Künstliche Intelligenz unterstützt Kostenkontrolle
0März 14, 2018 veröffentlicht von Andreas Schnittker

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.
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.
Teilen mit:
- Klick, um auf Facebook zu teilen (Wird in neuem Fenster geöffnet)
- Klick, um über Twitter zu teilen (Wird in neuem Fenster geöffnet)
- Klicken, um auf WhatsApp zu teilen (Wird in neuem Fenster geöffnet)
- Zum Teilen auf Xing klicken (Wird in neuem Fenster geöffnet)
- Klick, um auf LinkedIn zu teilen (Wird in neuem Fenster geöffnet)
- Klicken zum Ausdrucken (Wird in neuem Fenster geöffnet)
- Mehr
- Klick, um auf Tumblr zu teilen (Wird in neuem Fenster geöffnet)
- Zum Teilen auf Google+ anklicken (Wird in neuem Fenster geöffnet)
- Klick, um auf Pinterest zu teilen (Wird in neuem Fenster geöffnet)
- Klick, um auf Reddit zu teilen (Wird in neuem Fenster geöffnet)
- Klick, um auf Pocket zu teilen (Wird in neuem Fenster geöffnet)
Lizenz für Textinhalte
Bilder & Medien unterliegen gesonderten Urheberrechten
- Lizenz:
Sie dürfen:
- Teilen — das Material in jedwedem Format oder Medium vervielfältigen und weiterverbreiten
- Bearbeiten — das Material remixen, verändern und darauf aufbauen und zwar für beliebige Zwecke, sogar kommerziell.
- Der Lizenzgeber kann diese Freiheiten nicht widerrufen solange Sie sich an die Lizenzbedingungen halten.
- Bitte berücksichtigen Sie, dass die im Beitrag enthaltenen Bild- und Mediendateien zusätzliche Urheberrechte enthalten.
Unter den folgenden Bedingungen:
- Namensnennung — Sie müssen angemessene Urheber- und Rechteangaben machen, einen Link zur Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Diese Angaben dürfen in jeder angemessenen Art und Weise gemacht werden, allerdings nicht so, dass der Eindruck entsteht, der Lizenzgeber unterstütze gerade Sie oder Ihre Nutzung besonders.
- Weitergabe unter gleichen Bedingungen — Wenn Sie das Material remixen, verändern oder anderweitig direkt darauf aufbauen, dürfen Sie Ihre Beiträge nur unter derselben Lizenz wie das Original verbreiten.
Kurzlink zu diesem Artikel:
Verwandte Inhalte:
- Automatisierung & Künstliche Intelligenz Reportage: Robotic Process Automation (RPA): Durch die konsequente Nutzung von...
- Künstliche Intelligenz auf dem Weg zum Mainstream Gastbeitrag von Dr. Dorian Selz, Geschäftsführer und Mitgründer von Squirro...
- Künstliche Intelligenz: Fünf Tipps für Digital Marketingexperten Dies ist ein Gastbeitrag von Michael Gerard, Chief Marketing Officer...
- Künstliche Intelligenz im CRM Interview Teil I Künstliche Intelligenz im CRM: Transparent oder opaque...
- Künstliche Intelligenz im CRM 2 Interview Teil II Künstliche Intelligenz im CRM: Transparent oder opaque...
- Künstliche Intelligenz und das Potenzial für mobiles Trading Täglich werden beträchtliche Summen im Handel mit Derivaten auf den...
- Künstliche Intelligenz und Big Data in der Finanzbranche – 1. Neurofinance Konferenz Künstliche Intelligenz und Big Data – welche Rolle spielen diese...
- Künstliche Intelligenz für Content-Commerce Gastbeitrag Künstliche Intelligenz (AI) bringt uns dem Heiligen Gral des...
Kategorie Cloud, Creative Commons Attribution/Share-Alike, Creative Companies, E-Business, Freie Inhalte | Tags: automatisierung, Deep Learning, künstliche Intelligenz, Machine Learning
Schreibe einen Kommentar