Die Sonne genießen und die Arbeit von der künstlichen Intelligenz erledigen lassen – auch in Business Central schon bald Realität oder doch nicht so ganz einfach?

Kann ich mich wenigstens bald in Ruhe auf mein Kerngeschäft konzentrieren? Jeder kennt die Aufgaben, die auf der einen Seite sehr eintönig wirken, auf der anderen Seite aber doch zu individuell und komplex zum Automatisieren sind.

Dieser Beitrag soll einen Einblick in das Thema Künstliche Intelligenz (KI) geben und ein paar Eindrücke und Ideen vermitteln, wie man verschiedene Techniken in Business Central nutzen kann, um eben solche Aufgaben zu automatisieren und dadurch die Effizienz eines Unternehmens zu steigern.

Was bedeutet KI?


Zunächst sollten ein paar Begrifflichkeiten geklärt werden, die man rund um das Thema KI immer wieder hört. Unter Künstlicher Intelligenz (KI, engl. AI: Artificial Intelligence) versteht man zunächst ein Programm, dass bestimmte Aufgabe selbstständig bearbeiten kann. Diese sind in der Regel auf ganz konkrete Anwendungsfälle spezialisiert, wie z.B. Sprach-, Bild- oder Schrifterkennung oder auch das Auswerten großer Datenmengen unter bestimmten Aspekten.

Ein wesentliches Unterscheidungsmerkmal zu herkömmlich programmierter Software liegt in der Lernfähigkeit, d.h. dass die Ergebnisse mit steigender Nutzung und größerer Datenmenge immer besser werden. Außerdem folgen Entscheidungen nicht zwangsläufig fest definierten Regeln, die von den Programmierern definiert wurden, sondern beruhen auf Auswertungen historischer Daten.

In diesem Zusammenhang hört man oft das Schlagwort Machine Learning, was vor allem im Bereich der Datenanalyse die Lern- und Anpassungsfähigkeit bezeichnet. Sehr interessant in diesem Zusammenhang finde ich zum Beispiel die Möglichkeit, auf Basis historischer Daten Empfehlungen für aktuelle oder zukünftige Entscheidungen abzuleiten, vor allem wenn es keine genau definierbaren Regeln für diese Entscheidung gibt.

Doch welche konkreten Möglichkeiten ergeben sich daraus für eine Nutzung innerhalb von Business Central? Zunächst erfordert das natürlich eine Analyse, welche Prozesse optimiert werden können. Dabei kann es sich beispielsweise um wiederkehrende Aufgaben handeln, die erstmal zu individuell oder zu umfangreich wirken, um sie klassisch auszuprogrammieren.

Erkennung von Sprache und Text


Wir haben uns innerhalb eines Kundenprojekts mit dem Prozess der Auftragserfassung beschäftigt. Viele Aufträge erreichen das Unternehmen per E-Mail oder werden telefonisch aufgegeben. In diesem Zusammenhang spielt zunächst die Text- oder Spracherkennung eine entscheidende Rolle, anschließend müssen die gewonnenen Informationen allerdings auch noch intelligent verarbeitet werden.

Vor allem mit einer Spracherkennung dürfte mittlerweile fast jeder schonmal in Berührung gekommen sein durch Sprachassistenten wie Cortana, Alexa oder Siri. Diese Dienste sind zwar sehr gut in der Spracherkennung und leicht anzuprogrammieren, allerdings sind sie auf einfache Dialoge trainiert und die Spracherkennung kann nicht auf eine bestimmte Fachsprache beschränkt oder optimiert werden.

So mussten wir recht schnell erkennen, dass vorhandene Sprachassistenten für unseren Anwendungsfall ungeeignet sind. Wir brauchten zunächst eine reine Transkription der gesprochenen Worte in einen schriftlichen Text, den wir anschließend unabhängig von der Spracherkennung mit weiteren Tools auswerten können. Dabei können wir die Modelle auch um fach-, unternehmens- oder branchenspezifische Terminologie ergänzen.

Deshalb haben wir uns näher mit dem Language Understanding (LUIS) Dienst von Microsoft beschäftigt. Dieser ermöglicht es uns, Modelle für bestimmte Anwendungsfälle zu erstellen, und diese Modelle durch verschiedene Beispiele zu trainieren. Erkennt LUIS einen Anwendungsfall, z.B. "Erstelle neuen Verkaufsauftrag für Debitor XY", extrahiert der Dienst alle erkannten notwendigen Informationen und liefert sie uns in strukturierter Form, sodass wir mit eigenen Programmierungen darauf reagieren können.


Anwendungsentwicklungszyklus


luis-dev-lifecycle

Klassischer Entwicklungszyklus einer KI-Funktionalität mit Microsoft LUIS


Automatische Belegerkennung

 

Eine weitere Idee für eine automatisierte Auftragserfassung liegt in der automatischen Erkennung von eingehenden Belegen als PDF. Dazu gibt es unterschiedliche Tools mit jeweils eigenen Vor- und Nachteilen. Ein wesentliches Unterscheidungsmerkmal ist dabei, ob ein solches Tool lernfähig ist oder komplett konfiguriert werden muss.

