Published On: 14. Juli 2023Von

Effizientes Multi-Channel-Input-Management mit KI

Multi-Channel-Input-Management stellt Unternehmen vor die Herausforderung, Dokumente aus verschiedenen Kanälen effektiv zu erfassen und zu klassifizieren. Künstliche Intelligenz (KI) spielt dabei eine entscheidende Rolle, um die steigenden Datenmengen zu bewältigen. Moderne Lösungen ermöglichen die frühzeitige Zusammenführung aller Kanäle und eine schnelle Kundeninteraktion.

OCR-Erkennung bei Caya

Digitalisierung von Briefpost bei Caya (Bild: Caya)

Digitalisierung von Briefpost bei Caya (Bild: Caya)

Herausforderungen durch unterschiedlichste Kanäle

Beim Multi-Channel-Input-Management kommt es primär darauf an, auf einer Plattform alle anfallenden Dokumente aus verschiedensten Kanälen zusammenzutragen. Hierzu gehören die klassische Briefpost, E-Mails, Messenger-Dienste und Inhalte aus Web-Formularen. Die Informationen werden dann auf Basis enthaltener Keywords klassifiziert, um anhand dessen die nächsten Arbeitsschritte automatisiert anzusteuern. Max Ertl, President von DocuWare, unterstreicht, dass sich die Kommunikationskanäle in den letzten Jahren stark verändert haben: »Informationen gelangen über unterschiedlichste Kanäle und in verschiedenen Formaten in das Unternehmen. Kernbestandteil eines modernen Multi-Channel-Input-Managementsystems ist deshalb die Fähigkeit, Informationen über alle Kanäle hinweg konsistent zu verarbeiten und zentral zu erfassen, sodass eine einfache und einheitliche Weiterbearbeitung sichergestellt wird.«

Generell hat sich die Kundenkommunikation erheblich weiterentwickelt und Unternehmen stehen vor der Herausforderung, mit einer Vielzahl von Kanälen umzugehen, über die Kunden Informationen austauschen möchten. Die Fähigkeit, Eingaben aus verschiedenen Kanälen wie E-Mails, Chatbots, soziale Medien und Telefonanrufen zu erfassen und effektiv zu klassifizieren, sind von entscheidender Bedeutung, um eine nahtlose Kundeninteraktion zu gewährleisten. Daher geht es bei modernen Multi-Channel-Input-Managementlösungen laut Steffen Leonhardt, Leiter Competence Center Dokumentenanalyse bei ELO Digital Office, »insbesondere darum, möglichst frühzeitig im Prozess alle unterschiedlichen Kanäle zusammenzuführen, über die Informationen ins Unternehmen gelangen. Dies umfasst E-Mails, klassische Briefpost, Messenger, Chatprogramme oder den smarten Assistenten auf der Website. Sobald alles gebündelt ist, kann es strukturiert weitergehen und es entsteht ein einheitliches Bild.«

Max Ertl, CRO DocuWare Group

Max Ertl, President der DocuWare Group, denkt, dass nur Cloud-Lösungen komplexe Input-Herausforderungen lösen können (Bild: DocuWare)

Prozesseffizienz hängt von Input-Qualität ab

Das richtige Erfassen und Klassifizieren von Daten, die ein Unternehmen erreichen, ist für automatisierte Arbeitsabläufe entscheidend, wie auch Thomas Uber, Business Unit Manager von ecoDMS, erklärt: »Eingehende Dokumente sind der Auslöser und Informationsträger zahlreicher Geschäftsprozesse. Ihre Digitalisierung, Klassifizierung und Archivierung bildet den ersten Schritt in der Automatisierungskette.« Die eigentliche Prozesseffizienz werde dann über die Steuerung ihrer Weiterverarbeitung durch direktes Anstoßen korrespondierender Workflows erzielt. Daher sollten Unternehmen bei der Betrachtung der Prozesseffizienz die gesamte Dokumentenlogistik einbeziehen.

Zu den größten Herausforderungen im Multi-Channel-Input und der Klassifizierung von Dokumenten zählt die Bewältigung der steigenden Datenmengen und der vielfältigen Formate. Unternehmen müssen in der Lage sein, große Mengen an Informationen effizient zu verarbeiten und zu klassifizieren. Eine manuelle Klassifizierung und bisherige Methoden sind oft nicht mehr ausreichend. Hier kommt die Künstliche Intelligenz (KI) ins Spiel, um komplexe Muster und Zusammenhänge zu erkennen und präzise zu klassifizieren.

