Anliegenmanagement – Teil 4

TEIL 4 : Wie verändert Künstliche Intelligenz (KI) das heutige Input Management und somit auch das Anliegenmanagement?

• Klassisches Input Management - Basiserkennung
• Intelligent Document Processing (IDP) – die Weiterentwicklung der Basiserkennung
• Lernen statt programmieren bzw. Regeln definieren Verbesserte Erkennung von Dokumentinhalten
• Fazit

Abstract: Künstliche Intelligenz (KI) gewinnt zunehmend insbesondere im Anliegenmanagement an Bedeutung, um Prozesse zu optimieren, die Kundenzufriedenheit zu steigern und Wettbewerbsvorteile zu erlangen. 

Wie in der Artikelserie „Einsatzmöglichkeiten von Künstlicher Intelligenz (KI) im Input Management.“ beschrieben, ist mit Intelligent Document Processing (IDP) Platforms die nächste Generation der Input Management Lösungen am Start, welche unstrukturierte Daten mittels KI-Technologien in verwertbare Daten umwandelt, welche dann die Basis für die Automatisierungsinitiativen und die Optimierung des Anliegenmanagement in Unternehmen darstellen.  

Wie die vereinfachte Darstellung zur Anliegenbearbeitung zeigt, ist die kanalübergreifende Kategorisierung und Qualifizierung beim Kundenkontaktpunkt die initiale Schlüsselfunktion zur Bearbeitung von Kundenanliegen.  

Klassisches Input Management - Basiserkennung 

Vor dem Siegeszug der KI beschränkte sich das klassische Input Management bei vielen Unternehmen genau auf die sogenannte Basiserkennung, also die Erkennung des Kunden und seines Kundenanliegen, um die schnelle Weiterleitung der eingehenden Sendung bzw. der Dokumente oder E-Mails an die passende Fachapplikation und den richtigen Sachbearbeiter im Fachbereich zu ermöglichen. 

Für die Basiserkennung waren folgende Funktionalitäten notwendig:  

1. Vorverarbeitung (engl. Pre-Processing) 
   In der Vorverarbeitung werden papierbasierte Eingangsdokumente, E-Mails, Faxe, Fotos von mobilen Endgeräten, elektronische Dateien oder Inhalte aus dem Internet zur weiteren Bearbeitung importiert, konvertiert, qualitativ optimiert und entsprechend des Eingangskanals vorbereitet. 
2. Dokumentenklassifikation 
   Anhand der Dokumentklassifikation kann in einem Folgeschritt die Zuordnung der eingehenden Kommunikation zu einem oder mehreren Anliegen erfolgen. Anhand der Dokumentklassifikation erfolgt häufig auch die richtige Dokumenttrennung. 
3. Identifikation des Vertragszusammenhangs 
   Nachdem der Kunde identifiziert wurde muss noch der entsprechende Vertrag erkannt werden, wenn der Kunde mehrere Verträge mit dem Unternehmen abgeschlossen hat 

Sehr gute Lösungen für die Basiserkennung gibt es schon seit über 20 Jahren. Zum Einsatz kamen ursprünglich regelbasierte Algorithmen, aber auch KI-Algorithmen wurden bereits früh eingesetzt, z.B. die Support Vector Machine in der Dokumentklassifikation.  

Intelligent Document Processing (IDP) – die Weiterentwicklung der Basiserkennung 

Der klassischen Lösung zur Basiserkennung fehlten zwei wesentliche Eigenschaften, welche durch KI möglich werden: 

1. Lernen statt programmieren bzw. Regeln definieren 
2. Verbesserte Erkennung von Dokumentinhalten 

 Lernen statt programmieren bzw. Regeln definieren  

Bei klassischen Input Management Lösungen definieren Entwickler reguläre Ausdrücke oder programmieren Logiken, um Dokumente und Dokumentinhalte zu erkennen, zu validieren und weiterzuleiten. Dieses Vorgehen ist aufwändig in der Erstellung sowie insbesondere in der Pflege der bestehenden Anwendungen, da umfangreiche Regelbäume oder Computercodes nach einiger Zeit nur noch von wirklichen Experten verstanden und somit weiterentwickelt werden können. 

Training statt Programmierung heißt hier die Lösung bei IDP. IDP kombiniert das Human-in-the-Loop Prinzip, beziehungsweise Supervised Learning bzw. User-based Learning (ein Mensch, der ein KI-System beim Lernen anleitet) mit Active Learning (Algorithmen optimieren sich selbstständig und liefern Vorschläge, welche weiteren Optimierungen den größten Mehrwehrt für die Verbesserung des Modells in einer bestimmten Problemstellung bewirken), um Muster zu erlernen und diese auf unbekannte Daten mit einer hohen Erkennungsleistung anzuwenden. 

Neben dem beschriebenen Training, welches meist bei Deep-Learning Lösungen eingesetzt wird, wird durch den Einsatz von Large Language Modells im Input Management eine weitere Entwicklungsstufe erreicht. Das sogenannte Zero Shot Verfahren wird durch den Einsatz von Large Language Modells ermöglicht. Dabei wird zu dem in der Verarbeitung befindlichen Dokument eine Frage gestellt. Das Zero Shot Verfahren kommt ohne vorheriges Training aus. 

Zum Einrichten bzw. zum Training einer KI ist kein technisches Know-how oder besser gesagt, sind keine Programmierkenntnisse erforderlich, was dann auch die Internalisierung des Know-hows, das heißt das Wissen, eine IDP im Unternehmen zu betreiben, vereinfacht. 

Verbesserte Erkennung von Dokumentinhalten 

Input Management sollte sich zukünftig noch stärker auf die möglichst automatisierte Verarbeitung von Anliegen (Dunkelverarbeitung) konzentrieren. Die sogenannte Fachdatenextraktion kommt dabei ins Spiel.  

Vor dem Einzug der KI-Verfahren mussten dazu wie zuvor beschrieben mittels Regeln bzw. regulären Ausdrücken Dokumentinhalte, wie z.B. das Rechnungsdatum, gefunden und ausgelesen werden. Die regelbasierte Fachdatenextraktion war aufwendig und benötigte ein spezielles Know-how. Fachdatenextraktion wurde daher in der Vergangenheit meist nur auf wenigen Dokumenten durchgeführt, z.B. bei Rechnungen, da hier der Anbietermarkt schnell vorkonfigurierte Lösungen angeboten hat.  

Die neuen Möglichkeiten der Intelligent Document Processing (IDP) Platforms und der darin eingesetzten KI-Technologien machen Fachdatenextraktion nun auf allen eingehenden Dokumenten möglich.  

Fazit 

Beim Einsatz von KI stehen viele Unternehmen noch am Anfang und ein übergreifender Einsatz ist eher die Ausnahme. Was auch eine Umfrage des Bitkom zeigt. Demnach halten gut zwei Drittel KI inzwischen für die wichtigste Zukunftstechnologie, dennoch setzen lediglich 15 Prozent KI im Unternehmen ein. 

Das Input Management spielt aufgrund der fortschrittlichen KI-Technologien eine immer wichtiger werde Rolle im Anliegenmanagement, da es den Prozess der Erfassung und Verarbeitung von eingehenden Informationen und Anfragen maßgeblich unterstützt. Das Input Management ermöglicht die effiziente Strukturierung, Kategorisierung, Erschließung und Priorisierung von Anliegen über alle Kundenkontaktpunkte hinweg, um eine schnelle und angemessene Reaktion zu gewährleisten.