Überspringen zu Hauptinhalt

Der Nutzen von Machine Learning in der End-to-End Prozessautomation

Der Nutzen Von Machine Learning In Der End-to-End Prozessautomation

Derzeit sind Inhalte und Begriffe rund um das Thema Digitalisierung „en vogue“. Auf nahezu jeder Konferenz und in unzähligen Fachartikeln wird von der Relevanz und Priorität berichtet, mit der Themen wie „Big Data“, „Künstliche Intelligenz“ und „Machine Learning“ in der Strategiebildung bedacht werden sollten. Sehr selten findet sich allerdings eine klare Beschreibung der konkreten Einsatzmöglichkeiten; noch seltener die neutrale Bewertung des Nutzens. Das ist insbesondere deshalb bedauerlich, weil das Potenzial moderner Algorithmen verwässert wird, die der Einfachheit halber unter dem unscharfen Sammelbegriff „Machine Learning“ zusammengefasst werden.

Was ist also das Potenzial von Verfahren des Machine Learning? Und wo kann man sie einsetzen? Experte Alexander Hellmuth geht diesen Fragen im folgenden Gastbeitrag genauer nach.

Alexander Hellmuth ist Leiter Solutions & Services bei der STRABAG Property and Facility Services GmbH. Er leitet verschiedene Teams aus Spezialisten im Bereich des Real Estate Managements.

Seine Tätigkeit bei STRABAG PFS begann Alexander Hellmuth als Traninee und durchlief hierbei verschiedene Positionen mit wachsendem Verantwortungsbereich. Zu seinen Schwerpunkten gehört insbesondere die Nutzung digitaler Technologien in Prozessen. Er blickt dabei auf profunde Erfahrungen in den Bereichen Betriebswirtschaft, Immobilienwirtschaft und Informatik zurück. Im Rahmen seiner Tätigkeit leitet er verschiedene Projekte im Kontext des Maschinellen Lernens.

Alexander Hellmuth

Alexander Hellmuth

Machine Learning ermöglicht die Verbesserung der Produktionskosten

Jedes wirtschaftlich organisierte Unternehmen strebt eine Verbesserung seiner Produktionskosten an. Diese ergeben sich aus der Summe der Kosten aller Prozesse. Jeder Prozess wiederum besteht aus einer definierbaren Anzahl an elementaren Arbeitsvorgängen. Genau hier liegt das Potenzial von Verfahren des Machine Learning. Gliedert man einen beliebigen Prozess in seine elementaren Arbeitsvorgänge auf, so finden sich an zahlreichen Stellen Ansatzpunkte für den Einsatz moderner Algorithmen.

Beispielweise kann ein Brief maschinell ausgelesen werden, eine automatische Zuweisung erfolgen, eine Wertgrenze geprüft oder eine Kostenprognose automatisch erstellt werden. Jeder dieser Ansatzpunkte birgt für sich die Chance einer Automatisierung. Der Prozessschritt „verschwindet“ dadurch aus dem Arbeitsvorrat der zuständigen Mitarbeiter. Es werden weniger Mitarbeiter benötigt. Unterschreiten nun die Kosten für die Entwicklung und den Betrieb dieser Automatisierung die bisherigen Prozesskosten, verbessert sich die Kostensituation des Unternehmens nachhaltig. Es kann günstiger produziert werden.

Das volle Potenzial entfaltet sich in den Mikro-Entscheidungen

Nun fällt die Automatisierung eines Mikro-Arbeitsschrittes kaum ins Gewicht. Erst die Skalierung des Ansatzes auf eine große Anzahl an Prozessschritten innerhalb des Hauptprozesses wirkt sich merklich auf den Unternehmenserfolg aus. Und genau dies ist die große Herausforderung des Managements. Das Management muss sich von der Idee lösen, dass Künstliche Intelligenz und Machine Learning schlüsselfertig eingekauft werden können. Ihr volles Potenzial entwickeln Verfahren des Machine Learnings im Bereich der Mikro-Entscheidungen, die nur der jeweilige Prozesseigentümer kennt.

Puzzle, Prozess, Mikro-Entscheidung, Algorithmus

Wenn das Potenzial voll genutzt werden soll, muss jeder Prozess individuell von Anfang bis zum Ende betrachtet werden. Die Verfahren des Machine Learnings werden dabei an vielen Stellen spezifisch in den Prozess integriert. Eine künstliche Trennung des Prozesses in einzelne Applikationen ist kaum zielführend und in den meisten Fällen viel zu kostenintensiv.

Der Einsatz von Machine Learning in der Praxis

Und wie soll demnach eine Implementierung aussehen? Gehen wir einmal davon aus, dass ein Unternehmen Ihrer Branche das Wagnis eingeht und ein Team aus Entwicklern und Data Scientists anheuert, welches sich, ausgestattet mit den nötigen Ressourcen und der erforderlichen Kompetenz, jeden Prozess des Unternehmens vornimmt. Der Prozess wird auf eine Plattform gehoben und sukzessive elementare Teilprozesse strukturiert, modelliert und durch den Einsatz von Verfahren des Machine Learning automatisiert.

Gehen wir davon aus, dass die Kollegen es schaffen, den jeweiligen Prozess um 30 Prozent zu automatisieren. Die Kollegen benötigen allerdings, als Äquivalent ausgedrückt, 25 Prozent der Prozesskosten für das Design des neuen Ansatzes. In Summe sinken die Prozesskosten dennoch um fünf Prozent. Da es sich allerdings nur um einen kleinen Teil der Prozesswelt handelt, wirkt sich die Bemühung Ihres Konkurrenten kaum auf die Ergebnissituation aus.

Moderne Verfahren lernen dazu und werden effektiver

Nun ist das Team jedoch weiterhin aktiv. Es nimmt sich Prozess für Prozess vor. Was passiert? Wir antizipieren eine lineare Konvergenz gegen die Ersparnis von fünf Prozent. Dies wäre schon eklatant! Ein Konkurrent, der bei ansonsten völlig gleichen Rahmenparametern eine Umsatzrendite erzielt, die fünf Prozent höher ist, als Ihre. Doch genau hier greift ein Mechanismus von Verfahren des Machine Learnings, den traditionelle Algorithmen nicht besitzen: Moderne Verfahren lernen.

Die eingesetzten Verfahren Ihres Konkurrenten werden mit jedem Einsatz effektiver. Das Automatisierungsniveau steigt mit jedem Vorgang und jedem Prozess, der betrachtet wird. Die Ersparnis Ihres Konkurrenten wächst im Zeitverlauf exponentiell bis es gegen eine natürliche Barriere (Vollautomatisierung) stößt.

Grafik Alexander Hellmuth

Exemplarische Darstellung der Wirkungsweise von Machine Learning auf die Prozesswelt (Quelle: Alexander Hellmuth)

Hier lässt das Wachstum nach. Das dürfte Ihren Konkurrenten aber nicht sonderlich belasten.
Er ist inzwischen Marktführer.

Digitale Strategien im Lebenszyklus von Immobilien

Nutzen Sie die Gelegenheit, sich aktiv mit Entscheidern über die digitale Zukunft der Immobilienbranche auszutauschen. Auf unserem ImmoTech Forum 2018 erfahren Sie von Unternehmen und PropTechs, wie Sie den aktuellen Anforderungen gerecht werden.

ImmoTech 2018

So digitalisiert sich die Immobilienbranche

Umsetzungsbeispiele und neue Technologien im Fokus: Lesen Sie also jetzt nach, was die Immobilienbranche zurzeit bewegt und wie der Prozess der digitalen Transformation gelingen kann.
Jetzt kostenlos herunterladen!

Martina Große Bley

Ich bin bei Management Circle Teamleiterin für das Content Marketing und unter anderem für die Themen-Blogs Soft Skills, Projektmanagement und Handel verantwortlich. Mit abwechslungsreichen Artikeln, Interviews und Gastbeiträgen unserer Referenten informiere ich Sie über die neusten Entwicklungen und gebe Ihnen Tipps, um die eigenen Kompetenzen verbessern zu können. Ich freue mich auf den Wissensaustausch mit Ihnen!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

An den Anfang scrollen

Künstliche Intelligenz: Mythen, Daten & Fakten

Welche KI-Mythen sind wahr? Lernen Sie beim Lesen oder Filmeschauen die neusten Debatten zur Künstlichen Intelligenz kennen und erweitern Sie Ihren Horizont!

Jetzt mehr erfahren!

Download: KI kann auch unterhaltsam sein!

Zukunftsaussichten für den Immobilienstandort München

Zwischen Riesenpotenzial und Regulierung: Informieren Sie sich in diesem Whitepaper über die Chancen und Herausforderungen des Immobilienstandorts München.

Jetzt herunterladen!

Bleiben Sie up-to-date in Sachen Bau- und Immobilien-Recht