Neue
Kommunikation für
eine neue Zeit

KI im Prozessmanagement – pragmatische Anwendungen von semantischen und statistischen Verfahren

10. Februar

Methoden der Künstlichen Intelligenz haben inzwischen den rein wissenschaftlichen Raum verlassen und kommen immer mehr auch in der praktischen Umsetzung an.

Hinter dem Begriff der Künstlichen Intelligenz verbergen sich verschiedene Technologien, in der Hauptsache Technologien des Maschinellen Lernens (statistische oder subsymbolische Methoden) und semantische Technologien (beschreibende oder symbolische Methoden). Diese beiden Forschungsstränge haben sich in der Vergangenheit ausgehend von unterschiedlichen Startpunkten entwickelt. Aktuell sehen wir, dass beide Richtungen sich nun in der Anwendung treffen und sich gegenseitig ergänzen. Diese Entwicklung soll in diesem Workshop im Kontext konkreter Anwendungen demonstriert werden.

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 in der Schadenbearbeitung einer Versicherung entstehen. Die anfallende Menge an Daten kann durch Maschinen ausgewertet und z.B. zur Vorselektion der Schadenmeldungen verwendet werden. An dieser Stelle können statistischen Methoden verwendet werden, 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, die spezifisch auf das trainierte Thema („Domäne“) angewendet werden können. Diese können auch Änderungen in den analysierten Daten, die im Verlauf eintreten können, berücksichtigen und so auch neue Erkenntnisse erzeugen. Im Ergebnis können eingehende Schadenmeldungen so vorklassifiziert werden, dass nur noch einige Meldungen durch Mitarbeiter der Versicherung 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 eine Marketing-Kampagne geplant 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 in der Regel 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 z.B. Prozessverantwortliche 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 verwendet werden können. Im einem weiteren Schritt wird gezeigt, wie Taxonomien im Kontext Prozessmanagement auf der Microsoft-Plattform eingesetzt werden können und welche anderen KI-Technologien dort pragmatisch zur Verfügung stehen.

Zur Programmübersicht  Jetzt anmelden