KI muss keine Black Box bleiben

viadee//BPMN.AI

Bpmn.ai bezeichnet den Ansatz, Prozessdaten per Machine Learning für Optimierungen zu nutzen.

viadee // BPMN.AI

Bpmn.ai bezeichnet den Ansatz, Standard-Prozessdaten für Optimierungen zu nutzen. Aus dem Bereich der Künstlichen Intelligenz (KI, oder englisch AI) eignet sich dafür der Ansatz des Machine Learning (ML). Dabei wird ein ML-Modell generiert, um Entscheidungen durch eine Maschine treffen zu können. Bevor die gesammelten Daten für das Anlernen vom Machine Learning Algorithmus genutzt werden können, erfolgt zunächst eine Vorverarbeitung, die für alle Prozesse identisch ist.

Bpmn.ai umfasst die gesamte Pipeline von der Datenextraktion, über die Transformation und Aufarbeitung der Daten, bis hin zum Anlernen eines geeigneten Machine Learning Algorithmus und dem zur Verfügung stellen, der daraus gewonnen Erkenntnisse. Diese können unter anderem zur Optimierung und Automatisierung von Prozessen verwendet werden, sind aber generell für verschiedenste Anwendungen interessant (z.B. Engpassanalysen, Prozessdauervorhersagen).

 

Beispielanwendung

Beispielprozess mit typischer Verzweigungslogik

In dem vereinfachten Beispielprozess ist die Entscheidung, ob eine externe Prüfung notwendig ist, eine manuelle Aktivität, die aufgrund von Daten getroffen wird, die im vorigen Verlauf des Prozesses gesammelt wurden. Ein Mitarbeiter entscheidet anhand der vorliegenden Daten (Prozessvariablen), ob die externe Prüfung notwendig ist. Diese Entscheidung ist durch die XOR-Verzweigung modelliert. Als letzten Schritt wird, je nach Prüfungsentscheidung, die Rechnung automatisiert freigegeben oder abgelehnt. Diese Konstellation ist in Unternehmensprozessen sehr häufig zu finden.

Dies ist eine Chance für den Einsatz von KI

Die gesammelten Daten von vergangenen Prozessläufen enthalten sowohl die Informationen, welche der manuellen Entscheidung zur Notwendigkeit einer externen Prüfung zugrunde lagen, als auch die Entscheidung selber, da diese jeweils als Prozessvariablen vorliegen und gespeichert werden. Durch die Aufbereitung dieser Daten und das Anlernen eines ML-Modells kann ein Entscheidungsmodell für eine KI-gestützte Prozessoptimierung erstellt werden. Eine manuelle Entscheidungsaktivität kann so durch eine automatisierte Aktivität unterstützt werden.

 

Integration von Künstlicher Intelligenz

Die Integration der Künstlichen Intelligenz in den Prozess kann in verschiedenen Stufen passieren:

Stufe 0: Auswertung der Prozessdaten ohne KI-Einsatz

  • ML-Model wird manuell generiert.
  • Ergebnisse werden zur Optimierung des Prozesses verwendet.
  • Keine Integration von KI im Prozess. Erlernte Regeln können aber ggf. als DMN integriert werden.

Stufe 1: Pilotierung der KI und Protokollierung der Ergebnisse

  • ML-Model wird automatisch generiert.
  • KI wird parallel zur manuellen Aktivität im Prozess integriert und dessen Entscheidungen protokolliert.
  • Entscheidungen im Prozess basieren weiterhin auf manueller Aktivität.

Stufe 2: Kontrollierter KI-Einsatz mit manuellem Fallback

  • ML-Model wird automatisch generiert.
  • KI wird manueller Aktivität vorangestellt.
  • Bei geringer Konfidenz der KI wird die Entscheidung manuell getroffen.
  • KI-Anteil kann gewählt werden - je nachdem wie sicher die KI sich mindestens sein soll.

