Ihre Herausforderungen bei den aktuellen Analysemethoden
Branchen mit vielen Kundenkontakten haben meist große Sammlungen von textuellen und multimedialen Dokumenten in Form von empfangenen und verschickten Nachrichten oder Gesprächsprotokollen. In ihrer Gesamtheit, aber auch in jedem einzelnen Dokument, sind wertvolle Informationen enthalten: Was ist der Bedarf Ihres Kunden? Was sind die aktuellen Trends? Welche Nachfrage ist vielleicht vorhanden, wird aber nicht von Ihnen befriedigt? Wir zeigen Ihnen, wie Sie diese und viele andere Fragen gezielt beantworten können.
Die Versicherungsbranche ist ein Paradebeispiel für einen Markt, in dem diese Fragestellungen von besonderer Bedeutung für die Wettbewerbsfähigkeit sind. Historisch niedrige Zinsen, zunehmende Digitalisierung und höhere Unwetterschäden durch den Klimawandel drängen die Anbieter zu Innovationen, sowohl im Hinblick auf die Kundenorientierung als auch auf die Senkung der Grenzkosten durch Prozessautomatisierung (Dunkelverarbeitung ohne manuelle Prozessschritte). In beiden Bereichen kann die KI-gestützte Dokumentenanalyse einen wertvollen Beitrag leisten.
Unstrukturierte Daten sind ein Problem für die Dunkelverarbeitung
Während sich Prozesse mit strukturierte Daten, beispielsweise aus Formularen, einfach automatisieren lassen, trifft dies leider auf „freie“ Kommunikationswege wie Briefe, E-Mails, Bilder und Sprachnachrichten nicht zu. Diese unstrukturierten Daten folgen keinem Schema und an jeder Stelle eines solchen Dokuments könnte eine relevante Information enthalten sein. Bei einer synchronen Kommunikation, wie einem Telefonat oder einem Beratergespräch, ist ein menschlicher Teilnehmer involviert, der das Gespräch strukturiert in die vorhandenen Prozesse eingibt. Bei der asynchronen Kommunikation mittels Brief, E-Mail, etc., findet dies oft nachgelagert und mit hohem personellen Aufwand statt. Erschwerend kommt hinzu, dass Rückmeldungen oder Rückfragen an den Kunden – insbesondere außerhalb von Kernarbeitszeiten – verzögert werden, bis ein Mitarbeiter die entsprechenden Dokumente verarbeiten konnte. Auch wenn der Grad der Digitalisierung durch Angebote wie Chatbots steigt – und damit auch der Anteil an strukturierten Daten – ist die freie Kommunikation bei vielen Kunden noch immer präferiert, da sie ihr Anliegen schnell „loswerden“ können.
Markt und Kunden verstehen durch Mustersuche
Auf ähnliche Weise stellen unstrukturierte Dokumente sowohl ein großes Potential als auch eine zu überwindende Hürde für das Verständnis von Kunden und Märkten dar. Das Potential gegenüber anderen, strukturierten Kanälen ist die Offenheit für neue Erkenntnisse. Zwar lässt sich beispielsweise aus Verkaufszahlen ableiten, welche Produkte derzeit gut angenommen werden, aber welche Produkte oder Produktmerkmale im Sortiment fehlen, oder wie sichtbar sie für den Kunden sind, wird daraus nicht ersichtlich. Hierfür müssten Gesprächsprotokolle, Kundenanfragen und Kundenfeedback entsprechend der Fragestellung ausgewertet werden. Genauso wenig lässt sich die Kundenzufriedenheit aus reinen Zahlen ablesen, wohl aber aus dem Ton der letzten E-Mail.
Während die personelle Aufbereitung der Kundeninteraktion für Prozesse noch notwendigerweise in Kauf genommen wird, verhindert die Kosten-Nutzen-Betrachtung bei einer manuellen Analyse eines Dokumentenarchivs garantiert jedes Innovationsvorhaben. Damit bleibt viel Potential ungenutzt und Wissen über zeitliche Trends, Whitespots im Portfolio oder Kundenzufriedenheit verschwindet im Archiv.
Anwendungsgebiete für die Intelligente Dokumentenanalyse.
Quelle: eigene Darstellung
In der Abbildung markieren die Lupen die Stellen, an denen eine intelligente Verarbeitung notwendig ist. Dazu gehört beispielsweise die Extraktion von Informationen, die Zusammenfassung von Inhalten, das Herstellen von Zusammenhängen und das Nachschlagen von Sachverhalten. An diesen Stellen eröffnet eine künstliche Intelligenz neue Möglichkeiten oder erhebliches Automatisierungs- und Unterstützungspotential.
