Überall wo in Unternehmen in manuellen Arbeitsschritten Daten klassifiziert, verknüpft und gefiltert werden, warten gewaltige Einsparpotentiale. Durch den Einsatz von künstlicher Intelligenz werden Textdokumente und Datenobjekte zuverlässig analysiert, systematisiert und wertvolle Metadaten erzeugt. Nicht selten verringert sich der Zeitaufwand damit verbundener Aufgaben von einigen Jahren auf wenige Sekunden.

In Unternehmen zahlreicher Branchen werden täglich Daten von Sachbearbeitern integriert, analysiert, klassifiziert und mit Metadaten versehen. Bei Informationsdienstleistern, zum Beispiel Anbietern von Wirtschafts- oder Fachinformationen, übernehmen ganze Redaktionsteams diese Aufgaben und spielen dabei eine zentrale Rolle im digitalen Wertschöpfungsprozess. Im Ecommerce erzeugen Mitarbeiter im Product Information Management durch semantisch angereicherte Produktdaten die Grundlage für kundenzentrierte Such- und Empfehlungssysteme. In wissenschaftlichen Bibliotheken und im Buchhandel bilden vernetzte Normdaten und Systematiken das semantische Rückgrat von Millionen von Publikationen im Bestand.

Leistungsfähige Open Source Technologien

Avantgarde Labs automatisiert Redaktionsprozesse in Unternehmen verschiedener Branchen durch den Einsatz künstlicher Intelligenz. Üblicherweise werden in diesen Unternehmen jährlich mehrere zehn- oder hunderttausend Textdokumente und Datenobjekte von internen Redaktionsmitarbeitern erzeugt, verschlagwortet und systematisiert. Diese Arbeit ist kognitiv belastend, fehleranfällig und mit hohen Kosten verbunden. Mit Hilfe maschineller Lernverfahren werden Softwareroboter entwickelt, die diese Aufgaben schnell und zuverlässig erledigen.

Das naheliegende Potenzial der Automatisierung durch künstliche Intelligenz ist die Entlastung der Mitarbeiter, die Senkung von Fehlerraten und eine signifikante Kostenreduktion.

Leistungsfähige Open Source Technologien für künstliche Intelligenz ermöglichen es Unternehmen, Lösungen ohne die Zahlung von Lizenzgebühren zu entwickeln. Dadurch erhöht sich die Menge der Anwendungsfälle deutlich, für die die Entwicklung einer Individuallösung wirtschaftlich sinnvoll erscheint.

Künstliche Intelligenz ersetzt manuelle Arbeit

Künstliche Intelligenz wird von vielen Entscheidern noch missverstanden, dabei handelt es sich lediglich um die Automatisierung von manuellen Tätigkeiten und Entscheidungen durch intelligente Lernalgorithmen. Lösungen finden in zahlreichen Branchen Anwendung und steigern die Effizienz in verschiedenen betrieblichen Funktionen wie der internen Informationsversorgung, Marketing und Vertrieb, Personal, Finanzen oder Recht.

Die vollständige Automatisierung von Prozessen ist dabei oft weder technisch möglich noch erwünscht. Im Standardfall wird ein System zur effizienten Interaktion von Mensch und Maschine geschaffen: Häufig werden 50 bis 90 Prozent der betroffenen Dokumente oder Datenobjekte durch den Softwareroboter in menschlicher Qualität verarbeitet. Für den Rest der Fälle liefert der digitale Helfer lediglich hilfreiche Vorschläge, die von Mitarbeitern geprüft und gegebenenfalls korrigiert werden.

Im Ergebnis wird der bisherige manuelle Prozess deutlich beschleunigt. Je nach Anwendungsfall kann dem Softwareroboter eine durchschnittliche Zielqualität für seine Aufgabe vorgegeben werden. Je mehr Fehler akzeptabel sind, desto größer wird der Anteil der Daten, die durch die Software automatisch und ohne nachgelagerte menschliche Kontrolle bearbeitet werden können.

Projektablauf und Erfolgsfaktoren

Der Erfolg von Projekten zur Automatisierung hängt von der koordinierten Zusammenarbeit verschiedener Rollen und Funktionen ab. Ein Projekt zum Einsatz von künstlicher Intelligenz sollte mit einem Workshop beginnen, bei dem Entscheider und Fachexperten mit Business-, Prozess- und IT-Know-how an einem Tisch sitzen. Pauschale Versprechen über die voraussichtliche Leistungsfähigkeit der Lösung sollten stets kritisch hinterfragt werden.

Empfehlenswert ist zu Projektbeginn die Entwicklung eines Prototyps, der die technische Machbarkeit des Vorhabens belegt. Die Zielqualität der Lösung sollte klar definiert und messbar sein und finanzielle Kenngrößen sollten die betriebswirtschaftlichen Resultate der Lösung abbilden. Häufig amortisieren sich die Investitionskosten schon innerhalb eines Jahres nach der Einführung der Lösung.

Eine der größten Gefahren beim Einsatz von künstlicher Intelligenz ist nicht die mangelnde Qualität der Lösung, sondern die fehlende Akzeptanz der Nutzer. Erfolgreiche Projekte beziehen deswegen betroffene Mitarbeiter von Beginn an in die Entwicklung der Lösung ein. Dazu gehört einerseits die Nutzung des Expertenwissens, welches die Mitarbeiter in ihrer jahre- oder jahrzehntelangen Tätigkeit erworben haben. Andererseits ist die Begleitung der Mitarbeiter bei der Einführung der Lösung erfolgskritisch. Die Erläuterung des Vorgehens bei der Entwicklung und der Logik der eingesetzten Automatismen steigern die Akzeptanz der Lösung erheblich.

Fazit

In vielen Branchen und Anwendungsfällen existieren große Automatisierungspotentiale. Durch mangelnde Erfahrung zum Einsatz maschineller Lernverfahren bleiben diese Möglichkeiten jedoch häufig unerkannt und dadurch ungenutzt. Der Transfer von Erfahrungen aus erfolgreichen Projekten kann für den wertschöpfenden Einsatz von künstlicher Intelligenz wertvolle Impulse liefern.

Der Autor: Torsten Hartmann ist Geschäftsführer der Avantgarde Labs GmbH. Das Dresdner Unternehmen entwickelt seit zehn Jahren maßgeschneiderte Softwaresysteme für den gehobenen Mittelstand. Technologische Schwerpunkte des Technologiespezialisten sind skalierbare Backend- und Middleware, performante Lösungen für Datenmanagement und Suche, Data Mining und Machine Learning. Torsten Hartmann berät Unternehmen bei der Automatisierung von Prozessen durch den Einsatz künstlicher Intelligenz und ist Mitglied im Vorstand des AK Artificial Intelligence im BITKOM.