Die korrekte Zuordnung eingehender Dokumente fordert Zeit und Ressourcen. Daher ist eine Lösung gefragt, die eine Verarbeitung großer Mengen unstrukturierter Dokumente ermöglicht und somit erheblich dazu beiträgt, die Effizienz Ihrer Prozesse und Mitarbeiter/-innen zu steigern.

Unsere DSC-Lösung besteht darin, mittels einer trainierten KI-Lösung einen individuellen Prototypen auszuprägen. Zur Verarbeitung, Analyse und Interpretation der natürlichen Sprache wird auf Basis der Datengrundlage kundenspezifisch ein leistungsstarker Lernalgorithmus ausgewählt. Hierbei stehen zwei Modellansätze zur Verfügung: Klassische Machine-Learning-Algorithmen mit TF-IDF-Gewichtung oder neuronale Netze in Form von Worteinbettungen. Damit können Geschäftsdokumente (E-Mail, Brief, PDF) automatisiert klassifiziert und verwaltet werden. Im weiteren Verlauf besteht optional die Möglichkeit der automatisierten Verarbeitung der klassifizierten Dokumente mit Robotic Process Automation (RPA).

Die Abwanderung von Kunden drückt die Marge und verursacht hohe Kosten bei der Wiedergewinnung. Unternehmen sind daher daran interessiert, Segmente dieser Kunden zu identifizieren, da der Preis für die Gewinnung eines neuen Kunden in der Regel höher ist als für die Erhaltung des Bestandskunden. Churn Prediction bietet mittels künstlicher Intelligenz die Möglichkeit, Kündigungsverhalten frühzeitig zu erkennen, Kundenabwanderungen und deren Ursache zu analysieren, zu prognostizieren und proaktiv zu verhindern.

Versorgungsunternehmen erhalten täglich eine erhebliche Anzahl an Kundenschreiben über viele Eingangskanäle (E-Mail, Fax, Post etc.). Deren Zuordnung zu Call Center, Service Center etc. und die Bearbeitung gehen mit einem immensen Verwaltungsaufwand einher. Die Mehrheit der Anliegen lässt sich hierbei auf die Oberkategorien Einzug, Auszug oder Abschlagsplanänderung (oder eine Kombination daraus) aufteilen. Eine automatisierte Zuordnung eingehender Korrespondenz zu internen Sachbearbeitern kann diesen Aufwand erheblich reduzieren.

Unsere Lösung besteht darin, dass ein künstliches neuronales Netz die Texte der Kundenschreiben analysiert und diese dann den relevanten Oberkategorien zuweist.
Danach werden die Kundenschreiben zugeordnet und ohne weiteres Zutun eines Servicemitarbeiters automatisiert und fallabschließend bearbeitet.

Der Zeitaufwand für eine manuelle Freigabe bzw. Veranlassung einer Kontrollablesung bei unplausiblen Ableseergebnissen ist immens und kann durch die Entwicklung
eines „Software-Agenten“ signifikant reduziert werden. Zentraler Bestandteil unserer DSC-Lösung ist der Einsatz eines für diesen Sachverhalt angepassten maschinellen Lernalgorithmus. Der Software-Agent wird mit echten Daten aus dem Produktivsystem trainiert und ist nach der Trainingsphase in der Lage, einen wesentlichen Teil der unplausiblen Ableseergebnisse aus der SAP-Transaktion EL27 automatisch zu verarbeiten.

» Thüga Smartservice GmbH (für Visconto GmbH)

» Einführung der Produktlösung aktuell bei einem weiteren Versorger