Ihre Vorteile durch den Einsatz von intelligenten Dokumentenanalysen
Wie Sie von KI-gestützter Dokumentenanalyse profitieren
Von der automatisierten Dokumentenanalyse profitieren immer mehr Unternehmen, indem sie beispielsweise ihre Prozesse beschleunigen und so schnellere Reaktionszeiten, eine höhere Kundenzufriedenheit und einen höheren Kundendurchsatz bei geringeren Kosten realisieren. Zudem wird die Kombination mit anderen Technologien, wie z. B. Chatbots, erheblich vereinfacht und schafft zusätzlichen Mehrwert. Auch werden durch die (teil-)automatisierte Verarbeitung Kapazitäten der Mitarbeiter für höherwertige Tätigkeiten freigesetzt, was wiederum die Mitarbeiterzufriedenheit erhöht. Dies macht die KI-gestützte Dokumentenanalyse zu einem Kernelement Ihrer Digitalisierungsstrategie.
Ihre Vorteile durch den Einsatz von intelligenten Dokumentenanalysen sind:
- Steigerung der Kundenzufriedenheit durch beschleunigte Prozesse
- Qualitätssteigerung der Leistungen durch zusätzliches Know-how
- (Produkt-)Verbesserungen durch Muster- und Trenderkennung
- Gezielte personalisierte und nachhaltige Kundenansprache durch Data Driven Marketing
Liegt Ihr „Datenschatz“ erst einmal digital vor und wird dieser gepflegt, ergeben sich viele neue Möglichkeiten der Wertschöpfung. Entdecken Sie in Ihren Daten bisher verborgene Zusammenhänge und extrahieren Sie wertvolle Erkenntnisse über Ihre Prozesse oder das Kundenverhalten. Steigern Sie Ihre Qualität durch das Vernetzen von verschiedenen Wissens- und Know-how-Quellen. Identifizieren Sie Verbesserungspotenziale und steigern Sie Ihre Wettbewerbsfähigkeit. Gestalten Sie Ihre Kundenansprache nachhaltiger und gezielter durch Data Driven Marketing.
Was wird analysiert?
Dokumentenanalyse ist ein sehr weit gefasster Begriff. Im Grunde genommen ist damit alles gemeint, was in Form von zusammenhängenden analogen und digitalen Daten erfasst und gespeichert werden kann. Im Versicherungskontext können es z. B. die verschiedenen Kanäle der Kundenkommunikation sein, die in Zusammenhang gebracht werden: Formulare, Briefe, E-Mail-Korrespondenzen, aufgezeichnete Telefonate (als Audiodatei, oder transkribiert) um nur einige Möglichkeiten zu nennen.
Dabei ist die Konvertierung aus den verschiedenen Quellen in Formate, die gut maschinell verarbeitbar sind, von sehr hoher Relevanz. Neben der klassischen Texterkennung (OCR) gibt es neuartige Verfahren, die mithilfe von künstlicher Intelligenz die Erkennungsrate von Zeichen, Wörtern und Sätzen deutlich verbessern. Hinzu kommen die Möglichkeiten, Themen (Topic Modeling) und Stimmungen (Sentiment Analysis) aus Texten zu extrahieren. Damit können Sie beispielsweise Ihre Eingangskanäle vorfiltern und entsprechend der Themen und Kategorien sortieren: z. B. nach Kündigungen von Kfz-Versicherungen, Beschwerden bei Hausratsversicherungen oder ganz allgemeinen Anfragen. Auch Internet-Seiten können als Dokumente betrachtet werden. Diese liegen zwar bereits digital vor, doch erschwert unter Umständen die schiere Menge die Extraktion nützlicher Informationen. Mit Methoden des Text Minings lassen sich dennoch Daten aggregieren und nutzbar machen. Stellen Sie sich Forenbeiträge in Verbraucherportalen vor, in denen über Produkte und Dienstleistungen diskutiert wird. Hier ist es möglich gezielt nach Meinungen und Stimmungsbildern zu Ihren Angeboten zu suchen und eine Art Verbraucherforschung ohne direkte Umfragen zu betreiben.
Die genannten Szenarien sind nur als Beispiele zu verstehen. Die Einsatzmöglichkeiten sind unüberschaubar vielseitig, so dass auch für Sie sicherlich eine wertvolle Möglichkeit besteht, KI-gestützte Dokumentenanalyse sinnvoll einzusetzen.
Die Funktionsweise von intelligenten Dokumentenanalysen
Die Umsetzung der automatischen Dokumentanalyse lässt sich technisch in zwei Bereiche unterteilen: Eine Echtzeitverarbeitung wendet KI-Modelle an, während eine Massendatenverarbeitung die Modelle erstellt und fachliche Analysen unterstützt. Sie unterscheiden sich in der Zielsetzung und der zeitlichen Abfolge der Tätigkeiten.
