Compart - Dokumenten und Output-Management

Digitale
Posteingangsverarbeitung

 

Tipps und Tricks

  1. Selbstlernende KI-Systeme

    Regelbasierte Lösungen, die nach fest definierten Schlagworten (Keywords) suchen, stoßen spätestens bei unstrukturierten Nachrichten (E-Mail, Brief, De-Mail) an ihre Grenzen. Zu groß und komplex die Regelwerke, die man hierfür hinterlegen müsste. Sie folgen keiner Dynamik und müssen ständig unter sehr hohem Aufwand angepasst werden. Das bindet Ressourcen, die für das Kerngeschäft dringender benötigt werden. Die Alternative sind selbstlernende Systeme auf der Basis von Methoden der künstlichen Intelligenz (KI). Sie „beobachten“ sich selbst und lernen durch ihre Verhaltensmuster täglich hinzu. Ihre Inhalte unterliegen Rollen und Berechtigungen und sie lassen sich zentral für alle Kontaktkanäle einsetzen (E-Mail, Social Media, Web-Chat, Online-Forum, Telefon). Daher: Verknüpfen Sie die KI-Lösung mit dem Posteingangssystem Ihres Unternehmens, beispielsweise über Webservices. Das Ergebnis: eine konsistente, dynamische Wissensplattform, die „mitdenkt“.

  2. Konsolidierung und Automatisierung

    Vereinheitlichen Sie Ihre Systeme und wenden Sie für strukturierte und unstrukturierte Inhalte dieselben Verfahren zur Klassifizierung und Extraktion an. Schaffen Sie die Grundlagen für eine automatisierte Verarbeitung aller Input-Kanäle (Workflow). Moderne Kommunikationsplattformen sind nicht beschränkt auf den Einsatz im klassischen Posteingang. Sie werden sehen: Mit einem harmonisierten und mehrkanalfähigen Input-Management analysieren Sie Dokumente wesentlich schneller und präziser als klassische Poststellen..

  3. Optimierung der OCR

    Vermeiden Sie bereits beim Erfassen der Inhalte (Capturing) den kleinsten Fehler – denn er zahlt sich bitter aus. Eine ungenügende OCR-Software (Optical Character Recognition) macht alle nachfolgenden Abläufe obsolet; vor allem dann, wenn Ihre Poststelle unterschiedliche Eingangsquellen (Brief, Fax, Formulare, Freitext/E-Mail) nutzt. Nutzen Sie stattdessen virtuelle Optimierungsverfahren. Das Prinzip: Die Ergebnisse mehrerer kombinierter OCR-Lösungen werden automatisch miteinander verglichen mit dem Ziel, die „wahrscheinlichsten“ Werte für die weitere Verarbeitung zu übernehmen. Prüfen Sie daher unbedingt, ob Ihre Poststelle aus den Dokumenten genug „rausholt“.

  4. Moderne Extraktionsmethoden

    Aussagekräftige Daten zu Kunde und Inhalt eines Dokuments sind das A und O einer effizienten Vorgangsbearbeitung. Sorgen Sie dafür, dass im Moment der Abwicklung der Mitarbeiter in der Poststelle alle Informationen auf seinem Bildschirm hat. Das gilt für die Validierung von Nachrichten (Zuordnung einer Mitteilung zu Bestandsdaten) genauso wie für die Erfassung (Auslösen einer fallabschließenden Transaktion im Bestandssystem). Wichtig: Die Vorgangsdaten müssen individuell für jeden Arbeitsschritt definierbar sein. Führende Technologien sind sogar in der Lage, das Extraktionsverhalten der Mitarbeiter zu erlernen und auch unstrukturierte Inhalte (Freitext) vollautomatisiert zu verarbeiten.

  5. Vorgangsbearbeitung mit Mehrwert

    Schaffen Sie die Grundlagen für eine jederzeit zuverlässige Identifikation von Personen- und Unternehmensdaten. Denn: Die damit verbundene Suche nach übereinstimmenden Merkmalen wird im Input Management der Zukunft von großer Bedeutung sein. Sie senkt Fehlerrisiken und verbessert Arbeitsprozesse, weil sie Zuordnung (Kundenhistorie), Bearbeitung (Vorgangsinformationen) und Archivierung unterstützt.

Definition einer starken KI und einer schwachen KI

Bei der künstlichen Intelligenz wird zwischen einer starken und einer schwachen Form unterschieden. Unter starker KI (engl. «Strong AI») versteht man Ansätze, die versuchen, Vorgänge im menschlichen Gehirn nachzubilden. Eigenschaften wie Bewusstsein oder Empathie werden häufig als entscheidende Merkmale genannt, die starke KI ausmachen.

Beispiele der schwachen KI (engl. «Weak AI» oder «Narrow AI») sind in heutigen Software-Lösungen dagegen bereits zu finden. Im Gegensatz zur starken KI geht es hier aber darum, Algorithmen für bestimmte abgegrenzte Problemstellungen zu entwickeln. Beide Ansätze verbindet jedoch die wesentliche Anforderung der Lernfähigkeit.

Quelle: Buxmann und Schmidt, «Künstliche Intelligenz», Springer-Gabler, 2019