Tipp zum Ausprobieren

Wer sensible Daten verarbeiten will, sollte diese zuerst selektiv anonymisieren. Personenbezogene Daten, vertrauliche Preisinformationen oder Kundendetails fallen in diese Kategorie. Der Cloud-Dienst pdfFiller schwärzt Felder in bester CIA Manier. So können Trainingsdaten präpariert werden, um einen zusätzlichen Schutz bei der Verarbeitung in AI Modellen zu bieten. Zudem bietet pdfFiller zahlreiche weitere Funktionen wie PDF Bearbeitung, eSign und Workflows – und kann via API in jeden Unternehmensworkflow eingebunden werden.

Der Goldstandard

Bislang waren leistungsfähige OCR-Plattformen wie docparser in Verbindung mit einer Automatisierungsplattform wie Workato der Goldstandard in der automatisierten Verarbeitung von PDF Dokumenten oder Scans. docparser funktioniert nach dem Prinzip, jeden relevanten Bereich im Dokument zu markieren und bei Bedarf mit weiteren Auswertungsregeln zu belegen, deren Inhalt anschließend in ein weiteres System, z.B. ein ERP-System, importiert werden soll. Richtig eingesetzt, ist die Software sehr mächtig und leistungsstark. Die Ergebnisse überzeugen auf ganzer Linie.

Dieses Verfahren ist wunderbar geeignet für gleichartige Dokumente. Erhält ein Unternehmen z.B. zahlreiche Bestellungen, die in ihrem Layout gleichartig sind und somit eine vorhersagbare Struktur aufweisen, so erzielen wir auf diese Weise eine Auswertbarkeit von annähernd 100%. Fehler lassen sich erkennen und zur weiteren automatisierten oder manuellen Korrektur bzw. Bewertung ausschleusen.

Nachteil dieser diskreten OCR Lösungen sind deren Abhängigkeit von einer vorhersagbaren Dokumentenstruktur. Hat ein Unternehmen z.B. Aufträge von zahlreichen unterschiedlichen Kunden, die jeweils völlig andersartige PDF Layouts verwenden, müsste pro PDF Layout eine eigene Auswertungslogik konfiguriert werden. Das kann sportlich werden.

Dennoch ist diskrete OCR aufgrund seiner Vorhersehbarkeit und transparenten Auswertungsregeln weiterhin unsere erste Wahl, wenn die Dokumentenvielfalt gering ist. Im Unterschied zu AI Verfahren kann man jedes Ergebnis schrittweise nachvollziehen – und im Fehlerfall exakt und dauerhaft korrigieren.

Diskrete OCR glänzt durch Nachvollziehbarkeit und Transparenz.

Der neue Goldstandard

Seit Mitte 2023 beginnt sich mit der Verfügbarkeit von GPT 3.5 Turbo und seit Kurzem GPT 4.0 ein neuer Goldstandard zu etablieren: Generative AI. Im Gegensatz zur diskreten OCR “vertrauen” wir darauf, dass das GenAI Modell (Foundation Model) bereits unzählige inhaltsähnliche Dokumente während seines Trainings “zu Gesicht bekommen hat” und durch Reinforcement Training, d.h. dem manuellen Feedback von vielen Testern, so kalibriert wurde, dass es eine Artikelnummer von einer Lieferantennummer unterscheiden kann sowie komplexe Preistabellenstrukturen versteht.

An diesem Punkt stehen wir heute. Das ist jetzt möglich. Wer generative AI zur Problemlösung im Alltagsgeschäft einsetzen kann, ist klar im Vorteil. Die Industrie ringt um die Nutzbarmachung von AI. Wir wissen, wie das geht – und was man dazu im Detail tun muss.

GenAI erobert die Dokumentenverarbeitung..

Customer Service, Helpdesk und Back Office entlasten

Wo fängt man am besten an? Dort, wo Arbeiten nicht zum Kerngeschäft gehören und keinen Wettbewerbsvorteil gegenüber anderen liefern – und man ggf. die Mitarbeiter gerne besser einsetzen möchte. Wir widmen uns vorerst dem Customer Service, Helpdesk und dem zumeist überlasteten Back Office.

PDF, Word, E-Mail, gescannte Aufträge werden dort vielerorts manuell erfasst. Das bindet Ressourcen und kostet Geld. Dank generativer AI können diese Arbeiten zu über 98% automatisiert werden. Der Ablauf ist folgendermaßen:

1. PDF usw. Aufträge werden über einen OCR-Dienst maschinell lesbar gemacht.
2. Prompts mit relevanten Anweisungen laufen über diese eingelesenen Daten mit exakten Vorgaben, was wie zu verstehen ist.
3. Das generative AI Modell vollzieht sein Werk und erzeugt ein Ergebnis (Completion).
4. Completions werden entgegengenommen und in standardisierte Auftragsstrukturen umgewandelt.
5. Diese Aufträge werden über eine Schnittstelle in das ERP bzw. TMS importiert; der Auftrag liegt nun dort vor. Job done!

All dies geschieht vollautomatisch. Die Aufträge können auf jedem Weg entgegengenommen werden. Ob via E-Mail, File-Server oder Schnittstelle (API) – alles ist möglich.

Die manuelle Arbeit in der Dokumentenerfassung entfällt.

