Dies ist ein Gastbeitrag von Jochen Werner, RVP Sales Central Europe bei Coupa Software

Künstliche Intelligenz (KI oder auch als Artificial Intelligence, AI, bekannt) ist DAS Trendthema 2018. In verschiedensten Einsatzgebieten ist der Einsatz dieser Technologie dabei unterschiedlich weit verbreitet und fortgeschritten. Speziell im Bereich der Unternehmensausgaben, des Business Spend Management, ist KI eine noch junge Disziplin. Denn erst die Kombination aus einer in den letzten Jahren stark gewachsenen Datenbasis und der heutzutage verfügbaren hohen Rechenleistung ermöglicht Lösungen, die einen echten Mehrwert für Unternehmen bieten. Basis hierfür ist ein tiefes Verständnis der zwei grundlegenden Funktionsweisen von KI – Machine Learning (ML) und Deep Learning (DL) – und auch für deren Einschränkungen.

Unterschiedliche Herangehensweisen mit einem Ziel: Automatisierung

Machine-Learning-Systeme beruhen auf der Anwendung und Einhaltung von Regeln. Diese Regeln werden dabei von den Anwendern entwickelt und im System implementiert. Dabei gilt: Je höher die Anzahl dieser Regeln ist, desto intelligenter wird das System.
Besondere Vorzüge bietet der Einsatz von ML im Business Spend Management für die Normalisierung von Datensätzen. Für diese Normalisierung stellt ein Unternehmen beispielweise Regeln auf, was geschehen soll, wenn in einem Datensatz ein Name auftaucht, der nicht als Lieferant im System hinterlegt ist. Als Beispiel sei hier IBM genannt. Allein für den Namen „IBM“ sind viele Varianten denkbar, zum Beispiel International Business Machines, Intl Bus Machines oder IBM Deutschland, alle jedoch meinen denselben Lieferanten. Um den Überblick über die gesamte Lieferantenbeziehung nicht zu verlieren, ist eine Normalisierung an sich unabdingbar, welche allerdings manuell sehr aufwändig und zeitintensiv ist. Hier kommt Machine Learning ins Spiel, das durch die Anwendung von Regeln Daten automatisiert normalisieren kann – und das wesentlich schneller als jeder Mensch.

Jochen Werner, RVP Sales Central Europe bei Coupa Software

Deep Learning geht einen anderen Weg und ist im Business Spend Management speziell für die Kategorisierung interessant. Es beruht nicht nur auf Regeln, sondern auf einem vom KI-System selbstentwickelten neuronalen Netz, das auf Wortvektoren basiert. Diese Systeme werden darauf trainiert, ganze Sätze und ihren Kontext zu verstehen. Das Prinzip ähnelt der Funktionsweise des menschlichen Gehirns.
Die Forscher von Google haben schon nahezu zwanzig Jahre damit verbracht, Milliarden von Suchvorgängen zu analysieren. Ziel des Forscherteams war es, anhand falsch-buchstabierter, vermeintlich kryptischer oder gar missverständlicher Eingaben, Rückschlüsse darauf zu ziehen, was der Suchende in Erfahrung bringen wollte. In diesem Projekt, „Word2vec“, baute Google mithilfe von Wortvektoren ein neuronales Netz auf. Word2vec kann heutzutage nicht nur die Bedeutung von Buchstaben und Wörtern ableiten, sondern auch aus ihrem Zusammenhang und ihrer Beziehung zu anderen Wörtern weitere Erkenntnisse gewinnen. Genau nach diesem Prinzip funktioniert auch Deep Learning.
Ein Beispiel aus dem Business Spend Management: Eine Rechnung erhält in der Betreffzeile „Plastik, 500ml, Evian“. Auf Basis der gesammelten Erfahrung und des Kontextes kann das intelligente Deep-Learning-System automatisch erkennen, dass es sich um Wasser in Flaschen handelt. Das lässt sich auch auf unbekannte Datensätze anwenden. Diese können so anhand bekannter und ähnlicher Wörter oder dem Abstand zu anderen Wörtern im Text korrekt und automatisiert kategorisiert werden – ohne, dass dazu eine Regel notwendig ist.

