Prozess Management, Data Science, Automatisierung und KI

Identifikation von Anwendungen Künstlicher Intelligenz in Unternehmen

Um den Einfluss von Automatisierung und Künstliche Intelligenz auf Ihr Unternehmen einschätzen zu können, müssen Sie passende Anwendungsfälle erkennen. Hier beginnt für viele Unternehmen bereits die erste Herausforderung. Basierend auf unseren praktischen Erfahrungen, erfahren Sie in diesem Beitrag welche Hinweise Sie beachten können und welche Schritte notwendig sind.

Zur Identifikation von technisch und wirtschaftlich sinnvollen Anwendungsfällen ist eine systematische Analyse der Prozesse notwendig.

Häufig taucht die Frage auf, wie man Chancen zur Automatisierung und speziell Anwendungsfälle für Künstliche Intelligenz (KI) erkennt. Das “Geschäftsverständnis” ist dabei der entscheidende Schritt für den Erfolg von Projekten zur Datennutzung in Unternehmen (siehe auch Beitrag zu CRISP-DM). Hierbei geht es vor allem darum, die Geschäftsprozesse zu verstehen, d.h. die Aufgaben und Arbeitsschritte zu identifizieren, welche durch Datennutzung verbessert, erweitert oder effizienter und zuverlässiger ausgeführt werden können. Werkzeuge zur Visualisierung und Modellierung wie die Business Process Modeling Notation 2.0 (BPMN 2.0) sind hilfreich, um Prozesse abzubilden und ein gemeinsames Verständnis zu entwickeln. Obwohl BPMN 2.0 eine große Anzahl von Elementen enthält, reichen meist schon ein Handvoll an Standardelementen aus, um das Verständnis für Prozesse signifikant zu verbessern.

Bei der Identifikation und Auswahl von Use Cases (Anwendungsfällen) steht immer die Wirtschaftlichkeit im Vordergrund. Eine systematische Analyse ermöglicht eine Bewertung der Use-Cases hinsichtlich des zu erwartenden ROIs vorab und spart so unnötige Kosten. Sobald das Prozessverständnis ausreichend etabliert ist, weisen aus meiner Erfahrung die folgenden Indizien auf Bereiche hin, die eine hohes Potential für automatisierte Datennutzung und/oder die Anwendung Künstlicher Intelligenz bieten:

  1. Hohes Volumen
    Naturgemäß bieten Aufgaben, die häufiger durchgeführt werden einen größeren Hebel für Verbesserungen. So können auch kleine Zeiteinsparungen oder Qualitätsverbesserungen, z.B. bei Routineaufgaben, einen belastbaren Business Case für die Entwicklung von Automatisierungslösungen liefern.
  2. Wichtige Entscheidungen
    Ähnlich ist mit Entscheidungen zu verfahren, die einen großen Einfluss auf die Geschäftsentwicklung haben, z.B. wichtige strategische Verhandlungen. Dies sind gute Kandidaten für intensive Datennutzung. Denn der zusätzlichen Aufwand um die richtige Entscheidung zu treffen ist meist gerechtfertigt.
  3. Medienbrüche
    Trotz zunehmendem Bestreben nach Digitalisierung enthalten viele Prozess noch immer Medienbrüche, z.B. Drucken von Dokumenten oder Formularen, Wechsel von Online Formularen zu Telefon oder E-mail. Manchmal ist dies offensichtlich nicht vermeidbar, z.B. wenn ein Hardware Produkt zum Endkunden versandt wird. Zwischenschritte, allerdings, die zwischen digitalen und analogen Arbeitsschritten wechseln, sind gute Kandidaten für die Anwendung von Automatisierung.
  4. Zeitraubende Aufgaben
    Eine Stärke von KI-Methoden ist es, große Datenmengen schnell und fehlerfrei zu verarbeiten. Dies ist häufig komplementär zu den menschlichen Fähigkeiten und kann zu großen Zeiteinsparungen und Qualitätsverbesserungen führen (siehe Projektbeispiel unten). Daher ist es wertvoll, die aufwendigen und mühsamen Aufgaben zu untersuchen.
  5. Bottlenecks
    Die Restrukturierung von Prozessen um Engstellen, sogenannte Bottlenecks, kann die Gesamteffizienz deutlich erhöhen. Eine Lösung kann dabei sein, Einzelaufgaben zu parallelisieren und von einer Maschine im Hintergrund ausführen zu lassen.

Datenbasierte Entscheidungen

Wenn Sie mehr über die Methodik zur Identifikation von Anwendungsfällen für Künstliche Intelligenz erfahren möchten, informieren Sie sich über unser KI-Seminar “Datenbasierte Entscheidung”.


Projektbeispiel

Wie mit jedem neuen Produkt oder Dienstleistung ist es wichtig eine kundenzentrierte Mentalität einzunehmen und die Lösung von dieser Sichtweise her zu entwickeln. In vielen Fällen ist der “Kunde” hier ein Unternehmensinterner. So auch im folgenden Fall eines unserer Projekte:

Bei einem Kunden analysierten wir die internen Prozesse des Vertriebsbereichs. Dabei stellte sich heraus, das ein Planungsschritt einen halben Arbeitstag einnahm und regelmäßig durchgeführt wurde. Die Organisation war substantiell am Wachsen, so dass die Prozesse überarbeitet und für bessere Skalierbarkeit erneuert werden mussten. In einem Workshop wurde gemeinsam mit dem Kunden der Ist-Zustand der Prozesse modelliert und Möglichkeiten analysiert, diese neu zu strukturieren und Daten automatisiert zu verarbeiten. Durch die vollständige Digitalisierung des Planungsschrittes in einer einfachen Web-Applikation konnten Medienbrüche eliminiert werden. Große Teile der Daten werden nun automatisiert erfasst und verarbeitet. Ingesamt konnten so Zeiteinsparungen von bis zu 80% realisiert werden. Dazu erhöhte sich die Qualität und Transparenz des Prozesses.

Wie immer freue ich mich über Kommentare, Feedback, Fragen und Diskussion: Nehmen Sie hier Kontakt zu mir auf!


Anmerkung: Eine ausführliche englische Version zu diesem Thema ist im Journal of Business Chemistry erschienen und hier zugänglich.