KI – Eine Use Bestands- Cases aufnahme · In diesem Report geht es weniger um die technischen Details – obwohl für uns ... bis zum Ende des Jahres sollen es 1.000 sein. Das Highlight

START>

Raus aus –

rein in die Praxis

PowerPoint

Use Cases

KI – Eine Bestands-aufnahme

Use Cases


|

Verstehen Sie diesen Report als Anstoß zur Diskussion. Über Ihren Blickwinkel auf KI. Und wie wir Sie –

mit unserer Erfahrung, unserem Technologieverständnis und unserem Branchenwissen – unterstützen können.

Ich freue mich auf das Gespräch von Mensch zu Mensch – so ganz ohne KI dazwischen.

Viele Grüße

Ihr Volker Gruhn

Vorwort

Raus aus – rein in die Praxis

Liebe Leserin, lieber Leser,

was verbindet Ihr neues Auto mit dem Posteingang des Kundenservices? Den Servicetechniker mit Amateurfußball? Callcenter-Beschäftigte mit Markt-analysten? Sie befinden sich auf der zweiten Seite eines Reports mit dem Namen „KI Use Cases“, da liegt die Antwort natürlich auf der Hand: Künstliche Intelligenz ist die Klammer der Themen. Anwendungen, die auf diesen Technologien beruhen, spielen inzwischen in zahlreichen Abläufen eine Rolle. Einige solcher Ansätze und Ideen trugen wir für diesen Report zusammen. Unser Ziel ist es, Ihnen ein Gefühl für die Vielfalt der Möglichkeiten zu vermitteln, die KI-Anwendungen eröffnen. In diesem Report geht es weniger um die technischen Details – obwohl für uns als gelernte Softwareingenieurinnen und -ingenieure auch der Blick unter die Motorhaube der Anwendungen spannend ist. Auf den folgenden Seiten geht es darum, was sich aus Technologie erschaffen lässt. Es geht um genauere Kommunikation, schnellere Prozesse, zufriedenere Kunden. Darum, wie weit KI-Anwendungen inzwischen beim Umgang mit Bildern und Texten sind. Und wie diese Fähigkeiten die Beschäftigten im Vertrieb, Marketing oder Kundenservice bei ihrer Arbeit unterstützt.

Lassen Sie sich von diesen Anwendungsfällen inspirieren. Bei einigen wird die Verbindung zu Ihrem Unternehmen und Ihren eigenen Prozessen offensichtlich sein. Andere sind dagegen ein ganzes Stück weit entfernt von Ihren Aufgaben. Aber häufig verändert gerade dieser Blick über den Tellerrand des Tagesgeschäftes hinaus den Blickwinkel.

Mehr unter ki.adesso.de

PowerPoint

< ZURÜCK VOR >

2SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | VORWORT

http://ki.adesso.de

Use Cases


|

Wie KI die Liveübertragung von Amateurfußball ermöglicht

Dank KI sieht die Kreisliga C jetzt aus wie die Champions

Bundesliga, DFB-Pokal, Champions League und Europa League – die klang-vollen Wettbewerbe bei den Fußballprofis kennt jedes Kind. Die Medien sind voll mit Berichten. In ihrem Schatten: die zahlreichen Amateurfußball-Vereine, die mit nicht weniger Leidenschaft allwöchentlich ihren Sport auf den Fußball-plätzen der Republik ausüben. Jedes Spiel, jedes Tor, all die großen Emotionen und kleinen Dramen, sie blieben bisher unbeachtet. Abgesehen von den Fans direkt am Spielfeldrand.

Einer der Gründer von soccerwatch.tv ist Vater zweier fußballbegeisterter Kinder, hat es aber oft nicht zu ihren Spielen geschafft. Daraus entwickelte er die Idee, eine Webcam am Fußballplatz zu installieren, um die Spiele live zu verfolgen. Für einen Prototyp wurde im Baumarkt eine Plastikbox gekauft, in diese ein Loch reingeschnitten, eine Kamera eingesetzt und das Spiel bei YouTube hochgeladen.

League

soccerwatch

Der Funke

< ZURÜCK VOR >

3VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | SOCCERWATCH

Use Cases


|

soccerwatch.tv tritt an, den Amateurfußball mit digitaler Kamera-technik aufzuzeichnen und zu übertragen – live, on demand oder als Highlight-Clip. Jährlich finden laut Deutschem Fußball-Bund (DFB) hierzulande 1,8 Millionen Fußballspiele statt – von 99 Prozent gibt es keine Aufzeichnungen. Der Grund: Bisherige Lösungen sind aufwendig, teuer und qualitativ minderwertig.

soccerwatch.tv hat ein eigenes Kamerasystem entwickelt, bestehend aus sechs Full-HD-Kameras, deren Bilder zu einem 180-Grad-Panorama zusammengefügt werden. Dieses System wird in rund 7,5 Meter Höhe am Flutlichtmast des Spielfeldes in Höhe der Mittellinie installiert. Von dort sendet es kabellos in bester Qualität per LTE in die Welt hinaus.

Um dem Zuschauer die vom Profifußball gewohnte Bildqualität zu liefern, identifizieren Algorithmen automatisch in Echtzeit den relevanten Bildausschnitt. Ohne jeglichen Chip im Ball oder im Trikot. Die Algorithmen für die Künstliche Intelligenz (KI) in diesem System hat soccerwatch.tv in Zusammenarbeit mit Experten von adesso entwickelt.

Die Idee

Die Kamera

Die KI

Entscheidend für jedes KI-Projekt: Alle Beteiligten entwickeln ein gemeinsames Verständnis der Geschäftsidee, der vorhandenen IT-Struktur, der Datenstruktur und -qualität sowie des Informations-gehalts der Daten. soccerwatch.tv- und adesso-Experten führten im Rahmen eines Workshops im Interaction Room diese Anforderungs-analyse durch. Am Ende standen das Erstellen eines passenden Umsetzungsplans sowie die Auswahl der geeigneten Architektur und Technologie.

Bei soccerwatch.tv erwies sich Open-Source-Software in Kombina-tion mit einer Cloud-Lösung als die optimale Wahl. Das Start-up verfügte einerseits nicht über die finanziellen und personellen Möglichkeiten, direkt mit einem eigenen Rechencluster zu starten. Andererseits ist ein Cloud-System für die Geschäftsidee bestens geeignet. Für jedes weitere installierte Kamerasystem kann das Unternehmen die Kapazität bedarfsgerecht skalieren.

Der Weg

Die Wahl

„Wir wollen den kompletten

Amateurfußball mittels Künstlicher

Intelligenz sichtbar machen.“

Jan Taube | Geschäftsführer soccerwatch.tv

< ZURÜCK VOR >


Use Cases


|

Im ersten Schritt haben die Experten das Videomaterial von wenigen Kamerasystemen gesammelt und für die Entwicklung des Algo-rithmus genutzt. Ziel war es, die Funktionalität und Umsetzbarkeit des im Workshop entwickelten Konzepts zu beweisen. Entwickelt wurde komplett agil. Agilität in Bezug auf KI-Projekte hat einen entscheidenden Vorteil: Analysten sind von Beginn an in die Model-lierung einbezogen. So erkennen die Verantwortlichen frühzeitig, ob die Umsetzung den gewünschten Nutzen bringt. Im Gegensatz dazu stehen bei klassischen Vorgehensmodellen den Analysten die Daten erst am Ende zur Verfügung.

Nachdem die Beteiligten den Beweis der Tragfähigkeit erfolg-reich erbracht hatten, integrierten sie den Algorithmus in die Cloud-Lösung. Die beiden essenziellen Anforderungen: Skalierbarkeit und Echtzeitfähigkeit. Wochenende für Wochen-ende finden in Deutschland zehn tausend Amateurfußballspiele parallel statt. Mit jedem installierten Kamerasystem wächst die Rechenlast, die das System parallel abarbeiten muss, um all die Spiele live zu streamen.

Der Beweis

Die Umsetzung

Aktuell hat soccerwatch.tv 180 Kamerasysteme installiert, bis zum Ende des Jahres sollen es 1.000 sein. Das Highlight der noch jungen Geschichte: Der DFB hat eine Partnerschaft mit dem Streaming-Start-up vereinbart. Mit „soccerwatch.tv Analytics“ stehen den Amateurtrainern und -spielern Daten wie Laufleistung, Zweikampfbilanz und Trackingwerte zur Verfügung – ähnlich wie bei den Profis.

Das Ergebnis

< ZURÜCK VOR >

Über

50 %der Kundinnen und Kunden

glauben, dass KI ihnen zukünftig Vorteile bringt.

Quelle: ki.adesso.de/studie


https://ki.adesso.de/studie

Use Cases


|

Wie KI die Beziehung zum Auto revolutioniert

Künstliche Intelligenz trifft auf echten

Im Auto Platz nehmen und den Blick über das noch ungewohnte Cockpit schweifen lassen. Und falls ein Bedienelement nicht sofort klar ist oder eine Funktion nicht direkt gefunden wird: einfach Ask Mercedes fragen. Wo bisher das Blättern in Betriebsanleitungen, Handbüchern oder Kurzanleitungen die Regel war, erweitert Daimler die Kommunikation um weitere digitale Kanäle. Die Anwendung „Ask Mercedes“ sorgt dafür, dass sich jeder Nutzer schnell im Fahr-zeug zurechtfindet. Angesprochen wird die virtuelle Helferin mit der Stimme, mithilfe der Smartphone-Tastatur oder -Kamera. Im Hinter-grund sorgt dann ein System aus Künstlicher Intelligenz (KI) und Augmented Reality (AR) dafür, dass auch ein modernes Auto mit unzähligen Funktionen, Einstellungsmöglichkeiten und Assistenz-systemen im Handumdrehen verständlich wird.

