Erfolgreiche Machine-LEarning-Projekte „ohne Daten“
ist das möglich?
Fragt man CIOs nach ihren Investitions-Entscheidungen für das Jahr 2023, so steht die Automatisierung noch immer weit oben auf der Agenda. Dabei geht es nicht mehr nur um die Reduktion von Kosten, sondern die Effizienz der Prozesse tritt in den Vordergrund. Laut den Marktforschern von Lünendonk kommt dabei Data Analytics eine entscheidende Rolle zu.
Machine Learning und Data Science sind nicht nur die Werkzeuge für die Standardisierung von Routineaufgaben im Backoffice, sondern avancieren zum entscheidenden Ansatz und Hebel für die Automatisierung ganzer Prozessketten. Es geht darum, das Kundenerlebnis durch schnellere Reaktionszeiten und eine hohe Prozessqualität zu verbessern.
Die Automatisierung ist hierbei in vielen Unternehmen kein Selbstläufer. Oftmals werden die Möglichkeiten dazu gar nicht erst in Betracht gezogen, weil die unzureichende Qualität und die schwere Zugänglichkeit der Daten eine Automatisierung nahezu unmöglich erscheinen lassen. In unserer Praxis hat sich jedoch gezeigt, dass ein smarter Zwischenschritt häufig der Beginn einer effizienten Automatisierungsstrategie sein kann.
Wenn die benötigten Daten für eine Machine Learning-Lösung noch nicht da sind, gibt es oft eine effiziente Zwischenlösung, die den Benutzer:innen einen Mehrwert bietet und gleichzeitig die Daten für die zukünftig automatisierte Lösung „sammelt“.
Anwendungsmöglichkeiten von Machine Learning zur Prozessverbesserung: Beispiele aus der Praxis
In einem Fall hilft ein Hersteller von Beschichtungssystemen seinen Kunden jährlich tausende Ausschreibungen zu beantworten und schreibt Angebote für die voraussichtlich benötigten Materialien. Die Ausschreibungsunterlagen und Leistungsverzeichnisse liegen normalerweise als PDF-Dokumente vor. Für jede Position im Leistungsverzeichnis wird geprüft:
In der Logistikbranche gibt es einen weiteren Fall, in dem ein Dienstleister die Überwachung der Logistik für seine Kunden übernimmt. Lieferavise werden teils elektronisch, teils als Dokumente bereitgestellt und müssen manuell mit dem Lieferplan auf Korrektheit und Vollständigkeit abgeglichen werden:
Intelligente Zwischenlösung statt große Automatisierungsprojekte
Da in solchen Fällen oftmals nicht direkt die Möglichkeit besteht, ein großes Automatisierungsprojekt aufzusetzen, lässt sich ein intelligenter Zwischenschritt dadurch realisieren, dass ein unterstützendes System bereitgestellt wird, mit dem die Mitarbeiter:innen die genannten Tätigkeiten bearbeiten. Dieses System bietet von Anfang an mehr Komfort und Effizienz als die bislang rein manuelle Bearbeitung mit Ausdrucken, Nachschlagen, Abhaken, Erfassen usw.
Auf diese Art werden on-the-fly Daten erzeugt (und vom System gesammelt), die dann für eine zukünftige Automatisierungslösung genutzt werden können. Der Prozess kann Schritt für Schritt weiter immer mehr automatisiert werden.
Effiziente Automatisierung mit smarten Tools und smartem Vorgehen
Die Vorteile eines solchen pragmatischen, inkrementellen Vorgehens liegen auf der Hand: Man kann unmittelbar mit geringem Aufwand beginnen, die Mitarbeiter:innen werden direkt entlastet und gewinnen Zutrauen in die Automatisierungslösung, was die Basis für den zukünftigen Ausbau ist. Und das smarte Tool kann gleich in bestehende Systeme wie zum Beispiel ein ERP oder CRM integriert werden.
Was so mit einer unterstützenden Angebotsgenerierung beginnt, führt zu einer Beschleunigung durch passende Vorschläge bis dahin, dass Positionen und Stammdaten automatisch erkannt und vorgeschlagen werden, sodass nach und nach selbst komplexe Abläufe und Prozesse automatisch durchgeführt werden können. In unseren Kundenfällen ließen sich so Machine Learning-Projekte auch „ohne Daten“ erfolgreich starten.
Haben wir deine Neugierde geweckt?
Möchtest du dein Unternehmen durch Automatisierung effizienter gestalten? Unser Experte Thomas Bierhance (BCxP Practice Lead für Machine Learning & Data Science) berät dich gerne. Kontaktiere uns!
