Sechs Business-Anwendungen der künstlichen Intelligenz

Die Künstliche Intelligenz (KI) nimmt immer häufiger Einzug in unser Leben. So war sie heuer zentrales Thema verschiedener Fachmessen, allen voran die CeBIT 2017. Die Anwendungsmöglichkeiten scheinen grenzenlos. Sie reichen von autonomen Fahrzeugen bis zu Robotern, die Kindern bei der Hausaufgabe helfen – viele Anwendungen klingen, als seien sie einem Science-Fiction-Roman entsprungen.

Im Business-Umfeld zählen keine schillernden Visionen sondern bloß harte Fakten. Bevor man als CIO über die oft nicht geringen Investitionen im KI-Bereich nachdenkt, braucht es klare Antworten auf folgende Fragen:

• Welche Geschäftsbereiche würden vom Einsatz von KI konkret profitieren?
• Welche messbaren Wettbewerbsvorteile ließen sich durch KI erzielen?   

Besitzen Sie eine fundierte KI-Strategie und haben die ersten Schritte absolviert, dann sind Sie auf dem Weg zu einer Organisation, die man im angloamerikanischen Raum gerne "Predictive Enterprise" nennt. Hier die wichtigsten Aspekte dieser zukunftsweisenden Strategie:

• Deep Learning, das menschliches Lernen nachahmt und übertrifft
• Big Data Analytics, das hilft, große Datenströme zu bewältigen, um daraus Einblicke zu gewinnen
• Cloud Computing, das ermöglicht, immer und überall auf Wissen und Informationen zuzugreifen
• Künstliche Intelligenz, die etwa bei Business-Entscheidungen unterstützt
• Applied Data Science, das ein neues Verständnis von Business-Algorithmen ermöglicht, die helfen, die Zukunft der Wirtschaft zu gestalten.

Die Predictive Enterprise ist keine Vision mehr, sondern umfasst Technologien, die alle einen hohen Reifegrad erreicht haben. Lesen Sie im Folgenden, bei welchen Business-Anwendungen Sie schon heute auf die Unterstützung durch KI und verwandten Technologien bauen können – und zwar in Form von Enterprise Search, das alle Aspekte der Predictive Enterprise in sich vereint.

1. Automatisierte Dokumentenverarbeitung: Enterprise Search hilft dort, wo die manuelle Verarbeitung von Eingangspost oder elektronischen Dokumenten wie etwa Faxe, E-Mails inkl. Anhänge viel Zeit und damit Geld kosten. Der Mix aus semantischer Analyse und Deep Learning erkennt etwa automatisch den Unterschied zwischen einem Antrag oder einer Bestellung, wobei die intelligente Klassifikation von Mal zu Mal besser wird. Das Ergebnis ist, dass eine fortschrittliche Enterprise Search-Lösung für eine Erfolgsquote zwischen 85 und 95 Prozent sorgt – und das bei geringem Implementierungsaufwand und ohne der Notwendigkeit, ein aufwendiges Regelwerk aufzustellen.

2. Assistenzsystem für Healthcare: Für Ärzte und Fachpersonal wird die Recherche immer wichtiger, gleichzeitig steigt das Informationsvolumen. Mit Enterprise Search, das die Stärken der semantischen Analyse und Big Data vereint, ist es möglich, medizinische Muster in von klinischen Befunden, Krankheiten und Medikationen erkennen und in Beziehung setzen, was bei der Behandlung und in der Forschung das Tor zu einer neuen Ära aufstößt. Zu den Besonderheiten des cleveren Assistenzsystems ist, dass nicht nur strukturierte Datenquellen in die Analyse mit einbezogen werden können, sondern auch unstrukturierte.  

3. Proaktives Informationsmanagement: Künstliche Intelligenz in Form von Enterprise Search kann schon heute dafür genutzt werden, aus den täglichen Arbeitsroutinen des Anwenders zu lernen und personalisierte Interessensprofile anzulegen. Auf Basis dessen ist es möglich, den User proaktiv mit Informationen zu versorgen – etwa als Notifikationen –, die ihn bei einer bestimmten Aufgabenstellung weiterhelfen oder einfach seinen Horizont erweitern, ohne dass er erst nach entsprechenden Inhalten suchen muss.

4. Erkennen von High Potentials: In Zeiten des Facharbeitermangels geht es verstärkt darum, eigene Mitarbeiter an offene Funktionen heranzuführen und dafür die besten Kandidaten zu finden. Enterprise Search kann HR-Abteilungen dabei unterstützen, indem es auf Wunsch und auf Basis transparenter Regeln Tätigkeits- und Interessensprofile der Mitarbeiter analysiert. Fachspezifische Einträge im firmeneigenen Intranet oder in Social Media als Beispiel lassen auf Stärken des Verfassers schließen, die mit traditionellen Werkzeugen leicht unentdeckt bleiben. Ein weiterer Vorteil von Enterprise Search in diesem Zusammenhang ist, dass die Analyse über alle Applikationsgrenzen hinweg laufen kann und selbst Online-Aktivitäten in die Beurteilung mit einfließen.

5. Cleveres Fieldmanagement: Bei Service-Organisation mit mobilen Technikern stellt sich oft die Frage nach optimaler Auslastung und Effizienz beim Einsatz vor Ort. Mit Hilfe künstlicher Intelligenz erhalten Disponenten aus den zur Verfügung stehenden, oft verstreuten Informationen eine konsistente 360-Grad-Sicht auf ein spezifisches Problem und können so Außendienstmitarbeiter optimal vorbereitet losschicken. Damit ersparen sich Unternehmen viel Zeit, leere Kilometer und damit Geld. Gleichzeitig lässt sich die Kundenzufriedenheit steigern.

6. Smartes Customer Service mit Chatbots: Intelligente Systeme, die in Dialog mit Kunden treten, um etwa Anfragen automatisiert zu bearbeiten oder Empfehlungen auszusprechen, sind einer der wichtigsten Entwicklungen des Jahres 2017. Schon jetzt ist es möglich, mit Hilfe von Technologien wie "Natural Language Processing" oder "Natural Language Question Answering" menschliche Beratung zu simulieren und damit die Qualität des Kundenservice deutlich zu erhöhen. Im Hintergrund werkt auch hier im Idealfall eine Enterprise Search-Lösung.

Fazit: Mit Enterprise Search zu Predictive Enterprise

Schon die wenigen praxisbezogenen Beispiele aus unterschiedlichen Fachbereichen und Branchen zeigen, dass bereits heute Technologien existieren, die Unternehmen helfen, deutlich flexibler, schneller und auf einem höheren Qualitätslevel zu agieren als bisher. Mit dem strategischen Einsatz von Enterprise Search, das KI, Big Data Analysis, Deep Learning und verwandte Werkzeugen unter einem Dach vereint, kann sich das Unternehmen zu einem Predictive Enterprise entwickeln und damit ganz konkrete Wettbewerbsvorteile erzielen.