Stufe 3: Nachhaltige KI-Automatisierung

  • ML-Model wird automatisch generiert.
  • Kontrollierte Ausführungsumgebung mit Freigabeprozessen etc.
  • Entscheidung, ob in einem Fall die Entscheidung durch die KI oder manuell getroffen wird, wird so getroffen, dass eine hohe Automatisierung erfolgen kann, jedoch weiterhin ein sinnvolles Lernen der KI durch neue manuelle Entscheidungen abgesichert ist.

Beispiele aus der Praxis

Für Duni wird eine Prognose der Laufzeit des überarbeiteten Profile-Print-Prozesses daraus abgeleitet, indem beispielsweise individualisierte Servietten für Restaurants gestaltet und hergestellt werden.

Die Idee hat sich als gut übertragbar erwiesen. Zusammen mit der Westfälischen Provinzial Versicherung AG verfolgen wir mit gleicher Technik die Idee, um die Notwendigkeit von Rechnungsprüfungen bei der Abwicklung von KFZ-Glasbruchfällen vorherzusagen.

 

Die Pipeline

Unsere vorbereitete Pipeline konsolidiert Events einer Process Engine in auswertbare Form. Prozess- oder Aktivitätsniveau sind wählbar. Der „Wissensstand“ der Prozessvariablen zum jeweiligen Aktivitätsstand wird eingesammelt und steht für ein Machine Learning zur Verfügung. Auch mit großen Datenmengen.
Die R-Umgebung ist in der Analyse-Phase maximal flexibel. Das Machine Learning erfolgt dann per H2O auf Basis von Java-Technologien. Das entstehende Entscheidungsmodell bettet sich daher abschließend auch sehr gut in Java-basierte Anwendungslandschaften ein.

Pipeline

Was ist eigentlich mit meinem Data Warehouse?

Die oben dargestellten Technologien beschreiben den „Grüne Wiese“-Ansatz. Sollten Sie bereits ein Data Warehouse im Einsatz haben, sollte es natürlich ebenfalls als Datenquelle für unseren Ansatz verwendet werden. Ein separate Infrastruktur für KI-Zwecke ist dabei im letzten Schritt sinnvoll, ähnlich dem Data Mart-Ansatz.

 

Der Fluch der Datensammlung und -vorverarbeitung

Data preparation accounts for about 80% of the work of data scientists. Forbes

Der größte Aufwand bei der Analyse von Daten wird immer für Datensammlung und Vorverarbeitung betrieben. Im Umfeld der Process Engines lässt sich ein Großteil dieses Aufwands generalisieren, da die Verarbeitung nicht vom konkreten fachlichen Anwendungsfall abhängt.
In der viadee haben wir diese Schritte so weit wie möglich generalisiert und skalierbar gestaltet. Weiterhin können wir individuelle fachliche Anforderungen einfach in unseren Ansatz integrieren und umsetzen (bspw. Java- oder JSON-Objekte).

Ansprechpartner

Dr. Frank Köhne

Dr. Frank Köhne

Tel: +49 251 777 77 0

Weiterführende Informationen

Weitere Informationen zum Thema Business Process Management und wie Sie die Daten aus einer Prozess Engine analysieren und nutzen können finden Sie auf unseren Seiten zum Thema Business Process Management und unserem viadee Process Warehouse.
Besuchen Sie uns auch auf der CamundaCon, wo Dr. Frank Köhne über unsere Erfahrungen mit der Duni berichten wird.
Bei weiterem Interesse im Bereich Business Intelligence finden Sie hier weitere Informationen.

Aktuelle Blogbeiträge

Sie wollen mehr über die viadee, unsere Projekte, Kunden und Kollegen erfahren? Dann besuchen Sie unseren Blog. Sie haben die Wahl und können entweder alle Blogbeiträge aus sämtlichen Unternehmensbereichen lesen oder nur die Blogbeiträge aus dem Bereich „Forschung & Entwicklung“.

zum Blog #Forschung & Entwicklung

Unsere Lösungen,
ob Start-Up oder etabliertes Unternehmen

Business Process Management

Java

Testautomatisierung

Agile Methoden

Mobile- und Weblösungen

Business Intelligence

vivir

IT-Sicherheit

Künstliche Intelligenz