AI erfasst Aufträge automatisch

Für eilige Leser

• Bestellungen, Rechnungen, Stücklisten, Zollinformationen, Frachtbriefe, Fahraufträge, Lieferanweisungen etc. aus PDF, Scan oder E-Mail können auf drei Wegen vollautomatisch erfasst werden: Diskreter OCR (regelbasiert), Prädikativer AI (ML), Generative AI (GPT).
• Als Ergebnis erspart sich ein Unternehmen die manuelle Erfassung dieser Daten im ERP, TMS, OMS, TOS, CRM usw. Der Produktivitätsgewinn ist enorm hoch, die Kostenersparnis signifikant.
• Diskrete OCR passt für strukturierte, standardisierte Dokumente am besten, während generative AI für unstrukturierte, variantenreiche Dokumente am besten geeignet ist.
• Generative AI (GPT) erreicht annähernd gleich hohe Erkennungsraten von über 98% wie diskrete OCR mit Verarbeitungsregeln, birgt jedoch ein etwas höheres Restrisiko von Fehlern.
• Der Trend geht klar zu generativen Automatisierungsverfahren kombiniert mit Fehler-Behandlung, da so fast alle Aufträge automatisch erfasst werden können - gleichgültig, auf welchem Weg diese eintreffen und strukturell aufgebaut sind.

Tipp zum Ausprobieren

Wer sensible Daten verarbeiten will, sollte diese zuerst selektiv anonymisieren. Personenbezogene Daten, vertrauliche Preisinformationen oder Kundendetails fallen in diese Kategorie. Der Cloud-Dienst pdfFiller schwärzt Felder in bester CIA Manier. So können Trainingsdaten präpariert werden, um einen zusätzlichen Schutz bei der Verarbeitung in AI Modellen zu bieten.

Der Goldstandard

Bislang waren leistungsfähige OCR-Plattformen wie docparser in Verbindung mit einer Automatisierungsplattform wie Workato der Goldstandard in der automatisierten Verarbeitung von PDF Dokumenten oder Scans. docparser funktioniert nach dem Prinzip, jeden relevanten Bereich im Dokument zu markieren und bei Bedarf mit weiteren Auswertungsregeln zu belegen.

Dieses Verfahren ist wunderbar geeignet für gleichartige Dokumente. Erhält ein Unternehmen z.B. zahlreiche Bestellungen, die in ihrem Layout gleichartig sind und somit eine vorhersagbare Struktur aufweisen, so erzielen wir eine Auswertbarkeit von annähernd 100%.

Nachteil dieser diskreten OCR Lösungen ist deren Abhängigkeit von einer vorhersagbaren Dokumentenstruktur. Hat ein Unternehmen z.B. Aufträge von zahlreichen unterschiedlichen Kunden, die jeweils völlig andersartige PDF Layouts verwenden, müsste pro PDF Layout eine eigene Auswertungslogik konfiguriert werden.

Diskrete OCR glänzt durch Nachvollziehbarkeit und Transparenz.

Der neue Goldstandard

Seit Mitte 2023 beginnt sich mit der Verfügbarkeit von GPT 3.5 Turbo und GPT 4.0 ein neuer Goldstandard zu etablieren: Generative AI. Im Gegensatz zur diskreten OCR "vertrauen" wir darauf, dass das GenAI Modell bereits unzählige inhaltsähnliche Dokumente während seines Trainings "zu Gesicht bekommen hat" und durch Reinforcement Training so kalibriert wurde, dass es eine Artikelnummer von einer Lieferantennummer unterscheiden kann sowie komplexe Preistabellenstrukturen versteht.

Wer generative AI zur Problemlösung im Alltagsgeschäft einsetzen kann, ist klar im Vorteil. Die Industrie ringt um die Nutzbarmachung von AI.

GenAI erobert die Dokumentenverarbeitung.

Customer Service, Helpdesk und Back Office entlasten

Wo fängt man am besten an? Dort, wo Arbeiten nicht zum Kerngeschäft gehören und keinen Wettbewerbsvorteil liefern.

PDF, Word, E-Mail, gescannte Aufträge werden vielerorts manuell erfasst. Das bindet Ressourcen und kostet Geld. Dank generativer AI können diese Arbeiten zu über 98% automatisiert werden. Der Ablauf:

1. PDF usw. Aufträge werden über einen OCR-Dienst maschinell lesbar gemacht.
2. Prompts mit relevanten Anweisungen laufen über diese eingelesenen Daten mit exakten Vorgaben.
3. Das generative AI Modell vollzieht sein Werk und erzeugt ein Ergebnis (Completion).
4. Completions werden entgegengenommen und in standardisierte Auftragsstrukturen umgewandelt.
5. Diese Aufträge werden über eine Schnittstelle in das ERP bzw. TMS importiert. Job done!

All dies geschieht vollautomatisch. Die Aufträge können auf jedem Weg entgegengenommen werden - via E-Mail, File-Server oder Schnittstelle (API).

Die manuelle Arbeit in der Dokumentenerfassung entfällt.

Eine weitere Ausbaustufe: Die AI wertet Antworten des ERP Systems aus und nimmt erneut Handlungen vor - gleichsam als "automatisierter Dialog" mit sich selbst. So kann nach der Übermittlung des Auftragseingangs über eine andere API die automatisierte Suche nach einem freien Transportslot angestoßen werden, ein passender Vorschlag automatisch ausgewählt und der Auftrag bestätigt werden.

Hier spielt künstliche Intelligenz ihre ganze Stärke aus, weil sie menschliches Verhalten imitiert. Die Entscheidungsfaktoren kann sie bestens kombinieren, da sie auch das erlernen kann.

Erfolgreiche Projekte

Hier gibt es ein wirksames "Rezept" als Best Practise:

1. Mengengerüst der zu automatisierenden Aufträge erfassen. Wie groß ist das ökonomische Potenzial?
2. Funktionalen Zielprozess möglichst einfach und vollständig beschreiben. Was soll genau wie operativ ablaufen?
3. Technische Kompetenz aneignen oder hinzuziehen. Welche Technologien und Anbieter sind geeignet?
4. Erfolgskritische Punkte ausprobieren. Wie erreichen wir die gewünschte Ergebnisqualität?
5. AI Projekt budgetieren, staffen, durchführen.

Ein Wermutstropfen darf nicht verschwiegen werden: Sie werden mit Sicherheit auf Probleme stoßen. Das ist völlig normal. Bedenken Sie, dass Sie ein großes Rad drehen. OpenAI z.B. hat einen zweistelligen Milliardenbetrag benötigt, damit es die heutige Leistung erbringt.

Probleme passieren, Probleme müssen gelöst werden. Das kann von einer ungünstigen Erkennungsrate ("Accuracy") bis hin zu Fragen der Ergebnisinterpretation und Normierung reichen. Dafür gibt es Lösungen und Methoden.

Das Universum ist unendlich - und die Möglichkeiten von AI