Künstliche Intelligenz zur Workflowautomatisierung
Mit targenio automatisieren wir Prozesse im Kundenservice; die Grundlage dafür bilden modellierte und mit Regeln unterstützte Workflows. In unserem Beitrag „Prozesse zum Fliegen Bringen“ haben wir uns mit der Automatisierung von Prozessen grundlegend befasst. Auch bei steigender Automatisierung von Prozessen verbleiben Aufgaben, die komplex sind und zur Erledigung menschliche Expertise erfordern. Beispiele dafür sind
- das Erkennen und Klassifizieren von Kundenfeedback,
- das Erkennen und Extrahieren von Daten aus unstrukturierten Texten,
- das Recherchieren in anderen Systemen und Datenquellen und
- das Treffen von Entscheidungen bei Unsicherheit (z.B. Kulanzentscheidungen).
In unserem targenio Machine Learning Lab entwickeln wir gezielt Lösungen mit Maschinellem Lernen, um derart komplexe Aufgaben zu automatisieren und die Mitarbeiter bei ihrer Arbeit für den Kunden zu unterstützen. Unsere virtuelle Kollegin Laura erklärt unseren Ansatz dazu:
Künstliche Intelligenz und Maschinelles Lernen
Der Begriff KI wird heute inflationär gebraucht und nicht selten verbergen sich hinter dem Buzzword Künstlichen Intelligenzen einfach nur regelbasierte Algorithmen. So werden beispielsweise Chatbots generell dem Themengebiet KI zugeordnet. Wenn ein Bot nur aus vordefinierten (also regelbasierten) Eingabe-Antwort-Paaren besteht, werden die Erwartungen an die Technologie nicht erfüllt. Der Beitrag „Künstliche Intelligenz – Die große Show“ in der Süddeutschen Zeitung betrachtet diese Entwicklung ausführlich.
Mit Künstlicher Intelligenz (KI) werden die Technologien bezeichnet, die Computer befähigen, menschliche Intelligenz nachzuahmen bzw. zu erlangen.
Maschinelles Lernen (ML) bezeichnet eine Klasse von Algorithmen, mit denen man Künstliche Intelligenz erlangen kann. Maschinelles Lernen benutzt Algorithmen, um aus großen Datenmengen (Big Data) zu lernen – und so die darin vorhandene Intelligenz zu nutzen.
Deep Learning (DL) ist einer von mehreren ML Algorithmen. Es basiert auf dem Aufbau und der Funktionsweise von biologischen Gehirnen.
Beim überwachten Lernen beispielsweise lernt ein Algorithmus, Eingaben (die Daten) auf ein gewünschtes Ziel (das Label) abbzubilden. Wie genau der angelernte Algorithmus diese Aufgabe dann löst, ist Nebensache. Mit anderen Worten: Maschinelles Lernen automatisiert das Finden von Algorithmen zum Lösen bestimmter Probleme.
Damit verändert sich auch die Art und Weise, wie wir Automatisierungslösungen entwickeln:
Beim herkömmlichen Programmieren wird eine Abfolge von Regeln (ein Algorithmus) festgelegt, mit der dann aus Daten eine Ausgabe berechnet wird. Beim Maschinellen Lernen kann man sich vorstellen, dass diese Ausgabe selbst ein Algorithmus ist – und zwar ein Algorithmus, der eine bestimmte Aufgabe löst.
Auf Basis der ML und DL-Technologie haben wir Lösungen für die Automatisierung von Aufgaben im Kundenservice erstellt, die wir in weiterführenden Blog Beiträgen vorstellen werden.
Takeaway
- Mit Maschinellem Lernen lösen wir Aufgabenstellungen, die mit regel-basiertem Programmieren nur sehr schwer oder gar nicht lösbar sind.
- Im targenio ML Lab entwickeln wir Lösungen, um die Workflowautomatisierung im Kundenservice mit targenio weiter zu optimieren und die Mitarbeiter bei ihrer Arbeit für den Kunden zu unterstützen.