Demotermin

Webinar: KI-Enablement in Prozessen

Die Auswahl an KI-Technologien wächst rasant, doch die Integration in bestehende Prozesse gestaltet sich oft schwierig. Viele Unternehmen scheitern an fehlenden Schnittstellen, isolierten Systemen und der mangelnden Verzahnung von Abläufen. Eine durchgängige Plattform ist entscheidend, um KI effektiv und skalierbar zu nutzen. Wir zeigen Ihnen, wie eigene KI-Modelle, die Integration externer KI-Dienste und die Anbindung bestehender Ressourcen Geschäftsprozesse optimieren können. Mithilfe konkreter Anwendungsfälle und Live-Demos, veranschaulichen wir wie KI in der Klassifikation und Extraktion eingesetzt wird. Auf dieser Seite finden Sie die Ergebnisse der Umfragen, die wir den Teilnehmer:innen während des Webinars gestellt haben, die gezeigten Slides zum Download sowie die Aufzeichnung des Webinars in der On-Demand Version. Auch die Fragen und Antworten haben wir am Ende der Seite schriftlich für Sie aufbereitet.

Ergebnisse der Umfrage

Wir haben unseren Webinarteilnehmer:innen Fragen gestellt. Die Ergebnisse dieser Umfrage möchten wir mit Ihnen teilen:

Wie gut sind die beschriebenen Kategorien für KI-Modell aus Sicht der Teilnehmer:innen für ihren Anwendungsfall geeignet?

Umfrageergebnisse_Eignung_KI_modelle

Teilnehmer:innen gaben dabei an, dass sich mit verschiedenen Anwendungsfällen, wie der Auswertung interner F&E Daten, dem korrekten Auslesen von Rechnungsbelegen, Adresserkennung, der Eingangspostverteilung inkl. E-Mail-Verarbeitung etc. beschäftigen. Das Potenzial für mehr Automatisierung in Prozessen aller Art ist definitiv gegeben! 

Zu welchem Thema wünschen die Teilnehmer:innen sich noch mehr Informationen?

Umfragenergebnisse_weitere_interessante Themen

Aufzeichnung

Um die Aufzeichnung sehen zu können, sind gegebenenfalls die Cookie-Einstellungen anzupassen. In die Cooki-Einstellungen gelangen Sie über das blaue Icon links unten auf der Seite.

Slides

Die im Webinar gezeigten Folien stehen hier für Sie zum Download bereit:

Slides downloaden

Fragen & Antworten

Nachfolgend finden Sie die von Teilnehmer:innen gestellten Fragen mit unseren Antworten aus dem Webinar für Sie zusammengefasst:
Wir verwenden sehr gerne die neueste Version des DPS Classifierts, der mit dem LaBerta LLM nun deutliche Verbesserungen in der Automatisierung zeigt, siehe die Use Cases für Kontierungsvorschläge und Dokumenttyp-Klassifikation. Auch mit Chat GPT als externes Drittanbieter-Produkt können wir erstaunliche Ergebnisse erzielen. Gleichzeitig wird Chat GPT von vielen KI-Abteilungen bereits genutzt. Wir orientieren uns bei der Anbindung des KI-Modells auch sehr nach den KI-Services und Tools unserer Kunden, wenn bereits Tools vorhanden sind!

Das Antrainieren (Training) eines Large Language Models (LLM) erfolgt in mehreren Phasen und ersetzt nicht direkt die klassischen Lerndaten, sondern erweitert und verfeinert sie. Das in DocProStar genutzte Selbstlernen bezieht sich auf die menschlichen Korrekturen im Nachbearbeitungs-Client. Je nach Anwendungsfall kann es hilfreich sein, diese Daten auch für ein Training oder Finetuning des KI-Modells zu verwenden, ist aber an sich ein separater Schritt. Bei der Verwendung von externen KI-Diensten wie beispielsweise Chat GPT kann es auch sinnvoll sein, den klassischen Selbstlernmechanismus nicht zu nutzen.

Das “Nachtrainieren” von Large Language Models (LLMs) durch manuelle Korrekturen oder Bestätigungen erfolgt in mehreren Schritten, die je nach Modell und Anwendung variieren können. Mit DocProStar werden die Daten in einen Trainingspool ausgesteuert. Mit diesem kann dann eine Finetuning oder Neutraining angestoßen werden.
 
Feinabstimmung (Fine-Tuning) mit korrigierten Daten: Finetuning ist eine spezifische Form des Nachtrainierens mit dem Ziel, die Leistung des Modells für eine bestimmte Aufgabe zu verbessern, ohne das ursprüngliche Wissen zu ersetzen. Wenn ein LLM Fehler macht oder verbesserte Antworten benötigt, können Nutzer in DocProStar Korrekturen vornehmen. Diese korrigierten Daten können dann genutzt werden, um das Modell gezielt zu finetunen.
 
Reinforcement Learning aus menschlichem Feedback: Diese Methode kombiniert maschinelles Lernen mit menschlichem Feedback, um das Modell auf gewünschte Antworten zu optimieren.
 
Korrektur durch Prompt Engineering & Regelbasierte Anpassungen
Anstatt das Modell direkt zu trainieren, können die in DocProStar hinterlegten Prompts optimiert oder zusätzliche Regeln implementiert werden, um bessere Antworten zu erzwingen.
Der Aufwand ist unterschiedlich hoch, und die richtige Methode ist je nach Anwendungsfall auszuwählen.
DocProStar verwendet KI in verschiedenen Produkten und Komponenten. Die im Webinar vorgestellte KI LaBerta ist in der aktuellen Version des DocProStar Classifiers enthalten. KI-Modelle von Drittanbietern wie beispielweise die GPTs von OpenAI werden über eine API angesprochen. Für die optimale Nutzung und das integrierte Prompting dieser KIs bieten wir Produkte für das KI-Enablement zur Erstellung von Markdown-Texten, Prompt Engineering und die richtige Ansicht in unserer Benutzeroberfläche. Dazu gehören die im Webinar vorgestellte Module “Prompt AI” und “Locate Values”.
 
Weitere im Webinar nicht explizit gezeigte Komponenten wie unsere neueste OCR-Technologie arbeiten übrigens auch KI-basiert. Hierfür ist ein Update auf unsere aktuellste Version DocProStar 2023 erforderlich. Auch in der Extraktion verwenden wir KI, hierfür sind neben dem Update eventuell auch weitere DocProStar Softwarekomponenten erforderlich.

Grundsätzlich kann das Modell auch den Zusammenhang der verschiedenen Emails in einem Thread verstehen. Allerdings ist die Architektur auf eine bestimmte Anzahl an Tokens beschränkt, was wiederum Auswirkungen auf extrem lange Emails haben könnte. Sehr sehr lange Email-Treads, in der das für die Klassifikation entscheidende Merkmal in der initialen Email des Threads (also ganz unten) steht, stellen die Klassifikation tatsächlich noch vor Herausforderungen. Das ist im Einzelfall zu prüfen, denn bis zu einer gewissen länge (kürzeren Antworten im Emailverlauf) könnte der Ansatz funktionieren. Kommen Sie gerne auf uns zu, um das Szenario mit konkreten Beispielen zu testen.

Marcus_Kern

Marcus Kern

Regional Sales Manager

Termin Vereinbaren
TCG_Sara_Mazzorana

Sara Mazzorana

Head of Marketing

Termin Vereinbaren

Ein letzter Schritt - Bitte geben Sie Ihre Emailadresse an, um alle Webinarunterlagen zu erhalten:

Für welche Stelle möchten Sie sich bewerben?

In Kürze senden wir dir eine Bestätigungs-E-Mail mit all deinen gemachten Angaben. Die von dir gesendeten Anhänge werden einfach als “Attached” gekennzeichnet.

Kontaktieren Sie unsere Experten