Tom Horak
25.1.2023
Um Künstliche Intelligenz (KI) und ihre Möglichkeiten spinnen sich viele Mythen. Für die meisten Menschen ist nicht klar, was genau da eigentlich im Hintergrund passiert. Oft ist nur das Endergebnis sichtbar: Das selbstfahrende Auto hat seine Geschwindigkeit reduziert, ein bereitgestellter Text ist übersetzt oder eine gescannte Rechnung wurde mit allen Werten korrekt in das Rechnungssystem übertragen.
Aber wie genau trifft eigentlich die KI solche Entscheidungen? Oder besser gesagt: Was ist nötig, damit Entscheidungen und Prozesse automatisiert werden können? Wir geben einen umfassenden Einblick in unseren “KI-Eisberg”.
Sprich, was unterhalb der sichtbaren Oberfläche passiert – und wie wir damit als elevait unsere Kund:innen mittels KI effizient in ihrem Arbeitsalltag unterstützen.
Unsere Produkte ermöglichen es unseren Kund:innen verschiedenste Geschäftsprozesse zu automatisieren. Eingehende Dokumente und Daten werden an unsere Schnittstelle übermittelt und anschließend innerhalb kürzester Zeit als extrahierte und aufbereitete Informationen in das gewünschte Zielsystem unserer Kund:innen überspielt. Im einfachsten Falle ist das bereits alles, was kundenseitig zu sehen ist. Natürlich sind die eingehenden Daten nicht immer in einem perfekten Zustand, wofür wir entsprechende Werkzeuge bereitstellen.
Mit unserer elevait Suite ermöglichen wir dafür die Verwaltung von Unternehmenswissen, wie zum Beispiel Geschäftsregeln. Diese Regeln erlauben die automatisierte Validierung, Korrektur oder auch Ableitung neuer Informationen. Damit kann granular gesteuert werden, welche Informationen und Vorgänge tatsächlich im Zielsystem landen und welche aussortiert werden. Alle Vorgänge können auch nachträglich in der elevait Suite betrachtet werden:
Zusammen bilden diese Funktionalitäten die sichtbare Oberfläche unseres Eisbergs.
Der Großteil heutiger KI-Anwendungen basiert auf maschinellem Lernen (ML), das heißt die “Intelligenz” entsteht aus der statistischen Betrachtung großer Mengen von Daten und der Erkennung von Regelmäßigkeiten. Anders gesagt lernt die KI, welche Merkmale für Unterscheidungen und somit Entscheidungen genutzt werden können.
Der Startpunkt dafür ist die Bereitstellung von Trainings- und Testdaten, insbesondere durch unsere Kund:innen. Diese Daten werden annotiert, das heißt, es wird manuell die korrekte Interpretation vorgegeben. Ein Beispiel hierfür ist, auf einer Rechnung den Bereich der Rechnungsnummer als diesen zu kennzeichnen. Hiermit kann das maschinelle Lernen gestartet und ein Modell generiert werden. Basierend auf dem Modell ist die KI dann in der Lage, extrem schnell Entscheidungen in gegenwärtigen betrieblichen Abläufen für neue und dennoch gleichartige Daten zu treffen. Damit wird eine Automatisierung der Abläufe ermöglicht.
Ein wesentlicher Punkt ist die Gewährleistung einer hohen Qualität der getroffenen Entscheidungen. Diese werden auch als Extraktion bezeichnet. Die Qualität kann mit Testdaten überprüft werden, indem die KI diese Daten analysiert und ermittelt, wie viele Einträge korrekt ausgewertet wurden. Um die Qualität zu verbessern, ist es hilfreich, mehr Trainingsdaten mit einer möglichst hohen Diversität zusammenzutragen – je mehr Sonderfälle die KI kennt, desto robuster wird die Erkennung. Gleichzeitig sind Modelle auch immer spezialisiert auf bestimmte Aufgaben: elevait pflegt zum Beispiel eigene Modelle für Handschrifterkennung, Rechnungsextraktion und die Erkennung von Markern auf Bauplänen.
