Wie machen Sie Ihre Geschäftsprozesse intelligent?

Durch die Integration intelligenter Services ist ein Vorgehen möglich, das die automatisierte Verarbeitung von Geschäftsfällen maximieren kann und im Fall manueller Entscheidungen durch geeignete Handlungsempfehlungen weitere Aufwände einspart.

Neben der klassischen Prozessoptimierung ermöglichen intelligente Services eine schnellere und konsistentere Bearbeitung. Intelligente Services helfen, die folgenden Fragestellungen zu beantworten.

• Welche Information benötigen Menschen, um ihre manuellen Entscheidungen konsistenter und schneller durchführen zu können?
• Welche Entscheidungen können mittels Künstlicher Intelligenz ermittelt werden?
• Welche Geschäftsvorfälle sind von besonderer Bedeutung, beispielsweise aufgrund seltener Merkmale oder aufgrund von Missbrauch?

Die Antworten auf diese Fragen werden Ihnen helfen, die Bearbeitungszeiten zu beschleunigen und die Kosten je Geschäftsfall zu reduzieren. Dieser Artikel zeigt anhand eines vereinfachten Prozesses zur Verarbeitung eines Leistungsantrags die notwendigen Schritte für verantwortungsvolle, intelligente Geschäftsprozesse. 

Wo liegen üblicherweise die Kosten in Geschäftsprozessen?

Ob die Annahme eines Girokontoantrags, oder die Bearbeitung eines Versicherungsfalls: Abstrahiert lassen sich beide Geschäftsfälle durch den schwarzen Teil des unten abgebildeten Prozesses "Leistungsantrag prüfen" verarbeiten. Der Prozess wird durch Eingang eines Leistungsantrags (LA) gestartet. Zu diesem LA müssen die Informationen über den Vertragspartner ermittelt werden, vorhandene Verträge geprüft und ggf. weitere Daten zum Leistungsanspruch gesammelt werden, bevor ein Mensch den Leistungsanspruch prüfen und über eine Annahme oder Ablehnung des Anspruches entscheiden kann. Möglicherweise benötigt der LA eine externe Prüfung durch einen Dienstleister, was wiederum monetäre und zeitliche Aufwände in die Höhe treibt. Abschließend wird der Leistungsantrag freigegeben oder abgelehnt. Vergleichbare Prozesse werden täglich tausendfach verarbeitet. Ein Großteil davon unnötig aufwendig.

Wie funktioniert eine intelligente Bearbeitung?

Intelligente Services verwenden Verfahren der Business Intelligence, des maschinellen Lernens und der künstlichen Intelligenz, um Geschäftsprozesse schneller und günstiger zu machen. Zwischen dem Zusammentragen von Informationen und der Entscheidung durch einen Sachbearbeiter werden neue Services integriert. Erfüllt der Geschäftsvorfall Bedingungen zur Automatisierung, dann entscheidet der Prozess selbstständig, ohne den Sachbearbeiter mit Routinen zu behelligen.

Welche Geschäftsvorfälle sind von besonderer Bedeutung?

Von besonderer Bedeutung sind beispielsweise Geschäftsfälle, die aufgrund seltener Merkmale und deren Kombination nicht unbemerkt durch den Prozess "rutschen" sollten. Solche Fälle werden als Unregelmäßigkeit oder Anomalie bezeichnet. Möglicherweise liegen hier Potenziale für neue Geschäftsmodelle oder ein Missbrauch vor. Fraud Detection, also die Aufdeckung potenzieller Missbrauchsfälle, versucht unter anderem, Anomalien in den Daten und Merkmalskombinationen zu erkennen. Seltene Kombinationen müssen nicht zwingend einen Missbrauch darstellen, sondern deuten möglicherweise auf fehlende oder nur sehr wenige historische Daten hin. Künstliche Intelligenz (KI) trifft unter Umständen bei geringen Datenmengen unsichere Entscheidungen. In solchen Fällen wäre eine klassische Bearbeitung eher geeignet. Zudem ermöglicht dies, aus den Entscheidungen der Sachbearbeiter zu lernen und zukünftige Geschäftsvorfälle bei hinreichender Sicherheit automatisiert zu verarbeiten. Das Erkennen von Unregelmäßigkeiten in Datenmengen wird auch als Anomalieerkennung bezeichnet.

Über welche Geschäftsvorfälle entscheidet Künstliche Intelligenz?

Vor allem Routineentscheidungen treiben die Bearbeitungszeit und damit die Kosten in die Höhe. Zudem weisen auch komplexere Entscheidungen häufig Muster auf, die Verfahren der KI bzw. des Maschinellen Lernens identifizieren, sofern die vorhandene Prozesshistorie hinreichende Daten aufweist (https://www.viadee.de/bpmnai). Handelt es sich dabei um keine Anomalie, dann ist eine hinreichend große Menge historischer Daten vorhanden. Diese Historie wird dazu verwendet, ein KI-Modell vor der Anwendung zu trainieren. Zukünftige Geschäftsvorfälle werden dann in Produktion durch das trainierte KI-Modell klassifiziert, indem eine Entscheidung für Annahme oder Ablehnung des Leistungsantrags getroffen wird. Dabei ist von besonderer Wichtigkeit, dass das KI-Modell eine Konfidenz über die getroffene Entscheidung angibt. Die Konfidenz ist ein Vertrauensniveau und beantwortet die Frage: "Wie sicher ist sich das KI-Modell in seiner Entscheidung?". Ist die Konfidenz sicher genug, dann kann der Geschäftsfall automatisiert abgeschlossen werden, ohne dass monetäre oder zeitliche Aufwände durch manuelle Bearbeitung oder externe Dienstleistungen entstehen. Ist die Konfidenz nicht hoch genug, dann wird der Fall klassisch bearbeitet. Die Wahl des individuell gewünschten Vertrauensniveaus und damit die Konfidenzgrenze sollte in Abhängigkeit vom konkreten Sachverhalt getroffen werden.