Funktionsweise der Intelligenten Dokumentenanalyse.
Quelle: eigene Darstellung
Massendatenverarbeitung
Ziel dieses Bereichs ist einerseits die Erstellung der Basis für die Echtzeitverarbeitung und andererseits die Gewinnung von Erkenntnissen über Markt und Kunden aus den gesammelten Dokumenten. Hierunter fallen verschiedene Tätigkeiten und automatisierte Prozesse, die jeweils bei Bedarf oder in regelmäßigen Abständen angestoßen werden.
Grundlage dieser Tätigkeiten ist ein Archiv, in dem über die Zeit sowohl alle digitalen Dokumente aus der Echtzeitverarbeitung als auch Zwischenergebnisse aus dem fachlichen Workflow gesammelt werden. Die Kombination aus beiden Datenarten ermöglicht das Trainieren von KI-Modellen für fachliche Aufgaben mit Hilfe von überwachten Lernverfahren. Beispielhaft gesprochen kann ein Modell erlernen, ob es sich bei einem Brief um einen Schadensfall oder eine Beschwerde handelt, wenn es dank des Archivs Zugriff auf alte Briefe und die dazu passenden korrekten Zuordnungen aus den Workflow-Daten hat. Auch bei einer bereits bestehenden Automatisierung des Workflows ist kontinuierliches Sammeln von menschlichem Feedback im Archiv, z. B. bei entdeckten Fehlentscheidungen oder besonders unsicheren KI-Antworten, wichtig. Dadurch können die Modelle regelmäßig neu trainiert werden und sich somit über die Zeit verbessern. Die in der Massendatenverarbeitung entstehenden Modelle kommen später in der Echtzeitverarbeitung zum Einsatz.
Aber auch abseits der Unterstützung der Echtzeitverarbeitung ist die Anwendung von KI in der Massendatenverarbeitung insbesondere für das Reporting sinnvoll. Durch die kontinuierliche Verbesserung der Modelle ist auch eine regelmäßige Neubewertung der Dokumente im Archiv sinnvoll, um die Datenbasis für Ad-hoc-Analysen aktuell zu halten. Manche Lernverfahren, insbesondere die sogenannten unüberwachten Lernverfahren, sind sogar nur hier sinnvoll einsetzbar: Themenanalysen fassen die Inhalte des Archivs semantisch zusammen und ermöglichen Ihnen das frühzeitige Erkennen von Veränderungen in den Kundenanforderungen oder Häufungen gewisser Schadensfalldetails. Die Anomalieerkennung hilft dabei den Datenbestand qualitativ hochwertig zu halten oder besonders unübliche Dokumente gesondert zu inspizieren.
Echtzeitverarbeitung
Das Ziel der Echtzeitverarbeitung ist die Nutzbarmachung der unstrukturierten Dokumentinhalte für eine bessere Unterstützung der Workflowprozesse. Folge ist die Erschließung all der oben genannten Vorteile wie Kundenzufriedenheit durch schnellere Antworten, Kostenersparnis durch mehr Dunkelverarbeitung und höhere Individualisierung der Kundenkommunikation. Hierfür werden die KI-Bausteine genutzt, die im Rahmen der Massendatenverarbeitung erstellt wurden. Die Verarbeitung folgt deshalb dem Datenfluss vom Dokumenteingang zum Ergebnis des fachlichen Prozesses und ist als Pipeline modelliert.
Ausgehend von der konkreten Datenquelle müssen nicht-digitale Inhalte wie Briefe oder nicht-textuelle Inhalte wie Audiomitschnitte durch entsprechende Vorverarbeitungsschritte in digitale Dokumente umgewandelt werden. Auch in diesem Prozessschritt haben wir KI-Lösungen für OCR, Intelligent Word Recognition (IWR) oder die Transkription bereitstehen. Da diese Schritte aber meist noch nicht kundenspezifisch sind, gibt es auch die Möglichkeit, externe Anbieter wie Azure, Amazon oder Google zu nutzen. Diese haben ihre Modelle bereits mit großen Datenmengen, auch aus anderen Anwendungsfällen und Branchen, trainiert. Ob und in welchem Umfang das für Ihre Lösung sinnvoll ist, untersuchen wir gerne für Sie.
Durch verschiedene KI-Bausteine wird das Dokument in der Pipeline automatisch um immer mehr strukturierte Information ergänzt:
- Eine Sentimentanalyse gibt die „Stimmung“ im Dokument als Zahlenwert wieder.