Sehr häufig wird Künstliche Intelligenz mit dem statistischen Ansatz des maschinellen Lernens gleichgesetzt oder auf diesen reduziert. Allerdings kann KI auch durch sogenannte symbolische Ansätze erreicht werden– der so genannten Wissensmodellierung. Tatsächlich ist dieser Teil der KI für eine umfassende Automatisierung in Unternehmen sogar enorm wichtig. Hintergrund ist, dass Domänen- beziehungsweise Unternehmenswissen sich (noch) nicht automatisch und umfänglich aus den Unternehmensdaten ableiten lässt – ein wesentlicher Teil des Wissens steckt in den Köpfen der Mitarbeitenden.
Ein wichtiger Bestandteil der elevait Suite ist daher unsere semantische Datenmodellierung. Vereinfacht gesagt bedeutet dies, dass wir Domänenwissen formal abbilden und dadurch im System auch ohne den Einsatz von maschinellem Lernen Rückschlüsse gezogen werden können. Das umfasst zum Beispiel das Wissen, dass eine Rechnung ein spezieller Typ eines Dokumentes ist, bestimmte Merkmale aufweisen muss und eine Zuweisung (oder Relation) zu einer Buchung hat. Ergänzend dazu erlauben es die bereits vorher angesprochenen Geschäftsregeln, das Wissen über Abläufe abzubilden. So kann zuerst geprüft werden, ob die Werte der eingehenden Rechnung plausibel sind, bevor die Generierung einer Buchung sowie die Zuordnung zum Sachkonto erfolgt und dadurch diese Abläufe automatisiert erfolgen.
Die umfassenden Funktionalitäten der elevait Suite zur Prozessautomatisierung ergeben sich also aus der Kombination der ML- und Wissensschicht: Mittels maschinellen Lernens automatisieren wir die Erfassung eingehender Informationen. Durch Wissensmodellierung können diese Informationen dann zielgerichtet weiterverarbeitet werden. Das heißt auch, dass durch die Verbindung der zwei Schichten, und damit die Kombination von statistischer und symbolischer KI, unsere Automatisierungslösungen genau auf die jeweiligen Kundenbedürfnisse zugeschnitten und die entsprechenden Abläufe effektiv optimiert werden.
Zusammengefasst gibt es zahlreiche Bausteine, die die Automatisierung von Abläufen mit der elevait Suite ausmachen:
Aus technischer Sicht sind das viele verschiedene Services, die, abhängig von den Anforderungen der Kund:innen, wie in einem Baukastenprinzip zusammengefügt werden. In ihrer Kombination helfen sie, die Unternehmensprozesse signifikant zu vereinfachen und zu beschleunigen.
Dieser Einblick zum Eisberg kann natürlich nicht auf alle Details der verschiedenen Schichten eingehen. Klar ist, dass die Kombination von modernen Technologien ein hilfreiches Werkzeug ergibt, welches es unseren Kund:innen erlaubt, effizienter zu arbeiten. Insbesondere bei repetitiven und zeitintensiven Prozessen lassen sich so Mitarbeitende entlasten und dem Unternehmen neue Kapazitäten in ihrer strategischen Arbeit geben.
Wer gerne noch tiefer in technische Details eintauchen möchte, findet in unseren Tech-Beiträgen dazu noch weitere interessante Insights mit Expert:innen-Wissen.
Der EU-AI-Act ist in Kraft getreten. Konkret bedeutet das viele Änderungen für Firmen, die im Bereich KI tätig sind oder mit KI arbeiten. Welche Anpassungen sind bis wann notwendig? Alle relevanten Informationen für Unternehmen rundum den EU-AI-Act.
mehr lesen...Digitale Rechnungsverarbeitung nutzt KI, um Rechnungen effizient zu erfassen, Daten automatisch zu extrahieren und in Systeme zu übertragen. Doch was sind die Vorteile und wieso sollte man digitale Rechnungsverarbeitung nutzen?
mehr lesen...Wissen ist eine der wichtigsten Ressourcen, um als Unternehmen langfristig erfolgreich zu sein. Wissensmanagement hilft, Ziele zu erreichen und die gewünschten Ergebnisse zu erlangen. Im Blog schauen wir uns an, wie Unternehmen von einer strukturierten Wissensbasis profitieren.
mehr lesen...