KI benötigt menschliche Hilfe

Mittlerweile verfügen moderne, KI-basierte Business-Spend-Management-Plattformen über ausreichend Wissen, dass Mitarbeiter mit Hilfe der KI-Systeme Aufgaben in nur wenigen Tagen erledigen können, die früher Monate gedauert hätten.
Doch was bedeutet das nun für den geschäftlichen Alltag? Ein durchschnittlicher Einzelhandelsbetrieb bezieht Waren und Leistungen von rund 2.000 Lieferanten. Im Extremfall müssen bis zu fünf Millionen Rechnungen pro Jahr normalisiert und kategorisiert werden. Dies ist ohne Automatisierung kaum zu bewältigen, kann nun aber durch Nutzung von KI innerhalb weniger Wochen erledigen. Das Wissen dazu hat das KI-System aus vielen manuellen Klassifizierungsprozessen erlernt. Was dennoch weiterhin vonnöten ist, ist die menschliche Intelligenz. Es bleibt die Herausforderung, beispielweise für die Mitarbeiter aus der Qualitätssicherung, die Arbeit der Maschinen zu prüfen und zu bewerten. Darüber hinaus müssen Menschen die KI weiter trainieren, denn die Variationsbreite der Sprache zur Beschreibung von Dingen auf der ganzen Welt ist beinahe unendlich. Und nur auf diese Weise kann die Maschine weiter lernen.

Leistung wächst mit Kontrolle, Daten und Erfahrung

Um nun aber echte Fortschritte zu erzielen ist ein weiterer Schritt notwendig: Es braucht Leistungsindikatoren, die in regelmäßigen Abständen gemessen werden, um so die Weiterentwicklung des KI-Systems sicherzustellen: von 50 Prozent richtiger Auswertungen zu 75, 85 und so weiter. Aus der Sicht eines Anbieters von intelligenten Systemen steigern wir bei Coupa mithilfe von künstlicher Intelligenz den Automatisierungsgrad an klassifizierten Ausgabedaten bei unseren Kunden.
KI hört aber nicht bei der Bearbeitung von Datensätzen auf. Denn jeder neu bearbeitete Datensatz wird in Wissen umgewandelt. Das System passt sich immer besser an die unternehmensinternen Richtlinien an und lernt von der kontinuierlichen Interaktion mit Anwendern und Lieferanten. Dies versetzt intelligente Systeme in die Lage, die Kommunikation mit Lieferanten teilweise „eigenständig“ zu übernehmen. Zukünftig werden sprachgesteuerte Bots Rechnungen oder Bestellungen unabhängig von menschlicher Interaktion annehmen oder fehlerhafte Liefermengen korrigieren.

KI ist keine Magie

Nach und nach wird die künstliche Intelligenz mehr und mehr Prozesse bei der Kontrolle der Ausgaben der Unternehmen optimieren können. Die Fehlerrate im Business Spend Management sinkt stetig und nachhaltig, Bearbeitungszeiten verkürzen sich automatisch. KI-Systeme werden mit steigender Erfahrung immer mehr Wissenslücken schließen, doch werden wir nie an einen Punkt kommen, an dem die Maschine alle Aufgaben erledigt.
KI ist keine Magie, aber sie kann herkömmliche Prozesse massiv beschleunigen. Doch sollte man den Aufwand nicht unterschätzen, der insbesondere zu Beginn eines KI-Projekts notwendig ist: Bei Coupa haben wir sieben Jahre gebraucht, um unsere Maschine zu trainieren. Sechs weitere Jahre waren notwendig, um genügend Daten zusammenzutragen. Doch jetzt kann das KI-System, dank Machine Learing und Deep Learning, Ausgabedaten nahezu komplett ohne menschliche Unterstützung normalisieren und kategorisieren.
Künstliche Intelligenz im Business Spend Management lohnt sich. Selbst wenn die Datenbasis noch weiterwachsen muss: Solange die Maschine Regeln bekommt und mithilfe von Feedback lernen kann, werden sich die Ausgabenprozesse bereits innerhalb eines Jahres dramatisch verbessern.