Charakter

Ask Mercedes

< ZURÜCK VOR >

6VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | ASK MERCEDES

Use Cases


|

MEHR FUNKTIONEN, TROTZDEM WENIGER KOMPLEXITÄTEntstanden ist die Idee für diese Chatbot-Anwendung während des Digital Life Day 2016. Das Daimler-eigene Format dient dem Aufspüren von Trends und digitalen Themen. Bei dieser Mischung aus Ideen-börse und Workshop werden Mitarbeiter dazu aufgefordert, ihre Ideen einzureichen und vorzustellen. Im Chatbot-Konzept erkannten die Beteiligten einen zeitgemäßen Weg, Kunden den Umgang mit Fahrzeugen zu erleichtern. Fahrzeugen, die immer mehr Funktionen bieten und so auch immer komplexer werden.

Im Anschluss an den Digital Life Day ging es ganz schnell: Um die Funktionsfähigkeit und die Akzeptanz des Chatbots zu testen, wurde ein sogenanntes Minium Viable Product (MVP) entwickelt. Am Ende der MVP-Phase stand für die Beteiligten fest: Chatbots können dafür sorgen, dass Mercedes-Benz-Kunden ihr Fahrzeug auf ganz neue Art kennenlernen und erleben. Die Experten ergänzten das Konzept dann um einen weiteren Zukunftstrend: Augmented Reality. Auf diesen beiden Säulen sind die Funktionen von Ask Mercedes aufgebaut.

Die Idee

Daimler positioniert Ask Mercedes genau an einem Pain Point der Kunden. Die Funktionsvielfalt der Fahrzeuge und des ergänzenden Serviceangebotes nimmt stetig zu. Deshalb wird es immer wichtiger, in einem engen Dialog mit den Kunden zu stehen. Das Unternehmen will ihnen jederzeit und überall die Möglichkeit geben, sich zu informieren und Antworten auf offene Fragen zu erhalten. Für die Nutzer sollen die ersten Schritte mit ihrem Fahrzeug so einfach und interessant wie möglich sein. So sind neben der ausführlichen Betriebsanleitung weitere Kurzanleitungen oder Erklärvideos auf der Website verfügbar. Ask Mercedes löst die bisherigen Informationsmöglichkeiten nicht ab, sondern bietet dem Fahrer eine weitere Möglichkeit, sein Fahrzeug kennenzulernen. Die Anwendung ergänzt die Kundenkommunikation um eine neue, interaktive Option.

Das Suchen in vorgegebenen Strukturen wie alphabetisch sortierten Registern entfällt. Stattdessen stellt Ask Mercedes die Anforderungen des Kunden und seine Situation konsequent in den Mittelpunkt. Er bekommt genau die Informationen, die er konkret im Moment braucht – und das auch noch informativ und charmant.

Der Nutzen

„Wir wollten ein System entwickeln,

das nicht nur Informationen liefert,

sondern auch einfach Spaß macht und den

Kunden ermutigt, in den Dialog zu treten.“

Stefan Hussmann | Leiter Line of Business Automotive & Transportation | adesso SE

< ZURÜCK VOR >


Use Cases


|

Im April 2017 machten sich Daimler und adesso daran, diese Infra-struktur zu entwickeln. Nur sieben Monate später veröffentlichten sie die erste iOS-Version einer App. In diesem kurzen Zeitraum schufen sie gemeinsam die technischen Grundlagen, entwickelten die Anwen-dung und koordinierten den Prozess der Content-Erstellung.

Für den Start von Ask Mercedes wählten die Experten von Daimler und adesso IBM Watson als KI-Basis und setzten beim Thema AR auf Komponenten von Vuforia. Aber diese Technik ist nur ein Aspekt von Ask Mercedes. Das Team stand vor der Aufgabe, einer Künst-lichen Intelligenz Persönlichkeit zu geben.

CHATBOT MIT CHARMEAsk Mercedes ist nicht nur ein reines Informationssystem. Die Inter-aktion mit der App – sei es das gesprochene oder geschriebene Wort – soll sich natürlich anfühlen. So soll der Anwender vergessen, dass hinter den Antworten kein Mensch steckt, sondern ein Chatbot.

Die Idee ist, dass nicht einfach Passagen aus dem Handbuch abgebildet werden, die ungefähr passen könnten. Es soll sich ein kompetenter Chatbot mit einem Fahrer über sein Auto unterhalten.

Dass Ask Mercedes so rüberkommt, ist der Liebe zum Detail zu verdanken, die das Team bei der Entwicklung der Chatbot- Persönlichkeit „Mercedes“ an den Tag legte.

Das Projekt

Der Chatbot

Das Team entwarf erst ein vollständiges Persönlichkeitsprofil. Dann galt es, den Chatbot mit Fakten rund um das Auto zu füttern und die richtigen Antworten auf die wichtigsten Fragen zu finden. Dazu trugen alle beteiligten Abteilungen Informationen zusammen, die das Team dann App-kompatibel aufbereitete. Gleichzeitig sammelten die Beteiligten initial über 6.000 Rück-meldungen von Kunden und analysierten über den Zeitraum von knapp einem Jahr Anfragen an das Daimler Customer Contact Center. So bekam das Team einen detaillierten Einblick in das Informationsbedürfnis von Kunden.

Parallel dazu machten sich die Beteiligten daran, das Persön-lichkeitsprofil mit Leben zu füllen. Denn in der Art und Weise, wie Ask Mercedes Fragen beantwortet – mal mit einem Augenzwinkern versehen, mal mit einem frechen Spruch – soll immer auch ihre besondere Persönlichkeit durchschim-mern. „Nach den ersten technischen Fragen fangen viele Anwender an, der App ein wenig auf den Zahn zu fühlen“, weiß Stefan Hussmann zu berichten. adesso engagierte im Rahmen der sogenannten Conversational-User-Experience- Konzeption Drehbuchautoren, um hier möglichst kreative und überraschende Antworten für Ask Mercedes zu finden. Kleiner Tipp: die Frage nach den Lottozahlen.

Das Ergebnis

< ZURÜCK VOR >


Use Cases


|

Eine KI, auf die sich Ihre Servicetechniker verlassen

In jeden

gehört jetzt auch eine KI

Unser Kunde ist einer der großen Anbieter von Mobil- und Festnetzdiensten für Privat- und Geschäftskunden in Deutschland. Dreh- und Angelpunkt des flächendeckenden Angebotes ist das dichte Netz an Funkmasten. Pro Tag kommt es bei diesen Masten zu circa 100 Fehlermeldungen, die auf Hardware-probleme zurückzuführen sind. Diese schnell zu beheben, ist entscheidend für die Qualität der Leistungen. In 15 Prozent aller Einsätze ordert der Techniker, der die Reparatur vornehmen soll, das falsche Ersatzteil. Mit dem Ergebnis, dass er ein zweites Mal zum Einsatz fahren muss. Dies beeinflusst Reparatur-kosten und -dauer.

Werkzeugkasten

So lief es früher

< ZURÜCK VOR >

9VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | ÜBERGREIFEND

Use Cases


|

Gemeinsam mit dem Kunden entwickelten die adesso-Experten ein KI-gestütztes Modell, das Vorhersagen soll, welche Hardware defekt ist. Auf der Grundlage automatischer Klassifikationen prognostiziert die Anwendung den Fehler und empfiehlt dem Servicetechniker passende Ersatzteile und entsprechende Ausrüstung.

Der Techniker hat vor seinem Einsatz einen besseren Einblick in die Probleme am Funkmast. Die KI-Anwendung hilft ihm dabei, sich besser auf die Reparatur vor Ort vorzubereiten. Alle nötigen Informationen sind in das Ticketsystem des Unternehmens integriert.

„Auf Basis der historischen Daten und mithilfe von Machine-

Learning-Verfahren entwickelten wir ein Modell, das die

Qualität des Reparaturprozesses deutlich verbesserte.

Unsere Anwendung ergänzt die Fehlermeldungen um Hinweise

auf die technischen Ursachen des Problems.“

Benedikt Bonnmann | Leiter Line of Business Data & Analytics adesso SE

Dann kommt KI ins Spiel

So ist es jetzt

Für welche Unternehmen eignet sich der Ansatz? Telekommunikation, Maschinen-/Anlagenbau, Energiewirtschaft, Verkehrsbetriebe

Für welche Entscheider ist der Ansatz interessant? Alle

Hintergründe für technisch Interessierte: Machine Learning, Classification

Weitere Infos

< ZURÜCK VOR >

Fast

50 %der Entscheiderinnen und

Entscheider setzen beim Thema KI auch auf Cloud-Technologien.




Use Cases


|

Ein Workshop, der die KI-Potenziale in Prozessen findet

Sie sollten das mit KI machen.

Nicht das Erstbeste.

