Digitalisierung und KI – entmystifiziert! Teil 2

Lieber Leser,

im ersten Teil unserer Blog-Serie haben wir über den aktuellen Status der Digitalisierung von Daten, Workflows und Prozessen und Einsatz von KI in deutschen Unternehmen analog einer aktuellen Bitcom-Studie (Mai 2020) informiert und uns hauptsächlich den Themen Digitalisierung von Daten, Workflows und Prozessen, intelligentem Datenmanagement und Big Data-Analysen gewidmet.

Nun geht es weiter mit Automatisierung, Business Intelligence (BI), Künstlicher Intelligenz (KI), und den spannenden Techniken maschinelles Lernen und Blockchain

Nochmals zur Erinnerung:

4. Prozess- und Workflow Automatisierung

Prozess-Automatisierung kann in kleinen Schritten oder in verschiedenen Unternehmensbereichen stattfinden. Um möglichst hohen Nutzen und ROI zu erreichen, fokussieren Sie sich auf arbeitsintensive und sich wiederholende Standard-Vorgänge, z.B. Rechnungsprüfung, Schadenbearbeitung, Lohn-Buchhaltung, Automatisierte Stammdaten-Verwaltung, Personal-Einsatzplanung, Onboarding oder andere Prozesse entlang der gesamten Wertschöpfungskette.

Starten Sie mit kleinen Pilot-Projekten in einzelnen Abteilungen. Scheuen Sie sich nicht, mit einem IT-Dienstleister als Partner zusammenzuarbeiten, falls die eigenen IT-Ressourcen nicht ausreichen, oder Sie nicht über entsprechende Fachkräfte verfügen. Manchmal ist der beste Einstieg auch der, kritische, noch nicht digital überwachte Workflows, z.B. im Labor oder der Produktion mit Priorität zu digitalisieren, automatisieren und zu überwachen/monitoren.

5. Wo fängt eigentlich Künstliche Intelligenz (KI) und Robotics an?

Im Rahmen von intelligenten automatisierten Prozessen gelangen wir rasch zur sogenannten Künstlichen Intelligenz. Zwei Beispiele, wie Sie auch ohne die Anschaffung kostenintensiver Software-Systeme oder Plattformen KI einsetzen können:

RPA (Robotic Process Automation)
Robotic Process Automation ist ein neuer Ansatz zur Prozessautomatisierung, bei dem strukturierte und regelbasierende sich permanent wiederholende, manuelle, zeitintensive oder fehleranfällige Tätigkeiten durch „Softwareroboter“ erlernt und automatisiert ausgeführt werden.

Sie ahmen Routinearbeiten nach und treffen Entscheidungen aufgrund festgelegter Regeln. Diese Technologie nutzt bestehende Anwendungen und Benutzerschnittstellen, ohne dass Systeme und Softwarelösungen kostenintensiv durch neue ersetzt werden müssen. Verknüpft mit maschinellem Lernen können selbstlernende Bots entwickelt werden. Auch können die festgelegten Prozessabläufe flexibel geändert/angepasst werden, um neuen regulatorischen, Compliance- oder Ausfallsicherheits-relevanten Bedürfnissen von Unternehmen gerecht zu werden.

Einsatz kann RPA überall dort Sinn machen, wo anwendungsübergreifende Routine-Abläufe und Aufgaben in verschiedenen Programmen ausgeführt und auf mehrere Systeme zugreifen, und sehr viele Daten erfasst und verarbeitet werden, z.B. bei Banken & Finance, Versicherungen und im Gesundheitswesen. Aber auch für Unternehmen mit intensivem Kundenservice lohnt sich der Einsatz.

Micro-Services
Bei Microservices handelt es sich um kleine entkoppelte Prozesse, die einzelne Funktionen bereitstellen. Sie ermöglichen den modularen Aufbau von Anwendungen bis hin zur Abbildung komplexer Prozesse. Prozesse lassen sich damit rasch (auch von verschiedenen Teams) entwickeln und bereitstellen, modular gestalten, erweitern, verbinden und einzeln flexibel anpassen. Die einzelnen Microservices sind voneinander unabhängig und können in verteilten Umgebungen auf Rechnern oder in der Cloud betrieben werden, können aber auch über intelligente Schnittstellen miteinander kommunizieren. In der Cloud können Sie über eine bestehende IT System-Architektur / IT Infrastruktur hinaus entwickelt, betrieben und skaliert werden, z.B. auch für neue digitale Kunden-Services und Geschäftsmodelle (z.B. Bereitstellung von CAD-Services, Resilience Engineering). Beispiele für bereitgestellte Funktionen der Microservices sind das Empfangen von Nachrichten, das Liefern von spezifischen Daten, das Lösen von Rechenaufgaben oder das Auslesen von Sensoren.