Thomas Uber, ecoDMS

Thomas Uber, Business Unit Manager bei ecoDMS, betrachtet KI bei der Klassifizierung als große Hilfe (Bild: ecoDMS)

Die Rolle von KI im Posteingang

»KI, ganz allgemein gefasst, spielt bereits eine große Rolle bei Lösungen für den digitalen Posteingang und Multi-Channel-Input«, sagt auch Ertl von DocuWare. »Damit können Dokumente verschlagwortet und Dokumentenmengen klassifiziert und durchsucht werden. Dies bildet die Basis für die weitere automatische Verarbeitung.« Diese Funktionen setzt DocuWare mit seinem patentierten Intelligent Indexing bereits um. Schlüsselinformationen aus Scans, PDFs und anderen Dokumenten werden automatisch erfasst und als Indexbegriffe zu hochstrukturierten, verwertbaren Daten. ChatGPT, ein Beispiel für generative KI, kann zukünftig eine noch wichtigere Rolle im Multi-Channel-Input-Management spielen, indem es Geschäftsdokumente semantisch interpretiert und Inhalte sowie Zusammenhänge erkennt.

Auswahlkriterien für Inputmanagement-Lösungen

Die Auswahl von Hard- und Software für das Inputmanagement hängt von sehr vielen Faktoren ab. Zu den wichtigen Punkten, auf die Kunden besonders achten sollen, zählen:

  • Scanner sollten eine hohe Auflösung besitzen und netzwerkfähig sein, so dass das Scan-Ergebnis standortunabhängig im Dokumentenmanagement-System abgelegt werden kann.

  • On-Premises- oder Cloud-Lösungen: Während sich On-Premises-Lösungen auf das individuelle Set-up des Kunden zuschneiden lassen und die Datenhoheit in den eigenen Händen lassen, sind Cloud-Lösungen vor allem sehr gut skalierbar. Die flexiblen Cloud-Lösungen können sich verändernden Anforderungen schnell anpassen.

  • Schnittstellen und Integrationsfähigkeit: Damit sich automatisierte Prozesse anstoßen lassen, sollten sich Input-Systeme einfach an Dritt- und Folgesysteme anbinden lassen.

ecoDMS nutzt KI, um geschäftsrelevante Dokumentenarten, wie Angebote, Auftragsbestätigungen, Lieferscheine, Eingangsrechnungen sowie Auftragseingänge, zu erkennen und dann korrespondierende, bereits definierte Workflows automatisch zu starten. »Der Vorteil der KI ist hierbei, dass sich gegenüber starren Regeln auf Basis von Schlagworten die Klassifizierung eingehender Dokumente wesentlich einfacher gestaltet. So lassen sich Lösungen zur automatisierten Posteingangsverarbeitung schneller umsetzen«, meint Uber.

IDP-System für die Erfassung und Weiterverarbeitung

KI kommt beispielsweise auch bei der Kodak Alaris-Lösung »Kodak Info Input Solution« zum Einsatz. Machine Learning (ML) und KI übernehmen hier den Klassifizierungsvorgang. Dabei werden Standarddokumente und Formulare automatisch erkannt und am entsprechenden Zielort gespeichert, in Folgesysteme integriert oder per E-Mail versandt. Anwender müssen die Lösung je Dokumenten- und Formulartyp nur einmal anlernen, weiteres geschieht automatisiert im Hintergrund.

Mit diesem Funktionsumfang fällt Kodak Info Input Solution beispielsweise in die Kategorie von Intelligent Document Processing (IDP). IDP-Softwarelösungen kombinieren die Leistungsfähigkeit von KI-Technologien, um alle Arten von Dokumenten effizient zu verarbeiten und die Ausgabe in nachgelagerte Anwendungen einzuspeisen, heißt es etwa vom Marktforschungsunternehmen Everest Group. Demnach deckt eine IDP-Lösung der »Unternehmensklasse« die folgenden vier Bereiche ab:

  • Pre-Processing. Darunter versteht Everest die Qualitätsverbesserung der gescannten Dokumente und die Nutzung von OCR und/oder anderen Erkennungsmethoden, um Daten zu erfassen.
  • Klassifizierung. Dazu gehören Indexieren und Einordnen der Dokumente in Kategorien, wozu die Lösung auch auf Fähigkeiten aus dem Bereich ML zurückgreifen sollte, um sich mit zunehmender Nutzungszeit zu verbessern.
  • Extraktion relevanter Daten, wiederum mit Hilfe von ML, aber auch Natural Language Processing (NLP), sowie Fähigkeiten im Bereich Deep Learning.
  • Nachbearbeitung. Dazu zählt die regelbasierte Validierung der extrahierten Daten

Ist Klassifizierung ohne KI möglich?

