Business-Applikationen

In Geschäftsanwendungen hat Künstliche Intelligenz bereits eine gewisse Verbreitung erreicht, etwa in den Bereichen Automatisierung, Datenanalyse und natürliche Sprachverarbeitung. Zu den Early Adoptern zählt Amazon. Schon lange bevor die virtuelle Assistentin Alexa in die Haushalte einzog, war Amazon Innovationstreiber bei der Nutzung von maschinellem Lernen zur Optimierung der Lagerverwaltung und Warenbereitstellung.

Der größte Einfluss wird KI bei Marketing Services, Supply Chain Management und Fertigung attestiert, wofür schon zahlreiche KI-Anwendungen verfügbar sind. Auch im Finanz- und Bankwesen soll KI für neuen Schwung sorgen, zwei Branchen, die sich oft noch auf veraltete Prozesse stützen. Gesundheitswesen, Bildung, Transport und Abfallwirtschaft können mit KI-Anwendungen, die automatisieren, vorhersagen und besser reagieren als Menschen, ebenfalls effizienter gestaltet werden.

Automatisierungspotenzial haben sicherlich auch die typischen Kundenanfragen im öffentlichen Sektor oder bei Finanzdienstleistern. Hier gibt es darüber hinaus viele Ansatzpunkte für Robotic Process Automation (RPA). Der Einsatz von Machine Learning ermöglicht es, bereits bei der Entwicklung von automatisierten Prozessen den manuellen Aufwand zu reduzieren.

Bei alldem darf nicht vergessen werden, dass noch immer knapp die Hälfte der KI-Projekte scheitert, wie eine IDC-Studie jüngst belegte. Die Gründe dafür sind meist unzureichende Planung, fehlende Fachkompetenzen oder eine schlechte Datenbasis. KI als Selbstzweck liefert eben keinen Mehrwert.

Weit verbreitete Spezies von KI-Anwendungen sind Chat­bots und virtuelle Assistenten. Beim Kunden-Support etwa lassen sich Anfragen über virtuelle Assistenten aufnehmen, mit FAQ-Datenbanken abgleichen und anschließend beantworten. Auch im Unternehmen selbst kommen diese Assistenten zum Einsatz. Sie verstehen und sprechen natürliche Sprache und sind in der Lage, bei Anfragen Informationen aus unterschiedlichen Datenquellen einzubeziehen.

„Chatbots wurden in sehr unterschiedlicher Ausprägung realisiert“, so Kay Knoche von Pegasystems. „Viele sind im Prinzip Zugriffe auf Suchmaschinen, die Texteingaben mit Such­ergebnissen oder klassischen Befehlen verknüpfen. Solche Chatbots haben noch nichts mit Künstlicher Intelligenz zu tun.“ Ganz anders verhalte es sich, wenn Sprach- und Text­erkennung mit Decision Management kombiniert werde. „Die Spracherkennung sorgt dafür, dass gesprochene Worte in geschriebenen Text überführt werden. Zudem kann anhand typischer Stimmmerkmale erkannt werden, wer der Gesprächspartner ist. Texterkennung untersucht im nächsten Schritt den Text bezüglich der Klassifizierung (worum geht es?), des Intents (was möchte der Gesprächspartner?) und des Sentiments (wie ist die Gemütslage des Gegenübers?) - und kann im Text Entities erkennen.“ Entities sind etwa Namen, Telefonnummern, Adressen, Bankverbindungen, Songtitel oder Automarken. Wenn diese Informationen ganz oder teilweise zur Verfügung stehen, dann kommt man zur Königsdisziplin der Künstlichen Intelligenz, dem Decision Management: „Was ist die beste Maßnahme, um auf die Anfrage zu reagieren? Decision Management wird häufig auch als Next Best Action beschrieben und stellt die eigentliche Intelligenz dar.“

„Sprachsteuerung und Texterkennung sind bereits Commodity“, konstatiert Knoche. Spracheingabe als Interaktionskanal mit einem technischen System sei beinahe vollständig ausgereift und könne deshalb nicht dazu dienen, das Unternehmen zu differenzieren. „Sprachsteuerung muss einfach funktionieren - Punkt.“