Produktionsstätten, Krankenhäuser, Verwaltungen: Egal, hinter welche Kulisse man blickt, immer häufiger übernimmt Kollege Roboter unsere Arbeit. Doch Roboter ist nicht gleich Roboter. Zu welchen Leistungen Maschinen fähig sind, hängt ganz davon entscheidend ab, ob Künstliche Intelligenz (KI) im Spiel ist oder nicht.
Künstliche Intelligenz ist überall
KI übernimmt heute zahlreiche Laboruntersuchungen, erkennt mögliche Risikofaktoren auf Mammographien und wird schon sehr bald auch CTs besser analysieren können als Spitzenmediziner. Robotic Process Automation (RPA) steuert schon seit geraumer Zeit zahlreiche Produktionshallen. In Kundenservice und Verwaltung übernehmen immer häufiger Maschinen Routineaufgaben. Nach dem Paretoprinzip automatisieren sie 80 Prozent der anfallenden (Routine-)Tätigkeiten. Den restlichen 20 Prozent – meist die komplizierten Einzelfälle – widmen sich die menschlichen Mitarbeiter persönlich.
Doch wie zahlreiche Chatbot-Euphoriker, KI-Skeptiker und zähe Digitalisierungsverweigerer zeigen, herrscht immer noch große Verwirrung, was die Bedeutung von KI für unsere Gesellschaft betrifft. An der Digitalisierung kommt niemand mehr vorbei. Und wer am Ball bleiben will sollte wissen, wovon die Rede ist und folgende Begriffe kennen:
Robotic Process Automation (RPA)
Robotic Process Automation (RPA) ist eine aus verschiedenen Komponenten zusammengesetzte Software, die Prozesse in Front und Back Office automatisiert durchführt. Dazu wird das Verhalten von Menschen auf einem virtuellen Arbeitstplatz (Virtual Agent) simuliert – z.B. wie sie Rechner und Anwendungen bedienen. Da RPA ohne Schnittstellen über existierende User Interfaces angebunden wird, müssen bestehende Anwendung nicht verändert werden. Die IT-Umgebung bleibt bestehen. Im Gegensatz zu aufwendig programmierter Software wird RPA zudem „nur“ antrainiert. Sie arbeitet aber viel komplexer und kann auf mehrere Systeme zugreifen. Routinevorgänge, die ohne RPA von Mitarbeitern durchgeführt werden müssten, laufen mit RPA nicht nur automatisiert, sondern auch viel schneller ab. Ein wichtiger Faktor: die Erfassung von strukturierten Inhalten wie Rechnungen und Formulare.
Fazit: RPA ist ein Roboter, der in einer virtuellen Arbeitsumgebung den immer gleichen Schritt präzise und schnell durchführt. Die Grenze der Software sind die zahlreichen unstrukturierten Daten. Hier kommt KI ins Spiel.
Künstliche Intelligenz (KI)
Künstliche Intelligenz erweitert die Fähigkeiten und den Wirkungsgrad von RPA. Man versteht unter KI Systeme, die menschliches Denken imitieren, Rückschlüsse ziehen und eigenständig Probleme lösen. Sie basieren auf ausgeklügelten Algorithmen, die im Gegensatz zu traditionellen Systemen nicht programmiert, sondern mit Bestandsdaten angelernt werden. Sobald KI im Einsatz ist, generiert sie selbstständig neue Daten und lernt aus diesen hinzu. Dabei extrahiert KI auch aus unstrukturierten Daten wie Briefen und E-Mails relevante Informationen. Fehlen der Software Informationen, schaltet sie automatisch menschliche Bearbeiter ein und erlernt schrittweise deren Lösungskompetenz.
Machine Learning (ML)
Machine Learning (Deutsch: maschinelles Lernen) ist eine bestimmte Art von Künstlicher Intelligenz, die aus Erfahrungen Wissen ableitet. ML-Algorithmen analysieren Muster und Kategorien in großen Datenmengen und machen auf dieser Basis Prognosen. Je größer die Datenmengen sind, desto präziser arbeiten die ML-Algorithmen. Zum Einsatz kommen sie z.B. bei Stauprognosen, Suchmaschinen-Rankings und Spam-Filtern. Wissen entsteht bei ML auf zwei Weisen:
- Supervised Learning: ML-Algorithmen treffen auf Basis bekannter Daten Vorhersagen für die Zukunft (z.B. beim Kreditkartenbetrug).
- Unsupervised Learning: ML-Algorithmen ziehen Rückschlüsse auf Basis nicht bekannter Daten (z.B. für Wettervorhersagen).
Deep Learning
Deep Learning ist ein wichtiger Teilbereich des Machine Learning. Die Prozesse dieses Ansatzes erfolgen auf so genannten künstlichen neuronalen Netzen. Diese über mehrere Knotenpunkte und Schichten verbundenen Netze sind der Funktionsweise unseres Gehirns nachgebildet. Die Algorithmen sind angewiesen auf eine große Menge an Daten. Ein Grund, warum Deep Learning lange in den Kinderschuhen steckenblieb. Mit jeder neuen Information oder Erfahrung schaffen die Algorithmen neue Verbindungen. Sich verstärkende Verbindungen innerhalb eines Netzwerkes, sorgen dafür, daß Informationen von einem Knoten auf den anderen springen und so übertragen werden. Anwendung findet Deep Learning vor allen Dingen in der maschinellen Sprachverarbeitung.
Intelligente Automatisierung
Dass Maschinen Abläufe steuern, ist kein neues Phänomen. Spätestens seit der Entwicklung des Fließbandes ist die Automatisierung aus unserer Gesellschaft nicht mehr wegzudenken. Wer sich in der Fertigung vieler Unternehmen umschaut, wird dort kaum noch Menschen entdecken. Die immer ausgereiftere Symbiose von RPA und KI treibt diese Entwicklung auf die Spitze und führt zu einer intelligenten Automatisierung zahlreicher Prozesse in allen Wirtschaftsbereichen. Maschinen agieren im Zuge dieser Entwicklung immer autonomer. In vielen Bereichen signalisiert heute Kollege Roboter bzw. die ihm „eingepflanzte“ Software, wenn Prozesse kritisch werden und menschliche Hilfe von Nöten ist.
Dunkelverarbeitung
Ein immer relevanterer Begriff im Bereich der intelligenten Automatisierung ist die Dunkelverarbeitung. Er stammt aus der Versicherungsbranche und bezeichnet Prozesse aus der Vorgangsbearbeitung, die automatisiert und vollständig ohne menschliche Einwirkung ablaufen. Je weiter die Entwicklung von KI voranschreitet, desto höher wird die Dunkelverarbeitung von Prozessen. Ein aktuelles
FAZIT: Entscheidend ist, wie Kollege Roboter übernimmt
Soweit einige wichtige Begriffe rund um KI und die intelligente Automatisierung von Prozessen. Sie zeigen: Wer heute auf den Einsatz von Chatbots setzt, ohne über den Einsatz von KI nachzudenken, kommt nicht weit. Denn der Chatbot wird ihm nicht die Dienste leisten, die ein moderner Umgang mit Kunden erfordert. Ähnlich sieht es für diejenigen aus, die ihre Prozesse mit RPA-Software automatisieren. Viel zu groß ist die Masse an unstrukturierten Daten, die heute in den Posteingängen eintrudelt und über Social Media Kanäle im Umlauf ist. Viel zu viele wichtige Daten könnten ohne den Einsatz von KI verloren gehen. Und das sind vor allen Dingen solche Daten, die jedes Unternehmen für eine bessere Customer Experience gut gebrauchen könnte.
