10. Februar
Methoden der Künstlichen Intelligenz haben inzwischen den rein wissenschaftlichen Raum verlassen und kommen immer mehr auch in der praktischen Umsetzung an.
Im Rahmen des Prozessmanagements können Methoden der Künstlichen Intelligenz in verschiedenen Bereichen Nutzen schaffen. Einerseits können prozess-spezifische Anforderungen unterstützt werden, wie z.B. die Verwendung großer Mengen von Daten, die beispielsweise im eingehenden Newsfeed eines großen Industrieunternehmens entstehen und auf die vielleicht von Seiten der PR-Verantwortlichen reagiert werden muss. Die anfallende Menge an Daten kann durch Maschinen ausgewertet und z.B. zur Vorselektion der Meldungen verwendet werden. An dieser Stelle kommen statistische Methoden zum Einsatz, also Methoden aus dem Maschinellen Lernen (Machine Learning). Dazu konfigurieren („trainieren“) entsprechende Spezialisten („Data Scientists“) die Verwendung dieser statistischen Methoden im Hinblick auf die inhaltliche Struktur der Daten. Das Ergebnis sind „trainierte Modelle“ zur Vorhersage oder Klassifikation, die spezifisch auf das trainierte Thema („Domäne“) angewendet werden. Diese können auch Änderungen in den analysierten Daten, die im Verlauf eintreten können, berücksichtigen und so sogar neue Erkenntnisse erzeugen. Im Ergebnis können eingehende Meldungen so vorklassifiziert werden, dass nur noch einige Meldungen durch Mitarbeiter des Unternehmens bearbeitet werden müssen und andere automatisiert verarbeitet werden können.
Andererseits können auch Prozesse in ihrer Ausführung unterstützt werden, in denen die verfügbaren Datenmengen für rein statistische Ansätze nicht ausreichen. Vorstellbar ist hier z.B. ein Prozess, in dem ein Bauantrag bearbeitet wird. Bestimmte vordefinierte Schritte sollen durchgeführt und auf Basis von festgelegten Formularen oder Richtlinien ausgeführt werden. Gleichzeitig bedingt die Bearbeitung dieser Aufgaben aber häufig auch Anforderungen, die sich erst im Rahmen der Abarbeitung ergeben. Hier könnten Technologien der Künstlichen Intelligenz helfen, kontext-bezogene Informationen dynamisch bereitzustellen. Die Datenbasis in Bezug auf den Prozess-Kontext ist jedoch häufig zu gering, um statistische Verfahren anwenden zu können. Hier würde also das Maschinelle Lernen nicht zu ausreichend zuverlässigen Ergebnissen führen. An dieser Stelle muss dennoch nicht komplett auf solche Methoden verzichtet werden, wenn eine Kombination mit semantischen Technologien erfolgt. Dazu erstellen beispielsweise Prozessexperte initiale Strukturen (z.B. Taxonomien, Begriff-Systeme, Ontologien), die einen Teil des Trainings ersetzen können, so dass dann auf dieser Grundlage doch wieder Machine Learning zum Einsatz kommen kann.
Im Rahmen des Workshops wird zunächst auf die Erstellung von Taxonomien/Ontologien eingegangen und demonstriert, wie solche Begriffs-Systeme in einer Anwendung in Kombination mit maschinellem Lernen verwendet werden können. In einem weiteren Schritt wird gezeigt, wie Taxonomien im Kontext Prozessmanagement auf der Microsoft-Plattform eingesetzt und mit welchen anderen KI-Technologien sie dort beispielhaft kombiniert werden können.
Frauke Weichhardt, Semtation GmbH
Dr. Andreas Giesenhagen, KnowLogy Solutions GmbH
Silvio Peikert, Fraunhofer FOKUS
Prof. Dr. Thomas Hoppe, Fraunhofer FOKUS
Christian Fillies, Semtation GmbH