Chief Tech Talk: „KI ist ein echter Game Changer!“

Dr. Gregor Joeris, Chief Technology Officer der SER Group, beleuchtet in unserer Chief Tech Talk-Reihe die großen Technologie-Themen, mit denen Unternehmen derzeit im Informationsmanagement jonglieren. Im ersten Teil dieser Serie spricht er mit Dominik Adams, Teamleiter Produktmarketing bei SER und Mitglied des SER Innovationsteams, über die Einsatzmöglichkeiten von Künstlicher Intelligenz im Businesskontext. Die technologischen Möglichkeiten, um KI in Unternehmen zu nutzen, werden immer besser – und dennoch führt der Einsatz von KI oftmals nicht zum gewünschten Ergebnis. Erfahren Sie von den beiden, worauf Unternehmen achten müssen, wenn Sie KI gewinnbringend einsetzen wollen.

Joeris: Ich würde noch einen Schritt weiter gehen: Um ein intelligentes und lernendes Informationsmanagement zu erreichen, muss man sowohl Inhalte als auch Prozesse mit dem richtigen analytischen Ansatz verbinden – also KI, ECM und BPM. Deshalb nutzen und erweitern wir seit langem intelligente Methoden zur Inhaltsanalyse in Doxis.

Adams: Unsere Kunden profitieren schon seit vielen Jahren von Machine Learning-Methoden, z.B. bei der Verarbeitung von Eingangspost, E-Mails und Rechnungen: zur Klassifizierung und Verteilung, zum Lesen und Verarbeiten von Daten – auch vollautomatisch. Was ist für dich der nächste Schritt?

Joeris: Ein logischer nächster Schritt für viele Kunden könnte die Nutzung von KI sein, um z.B. Durchlauf- und Reaktionszeiten im Kundenservice zu optimieren. Auf der Technologieseite haben wir den nächsten Schritt schon vorweggenommen, indem wir Cognitive Services in den Kern unserer Plattform integriert haben. Zukünftige Anwendungsfälle werden natürlich weiterhin alle Inbound-Szenarien umfassen – erweitert um Chats, Social Media etc. Darüber hinaus ermöglichen es die Doxis Cognitive Services unseren Kunden, alle ihre Daten – und damit meine ich wirklich alle – einheitlich zu analysieren, Informationen aus Dokumenten, Audio und Video zu extrahieren, das Erkennen von Eigennamen, Stimmungen und vieles mehr. Und das ist erst der Anfang! Die Möglichkeiten wachsen, indem wir neue Technologien ergänzen.

Adams: Das heißt, dass es praktisch eine unbegrenzte Anzahl von Anwendungsfällen für KI und Maschinelles Lernen in einer Content Services-Plattform gibt, richtig? Wenn man bedenkt, dass etwa 80 Prozent aller Daten in einem Unternehmen unstrukturiert sind, kann durch ihre Analyse viel gewonnen werden. Das Identifizieren von Personen, Unternehmen, Orten usw. in Dokumenten kann z.B. zum Erfüllen der EU-DSGVO-Anforderungen genutzt werden. Aber auch Risiken können durch Maschinelles Lernen aufgedeckt werden, z.B. wenn ein Vertrag eine Klausel enthält, die nicht mehr gültig ist. Wo siehst du ansonsten die Schwerpunkte?

Joeris: Wir entwickeln unsere Software zuerst einmal für Menschen. Bei unserer KI-Strategie und der Weiterentwicklung der Software stehen daher die Anwender im Mittelpunkt. Wie können wir ihre tägliche Arbeit einfacher und schneller machen? Wie entlasten wir sie von monotonen Routine-Tätigkeiten? Wie kann KI ihnen wichtige Einblicke in die riesigen Informationspools ihres Unternehmens geben? Ein Weg führt z.B. über die Metadaten: Durch Doxis werden Dokumente, elektronische Akten und Prozesse automatisch mit Metadaten angereichert. Die Software hilft, Experten für bestimmte Bereiche zu finden und ähnliche oder ergänzende Dokumente, Akten etc. zu identifizieren. Doxis kann zum persönlichen Assistenten des Anwenders werden.

