Hinter angewandter Künstlicher Intelligenz steckt meist ein buntes Netzwerk an Bausteinen. Problembezogen lassen sie sich so kombinieren, dass smarte Prozesse implementiert werden können. Pegasystems präsentiert die vier gängigsten Bausteine, mit denen Unternehmen KI-Use-Cases umsetzen können, um neue Potenziale erschließen. [...]
Mit Technologien zur Implementierung Künstlicher Intelligenz in Unternehmensprozessen verhält es sich wie mit einem Lego-Baukasten: erst durch die passende Kombination verschiedener Bausteine kann zielgerichtet das Endprodukt zusammengebaut werden.
Dabei gilt für den Baukasten, wie auch für Lösungen die Künstliche Intelligenz nutzen, dass die Auswahl der verwendeten Steine einzig von der Frage abhängen sollte, mit welchen Kombinationen sich auf effiziente Weise das Ergebnis erreichen lässt.
Pegasystems, Anbieter einer Low-Code-Plattform für KI-gestützte Entscheidungsunterstützung und Workflow Automation, die die Agilität weltweit führender Unternehmen steigert, listet vier Bausteinen auf, die Unternehmen nutzen und miteinander kombinieren können, um KI-gestützte Prozesse zu implementieren, Abläufe zu automatisieren und Informationslücken zu schließen.
Automation und Decisioning
Beide zählen zu den logikgestützten Ansätzen und sind Teil des erweiterten KI-Werkzeugkastens. Die Automatisierung von Aktivitäten ist ein zentraler Baustein für viele KI-gestützte Lösungen. Automation bezeichnet die automatische Durchführung von regelbasierten Abläufen.
Eine Technologie, die beispielsweise zum Einsatz kommt, wenn Kunden sich für einen Newsletter anmelden oder einen Zahlungsvorgang in Gang setzen. Der Decisioning-Teil nutzt Entscheidungsstrategien, -tabellen und -bäume, um Entscheidungsprozesse zu modellieren und umzusetzen.
Dieser Baustein wird beispielsweise erfolgreich im Marketing eingesetzt: Anstatt Massenmarketing zu betreiben, können eingeloggte Websitebesucher auf ihre Interessen und ein mögliches Bedürfnis analysiert und mit einer gezielten individualisierten Botschaft oder einem Service angesprochen werden.
Machine Learning
Wenn der menschliche Verstand bei komplexen Problemen an seine Rechengrenzen kommt oder Unsicherheit besteht, können per Machine Learning Eintrittswahrscheinlichkeiten, Erwartungswerte oder Ähnlichkeiten berechnet und in der Lösung verwendet werden. Bei Verfahren des überwachten Lernens wird ein Modell mit Daten trainiert, bei denen die richtige Antwort auf die gesuchte Frage bekannt ist.
Dadurch wird der Algorithmus beispielsweise auf eine Gewichtung von Parametern trainiert und ist so in der Lage, die Wahrscheinlichkeiten einer Klassenzugehörigkeit oder eines gesuchten Wertes zu schätzen. Unüberwachte Lernverfahren arbeiten mit Daten, welche die richtige Antwort auf die gesuchte Frage nicht enthalten und anhand der verborgene Muster und Strukturen schlussfolgern.
Dieser Ansatz kommt beispielsweise bei der Beantwortung der Frage „Welche Produkte könnten mir noch gefallen“ im E-Commerce-Kontext zum Einsatz.
Process Mining
Um einen guten Überblick über vorhandene Unternehmensprozesse, mögliche Schwachstellen, Engpässe oder Verbesserungspotenziale zu erhalten, müssen die bestehenden Strukturen analysiert werden. Das ist mit Process Mining möglich, einer Technologie, die aus den vorhandenen Datenspuren von Transaktionen in Kernsystemen Prozesse ableitet und visualisiert.
Analysiert man anschließend alle Durchläufe, können die Kriterien markiert werden, die zu hohen Bearbeitungszeiten, ineffizienten Wiederholungen oder Prozessabbrüchen führen. Auf Basis dieser Ergebnisse lassen sich die Abläufe in nahezu allen unternehmerischen Bereichen optimieren.
Natural Language Processing
Menschen kommunizieren primär über Sprache. Das bringt auch im Rahmen der Digitalisierung immer öfter die Anforderung mit sich, gesprochene Inhalte zu verstehen und die Mensch-Maschine-Kommunikation voranzutreiben. Hinter Voice- und Chatbots (Conversational AI) steht Natural Language Processing (NLP). Eine Technologie, die Wörter und Wortkombinationen verstehen und Sachverhalten zuordnen kann.
Interpretierte Kommunikationsinhalte können dann mit anderen Bausteinen weiterverarbeitet werden, das heißt sie starten Aktivitäten oder helfen bei der Entscheidungsfindung. NLP kann beispielsweise dabei unterstützen, eine eingehende Kundenanfrage als Vertragswechsel zu interpretieren und die automatische Bearbeitung in Gang zu setzen. Derartige Verfahren sind heute im Customer Service bereits Standard.
Fazit:
Künstliche Intelligenz kommt heute in vielen Szenarien und Prozessen zum Einsatz. Die Technologie erinnert ein bisschen an einen großen Werkzeugkasten. Bevor man einzelne Tools verwendet, sollte man sich Gedanken darüber machen, mit welchem Baustein welche Herausforderung gelöst werden kann.
Be the first to comment