Geht es um KI, stellen sich Unternehmen vor allem die Frage: Wo und wie hilft KI ganz konkret, im Arbeitsalltag Zeit und Kosten zu sparen? Dabei unterstützt sie Cloudflight mit AI Patterns. [...]
Der Einsatz von AI Patterns ist eine strukturierte Methode, alle potenziellen Einsatzszenarien von Künstlicher Intelligenz in Unternehmen zu ermitteln und vor einer Umsetzung auch Effizienzbetrachtungen vorzunehmen.
Mit AI Patterns können Unternehmen ihre konkreten Prozesse systematisch daraufhin prüfen, ob und wie sie Künstliche Intelligenz für eine Optimierung einsetzen können. Besonders lukrativ ist dies zum Beispiel in Fällen, wo Informationen auf Papier mit Informationen eines ERP-Systems abgeglichen und übernommen werden müssen. Dies erfolgt häufig noch manuell.
Beispiel Dokumentenverarbeitung: An einem Produktionsbetrieb mit mehreren Standorten finden täglich etwa 1.000 Anlieferungen statt. Die jeweiligen Lieferscheine werden an jedem Standort entgegengenommen, gestempelt, an eine zentrale Stelle, dort gescannt und einem Dateiverzeichnis pro Standort auf einem internen Server gespeichert.
Dann erfolgt das manuelle Öffnen durch Angestellte, die den Lieferschein und dessen Daten mit der Bestellung im System vergleichen. Dazu müssen sie die Bestellung finden und die Mengen prüfen. Fand nur eine Teillieferung statt, müssen die Mengen bestimmt und eingetragen werden. Über das manuelle Erfassen der Daten aus den Lieferscheinen entstehen dabei digitale Daten im Warenwirtschaftssystem.
Die Dokumentenverarbeitung ist eine Paradedisziplin für den Einsatz von KI, weil sie in der Lage ist, aus scheinbar unstrukturierten Texten Informationen und Daten zu extrahieren (so wie es menschliche Mitarbeiter:innen bei Lieferscheinen ja auch tun). Drei Themenfelder (=Sub-AI-Pattern) sind dabei besonders hilfreich:
- Dokumentklassifizierung: Die KI kann erkennen, ob eine Rechnung, eine Reklamation oder ein Lieferschein vorliegt. Sie erkennt auch innerhalb eines ganzen Papierstapels, wenn ein Lieferschein aus mehreren Seiten besteht und kann Seite zwei zuordnen.
- Textklassifizierung: Was bei ganzen Dokumenten funktioniert, kann man auch auf kleinere Textblöcke anwenden. Anhand von Wörtern und Satzteilen kann die KI etwa feststellen, ob die Zuschrift eines Kunden eine Bestellung, eine Reklamation oder eine Bitte nach weiteren Informationen ist. Im Unterschied zur Dokumentenklassifizierung können hier auch mehrere Themen in einem einzelnen Dokument erkannt werden.
- Entitäten-Extraktion: Hiermit ist das Erkennen und Übernehmen von Lieferantennamen, Rechnungsnummern, Auftragsnummern, Lieferpositionen und Mengen gemeint. Sie sorgt für die automatische Zuordnung zu Datenbank-Informationen im Warenwirtschafts- oder ERP-System.
Neben dem vollautomatischen Abgleich der ermittelten Daten können auch die gescannten Dokumente passend und konsistent umbenannt werden, um beispielsweise den Dokumenttyp und die Auftragsnummer zu enthalten.
Evaluierung eines AI Pattern für den konkreten Fall
Um festzustellen, ob sich der Einsatz der KI für den geschilderten Fall lohnt, hilft eine grobe Überschlagsrechnung. Die KI kann die Erfassung und Klassifizierung in das Warenwirtschaftssystem pro Vorgang in weniger als einer Sekunde vornehmen. Ist ein Mitarbeitender pro Lieferschein circa eine Minute beschäftigt, spart das bei 1.000 Anlieferungen pro Tag 1.000 Minuten und circa 250.000 Minuten pro Jahr (oder 520 Personentage).
Zur Risiko- und Aufwandsabschätzung gilt es die Datengrundlage dahin gehend zu betrachten, ob die KI genügend Datenmaterial hat, um die oben genannten Klassifizierungen auch durchführen zu können. Im Beispielfall ist das gegeben: Es gibt circa 250.000 Dokumente pro Jahr, die exportierbar sind und perfekt zum Anlernen der KI dienen können.
Dem gegenüber ist die Anzahl der Zulieferer und verschiedenen Dokumentformate limitiert, die Freiheitsgrade sind überschaubar. Eine Implementierung ist daher moderat komplex und mit einem überschaubaren Risiko versehen.
Ein Gegenbeispiel wäre die automatische Verarbeitung von wenigen Bewerbungen pro Woche in der Personalabteilung. Die eingehenden Dokumente sind absichtlich häufig sehr individuell, die absolute Menge gering und daher keine gute Grundlage, um eine KI einzuführen.
Mehr dazu lesen Sie hier.
*Bernhard Lauer beschäftigt sich seit Jahrzehnten mit IT-Themen und bereitet diese als Autor und Redakteur auf – unter anderem für die dotnetpro. Programmieren gelernt hat er mit dem C64 und Basic. Er hat über die Anfänge von Java, JavaScript, HTML und .NET berichtet und sich zuletzt mit Python beschäftigt, nicht zuletzt deshalb, weil es ohne Semikolons auskommt ;-).
Be the first to comment