Künstliche Intelligenz / Machine Learning Transformation für Energieversorger

SAP AI Business Services

Viele Unternehmen sind einem enormen Datenwachstum ausgesetzt, womit die Schwierigkeit der Kontrolle über die riesigen Datenmengen steigt.

Zur Bewältigung dieser Herausforderungen ermöglicht SAP mit Hilfe künstlicher Intelligenz und maschinellem Lernen eine intelligente Form des Datenmanagements.

Anhand von SAP AI Business Services, welche auf der SAP Cloud Plattform unter CPEA verfügbar sind, werden intelligente Funktionen zur Automatisierung und Optimierung Ihrer Geschäftsprozesse bereitgestellt.

Mit maschinell lernbasierten Services können große Datenmengen verarbeitet und unstrukturierte Daten in strukturierte Informationen verwandelt werden.

Zur Vereinfachung Ihrer internen Prozesse sind die nebenstehend beschriebenen Service verfügbar, bei deren Implementierung wir Sie gerne unterstützen.

DSC Beratungsansatz zur Umsetzung intelligenter Funktionen

SAP bietet intelligente Funktionen zur Automatisierung und Optimierung Ihrer Geschäftsprozesse mittels Automatisierung durch künstliche Intelligenz bzw. Machine Learning.

DSC berät und unterstützt Sie bei deren Realisierung on-Premise oder in der Cloud.

Unsere Berater unterstützen Sie vollumfänglich bei der Planung, Einführung und Umsetzung der von SAP bereitgestellten Funktionen und helfen Ihnen, die Effizienz Ihrer Prozesse und Mitarbeiter zu steigern und damit u. a. die Durchlaufzeiten Ihrer Prozesse zu minimieren.

Die Services können sowohl miteinander als auch mit anderen intelligenten Technologien kombiniert werden.

TERMINANFRAGE

Document Classification

Die Verarbeitung großer Mengen an unstrukturierten Dokumenten nimmt viel Zeit in Anspruch. Mit der SAP-Dokumentenklassifizierung kann dieser Vorgang vereinfacht werden. Unternehmen können mit diesem Service eine große Anzahl von Geschäftsdokumenten automatisiert verwalten, indem PDF-Dokumente anhand kundenspezifischer Klassifizierungsschemata automatisch klassifiziert werden.

Hierbei werden Trainingsdaten verwendet, um ein kundenspezifisches maschinelles Lernmodell zu erstellen. Das trainierte Modell wird dann verwendet, um eingehende neue Dokumente nach ihrem Typ zu klassifizieren.

  • Automatisierung des Klassifizierungsprozesses
  • Reduzierung der Kosten für die manuelle Dokumentverarbeitung
  • Reduzierung menschlicher Fehler bei zunehmenden Dokumentenvolumen
  • Steigerung der Effizienz und Qualität der Dokumentverarbeitung

Document Information Extraction

Durch diesen Service können signifikante Informationen mittels maschinell lernbasierter Dokumentverarbeitung automatisch aus unstrukturierten PDF-Dokumenten extrahiert werden. Anschließend können die extrahierten geschäftsrelevanten Dokumentinformationen (Stamm- oder Transaktionsdaten) automatisch in die Geschäftsprozesse und Systeme eingebettet werden. Die extrahierten Informationen können zur Erstellung, Aktualisierung sowie zum Abrufen, Löschen oder Anreichern von Daten genutzt werden. Um die Informationen aus den Dokumenten zu extrahieren, wird das Dokument zunächst einer optischen Zeichenerkennung unterzogen. Die Informationen kann der Benutzer schließlich in Form einer JSON-Datei abfragen.