Insgesamt stellt sich die Frage, ob Klassifizierung auch noch ohne KI auskommen kann? Abhängig vom Anwendungsfall und den Anforderungen ist dies durchaus möglich. Laut Leonhardt kommt es »ein bisschen darauf an, wie weit man den KI-Begriff fasst. Wenn man künstliche Intelligenz so definiert, dass es alles das ist, was versucht, natürliche Intelligenz zu imitieren, dann kann man feststellen, dass es nicht mehr ohne geht beziehungsweise es ohne sehr beschwerlich wird.« Phillipp Rechberg, Chief Procurement Officer und Co-Founder von Caya erklärt, noch ohne KI auszukommen, da die selbst entwickelten Machine-Learning-Modelle eine optimierte visuelle Extraktion und damit Klassifikation von Dokumenten ermöglichen und dafür wesentlich weniger Rechenleistung als ein KI-bezogenes Large Language Modell (LLM) benötigen. »Theoretisch ja« meint auch Uber zur Frage, ob Klassifizierung noch ohne KI auskommt. Allerdings sei der Aufwand unter dem Einsatz von KI-Modellen bedeutend geringer: »So erfolgt bei der Klassifizierung mit einer KI je nach Dokumentenart die Befüllung der Attribute automatisch. Beispielsweise werden bei Eingangsrechnungen die Kreditoren über Steuernummer oder USt-IdNr., die Rechnungsnummer, Rechnungsdatum, Rechnungsbetrag und, falls vorhanden, die Bestellnummer automatisch ausgelesen.«

Steffen Leonhardt von ELO Digital Office

Steffen Leonhardt, Leiter Competence Center Dokumentenanalyse bei ELO Digital Office, verfolgt die KI-Entwicklung sehr genau (Bild: ELO Digital Office)

Ausblick auf ChatGPT-Einbindung

Nach Ertls Erfahrung beschäftigen sich Unternehmen sehr intensiv mit dem Thema und interessieren sich dafür, wie sie KI gewinnbringend einsetzen können. »Viele Unternehmen möchten mit dem Multi-Channel-Input-Management entsprechend nicht mehr nur die Bearbeitung eingehender Dokumente vereinfachen und beschleunigen oder die Ablage automatisieren, wodurch unter anderem die Fehleranfälligkeit reduziert wird. Vielmehr möchten sie mit ChatGPT und vergleichbaren KI-Tools auch inhaltlich auf ihre Daten und Informationen zugreifen und sie nutzen, was weit über die bisher bekannte Index- und Volltextsuche hinausgeht und Unternehmen ganz neue Möglichkeiten bietet.« Nichtsdestotrotz hätten viele Unternehmen auch Bedenken beim Thema Datenschutz. Das betrifft zum einen den verantwortungsvollen Umgang mit Daten, die zum Training der KI benötigt werden, zum anderen auch den aktuell unklaren rechtlichen Rahmen bei der Verwendung von ChatGPT.

Beispiel für automatisches Auslesen mit ML

Eine Online-Bank hat das Unternehmen Caya beauftragt, die eingehende Briefpost zu digitalisieren, auszulesen und auf Basis der Inhalte den jeweiligen Arbeitsprozessen korrekt zuzuordnen. Hierfür erhielt der Dienstleister mehr als 100 relevante Begriffe, aus deren Auftauchen im Brief sich der entsprechende Prozess erschließt. Damit das Erkennen der Arbeitsprozesse auf Basis der jeweiligen Briefinhalte weitgehend automatisiert verläuft, nutzt Caya Machine-Learning-Technologien, die zunächst manuell trainiert wurden. Konkret wurden dafür die Schreiben, die einen der relevanten Begriffe enthielten, markiert und mit der entsprechenden Verarbeitungslogik verknüpft. Diese Regeln hat Caya für sämtliche Begriffe hinterlegt und konnte somit die Bearbeitung nahezu vollständig automatisieren.

Weitere Artikel

Interview mit Hermann Schäfer, DocuWare, zu E-Rechnungen

17. Mai 2024|

Nicht nur durch die neue E-Rechnungspflicht sind Unternehmen gefordert, viele Arten von Rechnungen zu empfangen und zu bearbeiten. Im Interview erklärt Hermann Schäfer von DocuWare, dass es auch internationale Herausforderungen und weitere zu beachtende Aspekte gibt.

About the Author: Annette Stadler

Annette Stadler ist IT-Journalistin und leitet das Online-Portal ECMGUIDE.
Nach oben