Checkliste

Künstliche Intelligenz

Möchten Sie mit Hilfe von Künstlicher Intelligenz Ihr Unternehmen effizienter gestalten? Dann machen Sie unseren Vorab-Check und finden damit heraus, wie weit Ihre Organisation schon für den Einsatz von Künstlicher Intelligenz vorbereitet ist.

Roboter Künstliche Intelligenz

Digitalisierungsgrad

Grundsätzlich kann eine Künstliche Intelligenz (KI) nur digitale Inhalte bearbeiten, seien es Texte, Bilder oder konvertierte Daten, wie eingescannte Faxe, die mittels OCR in Text gewandelt wurden oder transkripierte Sprache, die ebenfalls in Text gewandelt wurden. Diese Kommunikationsformen kommen aus dem Kundendialog. Hier finden sich die meisten analogen Prozesse, die es zunächst zu digitalisieren gilt. Wesentlich besser sieht es im Bereich IoT oder Predictive Maintenance aus, denn die Maschinen, die ihren Status oder ihre Fehlermeldung übermitteln, tun dies natürlich digital. Der erste Schritt ist daher die Analyse Ihre Prozesse bezüglich ihres Digitalsierungsgrads, unabhängig davon, ob es sich um Intercompany-, B2B- oder B2C-Prozesse handelt. Prüfen Sie, welche Prozesse schon digitalisiert sind und welche sie digitalisieren möchten.

 

Automatisierbarkeit

Der zweite Check betrifft die Automatisierbarkeit, d.h. welche der Prozesse, die bereits digitalisiert sind oder die Sie planen zu digitalisieren, sind überhaupt automatisierbar. Denken Sie dabei zum Beispiel an die Kommunikation mit Ihren Kunden. Selbstverständlich können Angebote, Bestellungen, Reklamationen und Stören vollautomatisiert werden. Aber in vielen dieser Fällen besteht die Kundenbeziehung aufgrund von menschlichen Fähigkeiten wie Empathie, Überzeugungskraft und Erfahrung. Genau diese Prozesse sollten sie – auch wenn sie digitalisiert sind – nicht automatisieren. Starten Sie mit den Prozessen, die für ihre Kunden nicht wichtig sind oder keinen Mehrwert bieten und ihnen kein Upselling-Potenzial bringen oder hohe Kosten verursachen. Typische Beispiele sind Stammdatenänderungen, Statusabfragen, einfache technische Anfragen usw. Prüfen Sie genau, welche Prozesse technisch automatisierbar sind, weil die Informationen für eine Antwort z.B. in einer Datenbank verfügbar sind und welche Sie davon automatisieren wollen, ohne Kundenbeziehungen zu gefährden.

 

Relevanz

Der nächste Schritt der Bewertung stützt sich auf die Relevanz der digitalen Ereignisse. Eine KI funktioniert immer dann besonders gut und effizient, wenn es große Mengen an ähnlichen Events zu bearbeiten gilt, also zum Beispiel wiederkehrende Anfragen zu Produkten oder dem Lieferstatus in einem Servicecenter oder die Bewertung von Wärmebildaufnahmen in der Produktion. Im Servicecenter werden mehrere Tausend Anfragen pro Monat benötigt, um nach einer Anlernphase die einfachen Anfragen schneller und günstiger als Callcenter-Agenten durchzuführen und damit den erwünschten ROI zu erreichen. Hier werden nicht alle Anfragen die notwendige Relevanz haben, die für einen wirtschaftlichen Einsatz einer KI notwendig sind. In der Produktion, wo es nicht nur um die schnelle Erkennung von Fehlern geht, ist der zusätzliche Aspekt einer Bilderkennung in Kombination mit einer KI darüber hinaus auch die geringe Falschbewertung. Check bei diesem Punkt: Prüfen Sie die Menge der gleichartigen Anfragen, bei einer Textbearbeitung mindestens 3.000 Events pro Monat.

 

Trainingsdaten

Vor dem Einsatz einer KI gilt es sich immer wieder zu vergegenwärtigen, dass die KI „nur“ aus Algorithmen und Mustererkennung besteht und das Ergebnis niemals zu 100% richtig oder falsch sein wird. Es gilt immer mit einer Wahrscheinlichkeit zu leben, die „Confidence Level“ genannt wird und die aussagt, mit welcher Wahrscheinlichkeit die KI die Antwort für richtig hält. Der wichtigste Punkt vor dem Einsatz einer KI im Livebetrieb ist das Antrainieren, das heißt das manuelle Bewerten von Daten, durch Einsortieren in „richtig“ und „falsch“. Dabei ist das Anlernen von falschen Bewertungen genauso wichtig, da nur darüber das selbstständige Weiterlernen der KI (Maschine Learning) funktioniert. Diese Fleißarbeit ist unumgänglich, denn sie ist die Basis des Lernens der KI und dabei geht es um mindestens 1.000 Datensätze, besser 10.000. Auch bei neuen Aufgaben wird erneutes Antrainieren immer wieder notwendig sein. Task bei diesem Punkt: Prüfen Sie die Menge an Trainingsdaten, generieren Sie notfalls weiteres Material und setzen Sie einen Trainer ein.

 

Eskalation

Eine KI ist nur so gut wie ihre Akzeptanz, d.h. ein noch so ausgeklügelter Algorithmus wird scheitern, wenn es keinen klar ausgewiesenen „Notausgang“ für die Fälle gibt, in denen die KI nicht weiter weiß. Im Servicecenter hat es sich zum Beispiel bewährt, die KI bei einem Confidence Level von 95% oder höher direkt mit dem Kunden kommunizieren zu lassen. Zwischen 85% und 95% würde die KI z.B. ihre Top5 Antworten einem menschlichen Kollegen zukommen lassen und um „Hilfe“ bitten. Aus der ausgewählten Antwort lernt die Maschine für die nächste gleichartige Anfrage. Liegt der Confidence Level unter 85% leitet die KI die Frage an den Menschen weiter und „bittet“ um Beantwortung. Diese neue Kombination Frage / Antwort wird von der Maschine gelernt. Eine KI kann nur so gut funktionieren, wie die Interaktionen mit einem Menschen organsiert ist. Daher prüfen Sie, wie Sie die KI in Ihre Prozesse integrieren, damit Mensch und Maschine als Team arbeiten, denn eine Stand-alone KI wird immer auf einem (Wissens-)Stand bleiben.

Das könnte Sie auch interessieren

2024-02-06

STF Campus – die neue Zentrale der STF Gruppe

2023-02-14

It’s a Match! – Matteo’s Praktikum bei der STF Gruppe

2022-08-01

Trial on Air-Abdeckungsvorhersagen für autonome Drohnen in einem 5G-Netzwerk

Anfragen, Anmerkungen, Kritik:
Wir haben immer ein Ohr