• Mai 16, 2017

Die Instrumente der Zukunft heute - was sind Robotic Process Automation, Künstliche Intelligenz und Maschinenlernen?

Das Interesse an den Vorteilen der Robotic Process Automation wie auch einer Bandbreite intelligenter Systeme, wie zum Beispiel künstlicher Intelligenz oder Maschinenlernen hat in den vergangenen Jahren explosionsartig zugenommen. Die entsprechenden Technologien werden einen dramatischen Einfluss auf die Zukunft der Wissensarbeit nehmen. Aber wie viele von uns wissen, was diese Begriffe tatsächlich bedeuten?

Robotic Process Automation

Robotic process automation – oder kurz RPA - beschäftigt sich mit der Produktion der Automatisierung mithilfe von Software. Robotic Process Automation unterscheidet sich von künstlicher Intelligenz in dem Sinne, dass Softwareroboter immer Anweisungen erhalten müssen, da sie selbst nicht intelligent sind - zumindest noch nicht.

Robotic Process Automation ist beispielsweise ideal für die Eingabe von erhaltenen Rechnungen in ein ERP-System oder die Erstellung eines neuen Kundenkontos gleichzeitig in mehreren Systemen, und die mit der Einstellung eines neuen Mitarbeiters und dem Beginn des Mitarbeiterverhältnisses verbundenen Abläufe. Der gemeinsame Nenner in all diesen Fällen ist die Erstellung verschiedener Benutzer-IDs und der Import der gleichen Daten in mehr als ein System, was bedeutet, dass die Automatisierung die Anzahl der Fehler reduziert und einen großen Spareffekt bei Arbeiten generieren kann, die bisher manuell durchgeführt werden mussten.

Die Aktivierung der Automatisierung benötigt einen Menschen, der den Roboterassistenten zu Beginn einschaltet, und ihm Anweisungen erteilt. Den Rest erledigt dann der Roboter autonom. Dadurch wird sichergestellt, dass alle notwendigen Benutzer-IDs und Zugangsrechte gleichzeitig erstellt werden, dass dabei keine Fehler auftreten, und dass die Qualität gut bleibt während die Anzahl der Fehler sinkt. 

Künstliche Intelligenz

Künstliche Intelligenz (KI) wiederum ist ein Überbegriff für die Fähigkeiten einer Maschine, die menschliche Art der Wahrnehmung zu imitieren, Schlussfolgerungen zu ziehen und zu kommunizieren. Ein Beispiel dafür ist maschinelles Sehen, das für Echtzeitzählung im Verkehr durch Aufnahmen von Verkehrskameras, für die Vorhersage von Verkehrsstaus, und Warnungen hinsichtlich möglicher Notfälle verwendet werden kann. Maschinelles Sehen und Bilderkennung ermöglichen die Automatisierung der Arbeit im Kontrollraum sowie ein präventives Eingreifen in bestimmten Situationen.

Das kognitive System Watson von IBM kann fast menschliche Schlussfolgerungen ziehen und kommunizieren, was bedeutet, dass es kognitive Fähigkeiten besitzt. Watson hat bereits seine Fähigkeiten in verschiedenen Bereichen bewiesen, von Quizspielen bis zu Gesundheitsprojekten. In Finnland wurde Watson bei dem Screening des Sepsisrisikos von Frühchen eingesetzt. Die Software verwendet Daten früherer Patienten, die an einer Sepsis gelitten haben und vergleicht sie mit den Echtzeitdaten, die in einem digitalen Patientendatensystem erfasst werden. Dabei sucht sie nach frühen Zeichen für die Entwicklung einer Sepsis.

Ein weiteres hochentwickeltes Beispiel für künstliche Intelligenz ist DeepMind von Google, dass aus eigenen Erfahrungen und Feedback lernt. Wenn eine künstliche Intelligenz das erste Mal Schach spielt, muss man ihr die Regeln nicht erst beibringen. Stattdessen lernt sie das Spiel durch das Spielen selbst und kann sogar Menschen dabei besiegen.

Heute ist eine künstliche Intelligenz recht gut darin, natürliche Sprache zu verstehen, aufgrund deren sie bestimmt Begriffe identifizieren kann, die beispielsweise in einem Echtzeit-Telefongespräch verwendet werden, und diese dann verwenden kann, um Schlussfolgerungen über das Thema des Gesprächs zu ziehen. Dabei geht es nicht nur um Häufigkeiten. Vielmehr kann die künstliche Intelligenz die Begriffe und ihren Kontext interpretieren, und so ein tieferes Verständnis für die Situationen, Dinge, und Haltungen entwickeln, auf die sich diese Worte beziehen. Anwendungen auf der Basis von Textanalyse und das Verstehen natürlicher Sprache wird bereits in Kundenservicelösungen, bei Versicherungen, und im öffentlichen Dienst verwendet, wo riesige Mengen an digitalen Daten wie E-Mails, Feedback aus dem online Service, Chats und Dokumente verarbeitet werden.

Maschinenlernen

KI-Lösungen verwenden häufig das Verfahren des Maschinenlernens. Einer Maschine kann man beispielsweise beibringen, Phänomene mithilfe mathematischer und statistischer Verfahren zu identifizieren. In diesem Falle bedeutet „beibringen" das Laden von vielen Bildern, numerischen Werten oder Texten, die das Phänomen repräsentieren und die in einen Algorithmus umgewandelt werden. Das Ergebnis dieses Lehrvorgangs ist es, dass der Algorithmus langsam bei der Identifizierung eines bestimmten Phänomens immer besser werden kann.

Zukünftig werden Robotic Process Automation und Formen von Maschinenintelligenz immer weiter miteinander verschmelzen. Unterschiedliche Technologien können gemeinsam eingesetzt werden, um die gleiche Aufgabe auszuführen, da sie sich gegenseitig ergänzen. 

Diese Art von Zusammenarbeit ist gut an einem Beispiel aus dem Kundendienst zu sehen, bei dem ein Kunde zunächst mit einem KI-Mitarbeiter des Kundendienstes über eine Chat-Funktion oder im Gespräch kommuniziert. Während dieses Vorganges erhält der Kunde Empfehlungen und Vorschläge zu Produkten aufgrund der von der Maschine erlernten Algorithmen. Schließlich übernimmt ein Softwareroboter automatisch die Bestellung des Kunden und schickt eine Bestellbestätigung, die das Profil des Kunden und die Dienstleistungssituation ganz natürlich abschließt.

Jyri-Pekka Makkonen
Verkaufsleiter