Sollen wir einen Chatbot im Service einsetzen? Oder lieber eine in Smart Speaker integrierte Voice-Lösung für das Bestellen entwickeln? Oder werden unsere Kunden eher durch hyperpersonalisierte, automatisch erstellte Inhalte überzeugt? Unternehmen können KI-Technologien in unterschiedlichen Anwendungsszenarien einsetzen. Die Auswahl des richtigen Ansatzes und des richtigen Anwendungsfalls ist entscheidend für den Erfolg von KI-Projekten. Noch fehlt den Beteiligten die Erfahrung, um einzelne Anwendungsszenarien und Technologiepotenziale richtig einschätzen zu können. Die Gefahr ist gegeben, dass Entscheider nicht auf die richtigen KI-Themen setzen.

Beste

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Der Schlüssel zum Erarbeiten von KI-Anwendungsfällen sind Workshops im sogenannten Interaction Room (IR). Beim Interaction Room handelt es sich um eine an der Universität Duisburg-Essen entwickelte Projektmethode. Mit ihrer Hilfe visualisieren Beteiligte Zusammenhänge und identifizieren Risiken, Aufwands- oder auch Werttreiber in Projekten.

Gemeinsam mit unseren IR- und KI-Experten ermitteln wir auf Ihr Unternehmen und Ihre Ziele zugeschnittene Use Cases. Von ersten Denkanstößen über das Analysieren der vorhandenen Datenquellen bis hin zum Gestalten und Priorisieren von Use Cases: Dafür benötigen wir dank des erprobten Workshop-Konzeptes nur zwei Tage. Dann wissen Sie, in welche Richtung Sie KI in Ihrem Unternehmen weiterentwickeln sollten.

Vom Verstehen der Potenziale bis hin zum Integrieren von KI-Anwendungen in bestehende Prozesse und IT-Strukturen: Am Ende des Workshops haben die Teilnehmer ein Verständnis für die Möglichkeiten, die KI eröffnet.


So ist es jetzt

„Der Interaction Room hilft unseren Kunden,

ihre KI-Potenziale zu identifizieren sowie in den

komplexen KI-Projekten den Überblick zu behalten

und die wichtigen Dinge in den Fokus zu rücken.

Selten war es so einfach, Fachbereich und IT auf

eine Zielvorstellung zu verpflichten.“

Jacqueline Maier | Teamleiterin Data Science adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen, die auf der Suche nach KI-Anwendungsfällen sind.

Für welche Entscheider ist der Ansatz interessant? Für alle Beteiligten an KI-Projekten, insbesondere Vertrieb, Marketing, Kundenservice und IT.

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die Papierarchive digital nutzbar macht

Im Jahr 1940 notiert – heute

OGE (Open Grid Europe GmbH) ist einer der führenden Fernleitungsnetz-betreiber Europas. Ein Projekt zum Prüfen des Fernleitungsnetzes auf seine Wasserstofftauglichkeit stellt die Verantwortlichen vor große Heraus-forderungen. Um diese Tauglichkeit beurteilen zu können, müssen sie die gesamte technische Dokumentation aller verbauten Materialien auswerten. Die Daten liegen nur in Form eingescannter Dokumente vor. Dokumente, die teilweise bis ins Jahr 1940 zurückreichen. Dazu gehören Herstellerangaben, Bauteillisten, Materialbestandteile sowie technische und chemische Eigen-schaften aus Prüfzeugnissen. Das zuverlässige Extrahieren und Verfügbar-machen relevanter Informationen ist die Voraussetzung, um notwendige Umrüstungen für den Infrastrukturwechsel kostenoptimal durchführen zu können. Die Datenmenge und die Heterogenität des Ausgangsmaterials machen eine manuelle Auswertung unmöglich.

digitalisiert

So lief es früher

VOR >< ZURÜCK


Use Cases


|

KI-Anwendungen ermöglichen es – trotz des heterogenen Ausgangs-materials – große Teile der Dokumentenauswertung zu automatisieren. Schlüsselfunktionen sind dabei die sogenannte Key Value Detection sowie die Tabellenextraktion. Einen großen Mehrwert bringt eine KI auch bei der Schrift-erkennung, vor allem bei schlechten Scan- oder Dokumentqualitäten oder Formularen mit handschriftlichen Einträgen.

Fachleute setzen die Key Value Detection insbesondere bei der Extraktion spezifischer Informationen ein, um diese in eine Datenbank überführen zu können. So wird zu einem bekannten Schlüssel (Key), wie beispielsweise einem „Hersteller“ oder „Prüfgegenstand“, der passende Wert (Value) in der näheren Umgebung im Dokument gesucht. Da bestimmte Seiten – beziehungsweise deren Form – häufiger in Dokumenten vorkommen, hilft eine vorgeschaltete Seitenklassifikation dabei, die Ergebnisse zu verbessern.

Bei der Extraktion aus Tabellen kommt es darauf an, tabellarische Strukturen – auch ohne eine gezeichnete Tabelle – zu erkennen. Anhand der erkannten Tabellenstruktur werden die Informationen aus einer Zelle in Zusammen- hang mit einer vorhandenen Spalten- und/oder Zeilenbeschriftung gebracht. Die Kombination aus Spaltenbeschriftung und Zellwert ergibt dann wieder ein Key-Value-Pärchen, welches extrahiert wird.

Die eingesetzten KI-Verfahren sorgen dafür, dass die Daten aus den eingescannten PDF-Dateien in strukturierter Form vorliegen. Die Verantwortlichen entwickelten ein Datenschema für die zu extrahierenden Informationen und bauten eine Datenbank auf. Zusätzlich ist der gesamte Dokumentenbestand mittels Suchinterface vollständig durchsuchbar, sodass auch nicht extrahierte Informationen einfach auffindbar sind.


So ist es jetzt

„Das Projekt zeigt, welche Rolle KI-Anwendungen bereits

in der täglichen Arbeit spielen. Für uns verwandelten

sie teils hundert Jahre alte handschriftlich verfasste

Informationen zu Datensätzen, mit denen

wir weiterarbeiten konnten. Und das

mit einer Präzision, die uns immer noch

tagtäglich beeindruckt.“

Dr. Daniel S. Bick | Open Grid Europe GmbH

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit Datenbeständen in Papierform, die bisher kaum oder nur eingeschränkt digital nutzbar sind. Für alle Unternehmen, die einen konstanten Input an Dokumenten haben. Insbesondere ist für Gasnetzbetreiber eine spezialisierte Gesamtlösung verfügbar, die in Form einer Kooperation von adesso und OGE angeboten wird.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen, in deren Aufgabenbereich Papier-archive eine Rolle spielen.

Hintergründe für technisch Interessierte: Key Value Detection, Natural Language Processing, Tabellenextraktion

Weitere Infos

VOR >< ZURÜCK


Use Cases


|

Eine KI, die Wissen und Interessen zusammenführt

Verteiltes hat jetzt einen gemeinsamen Ort

In einem kleinen Start-up passt das ganze Entwicklungsteam an einen größeren Schreibtisch. Gemeinsam Ideen spinnen, schnell einen Experten für ein Thema finden oder die Erkenntnisse des Kollegen aufgreifen: All das ist einfach, wenn sich alle kennen und die Wege kurz sind. Anders ist die Situation in größeren Unternehmen. Mitarbeiter arbeiten an unterschiedlichen Stand-orten in unterschiedlichen Teams an unterschiedlichen Themen. Das macht es für den Einzelnen schwierig, auf dem Laufenden zu bleiben und den Überblick über den Stand aller Entwicklungen zu bewahren. Parallele Arbeit an ähnlichen Themen, aufwendige Rechercheprozesse oder unpassende Kooperations-partner sind die Folge.

Wissen

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Über das ganze Unternehmen verstreute Informationen, unterschied-liche Datentöpfe, ein Nebeneinander von strukturierten und unstruk-turierten Daten: In dieser Gemengelage spielen KI-Anwendungen ihre Stärken aus. Zunächst durchsucht das System unterschiedliche Quellen wie Dokumentsammlungen, Artikel-Archive, Webseiten, Publikationen oder Chats. Verfahren wie Text analyse, Informations-extraktion oder Topic-Identifizierung sorgen dafür, dass das System die wichtigsten Themen automatisch identifiziert.

Auf dieser Basis werden Überschneidungen entdeckt und Ähnlich-keiten von Themen oder auch Teams, die an ähnlichen Themen arbeiten, identifiziert.

So eine KI-Lösung schafft eine gemeinsame Wissensdatenbasis, an der die Experten anknüpfen können. Recherchen sind kürzer und liefern bessere Ergebnisse, Ansatzpunkte für neue Themen oder Kooperationen lassen sich schneller identifizieren, die parallele Arbeit an ähnlichen Ansätzen wird vermieden.


So ist es jetzt „Für Unternehmen ist das Sammeln und

Sichten aller verfügbaren Informationen ohne

KI aufwendig und liefert ein lückenhaftes Bild.

Passende Lösungen helfen den Verantwort-

lichen dabei, wesentlich zielgerichteter

Kooperationspotenziale

zu analysieren.“

Dr. Thomas Franz | Leiter Technologiebeirat adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit umfangreichen Forschungs- und Entwicklungsaktivitäten, insbesondere in der Industrie.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Forschung, Vertrieb, Innovations management, Produktentwicklung, Kooperations management.

Hintergründe für technisch Interessierte: Crawling, Topic-Mining, Hadoop, Elastic

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die jeden Kunden wie einen Bekannten anspricht

Individualität funktioniert auch im großen

Geschlecht, Alter, Wohnort, Familienstand, Ausbildung. Wollten Marketingexperten Interessenten ansprechen, waren diese und ähnliche Angaben die Parameter, mit denen sie arbeiten konnten. Die Zielgruppe stand im Fokus der Kommunikation, nicht der einzelne Mensch. Entsprechend schufen die Verantwortlichen Kampagnen, die mit allgemeinen Botschaften die Empfänger so ungefähr erreichen sollten. Streuverluste gehörten dabei einfach dazu.