  • Automatisierung der Datenextraktion aus unstrukturierten Dokumenten
  • Reduzierung des manuellen Aufwands, die richtigen Informationen in Dokumenten zu suchen
  • Steigerung der Effizienz durch schnellere Dokumentenverarbeitung und gleichzeitig Verringerung der Fehlerrate
  • Mehr Zeit für die Sachbearbeitung zur Erledigung höherwertiger Aufgaben
  • Reduzierung der Kosten

Service Ticket Intelligence

Mit Hilfe des Ticketsystems können eingehende Kundenanfragen aus sozialen Medien, E-Mails und aus anderen Kanälen rund um die Uhr automatisiert werden. Dabei werden eingehende Kundenmeldungen automatisch anhand von maschinellem Lernen kategorisiert und dem zuständigen Servicemitarbeiter zugewiesen. Hinzu erhält der Servicemitarbeiter Lösungsvorschläge, basierend auf bereits bearbeiteten Meldungen, wodurch die Betriebsabläufe im Kundenservice optimiert werden. Der Service arbeitet mit neuronalen Netzwerken, welche mit großen Datenmengen durch maschinelles Lernen trainiert werden. Insofern versteht das Modell die Semantik der unstrukturierten Ticketnachrichten und ordnet die Nachrichten einer passenden Kategorie zu. Mit jedem zusätzlichen Ticket lernt das Modell weiter und verbessert sich kontinuierlich.

  • Schnellere Bewältigung einer großen Menge an Kundenanfragen aus verschiedenen Kanälen
  • Verbesserung des Kundenservice durch mehr digitale Interaktionen
  • Verkürzung der Service-Antwortzeiten
  • Steigerung der Qualität der Antworten
  • Senkung der Gesamtkosten für den Kundenservice
  • Steigerung der Kundenzufriedenheit

Data Attribute Recommendation

Anhand der Datenattributempfehlung können Stammdatenverwaltungsaufgaben rund um die Uhr automatisiert werden. Mit SAP Data Attribute Recommendation kann maschinelles Lernen eingesetzt werden, um automatisch fehlende Attribute von Datensätzen anzureichern, abzugleichen und Datensätze zu klassifizieren. Insofern können dem Stammdatenteam Klassifizierungen für Produkte, Geschäfte oder Benutzer (in Form von Freitext, Zahlen und Kategorien) empfohlen werden.

  • Automatisierung und Beschleunigung der Datenverwaltungsprozesse rund um die Uhr
  • Effizientes und qualitativ hochwertiges Stammdatenmanagement mit der Empfehlung von Datenattributen
  • Reduzierung manueller Fehler bei der Datenpflege
  • Unternehmensweite Erhöhung der Datenkonsistenz und -genauigkeit
  • Reduzierung der durch manuelle Zuordnung anfallenden Kosten
  • Automatisierung sich wiederholender Arbeiten
  • Nutzung von Arbeitsstunden für andere hochwertige Aufgaben

Invoice Object Recommendation

Mit diesem Business Service kann die Kreditorenbuchhaltung durch die Empfehlung von Rechnungsobjekten automatisiert werden.

Wiederholende und redundante Aufgaben, wie die manuelle Suche nach Sachkonten oder der richtigen Kostenstelle für die Positionierung neuer Rechnungsposten sowie die Korrektur falsch zugewiesener Sachkonten können automatisiert werden. Durch den Einsatz von Technologien für maschinelles Lernen werden auf Basis historischer Daten die Mitarbeiter der Kreditorenabteilung in ihrer Entscheidungsfindung durch die Vorhersage des richtigen Kontos und der Kostenstellenzuordnungen unterstützt. Somit wird eine höhere Genauigkeit im gesamten Kreditorenbuchhaltungsprozess ermöglicht.

Die Prozesse können auf Grundlage der Empfehlung entweder vollständig automatisiert oder die endgültige Entscheidung den Mitarbeitern überlassen werden.

  • Reduzierung manueller fehleranfälliger und zeitaufwändiger Rechnungsprozesse
  • Effizientere und schnellere Verarbeitung von Rechnungen
  • Steigerung der Qualität der Sachkontenbuchhaltung
  • Senkung der Kosten für manuelle Rechnungsprozesse