Mit beiden Technologien können neue Anwendungen parallel und unabhängig miteinander, oder zusammengefasst in Containern, flexibel programmiert und Ressourcen- und kostensparend betrieben werden. Natürlich ist auch der Zugriff auf bestehende Daten innerhalb der IT-Infrastruktur über besonders geschützte API möglich.

6. Business Intelligence (BI)

Die klassische Sichtweise sieht BI als betriebswirtschaftlichen, technischen Prozess zur korrekten Auswertung von Unternehmensdaten für optimale unternehmerische Entscheidungen.

Im Zusammenhang mit (Big Data) und eher im Sinne von Business Analytics werden analytische Werkzeuge und Konzepte zusammengefasst, mit denen ein Unternehmen die eigenen, aber auch Wettbewerbsdaten in entscheidungsrelevantes Wissen transformiert, um damit schließlich bessere Entscheidungen treffen zu können.

Das bedeutet, auch hier kann es notwendig sein, Daten aus verschiedenen Systemen, sinnvollerweise auch angereichert mit Fremddaten (Wettbewerbsdaten, Marktanalyse-Daten) gemeinsam auszuwerten, also z.B. aus mehreren ERP, kombiniert ERP mit MIS, CRM um IST-Zustand aufzuzeigen, aber auch verschiedene Prognose-Szenarien zu betrachten.

7. Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz (KI), das Datenwissenschaft und Informatik kombiniert. Computer lernen anhand von Eingabewerten und verbessern sich kontinuierlich im Lösen von Aufgaben, entwickeln sich zu selbstlernenden Systemen, entdecken selbständig Trends oder verborgene Zusammenhänge und treffen Entscheidungen für optimierte Lösungen.

Maschinelles Lernen kann für komplexe Aufgabenstellungen eingesetzt werden. Sprachassistenten, personalisierte Produkt-Vorschläge, aber auch für Predictive Maintenance oder Spam-Filter, oder in der Medizin für bessere Diagnosen und Behandlungen oder Betrugsprävention. Umso größer das Datenvolumen, umso besser kann sich der selbstlernende Logarithmus entwickeln.

8. Blockchain

Der Begriff Blockchain ist uns in Verbindung Kryptowährungen geläufig. Doch was genau bedeutet diese Technik?

Einfach ausgedrückt, beschreibt die Technik eine geteilte Datenbank gefüllt mit Einträgen, die von Peer-To-Peer Netzwerken bestätigt und verschlüsselt werden. Die Einträge sind fälschungssicher und werden chronologisch festgehalten.

Eingesetzt wird die Technik bereits bei Banken (Internationale Zahlungen und Transfers), Versicherungen (Smart Contracts), aber auch für eine transparente Lieferkette.

Zahlreiche weitere Einsatzmöglichkeiten sind denkbar, z.B. für Trade Finance, für Buchhaltung, Regulatory Compliance und Audit, gegen Geldwäsche, Supply Chain, im Energiesektor und Asset Management, Healthcare, Government (Identitätsmanagement), Data Storage, IoT oder im Change-Management.

Dienstleister / Outsource

Fehlen Ressourcen im Unternehmen, sei es an IT-Infrastruktur, Fachkräften oder Manpower, können IT-Dienstleister in allen Bereichen kompetent und effektiv beraten und Sie auch als Teil- oder Komplett-Outsource-Partner bei der Projekt-Umsetzung unterstützen.

Nicht nur die Digitalisierung von Daten, Extraktion & Migration, Data-Mining und Homogenisierung sowie die Programmierung von cleveren Big-Data Algorithmen, Reports oder Prognosen, auch Process Mining und das Monitoring relevanter KPI’s lässt sich als Dienstleistung umsetzen.

Starten sie mit einem Pilot-Projekt in einem unternehmenskritischen Bereich, oder ein großes IoT-Projekt modular.

So können Sie herstellerunabhängige auf ihr Unternehmen zugeschnittene Lösungen gemeinsam entwickeln, realisieren und pflegen, ohne ihre komplette IT- und Software-Landschaft mit hohem Investment und Zeitaufwand umstrukturieren zu müssen.