Maßstab

So lief es früher

< ZURÜCK VOR >

17VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | MARKETING

Use Cases


|

Technologie hilft dabei, die Gestaltungsmöglichkeiten bei den Kommunikationsinhalten zu verbessern. Erstmals ist es Unternehmen möglich, im großen Maßstab ganz persönlich zu kommunizieren. Eine große Rolle spielt die Fähigkeit von KI-Lösungen, die Inhalte von Texten automatisch zu erkennen, aufzubereiten und darauf zu reagieren, beispielsweise in Form von automatisch erstellten Inhalten. Sie eröffnen die Möglichkeit, Aussagen eines Kunden aus unterschiedlichen Quellen – wie beispielsweise E-Mails, Anrufen beim Servicecenter, Besuchen auf der Website, Kommentaren auf Bewertungsportalen, Social-Media-Kanälen oder Foren – zusammenzutragen und daraus ein ganzheitliches Bild individueller Interessen abzuleiten.

Auf Basis dieser Informationen können Unternehmen passende und personalisierte Kommunikationsinhalte und Angebote aufbauen. Dank KI sind dem Grad der Individualisierung keine Grenzen gesetzt: Mit den richtigen Daten gefüttert kann das System automatisch speziell für Jazz-Liebhaber Paris-Reisetipps für die Urlaubsvorbereitung erstellen.

Marketingverantwortliche können bei Kampagnenplanung und -umsetzung auf die Unterstützung von KI-Anwendungen zählen. So gelingt es ihnen, der Vielfalt von Kommunikationskanälen und -themen Herr zu werden.


So ist es jetzt

„Künstliche Intelligenz bringt das zurück

in die Kommunikation, was früher wie

selbstverständlich dazugehörte: das Wissen

um die Interessen und Besonderheiten eines

jeden einzelnen Kunden.“

Marcus Groß | Senior Business Developer Retail & AI adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit einer Vielfalt an Kommunikationskanälen.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund ums Marketing.

Hintergründe für technisch Interessierte: Natural Language Processing (NLP), Natural Language Generation (NLG)

Weitere Infos

< ZURÜCK VOR >

18VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | MARKETING

Use Cases


|

Obwohl beide Kanäle für den Kunden von großer Bedeutung sind, sind Online- und Offlinehandel kaum miteinander verknüpft. Bisher benötigen Händler nicht viele Informationen über ihre Kunden, denn in der stationären Filiale zählen in erster Linie das Angebot und der Preis. Es kommt auf die Produktpräsentation an, weniger auf das Produkt erlebnis. So empfinden die Entscheider moderne Technologie wie KI häufig als nettes Gimmick, aber nicht als entscheidend für den Erfolg ihres Unternehmens.

Durch Mixed-Reality wird der Handel unabhängig vom stationären Angebot. Die Technologie erweitert das physische Erlebnis durch eine virtuelle Realität. Für Kunden wird eine Zugfahrt oder ein Aufenthalt in der Flughafen-Lounge zur Shopping-Experience. KI passt dabei das Produkterlebnis an die individuellen Vorlieben und Bedürfnisse der Kunden an. Denn jeder Kunde hat ein anderes Produktinvolvement, steht an einem anderen Punkt in seinem Kaufentscheidungsprozess und ist von anderen Einflussfaktoren beeinflusst. Eine KI berücksichtigt all diese Faktoren, um auf dieser Basis ein persönliches Erlebnis zu schaffen und den Entscheidungsprozess zu verkürzen.

So lief es früher


Online- und Offlinehandel sind dank KI und erweiterter Realität nahtlos miteinander verknüpft. Händler kennen die Bedürfnisse und Wünsche ihrer Kunden bereits, wenn diese die Filiale betreten. In der stationären Filiale zählen das Erlebnis und die kompetente Beratung – statt Produkte nur präsentiert zu bekommen, können Kunden sie unmittelbar erleben. Der sinnvolle Einsatz der Technologie ermöglicht es, individuell und überall auf den Kunden einzugehen.

Für welche Unternehmen eignet sich der Ansatz? Für Handelsunternehmen, die Premium- oder High-Involvement-Produkte anbieten und für die der emotionale Faktor eine entscheidende Rolle spielt.

Für welche Entscheider ist der Ansatz interessant? Marketing, Vertrieb, User Experience

Hintergründe für technisch Interessierte: Immersive Experience, Virtuelle Realität, Seamless Commerce (Nahtloses Einkaufserlebnis), Künstliche Intelligenz, Multisensorischer Handel, Natural Language Processing

So ist es jetzt

Weitere Infos

< ZURÜCK VOR >

Ein System, das den Handel multisensorisch, personalisiert und immersiv macht

Kaufen wird zu einem sinnhaften Erlebnis


Use Cases


|

Eine KI, die mehr Pfiff in Ihre Produktinformationen bringt

Ein System, das Ihreautomatisch und gut erklärt

Ist der Pullover jetzt zu 100 Prozent aus Wolle oder Baumwolle? Sind die Gartenmöbel aus Metall oder aus Edelstahl? Beschreibungen in Produktinformationssystemen sauber erfassen, die Angaben auf Widersprüche oder Vollständigkeit prüfen und aktuell halten: Das ist eine Sisyphusarbeit für die Mitarbeiter. Dabei sind korrekte Angaben über Produkte für Unternehmen von entscheidender Bedeutung. Nicht nur in der Kundenkommunikation, sondern auch für das Steuern interner Prozesse wie Beschaffung oder Logistik. Zunehmende Sortimentsgrößen machen diese Aufgabe komplexer. Denn trotz aller Ansätze zum Automatisieren von Prozessen ist hier noch viel Handarbeit gefragt.

Produkte

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Ein KI-basiertes System, das darauf trainiert ist, Produktinformationen zu erstellen, kann die Arbeit von Beschäftigten gezielt unterstützen und Routineaufgaben automatisieren. Dazu gehört, umfangreiche Texte aus unterschiedlichen Quellen zusammenzufügen, auf dieser Basis widerspruchsfreie Angaben zu formulieren, fehlende Angaben zu erkennen und zu ergänzen beziehungsweise zu recherchieren.

Aber eine KI mit Textverständnis kann nicht nur bestehende Prozesse verbessern. Denkbar ist mit ihrer Hilfe auch, Produktinformationen auf neue Art zu veredeln, beispielsweise durch personalisierte Beschreibungen, die je nach Interessent ausgespielt werden können.

Auch größere Sortimente können Unternehmen dank richtig trainierter KI-Anwendungen exakt, strukturiert, individualisiert und pointiert beschreiben. So können die Verantwortlichen Sortimentserweiterungen schneller umsetzen oder Ähnlichkeiten zwischen unterschiedlichen Angeboten in großen Daten banken erkennen.


So ist es jetzt

„Automatisierung statt Handarbeit, Struktur

statt Chaos: KI-Anwendungen helfen dabei,

Produktinformationen auf dem neusten

Stand zu halten – und das vollautomatisch.“

Marcus Groß | Senior Business Developer Retail & AI adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für Handelsunternehmen und für alle Unternehmen mit einem umfangreichen Produktangebot.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Kundenservice, Marketing und Vertrieb.

Hintergründe für technisch Interessierte: Machine Learning, Natural Language Processing, Natural Language Under standing, Natural Language Generation oder Natural Language Classifier

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die erkennt, warum Ihre Kunden Ihnen schreiben

Keine geht verloren, kein Lead bleibt ungenutzt

Das Kontaktformular, ein Klassiker der Kundenkommunikation, ist ein wahres Füllhorn an Informationen. Dieses Formular ist für viele Kunden die erste Anlaufstelle, um mit ihrer Versicherung Kontakt aufzunehmen: Beschwerden, Anfragen oder Vertrags- und Kontaktänderungen – alles läuft darüber auf. Belangloses ebenso wie potenzielle Vertriebschancen. Häufig sind die Nach-richten lediglich grob Kategorien zugeordnet. Sachbearbeiter prüfen die Inhalte und stoßen das weitere Be- und Verarbeiten an. Dieses Bearbeiten bindet Ressourcen und birgt ein erhebliches Fehlerrisiko.

Anfrage

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Gemeinsam mit einer Versicherung entwickelte adesso einen KI-basierten Ansatz, der aus den Inhalten von Kontaktformularen automatisch vertriebs-relevante Informationen herausfiltert. Grundlage für das Entwickeln waren hunderte historischer Datensätze, anhand derer das System das Strukturieren der Anfragen erlernte. Das Projektteam definierte, welche Inhalte auf Vertriebschancen hindeuten. Diese priorisiert die Anwendung nach Wertigkeit sowie Dringlichkeit und ordnet sie den vorhandenen Angeboten zu. Abschließend leitet das System die Kontaktformulare automatisiert an die entsprechenden Abteilungen weiter.

Aktuell ordnet die KI-Lösung über 90 Prozent der Eingänge korrekt zu. Dies sorgt für schnellere und zuverlässigere Vertriebs- und Kommunikations-prozesse. Die Rückmeldung der Sachbearbeiter verbessert die Leistungs-fähigkeit des Systems weiter.


