Künstliche Intelligenz und DMS/ECM

Vom „System of Records“ zum „System of Understanding“

Dr. Gregor Joeris, CTO der SER Group, erläutert im Interview die Einsatzmöglichkeiten von Künstlicher Intelligenz im Dokumenten- und Prozessmanagement.

Dr. Gregor Joeris, CTO der SER Group

Fachanwender und KI-Experten sollten laut Dr. Gregor Joeris Hand in Hand arbeiten.

ITD: Herr Joeris, KI soll das Dokumenten- und Prozessmanagement erleichtern. Wie ist das möglich und ab welchem Zeitpunkt kann die KI-Unterstützung beginnen?
Joeris: Der Einsatz von KI birgt großes Potenzial für viele Unternehmensbereiche und Geschäftsprozesse. Der Posteingang ist ein beliebter Startpunkt für KI-Projekte. Hier kann KI helfen, Dokumente nach Inhalt, Kontext und Layout zu klassifizieren und sie automatisch dem richtigen Folgeprozess und Bearbeiter zuzuführen. So können automatisch Metadaten extrahiert und vergeben werden, mit denen sich z.B. Zugriffsberechtigungen und Aufbewahrungsfristen steuern oder EU-DSGVO-relevante Informationen kennzeichnen lassen.

Die Content Analyse umfasst aber nicht nur neu hinzukommende Dokumente, sondern kann auch auf den vorhandenen Informationsbestand angewendet werden. Allerdings muss jedem dabei klar sein, dass auch die beste KI nur so gut sein kann wie die zugrundeliegenden Daten. Das stellt für viele Unternehmen mit IT-Wildwuchs und isolierten Ablagesystemen aktuell noch eine große Herausforderung dar. Schlechte Datenqualität birgt immer die Gefahr, dass eine KI Muster nicht richtig zuordnet und falsche Schlüsse zieht. Hier zahlt sich der Vorteil einer einheitlichen ECM-Plattform aus, die alle Inhalte (Content) unter einer zentralen Plattform bereitstellt und Redundanzen beseitigt. So wird die Datenqualität signifikant erhöht und zugleich ermöglicht, mit einem intelligenten Cognitive Service, wie er in Doxis4 heißt, Daten über das ganze Unternehmen hinweg zu analysieren und Muster zu erkennen. ECM entwickelt sich dabei vom „System of Records“ zum „System of Understanding“, bei dem nicht mehr die Aufbewahrung von Informationen im Vordergrund steht, sondern vielmehr die Inhalte selbst und welche Erkenntnisse daraus gewonnen werden können, um z.B. den Kundenservice zu verbessern, Risiken aufzudecken und Prozesse darauf aufbauend zu optimieren und zu automatisieren.

Dies ist ein Artikel aus unserer Print-Ausgabe 12/2020. Bestellen Sie ein kostenfreies Probe-Abo.

ITD: Wie unterstützt Künstliche Intelligenz Suchvorgänge im ECM-System konkret?
Joeris: Auch ohne KI werden schon mit der standardmäßigen Volltextindizierung oder einer kombinierten Volltext- und Metadatensuche bei einer Suche alle Begriffe zu einem Stichwort gefunden. Allerdings schwankt die Relevanz der Treffer im Ranking der Trefferliste – von „gut“ bis „passt nicht wirklich“. Aber wenn KI zum Zuge kommt, hilft sie, Verbindungen und Zusammenhänge zwischen Inhalten aufzubauen und Relevanzen für die Ergebnisverwendung festzulegen. KI erschließt vor allem den unstrukturierten Content und ermöglicht so eine komplexere Suche in Dokumenten. Automatisch ausgelesene Metadaten machen die Treffer noch präziser, d.h. KI kommt zum Einsatz, um die Relevanz zu optimieren und die Trefferlisten entsprechend zu sortieren. So entsteht ein Relevanz-Ranking und es werden nur die Ergebnisse angezeigt, die wichtig sind. KI ermöglicht zudem Ähnlichkeitssuchen: das ECM zeigt nicht nur ein Dokument an, sondern auch ergänzende Informationen. Das gleiche Prinzip lässt sich auch auf Prozesse übertragen. Wenn beispielsweise ein Anwender einen Vertrag prüft und hier ad hoc einen weiteren Prüfschritt aufsetzt, um die Meinung eines Experten einzuholen, schlägt Doxis4 proaktiv vor, welche Kollegen fachlich in Frage kommen.