Eine weitere Ausbaustufe besteht noch darin, dass die AI Antworten des ERP bzw. TMS Systems auswertet und daraufhin erneut eine Handlung vornimmt – gleichsam als “automatisierter Dialog” mit sich selbst. Besitzt das ERP bzw. TMS System mehrere APIs, so können diese z.B. zu ganzen automatisierten Buchungsabläufen oder Vertragserstellung genutzt werden. So kann nach der Übermittlung des Auftragseingangs, über eine andere API die automatisierte Suche nach einem freien Transportslot angestoßen werden, ein passender Vorschlag dann automatisch über eine der AI mitgegebenen Anweisung ausgewählt werden, der Auftrag automatisch bestätigt werden – und bei Änderungen entweder seitens des Kunden oder des Transportdienstleisters entsprechende weitere Maßnahmen erfolgen.

Hier spielt künstliche Intelligenz ihre ganze Stärke aus, weil sie menschliches Verhalten imitiert. Die Entscheidungsfaktoren kann sie bestens kombinieren, da sie auch das erlernen kann. Im Gegensatz zu diskreter OCR deckt generative AI viel mehr Fallkonstellationen ab, da sie die Flexibilität des menschlichen Gehirns nachahmt. Sie scheint situativ “zu denken und zu handeln”.

Wir erwarten, dass gerade diese Funktionalität zunehmend in jede Software einfließen wird. Das benötigt Zeit, da jede Software an vielen Stellen angepasst werden muss. Die Kunst wird es jedoch sein, mithilfe von AI Modellen oder sogar Plattformen, Ende-zu-Ende Geschäftsvorfälle über mehrere Systeme hinweg zu automatisieren. Denn kein Unternehmen kommt mit einer Software aus, die alles kann. Dem widmen wir uns bereits heute.

Erfolgreiche Projekte

Wie kommt man zu einem erfolgreichen Projekt? Hier gibt es in der automatisierten Dokumentenverarbeitung ein wirksames “Rezept”, auf das wir als “Best Practise” gerne zurückgreifen.

1. Mengengerüst der zu automatisierenden Aufträge erfassen. Wie groß ist das ökonomische Potenzial? Was lohnt sich? Welches Verfahren soll wo zum Einsatz kommen?
2. Funktionalen Zielprozess möglichst einfach und vollständig beschreiben. Was soll genau wie operativ ablaufen? Wo sind die Hürden? Wie soll künftig gearbeitet werden, wenn der Prozess automatisiert ist? Details matter!
3. Technische Kompetenz aneignen oder hinzuziehen. Wer übernimmt die Verantwortung und technischen Tiefgang für den Erfolg? Wohin greift man als erstes? Welche Technologien und Anbieter sind geeignet, welche weniger? Worauf muss abseits aller Versprechungen geachtet werden?
4. Erfolgskritische Punkte ausprobieren. Wie erreichen wir die gewünschte Ergebnisqualität? Welche Kombination an Verfahren, Tweaks und Technologien sollte zum Einsatz kommen, um den gewünschten Erfolg messbar zu erzielen?
5. AI Projekt budgetieren, staffen, durchführen. Verstehen wir, was gemacht wird? Wie das geht, lesen Sie hier.

Ein Wermutstropfen darf nicht verschwiegen werden: Sie werden mit Sicherheit auf Probleme stoßen. Das ist völlig normal. Bedenken Sie, dass Sie ein großes Rad drehen. OpenAI z.B. hat einen zweistelligen Milliardenbetrag benötigt, damit es die heutige Leistung erbringt. Dasselbe gilt für andere Foundation Model Anbieter, die hinter jeder AI Plattform stecken. Und diese rufen Sie jetzt über eine API einfach so auf. Dahinter spielt sich jedoch eine Menge ab. Das muss beherrscht werden!

Probleme passieren, Probleme müssen gelöst werden. Das kann von einer ungünstigen Erkennungsrate (“Accuracy”) bis hin zu Fragen der Ergebnisinterpretation und Normierung reichen (“Zielsystemvorgaben”). Dafür gibt es Lösungen und Methoden. Diese muss man sich entweder selbst erarbeiten oder von extern beziehen.

Letztlich bietet AI eine enorme Chance, jene lästigen Tätigkeiten los zu werden, vor denen man bislang resigniert hat und deren Last Mitarbeiter stoisch ertragen haben – zu hohen Opportunitätskosten: Stichwort “Copy & Paste”. Da der Computer dank AI jetzt nicht mehr nur exakt das tut, was man ihm vorgibt, sondern dabei auch gleich etwas Neues erzeugt – das ist generative AI im Kern – sind die Möglichkeit hier noch gar nicht vollständig beschrieben und erfasst. Es kommt auf die konkrete Aufgabenstellung und Unternehmenssituation an. Ergreifen Sie das Heft des Handelns! Sie werden reichlich belohnt werden.

Das Universum ist unendlich – und die Möglichkeiten von AI

Über Business Automatica GmbH:

Business Automatica senkt Prozesskosten durch Automatisierung manueller Tätigkeiten, hebt die Qualität beim Datenaustausch in komplexen Systemarchitekturen und verbindet On-premise Systeme mit modernen Cloud- und SaaS-Architekturen. Angewandte künstliche Intelligenz im Unternehmen ist dabei ein integraler Bestandteil. Zudem bietet Business Automatica auf Cybersicherheit ausgerichtete Automatisierungslösungen aus der Cloud.