Unsere Erfahrung hat gezeigt, dass sich lernende Systeme in diesem Bereich auf wenige Belegtypen konzentrieren und Schwächen haben, wenn es um die Positions- beziehungsweise Zeilenerkennung bei einem Beleg geht. Bei konfigurierbaren Systemen ist in der Regel ein größerer Programmiereingriff und dadurch stärkere Spezialisierung möglich, jedoch fällt ein höherer Konfigurationsaufwand an.

Alle diese Systeme haben die Gemeinsamkeit, dass sie zunächst eine Schrifterkennung mithilfe von OCR durchführen müssen, da eingescannte Dokumente zunächst keine weiteren Informationen als das Bild selbst enthalten.

Zusammenfassend lässt sich ableiten, dass lernende Systeme im Vorteil sind, wenn es um die Erkennung von vielen Belegen unterschiedlicher Herkunft geht, die perfekte Zeilenerkennung jedoch nicht im Vordergrund steht. Konfigurierbare Systeme sind hingegen eher geeignet, wenn immer gleiche Belege erfasst werden müssen und eine sehr präzise Zeilenerkennung wichtig ist.



Texterkennung und Feldzuordnung am Beispiel einer Rechnung

Forecasting – klassische Datenanalyse?

 

Eine weitere Disziplin der künstlichen Intelligenz ist das Forecasting, also die Prognose der Zukunft, auf Basis der Daten aus der Vergangenheit. Ein klassischer Anwendungsfall ist dabei zum Beispiel die Prognose von Absatzmengen und Umsatzzahlen.

Während man beim klassischen Reporting die vorhandenen Daten auswertet und vielleicht auch mithilfe von Business Intelligence Tools analysiert, nutzt man für das Forecasting gewisse Algorithmen, die die Daten auf verschiedene statistische Auffälligkeiten und Muster untersuchen. Ziel ist dabei eine möglichst präzise Vorhersage zukünftiger Entwicklungen. Es handelt sich um einen Wandel vom Blick in die Vergangenheit zum Blick in die Zukunft.

Diese Informationen werden anschließend genutzt, um daraus Handlungsempfehlungen für die Zukunft abzuleiten. Naheliegend ist beispielsweise der Anwendungsfall, dass man einkaufsseitige Bestellmengen anpasst, wenn die KI ein Muster im Absatz erkannt hat.

Computer sind heutzutage in der Lage, große Datenmengen viel effizienter nach verschiedenen Algorithmen auszuwerten, als es ein Mensch je könnte. Ein großer Vorteil ist, dass eine Handvoll Algorithmen existieren, die genau für diese Zwecke genutzt werden können, unabhängig von der Art der zugrunde liegenden Daten.

Möchte man beispielsweise den Absatz verschiedener Artikel vorhersagen, ist es erstmal egal, um welche Arten von Artikeln es sich handelt.

Eine weitere Einsatzmöglichkeit dieser Art der Datenauswertung ist die Unterstützung bei gewissen Entscheidungen, die nicht nach eindeutigen Regeln getroffen werden. Hier wäre ein Modell vorstellbar, das auf Basis der Daten und dem Wissen, wie in der Vergangenheit entschieden wurde, Muster erkennt und uns zukünftig bei den Entscheidungen helfen kann.

Dabei können Zusammenhänge entdeckt werden, die bisher unerkannt geblieben sind. Durch die stetig wachsenden Datenmengen könnte sich dieses Modell regelmäßig aktualisieren, sodass es quasi dazulernt und immer besser wird.



Trend- und Saisonalitätsauswertung

Finden Sie die vier Auffälligkeiten im Forecast? 😉


Fazit


Zusammenfassend lässt sich sagen, dass das Integrieren einer Künstlichen Intelligenz mit hohen Aufwänden verbunden ist. Zunächst bedarf es einer detaillierten Betrachtung der zu lösenden Probleme und anschließend einer Analyse, auf welche Art und Weise eine KI dabei unterstützen kann.

Es gibt quasi keine Tools, die out-of-the-box gute Ergebnisse liefern und nicht zunächst angelernt, optimiert und integriert werden müssen. Auf der Nutzenseite steht ein enormes Potenzial bei der Beschleunigung oder Optimierung von Prozessen.

Microsoft und andere Anbieter erweitern stetig ihr Produktportfolio, sodass uns immer mehr Tools bei der KI-gestützten Lösung von Problemen zur Verfügung stehen. In Zukunft werden auf jeden Fall noch einige Neuerungen erscheinen, wobei wir aber auch heute schon immer besser auch komplexere Aufgaben (teil-)automatisieren können.

Sollten Sie im Bereich KI Rückfragen haben oder Unterstützung benötigen, stehen Ihnen unsere Berater gerne zur Verfügung. Schreiben Sie mich einfach an.

 

Marius Lanz

Erstellt von Marius Lanz

Berater Projektkunden bei der Comsol Unternehmenslösungen AG

AdobeStock_157277512
 

Bleiben Sie informiert

Jetzt Blog abonnieren

abonnieren