vereinfachen. Im stärksten Automatisierungsgrad sollen KI-Lösungen in Zukunft selbstständig Rechnungen, Kreditverträge oder andere Aufgaben bearbeiten können.
Zum sinnvollen Konzept des digitalen Posteingangs stellen KI-Anwendungen entsprechend eine überaus hilfreiche Ergänzung dar.
2) Kundendienst & KI
Ein weiteres Beispiel für einen Geschäftsprozess, der von der Integration einer KI profitiert, ist der Kundendienst. Ein klassisches KI-gestütztes Serviceangebot des Kundendienstes ist ein Chatbot, entweder über einen Messaging-Dienst wie WhatsApp oder per E-Mail. Mit Hilfe von Natural Language Processing erkennt ein Chatbot den eingegebenen Text und kann den Fragesteller im Anschluss anhand von Details, die er durch spezifische Rückfragen ermittelt hat, an einen Ansprechpartner verweisen, Unterstützung anbieten oder Unterlagen zuschicken.
Der Kundenservice beschränkt sich jedoch nicht nur auf die Kommunikation mit den Kunden. Unterstützt durch KI können Unternehmen zum Beispiel auf anstehende Wartungstermine hinweisen, nachdem die KI zuvor Reparaturdaten und Informationen zu Ersatzteilen ausgelesen und analysiert hat. Eine KI ist darüber hinaus in der Lage, aus der Datenbank eines Unternehmens Rückschlüsse auf Produktfehler oder mögliche Verbesserungsansätze zu ziehen. Ein Beispiel wären Maschinen- oder Automobilhersteller, die mit einer KI ihre Wartungsdatenbank auf Produktfehler hin analysieren können.
Zusammengefasst kann KI, wenn sie für den Kundendienst eingesetzt wird, Personal entlasten, Zeit sparen und einen echten Mehrwert für die Kunden bieten.
- Geschäftsprozesse digitalisieren mit KI
- Wie KI in Prozesse einbinden?
- Die DSGVO im Fokus
Lesen Sie mehr zum Thema
