RPA in serviceintensiven Bereichen

Ein Bot-System für alle Fälle

Intelligente Bot-Systeme können die digitale Kommunikation auf ein neues Level heben. Die Bots sind jedoch oft auf einzelne Themen spezialisiert. Eine Lösung des IT-Dienstleisters CGI ermöglicht es, mehrere Sub-Bots auf unterschiedliche Themen anzusetzen.
Bild: ©Siarhei/stock.adobe.com

Bot-Systeme, die z.B. im Call Center Anrufe entgegennehmen, sind bereits im Einsatz. Die digitalen Experten leisten Low- und Medium-Level-Support, verkürzen die Wartezeiten für Ratsuchende und sollen dadurch die Kundenzufriedenheit erhöhen. Jedes Unternehmen, das Dienstleistungen anbietet und mit der Service-Qualität und mit langen Wartezeiten zu kämpfen hat, kann deshalb von solchen Bots profitieren. Das Ziel besteht darin, den Kunden kompetent zu bedienen und eine Konversation fast wie ein Mensch zu führen, die am Ende für den Anrufer einen konkreten Mehrwert generiert. Gleichzeitig wird das eigene Service-Personal entlastet.

Neue Stufe der Digitalisierung

Robotic Process Automation (RPA) gilt als die nächste große Welle der Digitalisierung, als das Interface der Zukunft, dessen Potenzial und Auswirkungen heute erst ansatzweise zeigen, was in Zukunft möglich sein wird. Der weltweite Umsatz mit RPA-Softwarelösungen wird in vielen Wachstumsbranchen jedoch signifikant zunehmen. Auch in Deutschland gewinnt das Thema an Fahrt. RPA bewegt sich hierzulande zwar noch auf relativ niedrigem Niveau, ist aber das am schnellsten wachsende Segment im Enterprise-Software-Markt.

Unterschiedliche Themen

Viele Softwarehäuser entwickeln entsprechende RPA-Technologien, kommen aber meist mit dedizierten, auf einen bestimmten Themenbereich spezialisierte Lösungen auf den Markt. Der IT-Dienstleister CGI hat ein hierarchisches Bot-System entwickelt, das zwischen mehreren Kanälen und Themengebieten wechseln kann. Das System besteht aus einem orchestrierenden Master-Bot und beliebig vielen Sub-Bots, die sich jeweils mit einem bestimmten Experten-Thema auskennen. Das System mit dem Namen Sofia funktioniert wie die Abteilung eines Unternehmens, wo sich Teams um die Anliegen der Kunden kümmern. Fehlt Expertenwissen, wird ein neuer Mitarbeiter eingestellt respektive ein neuer Sub-Bot generiert und mit entsprechenden Daten trainiert. Je nach Thema dauert es wenige Tage bis der Sub-Bot einsatzbereit ist.

Bild: CGI DEUTSCHLAND B.V. & CO. KG

Vier Kernkomponenten

Solch kontextsensitive, hierarchisch strukturierten und lernenden RPA-Plattformen fußen auf einer neuartigen Architektur. Sie bestehen aus vier Kernkomponenten: einer NLP-Engine für das kontextsensitive Sprachverständnis, einem Dialogue Manager, der an alle Interaktionen auf sämtlichen Kanälen erinnert, dem Agent Builder Studio mit künstlicher Intelligenz und Rest APIs für die Anbindung bereits existierender Unternehmensanwendungen. Außerdem gibt es Schnittstellen zu unterschiedlichen KI-Systemen wie IBM Watson oder Google AI.

Seiten: 1 2 3Auf einer Seite lesen

CGI Deutschland B.V. & CO. KG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige