Kein anderer Digitalisierungstrend elektrisiert die Gesellschaft derzeit wohl so sehr wie die Künstliche Intelligenz. Die Möglichkeiten scheinen grenzenlos, ehemals von Menschenhand erledigte Aufgaben an die Maschine zu delegieren und dabei bessere Resultate zu erhalten – schneller, präziser, fehlerfreier. Doch warum hält sich die Verbreitung von KI in vielen Lebens- und Geschäftsbereichen nach wie vor in Grenzen? Eine Erklärung am Beispiel des Enterprise Information Managements.
Erfolgsmeldungen aus der KI-Forschung häufen sich in den letzten zwei bis drei Jahren rasant: Selbstlernende Computersysteme sind den Menschen inzwischen bei der Bild- und bei der Spracherkennung ebenbürtig. Sie können so gut lesen wie wir und Texte heute sogar ebenso treffsicher übersetzen wie ein menschlicher Dolmetscher. Nicht zuletzt autonome Autos oder Programme, die die besten Spieler der Welt nach drei Tagen Training in Go schlagen, haben den Anschein erweckt, als könne man mit Künstlicher Intelligenz nahezu jedes Problem auf diesem Planeten lösen.
Heutzutage werden KI-Systeme im Unternehmenskontext meistens mit dem Ziel eingesetzt, Prozesse zu automatisieren. KI kann dabei manuelle Arbeit ersetzen und oft auch eine höhere Verarbeitungsqualität erreichen – insbesondere da, wo Massendaten verarbeitet werden müssen. Darüber hinaus erschließen KI-Systeme Möglichkeiten der Analyse von großen Datenbeständen.
Am Beispiel klassischer EIM-Prozesse lässt sich indes gut veranschaulichen, welche Chancen und Grenzen der Einsatz von Künstlicher Intelligenz heute bietet. Schließlich liegen in der Automatisierung von Geschäftsprozessen auf Basis von digitalen Lösungen große Einsparpotenziale, die viele Unternehmen lieber heute als morgen heben würden. Warum tun sie es nicht bereits?
Fest steht: Obwohl KI im Moment medial einen unglaublichen Hype erlebt, existieren die sich im Einsatz befindlichen Techniken bereits seit einiger Zeit. Somit hat sich die Nutzung im Kontext von EIM-Systemen in den letzten Jahren auch nicht wesentlich verändert. Zu den verfügbaren und bereits eingesetzten Lösungen, die der Künstlichen Intelligenz zuzuordnen sind, zählen beispielsweise:
- Klassifikations-Methoden
- Expertensysteme
- Methoden der Mustererkennung
- Neuronale Netze
Verändert hat sich hingegen vor allem die Leistungsfähigkeit der benötigten Rechnersysteme. Hier hat der rasante Fortschritt der letzten Jahre bezogen auf die Computertechnik dazu geführt, dass KI-Techniken heute auf normalen Arbeitsplatz-PCs anwendbar sind. Dennoch hält sich die Verbreitung von Künstlicher Intelligenz im Umfeld von EIM-Anwendungen noch in Grenzen.
Workflow-Management und Künstliche Intelligenz (KI) gehen Hand in Hand, um betriebliche Abläufe zu optimieren. Durch die Integration von KI in Workflow-Management-Systeme können repetitive Aufgaben automatisiert, Daten analysiert und Entscheidungen auf intelligente Weise getroffen werden. Dies steigert nicht nur die Effizienz, sondern ermöglicht auch eine schnellere Reaktion auf Veränderungen und verbessert die Qualität der Ergebnisse.
Erkennung und Extraktion: Haupteinsatzgebiete von Künstlicher Intelligenz im EIM-Umfeld
Im Moment werden entsprechende Technologien vor allem bei der automatischen Erkennung von Dokumententypen im Inputmanagement sowie bei der Extraktion von Metadaten aus Dokumenten eingesetzt. Meist konzentrieren sich die Systeme in diesem Bereich auf das automatisierte Auslesen von Rechnungen, verbunden mit dem Ziel der nachgelagerten Prozessbeschleunigung. Weitere Einsatzbereiche wie z.B. das maschinelle Auslesen von Daten aus Verträgen sind im Kommen, die Technologien haben für dieses Feld aber meist noch nicht den nötigen Reifegrad, da etwa auch Funktionalitäten der Sprachanalyse integriert werden müssen.
Wie stehen also die Chancen für die verstärkte KI-Integration in EIM-Lösungen in den kommenden Jahren? Sicher ist: Es gibt noch eine Reihe von Hindernissen zu überwinden, ehe KI-Techniken flächendeckend Einzug in Prozesse des Informationsmanagements in Unternehmen halten werden.
Aktuelle Problemstellungen im Überblick:
- Mangelnde Expertise:
Um ein konkretes Business-Problem zu lösen, muss aus der Fülle der verfügbaren Methoden die richtige herausgesucht werden. Dafür mangelt es oft noch an den nötigen Experten, die ausreichend Erfahrung mit den verfügbaren KI-Techniken haben.
- Fehlende Daten:
Zudem steht man vielerorts noch vor der großen Herausforderung, das KI-System mit ausreichend qualifizierten Daten für den Lernprozess zu versorgen, ohne die die Systeme bei einer hohen Fehlerquote hängen bleiben. Die erforderliche Menge an Daten steht aber oftmals noch nicht zur Verfügung.
- Improvisation gefragt:
Im Büroalltag passieren zudem ständig unvorhergeehene Ereignisse. Darauf lassen sich die heute bekannten KI-Systeme nicht gut trainieren.
- Hohe Kosten:
Wenn ein KI-Technologien für einen bestimmten Anwendungsbereich bereits ausreichend trainiert geliefert wird, dann kann der Einsatz einfach sein. Das System ist dann aber auch entsprechend teuer. Andere KI-Systeme müssen hingegen noch auf den jeweiligen Anwendungsfall angepasst und mit Daten trainiert werden. Das bedeutet in der Regel einen gewissen Zeitaufwand und ist mit Kosten für das Unternehmen verbunden.
Die genannten Problemstellungen führen dazu, dass KI derzeit noch auf einen sehr kleinen Ausschnitt der Realität beschränkt ist.
Perspektiven: Was können wir von KI im EIM-Umfeld noch erwarten?
Es zeigt sich, dass der Alltag in Unternehmen und Behörden meist noch um ein Vielfaches komplexer ist als ein Go-Spiel. Das mag manchen überraschen, was jedoch nichts an der Tatsache ändert, dass KI-Systeme darauf schwer zu trainieren sind. Allerdings werden entsprechende Technologien ständig weiterentwickelt. Ein großes Augenmerk liegt dabei auf der Beschleunigung des Lernverhaltens. Das kann in absehbarer Zeit dazu führen, dass die benötigten Trainingsdatenmengen kleiner werden und die Investitionen für Unternehmen in diesem Bereich leichter zu stemmen sind.
So ist in den nächsten Jahren durchaus mit einer deutlich stärkeren Durchdringung des Marktes mit KI-Techniken zu rechnen. Die Verfügbarkeit insbesondere von vortrainierten Systemen für bestimmte Problemfelder wird sich voraussichtlich bald erhöhen – etwa als Ergänzungsmodule zu bestehenden EIM-Systemen.