ITD: Welche Rolle spielt KI bei der Automation wiederkehrender Vorgänge? Ist die Technologie hier das A & O?
Joeris: Meines Erachtens ist bei der Automation wiederkehrender Vorgänge die Mischung aus ein paar einfachen Grundregeln und Machine Learning (ML) ideal, also die Kombination von bewährten regelbasierten Methoden mit intelligenten, lernenden Verfahren. Damit wird die höchste Effizienz und Funktionalität erzielt. Eine sauber definierte Regel funktioniert zu 100 Prozent und ist in Anwendungsfällen wie z.B. bei der Klassifikation für spezielle Begriffe in Patentschriften einfach besser geeignet als eine rein ML-basierte Lösung. Wenn das Regelwerk aber zu starr und kompliziert wird, ist Machine Learning effizienter. ML beschleunigt die Abläufe und erhöht die Ergebnisqualität. Flexibilität ist das A & O: bei ML versus Regeln geht es letztlich darum, das beste Verfahren für den jeweiligen Anwendungsfall zu finden und einzusetzen.

ITD: Wie unterstützen Assistenzfunktionen den Anwender?
Joeris: Die Doxis4 Cognitive Services identifizieren z.B. bei einer E-Mail-Anfrage eines Kunden per Sentiment-Erkennung, ob es sich um einen dringenden Servicefall handelt, priorisieren ihn entsprechend und weisen ihn dem passenden Bearbeiter zu. Anhand von Kundennamen, Vertragsnummer etc. liefert das ECM den Mitarbeitern die relevanteste Korrespondenz, Verträge und Kundenhistorie und hilft so, Anfragen effektiv und schnell zu bearbeiten. Es geht also darum, dass ein ECM proaktiv agiert und den Anwender als Wissensarbeiter unterstützt.

ITD: Man hört heute von Analysten wie Gartner vermehrt, dass Anwender sogar eigene KI-Modelle erstellen sollen. Wie realistisch sehen Sie das?
Joeris: Die Idee ist an sich nicht schlecht: Sie können ihre Anforderungen selbst schnell umsetzen statt erst eine Anfrage an die Unternehmens-IT zu stellen. Diese würde so wiederum entlastet. Aber zur Umsetzung konkreter Projekte ist meiner Meinung nach eine Menge Erfahrung und Know-how von KI-Spezialisten zum Anlegen von KI-Modellen nötig. Sie müssen in der Lage sein, für jeden Anwendungsfall das passende Verfahren zu identifizieren, entsprechende Systeme aufzusetzen und sie sinnvoll zu trainieren. Liefert das System die Ergebnisse, kommen die Fachanwender ins Spiel: Sie schätzen die Qualität ein. Mithilfe dieser Bewertungen können KI-Modelle verbessert werden. Fachanwender und KI-Experten sollten also Hand in Hand arbeiten. Da viele Unternehmen keine eigenen KI-Spezialisten haben, kann aber für ihre KI-affinen IT-Mitarbeiter die Automatisierung von sich wiederholenden und zeitaufwändigen Modellierungsprozessen der Schlüssel sein, um sie bei der Erstellung von KI-Modellen zu unterstützen. SER bietet mit Doxis4 Machine Learning einen AutoML-Ansatz. Mit der integrierten AutoML-Technologie (Automatisiertes Machine Learning) können unsere Kunden eigene neue KI- bzw. ML-Modelle mit verschiedenen Verfahren trainieren, testen, das beste Modell auswählen und es kontinuierlich optimieren – und das alles dort, wo die Trainingsdaten schon vorhanden sind, in der ECM-Plattform. Das Analystenhaus Gartner positioniert die SER Group u.a. für die „Embedded Intelligence“ ihrer Cognitive Services als „Visionary“ im gerade erschienenen Magic Quadrant for Content Services Platforms 2020 – als einzigen deutschen Anbieter unter den bewerteten 18 führenden Playern am Content Services Plattform-Markt.

Bildquelle: SER Group

©2021Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok