„Qualitatives Labeln“

KI-Techniken nutzbringend einsetzen

Geht es um die Optimierung von Geschäftsprozessen, rückt der Einsatz Künstlicher Intelligenz (KI) zurecht immer stärker in den Fokus vieler Unternehmen. Große Potentiale können vor allem Verfahren heben, die den Verantwortlichen kein KI-spezifisches Know-how abverlangen und dennoch systematisch in den Daten vorhandenen Inhalt erkennen. Doch bisher können das die wenigsten Ansätze.

Jede KI bedarf aufbereiteter – gelabelter – Daten.

Jede KI bedarf aufbereiteter – gelabelter – Daten.

Zunächst bedarf jede Künstliche Intelligenz aufbereiteter (gelabelter) Daten in einer Form, die für weitergehende, maschinelle Lernverfahren und für tiefergreifende, prognoseorientierte Analysen geeignet sind. In klassischen KI-Anwendungen wie Bildklassifikation oder Spracherkennung wird das sogenannte Labeln der Daten meist empirisch und oft gar manuell durchgeführt. Im Bereich von Geschäftsprozessdaten ist dies jedoch aufgrund der kontinuierlichen Neuentstehung von Datenmustern faktisch nicht möglich.

Eine KI-geeignete Datenaufbereitung muss daher vielmehr aus historisierten Daten automatisch Zusammenhänge in den Prozessdaten in Form von qualifizierten weniger volatilen Klassen von Datenmustern erkennen, sichtbar machen und so selbsttätig die Rohdaten labeln können. Auf diese Weise können dann die rohen Geschäftsprozessdaten für ein selbsttätiges Lernen automatisiert nutzbar gemacht werden. Der Aufwand für die Bereitstellung von Eingabeinformationen für ein derartiges Labeln der Daten muss zudem im Verhältnis zum Nutzen wirtschaftlich darstellbar sein.

Neuartiges Verfahren


Ein hierfür speziell konzipiertes, neuartiges Verfahren ist das „Qualitative Labeln“. Mithilfe dessen werden Gruppen von positiven und negativen Zusammenhängen zwischen Key Performance Indicators (KPIs) erkannt und auf rohen Geschäftsprozessdaten qualitativ in Form von Labels sichtbar. Es können sowohl Mikro-KPIs, die kleine Prozessschritte auswerten, als auch aggregierte Makro-KPIs, die aus der Sicht des betreffenden Geschäftsprozesses wichtig sind, als Grundlage für das Labeln herangezogen werden. Die zugrundeliegenden KPIs leiten sich dabei allein aus der Praxis und ohnehin zur Bewertung des Geschäftsprozesses vorliegenden KPIs ab. Vereinfacht gesagt, bilden Kennzahlensysteme, die die Unternehmen heranziehen, um die eigenen Prozesse zu bewerten und zu steuern, die initiale Eingabeinformation für das „Qualitative Labeln“.

So werden Rohdaten der Geschäftsprozesse KPI-orientiert gelabelt und den KI-Systemen zugeführt. Damit wird das Vorliegen gelabelter Geschäftsprozessdaten als Grundvoraussetzung für einen gezielten wertschöpfenden Einsatz von KI-Methoden zur Geschäftsprozessoptimierung sichergestellt, ohne die beispielsweise neuronale Netze nicht eingesetzt werden könnten.

Geforderte Prozessstabilität sicherstellen


Beispiel einer Kundenanwendung, bei der das Verfahren des „Qualitativen Labelns“ zum Einsatz kommt, ist die Optimierung von Produktionssequenzen in der Automobilproduktion basierend auf den sogenannten Planzeiten. Die hier festgelegten KPIs leiten sich aus den Arbeitszeiten von Tätigkeiten und Abläufen in jeder der Arbeitsstationen entlang einer Montagelinie ab. Die zu produzierenden Fahrzeuge sind so in Sequenz zu stellen, dass keine der Arbeitszeiten-KPIs ihre Kapazitätsobergrenzen überschreiten. Kann eine Überschreitung punktuell nicht vermieden werden, so muss unmittelbar im Anschluss eine Arbeitszeitentlastung sichergestellt werden, indem in der Sequenz auf Fahrzeuge mit komplexen Tätigkeiten Fahrzeuge mit weniger komplexen Arbeitsinhalten folgen.

Über die hohe Kombinatorik der möglichen Sequenzen hinaus unterliegt die Sequenzierung, wie fast alle Produktionsprozesse, einer immensen Dynamik hinsichtlich der sich täglich ändernden Variantenvielfalt bei der Zusammensetzung der Auftragsmengen. Hier hilft das automatisch aus KPIs abgeleitete „Qualitative Labeln“, die rohen Prozessdaten KI-fertig aufzubereiten. Nur so lassen sich die erreichte Lernfähigkeit der Lösungen und die geforderte Prozessstabilität sicherstellen.

Eine wertschöpfende Datennutzung mit maschinellem Lernen und damit eine Optimierung der Geschäftsprozesse durch Künstliche Intelligenz wird vor allem durch das Lernen von Zusammenhängen aus historisierten Daten mittels des „Qualitativen Labelns“ und der auf den jeweiligen Geschäftsprozess passenden flexiblen Kombination eines KI-Technologie-Stacks möglich. An dieser Stelle zeigt die Erfahrung des Anbieters PSI FLS Fuzzy Logik & Neuro Systeme GmbH etwa, dass es Mitarbeitern, die mit dem Geschäftsprozess vertraut sind, schnell und intuitiv gelingt, KI-Techniken nutzbringend einzusetzen, ohne selbst KI-Experte sein zu müssen.

Bildquelle: iStock / Rost-9D

©2019Alle 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