So ist es jetzt

„Das Be- und Auswerten der Anfragen über Kontakt-

formulare zeigt: KI-Anwendungen haben im Umgang

mit Texten inzwischen ein verlässliches Leistungs-

niveau erreicht. Sie erlauben das Automatisieren

von Prozessen, bei denen bisher aufgrund der

Komplexität der Abläufe Handarbeit dominierte.“

Michael Bünnemeyer | Business Development Insurance adesso SE

Für welche Unternehmen eignet sich der Ansatz? Versicherungen

Für welche Entscheider ist der Ansatz interessant? Versicherungsvertrieb/Marketing

Hintergründe für technisch Interessierte: Support-Vector-Maschinen

Weitere Infos

< ZURÜCK VOR >

Fast

60 %der Kundinnen und Kunden

haben bereits Erfahrungen mit Chatbots gemacht.




Use Cases


|

Eine KI, die für Sie Interessenten sucht

Suchen war gestern: Ab heute finden die

Sie

Im B2B-Umfeld verbringen Vertriebsmitarbeiter einen umfangreichen Teil der Arbeitszeit mit der Recherche von Informationen: Wo planen potenzielle Kunden Neueröffnungen? Welche Änderungen im Management gibt es? Wer hat welche Aussagen über strategische Pläne oder Investitionsent-scheidungen getroffen? Denn aus diesen und ähnlichen Themen leiten Vertriebsexperten Anknüpfungspunkte für die Ansprache ab: Je individueller diese Kontakt aufnahme erfolgt, desto größer ist die Wahrscheinlichkeit, dass potenzielle Interessenten sich auf den Dialog einlassen. Dieses Wissen ist grundlegend für den Vertriebserfolg, aber jeder einzelne Vertriebler muss viel Zeit in die Informationssuche investieren.

Leads

So lief es früher

< ZURÜCK VOR >

24VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | VERTRIEB

Use Cases


|

Für den Vertriebsbereich „Firmenkunden“ einer großen deutschen Bank hat adesso eine KI-basierte Lead-Engine auf Microsoft-Grundlage aufgebaut. Das System nutzt externe Datenquellen wie Webseiten, Social-Media-Inhalte, Suchmaschinen oder kostenpflichtige Unter-nehmensdatenbanken. Auf Basis von Suchanfragen oder -begriffen, die auf mögliche Verkaufschancen hinweisen, durchsucht das System automatisch alle angeschlossenen Quellen. Die Anwendung bereinigt die Ergebnisse mithilfe von automatisierten Textanalyse-Werkzeugen um nicht zielführende Treffer und Dubletten.

Jeder Vertriebsmitarbeiter hat ein eigenes Dashboard, in dem ihm das System alle passenden Treffer inklusive der Hintergrundinformationen anzeigt. Der Vertriebsmitarbeiter bewertet jeden einzelnen Verkaufs-impuls. Diese Rückkopplung sorgt dafür, dass die Qualität der Ergebnisse laufend besser wird.

Das System erlaubt den Mitarbeitern, Interessenten schneller und systematischer zu finden. Die Vertriebsmitarbeiter können dank der automatisch aufbereiteten Leadinformationen mehr Zeit in die Kontaktaufnahme und -pflege investieren.


So ist es jetzt

„In den ersten Wochen, in denen die Lead-Engine auf

Microsoft-Basis aktiv war, haben die Mitarbeiterinnen

und Mitarbeiter unseres Kunden zahlreiche potenzielle

Interessenten gefunden, auf die sie sonst nicht oder

erst später gestoßen wären. Das System verschafft

einen Vorsprung im Vertrieb und hilft dabei, Arbeitszeit

gewinnbringender einzusetzen.“

Bernhard Rawein | Senior Platform Manager BI adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit B2B-Vertriebsstrukturen.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um den Vertrieb.

Hintergründe für technisch Interessierte: Azure Logic Apps, Cognitive Services, Machine Learning

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die mit Ihnen über Ihre Kunden spricht

Vorbereitung ist die halbe Miete. Dafür reicht Ihnen jetzt ein der Zeit.

Im Versicherungsumfeld steht und fällt der Erfolg von Kundenbesuchen mit der guten Vorbereitung. Um im richtigen Moment alle Informationen parat zu haben, betreiben Agenturen und Vermittler einen großen Aufwand. Sie tragen Informationen aus verschiedenen Quellen und Systemen zusammen. So gewinnen sie einen vollständigen Überblick über den Kunden und seine Bedürfnisse. Im nächsten Schritt ermitteln sie, welche Produkte für den Versicherten interessant sind und von welchen Tarifveränderungen er betroffen ist. Diese Potenzialanalyse und Recherchetätigkeit kann bis zu drei Stunden täglich in Anspruch nehmen.

Drittel

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Beim ganzen Prozess der Informationsrecherche und -aufbereitung unterstützen KI-Lösungen die Agenturen und Vermittler. Die Anwendung sucht auf Basis der Kundendaten in den Bestandssystemen nach vorhandenen Verträgen. Darüber hinaus trägt sie alle laufenden Vorgänge wie Inkasso, Schadenmeldungen oder Leistungszahlungen zusammen.

Auch die Potenzialanalyse automatisiert das System: Auf Grundlage der gesammelten Daten spielt sie Szenarien durch und schlägt für den Kunden attraktive Produkte vor, rät zum Wechsel von Tarifen oder zeigt Lücken im Versicherungsschutz. Lauter Anknüpfungspunkte für das persönliche Gespräch.

Einmal implementiert und konfiguriert, reduziert die KI-basierte Anwendung die Zeit für das Vorbereiten der Besuche um über 60 Prozent. Informationen über neue Produkte und Tarifänderungen fließen automatisch in die Besuchsvorbereitung ein. Der Vermittler konzentriert sich auf die Gesprächsstrategie für die Kundensituation.


So ist es jetzt

„Im Prozess der Gesprächsvorbereitung kann eine

KI-Anwendung ihre Stärken ausspielen: Sie übernimmt

aufwendige Recherchetätigkeiten, bereitet alle

Informationen auf und sorgt dafür, dass alle Daten

aktuell sind. Auf dieser Basis berät der Vermittler die

Versicherten besser und zielführender.“

Jan Jungnitsch | Leiter Competence Center adesso SE


Für welche Entscheider ist der Ansatz interessant? Vertrieb

Hintergründe für technisch Interessierte: Rule Engine, Machine Learning

Weitere Infos

< ZURÜCK VOR >

Über

90 %der Entscheiderinnen und Entscheider

glauben, dass das Investment in KI Wettbewerbs vorteile bringt.




Use Cases


|

Eine KI, die eine feine Antenne für Stimmungen hat

Sie können Ihre jetzt

besser einschätzen

Im direkten Kontakt mit Menschen helfen Mimik, Gestik oder Stimmlage dabei, das Gesagte um nonverbale Informationen anzureichern. So können die Beteiligten die Stimmung des Gegenübers besser einschätzen. Daran passen sie das weitere Gespräch an. Bei Kommunikationskanälen wie Brief, Telefonat, E-Mail, Webformular, sozialem Netzwerk oder Chatbot gehen solche Informa-tionen häufig verloren. Versicherungen, die diese Services anbieten, stehen vor der Herausforderung, die Stimmungslage von Kunden einzuschätzen. Und das im großen Maßstab, denn zahlreiche Kunden nutzen diese Kommunikations-angebote. Ziel ist es, nicht nur die Kundenanfragen zuverlässig zu beant-worten, sondern auch zwischen den Zeilen zu lesen. Beispielsweise um unzufriedene Versicherte zu identifizieren. Oder um Kündigungsabsichten – auch wenn diese nicht explizit genannt werden – zu erkennen.

Versicherten

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Eine Lösung auf KI-Basis hilft Versicherungen dabei, dies umzusetzen und zwar mithilfe eines Messinstruments der Kundenzufriedenheit. Die Anwendung „arbeitet“ automatisch im Hintergrund mit. Diese Lösung kann bei Texten anhand von Wortwahl, Formulierungen und Satz- oder Sonderzeichen Stimmungslagen einschätzen. Ähnliches funktioniert mit Stimmfarbe und Betonen von Wörtern bei Telefonaten. Auf Basis dieser Parameter kann das System einzelne Versicherte in Gruppen mit einem ähnlichen Grad an Kundenzufriedenheit einordnen.

Über das reine Bearbeiten der Anfrage hinaus ist es den Verantwortlichen möglich, Strategien und Maßnahmen zur Verbesserung der Zufriedenheit innerhalb einzelner Gruppen zu definieren. Auch beim Umsetzen der Aktivitäten kann ein KI-gestütztes System helfen. Beispielsweise durch das Überwachen von Maßnahmen und das Messen des Erfolgs.

Dank dieser KI-Lösung kann der Kundenservice seine Ressourcen auf relevante Kundengruppen konzentrieren und hier frühzeitig gegensteuern. Die Verantwortlichen investieren an den Stellen, an denen sie die Kundenzufriedenheit nachhaltig beeinflussen.


So ist es jetzt

„IT und Emotionen passen auf den ersten Blick

nicht direkt zusammen. Diese KI-Anwendung

ist aber alles andere als emotionslos. Sie hilft

Versicherungen dabei, mehr für die Kunden da

zu sein, die das wirklich brauchen.“

Michael Schmal | Leiter Business Consulting adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit eigenen Service-Hotlines.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Kundenservice und Marketing.

Hintergründe für technisch Interessierte: Regressionsproblem mit schwacher zeitlicher Abhängigkeit.

