Einführung in die intelligente Automatisierung

Seit Jahren nutzen Unternehmen Prozessautomatisierung, um sowohl interne als auch kundenseitige Aufgaben effizienter zu gestalten. Bei den bisherigen Technologien beschränkten sich diese Optimierungen auf grundlegende Anwendungen, wie z. B. das Erstellen und Ändern von Datensätzen mithilfe formularbasierter Eingaben und das automatische Versenden von Dokumenten zwischen unterschiedlichen Geschäftsfunktionen. Das alles konnte das Kundenerlebnis aber nicht wesentlich verbessern. Schliesslich verbringen Menschen nicht gerne Zeit damit, Formulare auszufüllen. Vielmehr möchten sie auf ganz natürliche und bequeme Art und Weise kommunizieren, und zwar über die Vielzahl der ihnen zur Verfügung stehenden digitalen Kanäle.
 
In jüngerer Zeit haben Technologien wie Robotic Process Automation (RPA) durch den Einsatz von Software, welche die Arbeitsweise von Mitarbeitern nachahmt, die Grenzen des Machbaren erweitert. Dadurch kann RPA mittlerweile Aufgaben wie das Formatieren von Daten in einem Spreadsheet automatisieren. Dennoch war der Anwendungsbereich von RPA und anderen Automatisierungstechniken bisher klein, da sie nur mit den strukturierten, digitalen Informationen in Datenbanken umgehen konnten. Die unstrukturierten Informationen dagegen liessen sich nur sehr schwer automatisch und in grossen Mengen verarbeiten. Unstrukturierte Informationen sind z. B. E-Mails, Beiträge in sozialen Medien, Videos, Aufzeichnungen von Call-Center-Telefonaten, Textverarbeitungsdokumente und eingescannte Bilder wie PDF- und TIFF-Dateien. 

Abbildung 2: Daten mithilfe von IA strukturieren

Abbildung 2: Daten mithilfe von IA strukturieren

Eine neue Dimension der Automatisierung dank künstlicher Intelligenz

Diese Situation verändert sich jetzt. Durch die Integration von künstlicher Intelligenz (KI) in RPA lassen sich nun unstrukturierte Inhalte in grossem Umfang verarbeiten. Diese Kombination wird auch als „intelligente Automatisierung“ (IA) bezeichnet. KI-basierte Techniken wie maschinelles Lernen und Deep Learning haben eine Reihe wertvoller, neuer Möglichkeiten hervorgebracht. Natürliche Sprachverarbeitung („Natural Language Processing“, NLP) beispielsweise wird genutzt, um unstrukturierte Informationen aus unterschiedlichen Quellen zu „lesen“. Natürliches Sprachverständnis („Natural Language Understanding“, NLU) extrahiert diese Inhalte und kann sogar die dahinter steckenden Emotionen „verstehen“ und die zugrunde liegenden Konzepte und Absichten extrahieren. Anschliessend lassen sich diese Informationen mithilfe von RPA zur Weiterverarbeitung in die entsprechenden Systeme verschieben. IA ist eine wirkungsvolle Methode zur Digitalisierung und Rationalisierung von Geschäftsaufgaben, da sie komplexere Aufgaben erledigen kann und weniger Aufsicht erfordert als frühere Automatisierungsansätze.
 
Zum Beispiel das Beantworten grosser Mengen von E-Mail-Anfragen – eine häufige Herausforderung für Versicherungen, Banken, Telekommunikationsunternehmen und grosse Einzelhändler. Mit einer IA-Lösung kann ein Unternehmen Tausende von E-Mails pro Tag aus den unterschiedlichsten Kategorien und Sprachen verwalten. Mithilfe von Künstlicher Intelligenz werden die E-Mails automatisch gelesen und indiziert. Anschliessend werden die wichtigsten Informationen auf Grundlage festgelegter Regeln extrahiert. Im nächsten Schritt wird RPA eingesetzt, um die extrahierten Informationen in das richtige Back-Office-System zu verschieben. Entweder wird automatisch auf die E-Mail geantwortet oder die Nachricht wird zur Verarbeitung an die zuständige Geschäftseinheit weitergeleitet.
 

Aus Daten Kapital schlagen

Sie werden für alles verwendet: von der Verbesserung der betrieblichen Abläufe über das Verständnis und die Modellierung des Kundenverhaltens bis hin zur vorausschauenden Analyse. Unternehmen erhalten zwar mittlerweile grosse Datenmengen, jedoch hauptsächlich im Rohzustand. Sofern die Daten nicht strukturiert und zum richtigen Zeitpunkt für die richtigen Systeme aufbereitet werden, sind sie wertlos. IA wandelt unstrukturierte Daten in ein Format um, welches Computer verarbeiten können. Damit gibt es auch mehr Möglichkeiten für die Datenanalyse. So ist die KI-Komponente in der intelligenten Automatisierung beispielsweise in der Lage, die Kundenstimmung zu messen. Oder sie hebt wichtige Geschäftsbereiche hervor, in denen ein Unternehmen möglicherweise viele Anfragen erhält. IA verarbeitet nicht einfach nur Zahlen, sondern hilft Unternehmen, den Kontext dahinter zu verstehen.

Kapitelübersicht

Die Herausforderung des heutigen Kundenerlebnisses

Kapitel 1

Entdecken Sie mehr

Entdecken Sie mehr über Die Herausforderung des heutigen Kundenerlebnisses

Die Vorteile intelligenter Automatisierung

Kapitel 3

Entdecken Sie mehr

Entdecken Sie mehr über Die Vorteile intelligenter Automatisierung

Herausforderungen der Umsetzung bewältigen

Kapitel 4

Entdecken Sie mehr

Entdecken Sie mehr über Herausforderungen der Umsetzung bewältigen

Intelligente Automatisierung in Aktion

Kapitel 5

Entdecken Sie mehr

Entdecken Sie mehr über Intelligente Automatisierung in Aktion

Intelligente Automatisierung und SPS

Kapitel 6

Entdecken Sie mehr

Entdecken Sie mehr über Intelligente Automatisierung und SPS

Gerne beantworten wir Ihre Fragen telefonisch

Oder kontaktieren Sie uns einfach per

+1-877-275-3677 Kontaktieren Sie uns

Gerne geben wir Ihnen telefonisch Auskunft! (1/3)

Weiterfahren mit der Rückrufanmeldung

Gerne geben wir Ihnen telefonisch Auskunft! (2/3)

Gerne geben wir Ihnen telefonisch Auskunft! (3/3)

Vielen Dank!

Gerne geben wir Ihnen telefonisch Auskunft