Joeris: Sicher! Aber wir müssen uns bewusst sein, dass KI nur so intelligent ist wie die Daten dahinter. Unternehmen wollen Machine Learning-Methoden, die zu zuverlässigen Ergebnissen führen, die aber auf einem relativ kleinen Datensatz basieren. Die Qualität der Daten ist jedoch das, worüber man sich Gedanken machen muss: Wenn Informationen trivial, veraltet oder redundant sind, ist das Risiko hoch, dass KI daraus falsche Schlüsse zieht.

Adams: Und was ist mit unstrukturiertem Content? Viele der derzeit angewandten Methoden funktionieren gut mit strukturierten Daten oder Bildern, aber nicht so gut mit Text. Wer der Meinung ist, dass man sich einfach frei verfügbare Algorithmen herauspickt und damit schnell zu brauchbaren Ergebnissen kommt, wird enttäuscht werden. Gerade die Analyse von unstrukturierten Texten braucht viel Erfahrung und Know-how.

Joeris: Ich stimme dir vollkommen zu, Dominik. Unternehmen müssen KI-Bewertungen und -Entscheidungen sorgfältig beobachten und kritisch überprüfen. Wir setzen auf Methoden, die ein Optimum im Spannungsfeld von Genauigkeit, Geschwindigkeit, Aufwand und Kosten bieten. Minimalen Verbesserungen von Erkennungsraten steht häufig ein riesiger Energieaufwand gegenüber – was für Facebook und Google akzeptabel ist, rechnet sich für Unternehmen nicht immer. Weitere wesentliche Punkte sind aber die Vorhersehbarkeit und Zuverlässigkeit der Ergebnisse. Viele Methoden des Maschinellen Lernens sind eine Blackbox. Wenn du nicht weißt, wie Fehler entstanden sind, dann wirst du sie kaum korrigieren können. Ein Unternehmen kann nicht nachvollziehen oder vorhersagen, wie KI z.B. Dokumente analysiert, von denen es nicht wusste, dass sie im Unternehmen existieren oder die neu und bisher unbekannt waren. Das geschieht ständig im Unternehmensalltag, wenn ich das hinzufügen darf.

Adams: Transparenz und Zuverlässigkeit bei der Anwendung von KI-Methoden sind nicht nur aus datenschutzrechtlicher Sicht wichtig – sondern auch im gesamten Unternehmenskontext. Das wird bei all der Begeisterung über KI-Innovationen leider oft vergessen. In Fällen, in denen die Datenqualität nicht ausreichend gut war, konnten wir bereits in den Medien von einigen haarsträubenden Ergebnissen hören: von rassistischen Chat-Bots bis hin zu diskriminierenden Bewerbungsverfahren. Das allein ist schon schlimm genug! Aber was für ein Unternehmen noch gefährlicher ist, geschieht oft auf eine viel weniger offensichtliche Weise: Wenn KI eine Geschäftsentscheidung negativ beeinflusst, kann das sehr teuer werden. Der einzige Weg, solche Worst-Case-Szenarien zu verhindern, ist zu wissen, wie die KI ihre Entscheidungen trifft und welche Informationen die Grundlage für den Entscheidungsprozess bilden.

Joeris: Wie du bereits gesagt hast, sind Erfahrung und Fachwissen ein Muss, wenn man KI im Unternehmenskontext einsetzt. Natürlich kann man frei zugängliche Neuronale Netze auf die Daten ansetzen. Aber damit wird man keine sehr guten Ergebnisse erzielen. Bei SER haben wir über 20 Jahre Erfahrung mit verschiedenen Machine Learning- und regelbasierten Methoden und wissen, wie sie eingesetzt werden können, um Spitzenergebnisse zu erzielen.

Joeris: Wir sehen viel zu oft, was passiert, wenn Unternehmen viele verschiedene Anwendungen für spezielle Anforderungen einsetzen: Das Problem der isolierten und chaotischen Dateiablage, wie z.B. im Filesystem, wird einfach an das Informationsmanagementsystem weitergegeben. Wer durch den Einsatz isolierter Abteilungslösungen an Geschwindigkeit gewinnen will, vervielfacht nur seine Informationssilos. Das bedeutet mehr Chaos, und die Vision einer durchgängigen Informationsinfrastruktur geht in Schall und Rauch auf. Ich nenne das erhöhte Ineffizienz!

Unser Tipp:

Erleben Sie Dr. Gregor Joeris und Dominik Adams live: Beim Dialog Zukunft am 2. Juli 2019 in Essen.

Mehr dazu, wie Doxis Künstliche Intelligenz und Maschinelles Lernen nutzt, erfahren Sie hier.