KI-Engines

Data Science für optimierte Serviceprozesse

Die meisten Serviceprozesse können mit den richtigen KI-Engines enorm beschleunigt werden. Die Grundlage sind die richtigen Daten und Modelle. Die Data Scientisten bei Samhammer sind immer Teil eines Teams, wenn es um die Verbesserung von Serviceprozessen geht.

Wie ist der Ablauf eines Projekts zur Entwicklung einer Service-KI-Engine?

Zunächst klärt der Samhammer Solution Architect den Use Case inhaltlich, sichtet die vorhandenen Datenstrukturen und überprüft die möglichen Potenziale für den Serviceprozess und den Menschen im Service. Dabei ist Data Science die Generierung von Informationen aus großen Datenmengen, um daraus Handlungsempfehlungen ableiten zu können. Diese können organisatorischer Natur, bspw. Prozesse oder Datenerfassung von Incidents etc., und technischer Natur für die KI oder den Bot sein. Ziel ist immer, dass die Handlungsempfehlungen dazu führen, dass Unternehmen effizienter arbeiten können und somit auch eine bessere Skalierbarkeit der Serviceorganisation geschaffen wird.

Samhammer identifiziert und extrahiert zunächst aus den vorhandenen Datenquellen die Daten, welche für die jeweiligen Prozesse nötig sind. Hierzu ist immer ein vorheriger Blick in die jeweilige Organisation mit Fokus auf Prozesse, Daten und Erhebung etwaiger Datenlücken nötig, und zwar mittels Interviews von Menschen in der Prozesskette und der Hospitation vor Ort, live im Prozess. Aus diesen Erkenntnissen leiten wir erste Handlungsempfehlungen ab – erst danach erfolgt die Extraktion.

Im ersten Schritt werden die Extrakte mit Data-Mining-Verfahren analysiert, um grundlegende Erkenntnisse, mögliche Empfehlungen für den Prozess und die Machbarkeit abzuleiten. Für das Data Mining wird ebenso die Mitarbeit des Fachbereichs mit seiner Domänenexpertise benötigt, da der Data Scientist Inhalt und Prozesse verstehen muss. Auch werden hier etwaige Wissens- und Informationslücken, z. B. Tätigkeiten in anderen Tools, Brainware zur Identifizierung von Sachverhalten etc., identifiziert, welche dann entweder maschinell oder „per Hand" geschlossen werden müssen. In der ersten Datenanalyse wird geprüft, welche Data-Science-Verfahren sinnvoll sind, und – sofern die Machbarkeit grundsätzlich gegeben ist – kommen diese Data-Science-Verfahren zum Einsatz (z. B. Schätz- und Regressionsverfahren aus der Statistik kombiniert mit Klassifizierungs- und Clustering-Ansätzen aus dem maschinellen Lernen).

Der Data Scientist evaluiert und entwickelt ebenso Optimierungsverfahren für maschinelles Lernen und arbeitet sehr eng mit dem Fachbereich zusammen, um die Ergebnisse zu bewerten, Feedback zu geben oder iterativ zu optimieren. Das Ergebnis des Data Scientisten ist ein verprobtes Verfahren/Modell, welches immer weiter verfeinert, trainiert und hinsichtlich Empfehlungsqualität beobachtet werden muss. Dieses Modell wird dann an einen Data Engineer (KI-Entwickler) übergeben, der dieses in eine lauffähige Software überführt (Parallelisierung, Wartungs- und Update-Fähigkeit, Monitoring, Realtime-Anbindung etc.).

Für die Zusammenarbeit zwischen Data Scientist, Software Engineer und KI-Entwickler setzt Samhammer die KI-Engines-Plattform von TIKI (Technologisches Institut für angewandte Künstliche Intelligenz) ein. Damit können Datenmodell und KI-Engines um den Faktor 50 schneller als bei den cloudbasierten amerikanischen Plattformen entwickelt werden. Integrierte Betriebsmodelle erlauben die Optimierung der Datenmodelle im laufenden Betrieb bspw. bei Concept Drifts von KI-Engines.

Sprechen Sie uns an, wenn Sie wissen möchten, wie KI-Engines bereits ab 500 Datensätzen erfolgreich konvergieren.