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.