Maschine Learning (ML) und Künstliche Intelligenz (KI) sind Schlüsseltechnologien, die aktuell ganz oben auf der Agenda der Unternehmen stehen. Viele mittelständische und große Firmen stehen bereits in den Startlöchern: Sie wollen KI-Technologien einsetzen und sich so einen Vorsprung im Wettbewerb sichern – und zwar so schnell wie möglich. Ob Machine Learning und Deep Learning, ob Natural Language Processing oder Robotic Process Automation (RPA): Es gilt, die viel beschworene Vision in die Realität zu bringen. Denn trotz des großen Potenzials der Technologien reagieren viele Firmen noch zurückhaltend – insbesondere kleinere Betriebe. Das hat die neue Studie „Machine Learning / Deep Learning 2018“ vom IT-Marktbeobachter IDG Research Services gezeigt.
Zeitgemäße digitale Lösungen helfen Unternehmen, Prozesse zu verschlanken und neue Strategien voranzutreiben. Aktuelle Technologien sind zum Beispiel Dialogsysteme und Chatbots – intelligente Maschinen, die Sprache verstehen und schriftlich oder mündlich mit einem Nutzer in Echtzeit kommunizieren können. Um die Effektivität der angebotenen Dienste zu erhöhen, bedienen sich Chatbots der Funktionen von Natural Language Processing und Understanding, für die datengetriebene Kundenbindung setzen sie vor allem auf Machine Learning-Tools.

Die fortschrittlichste Stufe von Machine Learning besteht in Prediction und Prescription – die Vorhersage von Verhalten bzw. Ereignissen für die Zukunft sowie ein Verständnis für die ausschlaggebenden Gründe. So können beispielsweise Bankmitarbeiter feststellen, mit welcher Wahrscheinlichkeit Kunden in Verzug geraten könnten und geeignete Maßnahmen ergreifen.

Empfehlungssysteme arbeiten mit einer intelligenten Filterung von Informationen: Ähnlichkeiten zwischen Benutzern und Angeboten werden ermittelt und Vorschläge generiert, die den Vorlieben des Endanwenders entsprechen. So können Einkaufserlebnis und Kundenbindung effektiv gesteigert werden. Technisch wird dabei die Datenverarbeitungsengine von Advanced Analytics bereitgestellt, mittels AI gesteuert und mit Hilfe von Machine-Learning-Techniken aufgebaut.

Geschäftsprozesse optimieren mit datengetriebenen Robotern

Es ist möglich, mithilfe datengetriebener, selbstlernender Roboter einen auf Self-Learning-Technologien und künstlicher Intelligenz basierenden Automatisierungsprozess zur Steigerung der Produktivität und Effizienz von Geschäftsprozessen zu entwickeln. Geschäftsprozesse, die Robotik und Machine-Learning-Techniken verknüpfen, erleichtern die Integration der Automatisierung in organisatorische Abläufe. So kann ein Roboter beispielsweise kurzfristig anstehende Operationen mit Unterstützung von Machine Learning effizient ausführen – hochrelevant für viele Geschäftsprozesse in der Industrie.

Hierzu gehören auch Instrumente der Robotic Process Automation (RPA) und der Intelligent Process Automation (IPA). Dank „intelligenter“ Technologien, die sich von der Automatisierung regelmäßig wiederkehrender Aufgaben hin zu neuen Paradigmen entwickeln und auf Machine Learning basieren, sorgt die IPA letztendlich auch für eine Optimierung der RPA. Auf diese Weise entwickeln datengetriebene Roboter neue Fähigkeiten, treffen Entscheidungen und geben Feedback.

Die Kombination von RPA, KI und ML dient zudem dazu, die Menschen auch kognitiv zu entlasten. RPA ist ein hervorragendes Instrument für repetitive Aufgaben. Durch die Kombination von KI und ML können „Sisyphusarbeiten“ wie z.B. die Überprüfung und Analyse von Verträgen enorm erleichtert und potenzielle Fehlerquellen minimiert werden. Diese Tools kommen vermehrt in Bereichen zum Einsatz, in denen viele Daten zu analysieren sind. Hierzu zählen etwa die Versicherungsbranche, die Finanzindustrie sowie die Bereiche Logistik und Automotive. So kann beispielsweise in der Automobilindustrie die Entwicklung und Vorhersage der Verkaufszahlen eines bestimmten Modells viel leichter errechnet werden – auch unter Berücksichtigung der jeweiligen volkswirtschaftlichen Dynamik. Die großen Datenmengen, die hierfür benötigt werden und nach bestimmten Faktoren auszuwerten sind, lassen sich von einem Algorithmus weitaus besser bearbeiten als von einem Menschen. Der Algorithmus ist systematischer und schneller. Der Mensch nutzt anschließend seinerseits die Resultate, um fundierte strategische Entscheidungen zu treffen. Diese Kombination ist ideal, denn es ergänzen sich typisch menschliche Kompetenzen mit den Fähigkeiten künstlicher Intelligenz.

Für die Erkennung von Bildern und Videos eignen sich innovative Deep Learning-Techniken. Diese auf neuronalen Netzwerken basierenden Techniken lassen Erkennungssysteme zu, mit denen sich bestimmte Objekte und Eigenschaften in Videos/Bildern identifizieren und darüber hinaus sogar Gesichtsausdrücke interpretieren lassen. Konkrete Beispiele sind die Stimmungserkennung in der Kundenbetreuung, eine visuelle Überprüfung auf Unregelmäßigkeiten sowie das Zählen von Objekten.

Zur Umsetzung ambitionierter Projekte gehören neben adäquaten Lösungen auch entsprechende Service- und Beratungsleistungen insbesondere in den Bereichen Systemintegration, Big Data, Cloud Computing und Internet of Things (IoT). So können Unternehmen eine Roadmap zu ihren Zielen definieren – von der Digitalisierung und Optimierung bestehender Prozesse bis zur Erschließung neuer Services und der Entwicklung innovativer Geschäftsmodelle.