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Die Nähe zum Kunden ist für Versicherungsunternehmen einer der Schlüssel zum Erfolg. Unternehmen investieren große Teile ihres Kommunikationsbudgets in den Aufbau einer stabilen Kunden-beziehung. So investierten private Krankenversicherungen in den letzten Jahren vermehrt in mobile Lösungen, die den Kunden durch Bonus-Programme zum Sport oder generell zu einer gesunden Lebens-weise animieren sollen. Häufig bieten diese Programme Standard-angebote beziehungsweise -empfehlungen für alle Versicherten an.

KI-basierte Anwendungen individualisieren und optimieren diese Form des Anreizes für den Kunden. Das Verhalten des Versicherten wird dabei innerhalb der gesetzlichen Rahmenbedingungen dokumentiert und ausgewertet. Auf dieser Basis erstellt die KI-Lösung individuelle Vorschläge. Darüber hinaus bieten KI-Lösungen einen weiteren Ansatz rund um das Thema „Gesundheitstipps“: Wetterextreme und Temperaturschwankungen belasten die Gesundheit von Menschen zusehends. Zusätzlich gibt es vermehrt regionale Risiken, beispielsweise lokale Wetterphänomene, Pollenflug oder tropische Insekten. Für Versicherungen sind diese Situationen Anlässe, ihren Kunden mit neuen Services zu helfen. Mithilfe von KI-Lösungen bieten sie auf Basis der vorhandenen, der neu gewonnenen und der künftigen Daten unverbindliche Handlungsempfehlungen für den einzelnen oder für alle Kunden an.

So lief es früher


Der Versicherer bietet seinen Kunden einen besseren Service an, da er das Angebot um Gesundheitstipps für seine Versicherten erweitert. Neben allgemeinen Ratschlägen, beispielsweise der Warnung vor Zecken in bestimmten Regionen, geben Unternehmen auch konkrete Tipps für Kunden. So können diese Schwächeanfällen, Wassermangel oder anderen verhaltens spezifischen Notfällen vorbeugen.


Für welche Entscheider ist der Ansatz interessant? Für Verantwortliche aus Krankenversicherungen.

Hintergründe für technisch Interessierte: Robotic Process Automation, Regel Engine und Machine Learning (hybrides Konzept)

So ist es jetzt

Weitere Infos

Eine KI, die Gesundheitstipps formuliert

Wie wär’s mal wieder mit etwas ?

< ZURÜCK VOR >

Sport


Use Cases


|

Eine KI, die weiß, wie viele Leute Ihren Service nächste Woche anrufen

Was Ihre Kunden in nicht mehr hören können? Warteschleifenmusik

Die Mitarbeitereinsatzplanung ist einer der entscheidenden Faktoren für die Qualität der Service-Hotline. Zu wenig besetzte Plätze sorgen für Wartezeiten und unzufriedene Kunden; zu viele für unnötige Kosten. Die unbekannte Größe ist die Anzahl der Anrufe, die an einem Tag eingehen werden. Bisher überließen Unternehmen das Schätzen dem Bauchgefühl der Verantwortlichen oder verließen sich auf einfache Durchschnittswerte. Mit all der Unzuverlässigkeit und der schwankenden Qualität, die damit verbunden sind.

Zukunft

So lief es früher

< ZURÜCK VOR >

31VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | KUNDENSERVICE

Use Cases


|

Das Optimieren von Telefon-Serviceangeboten durch eine bessere Prognose der Zahl der Anrufer ist ein Auftrag, bei dem sich KI-Anwendungen wohl- fühlen: große Datenmengen, eine klar umrissene Aufgabe – und ein einfaches Kriterium zur Erfolgsmessung: Die auf KI basierenden Schätzungen müssen besser sein als die zuvor gewählten Verfahren.

Die Datengrundlage bilden die Anruferzahlen der letzten Jahre. Auf dieser Basis sucht ein Machine-Learning-System Muster und findet Zusammenhänge zwischen der Anzahl der Anrufe und Faktoren wie Wochentag, Uhrzeit, Urlaubszeit, Feiertagen, Wetter oder Werbeaktivitäten. Die Prognose der Aktivi täten an der Service-Hotline wird laufend mit den realen Werten verglichen und die Parameter werden angepasst.

Kunden erreichen Servicemitarbeiter schneller und klären ihre Anfragen zügiger. Dies sorgt für mehr Zufriedenheit und reduziert die Wechsel-wahrscheinlichkeit. Gleichzeitig bietet die Arbeitsorganisation mit Machine Learning eine verlässlichere Planungsgrundlage sowohl für die Mitarbeiter als auch für die Führungskräfte im Call-Center. Dies hilft beispielsweise bei der aufwandsorientierten Urlaubsplanung.


So ist es jetzt

„Schnell stellten wir fest, dass unser aller

Bauchgefühl der systematischen Auswertung der

vorhandenen Daten durch ein System auf Machine-

Learning-Basis unterlegen ist. Wir konnten die

Zuverlässigkeit unserer Prognosen in wenigen

Wochen deutlich erhöhen.“

Kai Völker | Vorstandsmitglied Barmenia Versicherungen

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit umfangreicher Kunden-korrespondenz.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Marketing, Kundenservice, Vertrieb.

Hintergründe für technisch Interessierte: Cognitive Services, Machine Learning, Logic Apps, Azure Functions

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die in Spitzenzeiten einen Spitzenjob macht

Auch wenn es eng wird: Ihr kommt nicht mehr ins Schwitzen

Am Ende eines Jahres wiederholt sich zuverlässig dieser Ablauf in Versiche-rungen: Versicherte erhalten die jährliche Beitragsrechnung. Informationen über geänderte Jahresprämien, Schadensfreiheitsklassen oder Tarifmerkmale sorgen für Fragezeichen bei den Kunden: Wieso ist meine Prämie gestiegen? Wie kann ich sie wieder senken? In welchen Tarif kann ich wechseln? Diese und ähnliche Rückfragen sorgen für bis zur Grenze – und teilweise darüber hinaus – überlastete Kundenserviceabteilungen. Mit all den negativen Konsequenzen, die das für Unternehmen hat: steigendes Arbeitsvolumen, sinkende Qualität des Services und damit verbunden ein Sinken der Kundenzufriedenheit.

Service

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Der Einsatz von KI-basierten Systemen entlastet die Mitarbeiter im Service. Lösungen wie Chatbots können Versicherungen gezielt für das Beantworten von Standardanfragen einsetzen. Der Vorteil für Versi-cherte: Ihnen steht rund um die Uhr und sofort ein Ansprechpartner zur Verfügung. Dabei ist es gleichgültig, ob sie über Telefon, Smart Speaker, E-Mail oder Social-Media-Kanäle Kontakt aufnehmen wollen. Im Gegenzug müssen sich Servicekräfte nicht mit der Masse der leicht zu lösenden Standardanfragen beschäftigen, sondern können sich auf komplexere Fälle konzentrieren. Versicherungen können so mit gleichem Investment einen besseren Kundenservice anbieten.

Die KI-Anwendung sucht zu jeder Anfrage die Versichertendaten aus den IT-Systemen heraus. Auf dieser Basis gibt sie Kunden in Echtzeit Auskünfte zu neuen Tarifen, Fristen oder Vertragsänderungen. Entsprechend konfigurierte Chatbots können Transaktionen wie das Ändern eines Tarifes auslösen. Oder sie können Empfehlungen für weitere Angebote treffen (sogenanntes Next Best Offer).

Versicherten stehen zahlreiche Möglichkeiten offen, sofort mit ihrer Versicherung in Kontakt zu treten und ihre Anliegen unmittelbar zu klären. Sie können Kanäle innerhalb eines Dialoges nach Belieben wechseln und bei Bedarf einen menschlichen Ansprechpartner hinzuholen.


So ist es jetzt

„Den Kundenkontakt mittels KI zu

automatisieren ist im jetzigen Zeitalter

keine Science-Fiction mehr.“

Prof. Dr. Jürgen Angele | Leiter Compentence Center KI adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für Versicherungen und Unternehmen mit komplexen Service-Strukturen.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen aus den Bereichen Kundenservice und Vertrieb.

Hintergründe für technisch Interessierte: Natural Language Under standing, KI-Services von Google (Dialogflow), IBM (Watson)

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die fallabschließende Prozesse ermöglicht

Versicherte bekommen die beste Beratung

Gesetzliche Krankenversicherungen unterliegen anderen Spielregeln als privat-wirtschaftliche Unternehmen: Der Gesetzgeber schränkt ihren Spielraum beim Ausgestalten des Leistungsangebotes (Produktportfolio) deutlich ein. Wollen sich Versicherungen von Wettbewerbern abheben, liegt der Fokus deshalb außer auf einem attraktiven Preis auch auf einer hohen Servicequalität. Ein wichtiges Instrument ist für viele Versicherungen die Online-Geschäfts-stelle. Sie bietet Versicherten einen komfortablen Zugang zu Informationen und Anträgen – rund um die Uhr und auch von unterwegs.

