Qualitatives Labeln

Geschäftsprozessdaten mit
maschinellem Lernen aufbereiten

Industriellen KI-Verfahren gehört die Zukunft. Die Herausforderung: Vorhandene Daten müssen für entsprechende Funktionalitäten zunächst aufbereitet – gelabelt – werden. Das trifft z.B. auf die Anwendung von KI-Methoden auf Geschäftsprozessdaten zu. Denn anders als in der Bilderkennung oder Sprachverarbeitung, bei denen die Bedeutung einmal gelabelter Datenmuster semantisch weitestgehend unverändert bleibt, sind die zu labelnden Muster in Geschäftsprozessdaten dynamisch und immer wieder anders strukturiert, etwa durch kontinuierlich wechselnde Auftragsmixe und Prozesszustände. Ein Labeln auf Basis manueller Datenanalyse ist in diesem Kontext extrem aufwändig und daher ungeeignet. Gesucht sind automatisierte Lösungsansätze, die auf bestehende Strukturen aufsetzen und die vorhandenen Daten passgenau aufbereiten.

(Bild: PSI FLS Fuzzy Logik & Neuro Systeme GmbH)

Ein solches maschinelles Lernverfahren ist das Qualitative Labeln, das Bestandteil des Frameworks der Deep Qualicision KI ist. Dieses Lernverfahren kann auf der Behandlung von Key Performance Indicators (KPIs) beruhende Software um selbstlernende Labeling-Fähigkeiten erweitern. Zwischen den nicht aufbereiteten, rohen Geschäftsprozessdaten und Methoden der künstlichen Intelligenz schlägt das Verfahren auf diese Weise automatisiert eine algorithmische Brücke. Die Auswertung von Datenströmen bereitet rohe Geschäftsprozessdaten für Prozessverantwortliche in verständlicher Form auf. Daten aus diesen Prozessen werden mit KPIs qualitativ bewertet und Zusammenhänge daraus erlernt. So werden Geschäftsprozessdaten laufend qualitativ gelabelt und für den Einsatz weiterer KI-Methoden aufbereitet.

Einfacher Start

Der Start in die Anwendung von KI-Methoden ist damit denkbar einfach, denn die KPI-Zusammenhangsanalyse hilft, Geschäftsprozessdaten so einzuordnen, dass die Software aus rohen Daten Zusammenhänge lernt. Das qualitative Labeln der Geschäftsprozessdaten erfolgt mittels KPIs. Dabei besteht die Eingabe für die Software aus zwei Hauptkomponenten: Zum einen aus der Mitschrift von Datenströmen des zu analysierenden Geschäftsprozesses sowie deren automatischer Umwandlung in Zeitreihen mit Hilfe von Zeitstempeln. Zum anderen aus der Abstimmung zu den KPIs mit den für den Geschäftsprozess Verantwortlichen (POWN), anhand derer der betreffende Geschäftsprozess analysiert werden soll. Zusätzlich gilt es, die Wertebereiche der KPIs in gewünschte und nicht gewünschte einzuteilen.

KPI Anlagenauslastung

Ein KPI kann beispielsweise die Auslastung einer Anlage in einem produzierenden Betrieb sein. Erstrebenswert wäre dabei eine Auslastung größer 85 Prozent. Werte darunter sind dagegen negativ und können, je größer die Abweichung, als zunehmend ungünstig angesehen werden. Auch für Rüstzeiten sind ähnliche Vorgaben möglich: Ein Anteil der Rüstzeit mit unter zehn Prozent ist positiv, ein Anteil darüber negativ zu bewerten.

Das könnte Sie auch interessieren

85 Prozent der Unternehmen sehen große Bedeutung von Daten für ihr Geschäft, wie eine aktuelle Bitkom-Studie zeigt. Eine gesetzliche Verpflichtung zum Datenaustausch erweist sich demnach als nicht hilfreich, um die Nutzung von Daten zu erleichtern.‣ weiterlesen

Anzeige

Der Bedeutungs-Index des Energieeffizienzindex (EEI) ist zum Sommer 2020 stärker denn je gestiegen. Auch die anvisierte Energieproduktivität ist im abgelaufenen Halbjahr höher als bisher. Somit hatte die Corona-Pandemie keinen negativen, sondern eher einen positiven Einfluss auf die Bedeutung, die Unternehmen der Energieeffizienz beimessen. Das Institut für Energieeffizienz in der Produktion EEP der Universität Stuttgart erhebt seit 2013 halbjährlich aktuelle und geplante Aktivitäten der deutschen Industrie zur Energieeffizienz. Der Index zur Energieeffizienz wird in Zusammenarbeit mit der Deutschen Energie-Agentur (dena), dem Bundesverband der Deutschen Industrie (BDI), dem Fraunhofer IPA, dem TÜV Rheinland sowie einigen weiteren Partnern erstellt.‣ weiterlesen

Exklusiv für Abonnenten

Wie sieht die Produktion im 'New Normal' aus? Anders als Heute – denn die Krise sorgt dafür, dass die bisherige Effizienzmaximierung mit resilienten und adaptiven Produktionssystemen ergänzt werden muss. Die digitale Transformation leistet einen wesentlichen Beitrag.‣ weiterlesen

Anzeige

Wie aus einer Studie der Managementberatung Ramboll, begreifen 95 Prozent der Unternehmen Nachhaltigkeit als unverzichtbaren Treiber für langfristigen Geschäftserfolg. In der Praxis stellt sich dies jedoch etwas anders da: Begrenzte Ressourcen und die Integration in die übergreifende Geschäftsstrategie stellen die Unternehmen vor große Herausforderungen.‣ weiterlesen

Anzeige

Heute „zahlen“ Automobil- und Maschinenbaukunden noch überwiegend klassisch für Produkte. In Zukunft werden jedoch Services im Zentrum des Angebots stehen und in Form von Abonnements verkauft. Denn sowohl für den Kunden als auch für den Hersteller bieten Product-as-a-Service(PaaS)-Modelle nach dem Prinzip der „Servitization“ zahlreiche Vorteile.‣ weiterlesen

Anzeige

Fast jedes zweite Startup nutzt KI – und in jedem dritten wird der Einsatz geplant oder diskutiert Auch Datenanalyse, Blockchain und 5G stehen in vielen Startups vor der Einführung‣ weiterlesen