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

Die Roboterdichte im produzierenden Gewerbe hat weltweit mit durchschnittlich 113 Industrie-Robotern pro 10.000 Mitarbeiter einen neuen Rekord erreicht. Das berichtet die International Federation of Robotics.‣ weiterlesen

Anzeige

Knapp zwei Drittel der Unternehmen weltweit verfügen bereits über die digitalen Fähigkeiten und Führungskompetenzen, die für eine erfolgreiche Umsetzung der digitalen Transformation erforderlich sind. Im Jahr 2018 lag der Anteil in beiden Bereichen noch bei jeweils 36 Prozent. Dies geht aus einer Studie des Capgemini Research Institute hervor. Die größten Fortschritte verzeichnen der Einzelhandel, die Telekommunikations- und die Automobilindustrie.‣ weiterlesen

Anzeige

Plusserver und GFT Technologies haben auf der Infrastruktur einer datensouveränen und DSGVO-konformen deutschen Cloud eine gemeinsame Plattform zur Steuerung von Arbeitsabläufen und Analyse entscheidungsrelevanter Informationen geschaffen.‣ weiterlesen

Anzeige

Exklusiv für Abonnenten

Seit Beginn der Pandemie hat sich das Management von Unternehmen grundlegend gewandelt. Betriebe standen vor der Herausforderung, ihre Transport- und Lagermodalitäten kurzfristig zu ändern. Das Ergebnis: Lieferketten werden stärker denn je unter die Lupe genommen und intensiv geprüft. Die Kernfrage, die sich daraus ergibt: Wie können Unternehmen sicherstellen, dass ihre Lieferkette für ihr Geschäftsmodell geeignet ist und gleichzeitig eine Gefährdung durch ähnliche Schwachstellen in der Zukunft verhindern?‣ weiterlesen

Exklusiv für Abonnenten

Der Einsatz von künstlicher Intelligenz (KI) ist für viele Unternehmen ein wichtiger Schritt in Richtung Zukunft. Mit der künstlichen Intelligenz hält eine prägende Technologie Einzug in den Alltag vieler Menschen und Unternehmen. Dabei sind die Einsatzgebiete dieser Technologie umfassend und die Möglichkeiten nahezu grenzenlos. Doch welche Voraussetzungen sollten Unternehmen für den Einsatz von KI berücksichtigen? Lohnt sich der Schritt zum jetzigen Zeitpunkt bereits?‣ weiterlesen

Die Normungsorganisationen DIN und VDE DKE haben eine Kooperationsvereinbarung mit 'Enterprise Singapore' getroffen. Die Zusammenarbeit soll unter anderem die Bereiche Industrie 4.0 sowie künstliche Intelligenz umfassen.‣ weiterlesen