Wollen die Verantwortlichen solche Online-Angebote um die Möglichkeit eines Chats mit Sachbearbeitern ergänzen, kommen sie schnell an Kapazitäts-grenzen: Einerseits ist diese Form der Kundenberatung personalintensiv und aufgrund der Komplexität der Beratungsthemen fehleranfällig. Andererseits können Versicherungen einen Chat-Service aufgrund von Arbeitszeit-regelungen sowie Personalkosten und -verfügbarkeit kaum 24 Stunden täglich anbieten. Von der Möglichkeit des fallabschließenden Beratens samt einhergehender Dunkelverarbeitung machen zudem nur wenige Unternehmen Gebrauch. Häufig beschränken sich die Online-Angebote auf einfache Prozesse wie das Ändern einer Anschrift oder einer Bankverbindung.

automatisch

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Eine KI-Anwendung erlaubt es Versicherungen, individuellen Online-Kundenservice im großen Maßstab anzubieten – bis hin zur fallabschließenden Beratung. Dazu analysiert das System den Chat-Text und leitet daraus das Anliegen ab. Gezielte Fragen helfen der Anwendung, den Versicherten durch den kompletten Dialog zu führen und fallabschließende Beratungen (so zum Beispiel eine vollständige Antragsbearbeitung bis hin zur Bewilligung oder Ablehnung) auf Grundlage der gewonnenen Informationen vorzunehmen. Kunden können für den jeweiligen Prozess notwendige und gescannte Dokumente wie Einkommenserklärungen oder Antragsunterlagen über den Chat hochladen. Die KI-Lösung erkennt die Inhalte dieser Dokumente und kann die enthaltenen Informationen auslesen und im jeweiligen Prozess direkt verwenden. Zusätzlich hat das System Zugriff auf die kundenspezifischen Informationen aus den Produktivsystemen und kann diese Angaben für den Kundendialog nutzen.

Bei Bedarf holt die Anwendung einen Kundenberater hinzu, der die Beratung fortsetzt. Der Versicherte erlebt einen nahtlosen und umfassenden Beratungsprozess.

Dank KI können Versicherungen ihren Kunden eine individuelle Beratung auch bei komplexen Sachverhalten anbieten. Insbesondere bei Auslastungsspitzen oder außerhalb regulärer Arbeitszeiten können sie ihr Serviceangebot so verbessern. Zudem bietet sie einen weiteren leistungsstarken Ansatz zur Prozessautomatisierung und Dunkelverarbeitung.


So ist es jetzt

„Den Beratungsprozess mithilfe von KI

zu unterstützen, ist ein intelligenter Ansatz zur

Prozessoptimierung. Er liefert einen Beitrag

zur Verbesserung der Kundenzufriedenheit und

darüber hinaus zur weiteren Automatisierung.“

Michael Schmal | Leiter Business Consulting adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für Versicherungen, Behörden, Unternehmen mit beratungsintensiven Angeboten.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Marketing, Kundenservice und Vertrieb.

Hintergründe für technisch Interessierte: Machine Learning (überwachtes Lernen), Robotics und Natural Language

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die Ihre schriftliche Korrespondenz automatisiert

Schreiben Sie Ihren Kunden wieder etwas

Jede Kontaktaufnahme durch einen Kunden ist für ein Unternehmen eine wertvolle Gelegenheit, zu prüfen, ob die im Marketing angepriesene Service-qualität auch in der Realität Bestand hat. Um die Kundenerwartungen an eine individuelle Kommunikation bestmöglich zu erfüllen, investieren Unternehmen hohe Summen, denn der Servicebereich ist Aushängeschild und Anlaufpunkt Ihrer Kunden. Die Bearbeitung von Anfragen – zügig und zur Zufriedenheit der Kunden – ist eine zeit- und ressourcenintensive Aufgabe. Im schlimmsten Fall werden Ihre Mitarbeiter sogar durch die Bearbeitung der eingehenden Korrespondenz von den primären Aufgaben im Tagesgeschäft abgelenkt. Anstatt ihren fachlichen Tätigkeiten nachzugehen, lesen sie Texte, erkennen das Anliegen und delegieren die Aufgaben an die zuständigen Kollegen. Diese übernehmen dann wiederum die Kommunikation mit dem Kunden und formu-lieren passende Antworten.

Persönliches

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Ein KI-gestütztes System kann große Teile dieses Kommunikations-prozesses automatisieren. Zunächst analysiert die Software eingehende Nachrichten aus diversen Quellen. Automatisch erkennt es wichtige Metadaten wie Absenderinformationen, Kunden- oder Rechnungs-nummern und kann damit eine Kategorisierung der Informationen vornehmen. Als entscheidenden Faktor identifiziert die Anwendung die Inhalte des Schreibens: Welches Anliegen verfolgt der Absender? Welche Antworten sucht er? Auf Basis dieser Textanalyse ermittelt die Anwendung in einer unternehmens spezifischen Datenbank die fachlich korrekten Bausteine und erstellt eigenständig individuelle Antwort-schreiben. Die Auswahl und Qualität der Antwortbausteine definiert die Qualität der so erstellten Antworten. Ein Team aus Servicemitarbeitern pflegt und erweitert diese Datenbasis laufend. Statt sich mit Einzel-fällen zu beschäftigen, nutzen sie ihr Fachwissen zur nachhaltigen Optimierung der Servicequalität über alle Kanäle hinweg.

Kunden und Interessenten bekommen aussagekräftige und fachlich korrekte Antworten auf ihre Anfragen und die Bearbeitungsdauer ist dabei kürzer denn je. Dank zentral verwalteter Antwortbausteine ist eine konsistente Kommunikation über alle Kanäle hinweg gesichert. Das selbstlernende System verbessert im Hintergrund die Treffsicherheit und damit die Qualität der Antworten kontinuierlich.


So ist es jetzt

„Die KI-gestützte Korrespondenz ist der erste Schritt

in Richtung vollautomatisierter Kundenkontakte.

Sie ermöglicht ein konsistentes, hochwertiges und

gleichzeitig kostengünstiges Kommunikations-

management, das auf die wichtigste Empfänger-

gruppe ausgerichtet ist: Ihre Kunden.“

Olaf Hengesbach | Microsoft Solution Architect adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit umfangreicher Kundenkorrespondenz.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Marketing, Kundenservice, Vertrieb.

Hintergründe für technisch Interessierte: Cognitive Services, Azure Machine Learning, Logic Apps, Azure Functions

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die beliebig viele Kundenanfragen im Blick hat

Die Komplexität sinkt und die Zu friedenheit

E-Mails, Webformulare, Instant Messaging, Social-Media-Plattformen, neu per Chatbots oder klassisch per Fax oder Brief: Kunden steht eine beispiellose Vielfalt an Kommunikationskanälen zur Verfügung, um mit Unternehmen Kontakt aufzunehmen. Hier im Service den Überblick zu bewahren, ist eine komplexe Aufgabe, die Ressourcen bindet: Die Beteiligten führen gleiche Anfragen aus unterschiedlichen Kanälen zusammen, leiten alles an die richtigen Bearbeiter weiter und überwachen die Prozesse. Das Bearbeiten von Vorgängen in unterschiedlichen Abteilungen verhindert den Überblick über den Gesamtablauf. Doppelte Arbeit, unnötig lange Bearbeitungszeiten oder Fehleinschätzungen sind die Folge.

steigt

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Das KI-basierte „adesso cognitive communication center“ sitzt im Zentrum der Kundenkommunikation. Das System holt eingehende Nachrichten beziehungsweise Anfragen aus allen einzelnen Eingangskanälen ab und extrahiert zunächst Metadaten wie E-Mail-Adressen, Namen oder Unternehmen. Diese ergänzt es um vorhandene Informationen aus ERP-, CRM- oder Projektdatenbanken. Natural-Language-Understanding-Verfahren ermöglichen es dem System, den Inhalt unstrukturierter Texte zu verstehen. Das Center leitet die Nachricht ins richtige Bearbeitungs-system, verfolgt den Bearbeitungsprozess und erlaubt das Zuordnen von Rückfragen und Antworten zu den laufenden Anfragen.

So entstehen automatisierte und transparente Kommunikationsprozesse, die auch im großen Maßstab effizient funktionieren.

Das „adesso cognitive communication center“ sorgt als Informations-drehscheibe dafür, dass Kommunikationsprozesse in komplexen Strukturen einfach fließen. Die Entscheider und alle Prozessbeteiligten haben Einblick in jeden einzelnen Vorgang und den Überblick über die Gesamtsituation. Und das quer durch alle Abteilungen und über alle Kommunikations-strukturen hinweg.


So ist es jetzt

„Die Koordination von Kundenanfragen ist so

komplex und vielfältig, dass bisher Handarbeit

dominierte. Inzwischen verstehen KI-Anwendungen,

von wem die Anfrage kommt, was er will und wer

ihm weiterhelfen kann. Automatisierung

hilft hier sowohl den Mitarbeitern als

auch den Kunden.“

Hans-Peter Kuessner | Leiter Competence Center Kognitive Anwendungssysteme adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen.

Für welche Entscheider ist der Ansatz interessant? Für alle Verantwortlichen rund um Kundenservice, Vertrieb und Unter nehmenskommunikation.

Hintergründe für technisch Interessierte: Natural Language Understanding, Natural Language Classification, Tone Analyser

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, der Betrüger kein X für ein U vormachen können

Wer falsch abrechnet, muss in

mit einer KI rechnen

Unser Kunde, eine private Krankenversicherung, hat etwa zwei Millionen Versicherte im Bestand. Um Betrugsfälle bei den Abrechnungen zu erkennen, setzt das Unternehmen bisher auf oberflächliche Prozesse. Beispielsweise prüfen die Sachbearbeiter, ob die Medikamente auf der eingereichten Rechnung überhaupt noch hergestellt werden. Diese mangelhafte Prüfung spielt unehrlichen Versicherten in die Hände. Die Kosten für diese Betrugs fälle tragen alle.

