Die Fülle an KI Technologien nimmt rasant zu, diese sind aber oft mit hohen Aufwänden und Kosten verbunden. Die produktive und wirtschaftliche Nutzung von KI lässt oft noch auf sich warten!
Die Einbindung in die bestehende Systemlandschaft ist oft mit hohen Kosten für die Übergabe der Daten an den KI-Service und das führende System verbunden.
Effektives Training und Finetuning der KI ist mit hohem Arbeitsaufwand verbunden und verlangt Know-How. Auch die Übergabe von Trainingsdaten ist kostenintensiv und aufwändig.
Die KI-generierten oder gewonnenen Daten müssen verifiziert werden. Anders lassen sich Halluzinationen oder Fehler nicht vermeiden und die manuelle Korrektur von Fehlern bedeutet zusätzlichen Aufwand.
Einfach: Schnelle Prozessmodellierung und Einbindung der passenden KI-Technologien
Flexibel: Eine modulare Einbindung sorgt für die einfache Austauschbarkeit von alternativen KI-Services, o.ä.
Benutzerfreundlich: Komfortable Benutzerschnittstellen gemäß Benutzerrollen für Human in the Loop
Verifiziert: Automatisierte Auswahl von Trainingsdaten, Labeling und QS zur Vermeidung Halluzinationen
Effizient: Datenweichen für Filterung der Use Case Daten und Orchestrierung
Parallel: Paralleler Aufbau der DocProStar Prozesse neben bestehenden Systemen
Automatisch: Steigerung der Automatisierungsraten
KI-Projekte werden dann erfolgreich, wenn sie für konkrete Use cases erfolgreich in die bestehenden Prozesse integriert werden und Ihre Automatisierung steigern. Wir helfen Ihnen dabei! Unsere Plattform eignet sich ideal zur flexiblen Integration von KI-Services in bestehende Prozesse und den Aufbau neuer KI-basierter Arbeitsabläufe.
Versicherungen sind zunehmend konfrontiert mit einer steigenden Anzahl an Betrugsfällen im Schadensfall. In unserer Anbindung eines externen KI-Services zur Bildbetrugserkennung werden Fotos einer Schadenmeldung des Versicherten Input Management Prozess direkt an das KI-System übergeben Betrugsfälle so früh wie möglich zu erkennen, hat viele Vorteile für Versicherer: Es wird keine unnötige Recherche- und Erfassungsarbeit in einen Betrugsfall investiert. Sobald ein Schadensfall bezahlt wird, ist es im Nachhinein sehr schwer, eine Rückerstattung zu erhalten. Je früher die Betrugserkennung also im Prozess stattfindet, desto besser!
Direkt nach der Klassifikation als Schadensmeldung wird diese über eine angebundene REST-API an einen externen KI-Service weitergeleitet. Das KI-System überprüft die Fotos auf Auffälligkeiten, zum Beispiel ob es sich um falsche, manipulierte oder doppelt verwendete Fotos handelt. Die Prüfergebnisse werden zurück an den DocProStar Prozess gegeben und ja nach Ergebnis an die Fachabteilung weitergeleitet oder ausgesteuert. Schon bevor die Meldung zur inhaltlichen Prüfung im Fachbereich landen, wurde ein Betrug bereits ausgeschlossen. Die Fachabteilung bearbeitet nur verifizierte Schadensmeldungen.
Vertragsdokumente haben meist sehr viele Seiten und die für den jeweiligen Sachverhalt relevanten Informationen sind auf den verschiedenen Seiten. Diese Informationen herauszufinden ist oft mit hohem Zeitaufwand verbunden und erfordert gründliches Durchlesen von einer Person mit entsprechendem fachlichem Know-how. Um diesen Arbeitsaufwand zu reduzieren, können LLMs eine großartige Unterstützung bieten, die selbst regelbasierte Systeme aufgrund der hohen Seitenanzahl von Verträgen an ihre Grenzen bringen. Vertraglich relevante Informationen werden in sekundenschnelle mithilfe von Large Language Modellen extrahiert und im richtigen Feld übersichtlich zu Verfügung gestellt. Der DocProStar Human in the Loop ermöglicht der Rechtabteilung, sich schnell einen Überblick über neu eingehende Vertragsdokumente und deren Vollständigkeit zu verschaffen.
Wir haben in unsere DocProStar Prozesse schon eine Fülle an unterschiedlichen KI-Technologien angebunden. Viele unserer eigenen Technologien beinhalten inzwischen Machine Learning oder Large Language Modelle und werden von uns oder unseren Kunden und Partner trainiert. Aber auch für große LLM-Modelle von Hyperscalern können wir das Finetuning übernehmen.
Wir haben bereits eine Vielzahl verschiedener KI-Services von Hyperscalern wie Google, Microsoft oder OpenAI angebunden. Gleichzeitig sind spezialisierte Anbieter wie Lazarus oder Inspectlabs unsere Partner und können spezifische Probleme mit ihren Large Language Models lösen. KI-Dienste, die bereits in DocProStar Prozesse angebunden wurden, sind hier aufgelistet:
– Chat GPT Open AI
– Microsoft Document Intelligence
– Google Vision
– Deepl
– MS Read
– Lazarus AI
– Inspect Labs
– …
Diese Liste wird ständig ergänzt und erweitert. Unser modularer Aufbau der Prozesse erlaubt es außerdem, KI-Dienste bei Bedarf auszutauschen oder zu ergänzen.
Ja die gibt es. Beispielsweise haben wir für die Funktionalität der OCR-Engines eine Auswahl an verschiedenen Technologien zur Verfügung, die KI-Basiert aber On-Premise arbeiten. Wenn man dennoch eine Lösung eines Hyperscalers nutzen möchte, geht das beispielsweise mit einer Variante der Microsoft Read API. Diese Vorgehensweise können wir für eine Vielzahl an Funktionen anbieten.
Wir können aus dem DocProStar Prozess insofern unterstützen, in dem wir gewisse Dokument- und Bildbereiche anonymisieren oder schwärzen, sodass diese gar nicht erst personenbezogen weitergegeben werden. Allerdings werden diese Stellen dann auch nicht zur Erkennung verwendet.
Es gibt verschiedene Anbieter für das Lesen von handschriftlichen Formularen, neben Lazarus haben wir auch schon Google Vision hierfür verwendet. Die Ergebnisse waren mit verschiedenartigen Schriften gut, auch mit Schreibschrift. Auch unsere eigene Handschrift-OCR bietet gute Ergebnisse, allerdings sind wir hier vom Stand der Technik der jeweiligen OCR-Technologie abhängig.
Grundsätzlich stören Linien eine OCR Engine erheblich, sobald sie Zeichen durchqueren. Bei manchen Formularen sind diese deshalb in Farben vorgedruckt oder entsprechend hell, so dass man die Linien beim Scannen störungsfrei ausblenden kann. Zeitgemäße OCR-Engines nutzen entsprechende Verfahren zur Minimierung der Einflüsse, können diese aber nicht vollständig ausschließen.
Halluzinationen bei KI beziehen sich auf Fälle, in denen künstliche Intelligenzsysteme falsche oder irreführende Informationen generieren oder interpretieren. Es gibt einige Möglichkeiten, diese zu erkennen und zu vermeiden z.B. durch eine geeignete Auswahl der Trainingsdaten, Post-Processing Techniken, robuste Architekturen und natürlich auch menschliche überprüfung. Gerne beraten wir in einem weiterführenden Gespräch dazu.
Let’s automate
Lassen Sie uns darüber sprechen, wie KI-Dienste für mehr Automatisierung in Ihren Prozessen sorgen kann. In einem Erstgespräch beraten wir Sie zu Ihren bestehenden Prozessen und überlegen gemeinsam, wie technologische oder prozessuale Integration zu einer Steigerung der End-to-End Automatisierung führen kann.