- Eine Textklassifikation weißt das Anliegen verschiedenen Prozesskategorien zu, um im Anschluss den richtige Workflow zu starten.
- Eine Informationsextraktion markiert und extrahiert wichtige Inhalte wie Kundennummern, Namen, Orte, Schadensarten und weitere Details.
- Eine Bildanalyse kann aus Anhängen noch mehr Inhalte ableiten, z. B. die Marke der an einem Unfall beteiligten Fahrzeuge.
Alle diese Bausteine basieren auf maschinellen Lernverfahren, insbesondere Deep Learning, und dokumentieren mit einem Konfidenzwert, wie sicher sie sich bei ihren Resultaten sind.
Am Ende dieser Pipeline übernimmt Ihre bestehende Workflow-Engine den Prozess und kann, abhängig von der Konfidenz, weitere menschliche Einschätzungen abfragen (Hellverarbeitung) oder die Anfrage automatisiert verarbeiten (Dunkelverarbeitung). Durch die neu gewonnen Informationen haben Sie eine gute Basis um Ihre bestehenden Prozesse weiter zu optimieren und zu automatisieren.
Integration und Infrastruktur
Durch ihre unterschiedlichen Schwerpunkte unterscheiden sich die beiden Bereiche auch in ihrer Integrationsart und der benötigten Infrastruktur. Die Echtzeitverarbeitung kann gut parallelisiert werden und dank Container-Virtualisierung beispielsweise als Sammlung von Micro-Services sowohl in lokalen Umgebungen als auch in der Cloud ausfallsicher und redundant betrieben werden. Hier hat die Integration in bestehende vor- und nachgelagerte Prozesse die oberste Priorität, an der sich die weiteren Aspekte orientieren müssen. Da die Massendatenverarbeitung lediglich durch den Export von Modellen und den Import von Daten mit dem Echtzeitbereich verbunden ist, ist die Integration hier nicht ausschlaggebend. Stattdessen steht in diesem Bereich die performante und effiziente Zusammenarbeit der Komponenten untereinander im Fokus. Ist für einen einzelnen Aspekt, z. B. die Datenhaltung, ein bestimmter Infrastrukturanbieter bereits durch Ihre Unternehmensrichtlinien gesetzt, kann es sinnvoll sein, die restlichen Komponenten, wie Trainingsumgebung für Modelle oder Reporting-Dienste, vom selben Anbieter zu nutzen.
Unsere Dienstleistungen für intelligente Dokumentenanalysen
Dokumentenanalyse ist ein sehr weites Feld und kann unter Umständen sehr komplex werden. Daher ist es wichtig, dass wir uns ein genaues Bild von ihrem Business-Case machen und Ihre Anforderungen an ein solches System sehr gut verstehen. Dies geht nur in einem gemeinsamen Austausch und erfolgt in Form eines Gesprächs oder Workshops mit allen relevanten Beteiligten Ihrerseits zusammen mit unserem Team, welches die Lösung umsetzt. Wir unterstützen Sie bei der Technologieauswahl sowie der Implementierung einer Pipeline zur Dokumentenanalyse und deren Integration in Ihre Infrastruktur:
- In einem ersten Gespräch oder Workshop sondieren wir gemeinsam Ihre aktuelle Situation und die Rahmenbedingungen, diskutieren Ihr Business-Ziel und überprüfen, ob alle Voraussetzungen für den Einsatz von möglichen Lösungen vorliegen. Gemeinsam erarbeiten wir einen Fahrplan.
- Als nächsten Schritt können wir durch unsere Erfahrung zielgerichtet die passenden Technologien für Ihre Anforderungen auswählen und die Umsetzung mit Ihnen detailliert planen. Wir erarbeiten auch gemeinsam, ob Sie eher auf vorhandene Systeme oder Dienste zurückgreifen möchten, die bei Ihnen integriert werden sollen, oder ob die Anforderung eine maßgeschneiderte Entwicklung erfordert, die wir gerne für Sie und mit Ihnen übernehmen.
- Falls es erforderlich ist oder Sie dies wünschen, demonstrieren wir Ihnen in einer Machbarkeitsstudie ob die Lösung gemäß der Zielsetzung sinnvoll umsetzbar ist.
Bei der Implementierung des Projekts legen wir Wert auf einen agilen Ansatz. In enger Kooperation mit Ihnen, erstellen wir die Lösung schrittweise und integrieren sie fortlaufend in Ihre Strukturen. So können wir auf Änderungen flexibel reagieren und sorgen für maximale Transparenz. Unser Kerngedanke dabei ist, dass jeder Schritt und jedes Zwischenprodukt bereits einen echten Mehrwert für Sie schafft.
Ihr Ansprechpartner