Zukunft

So lief es früher

< ZURÜCK VOR >

41VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | SCHADENMANAGEMENT

Use Cases


|

Die adesso-Experten analysierten gemeinsam mit dem Kunden, wie KI-Anwendungen diese Prozesse verbessern können. Ziel war es, Teile des Prüfprozesses zu automatisieren, die Aufklärungsquote zu erhöhen und den Schaden zu reduzieren. Im ersten Schritt entwickelten die Fachleute ein Modell, um anomales Kundenverhalten zu erkennen. Das Projektteam wollte so Betrugsfälle gezielt identifizieren. Dazu setzten sie eine Ad-hoc-Analyse zur Prüfung der Durchführbarkeit auf. Anschließend entwickelten sie ein prototypisches Modell.

Die KI-Anwendung filtert aus der Vielzahl der Abrechnungen automatisch die Vorgänge heraus, die auffällig sind. Diese legt sie den Sachbearbeitern zur Prüfung vor. Die Experten steigen in die Detailprüfung ein, recherchieren die Zusammenhänge und sprechen gegebenenfalls mit den Beteiligten. Sie konzentrieren ihre Arbeitszeit auf die Fälle mit einer hohen Wahrscheinlichkeit für Unregelmäßigkeiten.


So ist es jetzt

„Betrugserkennung im Versicherungsumfeld

ist ein Anwendungsfall, bei dem KI-Lösungen sich

wohlfühlen: viele Daten und ein klares Erfolgs-

kriterium. Wir konnten die Qualität des

Prüfprozesses verbessern. Dies schlägt sich

direkt auf die Wirtschaftlichkeit

unseres Kunden nieder.“

Dr. Lukas Breuer | Teamleiter Data Science adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für alle Unternehmen mit umfangreicher Kundenkorrespondenz.

Für welche Entscheider ist der Ansatz interessant? Marketing, Kundenservice, Vertrieb

Hintergründe für technisch Interessierte: Cognitive Services, Azure Machine Learning, Logic Apps, Azure Functions

Weitere Infos

< ZURÜCK VOR >

Nur

17 %der Entscheiderinnen und

Entscheider glauben, dass KI ein überbewertetes Hype-Thema ist.




Use Cases


|

Eine KI, die Nachrichten analysiert

So bleiben Versicherungen automatisch auf dem

Für Rückversicherungsunternehmen ist es wichtig, möglichst früh-zeitig von möglichen Schadenfällen zu erfahren. Bei größeren Fällen wie beispielsweise Wetterphänomenen erreichen sie die Informationen über die Situation vor Ort oder den Umfang des Schadens aber häufig erst zeitverzögert über offizielle Kanäle. Solche Fälle gehen in der Regel erst an die eigentlichen Versicherungsunternehmen und dann von dort an die Rückversicherungsunternehmen.

Das KI-System liest automatisiert globale Nachrichtenquellen wie Online-medien, Behördenmeldungen und Social-Media-Plattformen wie Twitter, Facebook oder Instagram. Die Anwendung klassifiziert die Informationen und filtert automatisch relevante Versicherungsfälle heraus. Dadurch erhalten die Rückversicherungsunternehmen früh die Information über Schadenereignisse beziehungsweise Katastrophen. Anschließend können die Experten einen Abgleich mit anderen Informationsquellen vornehmen, um die Schadenhöhe und daraus den versicherten Schaden festzustellen.

Laufenden

So lief es früher


Die KI-Lösung ermöglicht ein Monitoring. Dadurch erfährt das Rückversicherungsunternehmen schneller von versicherten und nicht versicherten Schadenereignissen, als es bisher der Fall ist. Durch den Aufbau von Schadendatenbanken erhalten die Experten ein besseres Verständnis für die Schäden und optimieren so die Tarifkalkulation.

Für welche Unternehmen eignet sich der Ansatz? Rückversicherungsunternehmen

Für welche Entscheider ist der Ansatz interessant? Schadenmanagement, Tarifkalkulation

Hintergründe für technisch Interessierte: Big Data, Machine Learning, Text Mining

So ist es jetzt

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Eine KI, die Briefe in Informationen übersetzt

Lassen Sie einfach zwischen den

lesen

Der Antrag per Fax, die Schadenmeldung inklusive der Belege per Brief: Papier ist aus der Korrespondenz zwischen Versicherten und Versicherung nicht weg-zudenken. Irgendwo in den Schriftstücken sind die für die Sachbearbeitung relevanten Informationen versteckt: Adressdaten, Vertragsnummern oder Vorgangsnummern oder auch relevante fachliche Begründungen und Verweise. Diese Daten in unterschiedlichen Briefen, beispielsweise von verschiedenen Anwälten, zu finden und in ein IT-System zu übertragen, ist ein manueller und monotoner Prozess. Er bindet Zeit von Mitarbeitern – Zeit, die ihnen für die Bearbeitung komplexer Vorgänge fehlt – und er ist fehleranfällig.

Zeilen

So lief es früher

< ZURÜCK VOR >


Use Cases


|

Das automatische Extrahieren strukturierter Informationen aus unstrukturierten Texten ist ein typischer Anwendungsfall für KI-Lösungen. Speziell für den Einsatz in Versicherungen haben wir die Lösung Heuristic Claims Management (HCM) entwickelt. Die Anwendung durchsucht die Eingangskorrespondenz automatisch nach relevanten Informationen, bereitet diese auf und stellt sie den zuständigen Systemen für die Weiterverarbeitung strukturiert und in den passenden Formaten, zum Beispiel XML oder JSON, zur Verfügung.

Die Daten werden vollautomatisch in das bearbeitende System geladen, die manuelle Eingabe entfällt und das weitere Bearbeiten erfolgt komplett digital.

HCM hilft dabei, Medienbrüche zu vermeiden, die Bearbeitungsgeschwindigkeit zu erhöhen und die Fehlerquote zu senken.

Die automatische Verarbeitung von unstrukturierten Informationen durch den Einsatz von HCM hilft Unternehmen dabei, gesetzte Digitalisierungsziele zu erreichen. Sachbearbeiter werden von Routinetätigkeiten befreit und können sich auf anspruchsvollere Aufgaben konzentrieren.


So ist es jetzt „Korrespondenz durchsuchen, Inhalte auswerten,

Bearbeitung automatisieren: Im Umfeld papier-

basierter Kommunikation kann eine KI-Anwendung

ihre Stärken ausspielen.“

Dr. Thomas Franz | Leiter Technologiebeirat adesso SE

Für welche Unternehmen eignet sich der Ansatz? Für Versicherungen, Banken und alle, die papierhafte Prozesse mit manueller Informationsextraktion haben.

Für welche Entscheider ist der Ansatz interessant? Schadenssachbearbeitung oder Rechtsschutz; Für alle, die sich mit Prozess automatisierung und Digitalisierung papierhafter Prozesse befassen.

Hintergründe für technisch Interessierte: Kombination aus maschinellen Lernverfahren wie Support Vector Machine, Random Forest und verschiedenen Bayes-Analysen

Weitere Infos

< ZURÜCK VOR >


Use Cases


|

Anwendungsfälle entdecken

Abstrakte Gedankenspiele helfen Ihnen nicht dabei, KI-Potenziale zu sehen. Aber unsere

Anwendungsfälle. Vom Chatbot bis zur Textanalyse, von automatisierten Vertriebs-

bis zu automatisierten Kommunikations-prozessen. Werfen Sie einen Blick darauf,

was KI hier und jetzt verändert: im Fußball, im Auto, im Geschäft – und bald in Ihrem

Unternehmen.

www.ki.adesso.de

KI-Systeme bauen

KI-Anwendungen sind das Ergebnis von sauber auf- und umgesetzten Projekten. Aber: Diese

Systeme stellen andere Herausforderungen an das Entwickeln als klassische Informationssysteme.

Das wirkt sich auf die Struktur von Projekten aus, das wirkt sich auf das nötige Fachwissen der Beteiligten aus. Das Vorgehensmodell „Building AI-based Systems“ ist unsere Antwort auf diese

Besonderheiten.

www.ki.adesso.de

Experten finden

Beim Thema Künstliche Intelligenz werfen wir über 20 Jahre Erfahrung als IT-Dienst-

leister in die Waagschale. Wir bringen Instru-mente, Vorgehensmodelle und Prozesse

mit, die zu Ihren Zielen und Anforderungen passen. Unsere KI-Experten kennen die

aktuellen Technologien und verstehen es, auf dieser Basis Geschäftsmodelle und

Anwendungen zu entwickeln.

www.ki.adesso.de

Prozesse anders sehen – Systeme anders bauen

< ZURÜCK VOR >

46VORWORT SOCCERWATCH ASK MERCEDES ÜBERGREIFEND MARKETING VERTRIEB KUNDENSERVICE SCHADENMANAGEMENT KONTAKT| | | | | | | | KONTAKT

adesso SEAdessoplatz 144269 DortmundTelefon 0231 7000-7000Telefax 0231 [email protected]

[email protected] | ki.adesso.deFragen?

< ZURÜCK | TITEL

http://ki.adesso.de

Documents

KI – Eine Use Bestands- Cases aufnahme · In diesem Report geht es weniger um die technischen Details – obwohl für uns ... bis zum Ende des Jahres sollen es 1.000 sein. Das Highlight