Welche Information benötigen Menschen, um ihre manuellen Entscheidungen konsistenter und schneller durchzuführen?

Wird der Geschäftsfall durch die Anomalieerkennung ausgesteuert oder die Konfidenz des KI-Modells ist nicht sicher genug, dann wird der Fall klassisch bearbeitet. Hier können Verfahren der erklärbaren Künstlichen Intelligenz ihre Stärke ausspielen. Die Entscheidungen der beiden intelligenten Services und die Informationen darüber liegen vor. Durch die Entscheidung des KI-Modells und die zugehörigen Informationen darüber kann eine Handlungsempfehlung für den Sachbearbeiter erstellt und begründet werden. Diese Handlungsempfehlung ermöglicht auch verschiedenen Sachbearbeitern, die Bearbeitung einheitlich und damit konsistent durchzuführen. Möglicherweise ist dann die Beauftragung weiterer Dienstleistungen nicht notwendig.

Die Erweiterungen, die den hier dargestellten Prozess zu einem intelligenten Geschäftsprozess machen, sind im Prozessmodell blau dargestellt.

Geht die Kontrolle über den Prozess verloren?

Der Einsatz von KI-Methoden bringt häufig den Verlust von Kontrolle und einen Mangel an Transparenz mit sich. Durch Konfidenzen und Handlungsempfehlungen mittels erklärbarer Künstlicher Intelligenz werden diese Verluste behoben und die Potenziale einer Entscheidungsunterstützung gehoben. Die Konfidenz des KI-Modells ist eine prozentuale Kennzahl, welche genutzt wird, um Entscheidungen verantwortungsvoll zu automatisieren. Hierzu wird ein Konfidenzschwellenwert eingeführt, welcher durch den Prozessverantwortlichen verwaltet wird. Nur wenn der Konfidenzschwellenwert überschritten wird, entscheidet das KI-Modell final über die Annahme oder Ablehnung des Leistungsantrags. Unterschreitet die Konfidenz der Entscheidung des KI-Modells den Schwellenwert, dann wird eine Handlungsempfehlung erstellt und klassisch weiterbearbeitet. Damit ermöglicht es beispielsweise ein Konfidenzschwellenwert von 95 Prozent, nur sehr sichere Geschäftsfälle zu automatisieren. Ein Konfidenzschwellenwert von 100 Prozent wird jeden Geschäftsfall mit zusätzlicher Handlungsempfehlung durch Experten entscheiden lassen. Damit ist der Konfidenzschwellenwert ein Schieberegler für Verantwortung und Skalierung.

Die Abbildung zeigt mögliche Ausprägungen des intelligenten Geschäftsprozesses. Denkbar wäre auch eine vollautomatisierte Verarbeitung. Die Handlungsempfehlung dient auch zur Erklärung der Entscheidung und kann nachträglich für die vom KI-Modell getroffenen Entscheidungen nachgeholt werden. Beispielsweise, um juristischen Anforderungen gerecht zu werden oder um die Qualität zu sichern.

Was ist nun zu tun?

Datenbasierte Geschäftsfälle benötigen häufig umfangreiche Analysen, in denen Datenquellen ermittelt und zusammengetragen werden und deren Qualität aufbereitet wird, bevor mit der eigentlichen Arbeit an intelligenten Services begonnen werden kann. Diese Aufwände sind bei automatisierten Prozessen nur in geringem Maße notwendig, da in Prozessdatenbanken bereits strukturierte Daten vorhanden sind. Somit kann direkt mit der Auswahl geeigneter Merkmale für Entscheidungen begonnen werden. Anschließend werden inkrementell die intelligenten Services trainiert. Gute Modelle zeichnen sich durch Konfidenzintervalle und kausale Regeln aus. Diese kausalen Regeln werden beispielsweise mit Methoden der erklärbaren Künstlichen Intelligenz (z.B. Anchors) ermittelt und überprüft. Einem ersten Proof of Concept steht damit nichts im Wege.

Fazit

Durch die Integration intelligenter Services ist ein Vorgehen möglich, das die automatisierte Verarbeitung von Geschäftsfällen maximieren kann und im Fall manueller Entscheidungen durch geeignete Handlungsempfehlungen weitere Aufwände einspart. Trotz dieser Automatisierung geht keine Kontrolle über den Prozess verloren. Vielmehr ermöglicht ein intelligenter Geschäftsprozess dem Prozessverantwortlichen mehr Potenzial in Sachen Skalierbarkeit und die Chance, kohärente Entscheidungen zu treffen. Im Mindestmaß gewinnt der Geschäftsprozess durch die Handlungsempfehlung an Konsistenz und Geschwindigkeit. Genau hier werden auch die ersten Ergebnisse entstehen, nachdem die Analyse mittels Methoden aus der Business Intelligence und der Künstlichen Intelligenz angewendet werden. Da automatisierte Prozesse bereits strukturierte Daten liefern, ist der initiale Aufwand geringer als in herkömmlichen Datenanalysen.