Künstliche Intelligenz für das Prozessmanagement

Bereits seit einiger Zeit hilft uns Künstliche Intelligenz bei vielen kleinen Dingen wie der Vervollständigung von Suchanfragen oder bei Produktempfehlungen. Auch im industriellen Kontext hilft Bilderkennung bei der Qualitätsprüfung. Mit Open AI bzw. ChatGPT oder Bing Chat stehen aber nun auch einfach handhabbare Anwendungen für komplexere Aufgabenstellungen zur Verfügung. So können die Tools beispielsweise Modulbeschreibungen erstellen, Programme schreiben oder auch Antworten auf unangenehme Mails formulieren.

Mit dem Einsatz dieser Tools werden sich Berufsbilder verändern, manche Jobs wegfallen und ganz neue entstehen. Wie eigentlich mit jeder Innovation. Eine Diskussion, ob das gut oder schlecht ist, finde ich müßig. Wichtig ist vielmehr, dass man die Möglichkeiten und Grenzen sowie sinnvolle Einsatzgebiete für die neue Technologie identifiziert. Das gilt auch dafür, wie Künstliche Intelligenz für das Prozessmanagement genutzt werden kann.

In diesem Beitrag versuche ich genau das zu tun. Nach einer kurzen Beschreibung, was Künstliche Intelligenz ist und einigen Tipps, wie sich gute Ergebnisse erzielen lassen, nutze ich einige gängige Tools, dazu einen Blogbeitrag zu Prozessmanagement mit Künstlicher Intelligenz zu schreiben (was ProzessmanagerInnen machen, ist hier nachzulesen). Anhand der Ergebnisse versuche ich Grenzen und Einsatzmöglichkeiten von Künstlicher Intelligenz für das Prozessmanagement auszuloten. Dazu habe ich auch Torsten Katthöfer gebeten, sein Unternehmen contexxt.ai vorzustellen. Er hat nicht nur den Deutschen Exzellenzpreis gewonnen. Er hat auch ein Geschäftsmodell entwickelt, das auf dem Einsatz Künstlicher Intelligenz basiert und sehr niederschwellig die Arbeit mit den gängigen Standardsoftwaren effektiver macht.

Künstliche Intelligenz und Anwendungsgebiete

Bei Wikipedia wird Künstliche Intelligenz wie folgt definiert:

Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI), englisch artificial intelligence, ist ein Teilgebiet der Informatik, es umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen. Dabei wird Intelligenz verstanden als die Eigenschaft, die ein Wesen befähigt, angemessen und vorausschauend in seiner Umgebung zu agieren; dazu gehört die Fähigkeit, Sinneseindrücke wahrzunehmen und darauf zu reagieren, Informationen aufzunehmen, zu verarbeiten und als Wissen zu speichern, Sprache zu verstehen und zu erzeugen, Probleme zu lösen und Ziele zu erreichen.

Wikipedia

Zu Künstlicher Intelligenz gehören mehrere Teilgebiete. Darunter sind beispielsweise:

• Mustererkennung: Darunter wird die Fähigkeit visuelle Formen wie Gesichter, Fingerabdrücke, Handschriften oder ganz allgemein Bilder aber auch Texte oder Sprache zu erkennen, verstanden. Bereits gut funktionierende Anwendungen im logistischen Kontext gibt es bei der Qualitätskontrolle, z. B. ob Maschinen Chips richtig produzieren aber auch bei Pick-by-Voice.
• Maschinelles Lernen: Das bezeichnet die Generierung von Wissen aus Erfahrung. Dabei lernt ein System in der Trainingsphase Muster, die es dann auf unbekannte Daten anwendet. Im Supply-Chain-Kontext kann man so Fehler oder Unregelmäßigkeiten bei Einkaufstransaktionen herausfinden.
• Robotik: Hierbei geht es darum, dass Maschinen Tätigkeiten ausführen können, die vorher durch Menschen ausgeführt wurden. Ein Beispiel aus dem Logistik-Kontext sind Fahrerlose Transportfahrzeuge (FTF) oder auf englisch Automaten Guide Vehicles (AGV), die für den Materialtransport eingesetzt werden.
• Expertensysteme: Diese Systeme sollen Menschen bei der Lösung komplexer Probleme wie ein Experte unterstützen. Expertensysteme können die Wissensbasis z. B. über Wenn-Dann-Logiken erstellen und nach einer Verarbeitung, dem Nutzer möglichst verständlich darstellen. Anwendungen sind beispielsweise Chatbots

Gerade Chatbots sind eine aktuell sehr präsente Anwendung von KI. Als Expertensysteme sind sie quasi die “Telefon/Internet-Joker” oder Self-Service-Berater für schwierige Fragestellungen oder zu erledigende Aufgaben. Bevor ich die Anwendung von Chatbots für das Prozessmanagement (z. B. Prozessmodellierung) teste, möchte ich ein paar Tipps für gute Ergebnisse mit Prompt Crafting vorstellen.

Tipps für gute Ergebnisse mit Künstlicher Intelligenz: Prompt Crafting

Ein Prompt ist der Input bzw. die Aufforderung des Nutzers an das System einen Output zu generieren. Der Prompt kann Schlüsselwörter, Fragen oder Satzfragmente, die ergänzt werden sollen, enthalten. Gerade bei den KI-Tools hat die Qualität des Prompts einen großen Einfluss auf die Qualität des Outputs. Für das Austüfteln guter Prompts hat sich die Bezeichnung “Prompt Crafting” etabliert.

1. Genau beschreiben, was man möchte: Bei den Prompts sollten neben dem eigentlichen Thema auch Informationen zur Zielgruppe, Länge, Tonalität etc. gegeben werden. Das Thema sollte durch relevante Schlüsselbegriffe (Keywords) beschrieben werden. Die Vorgabe der erwarteten Antwortlänge und Tonalität machen des dem System einfacher.
2. Keep it simple: Durch eine klare Aufforderung versteht das System besser, was es tun soll. Unklare, widersprüchliche oder mehrdeutige Aufforderungen sind schwer zu verarbeiten. Einfache Sätze und möglichst kurze Prompts können besser verarbeitet werden.
3. Mit verschiedenen Prompt-Formaten, Stile und Längen experimentieren: Wie oben beschrieben, gibt es verschiedene Arten vom Prompts. So können Fragen formuliert werden oder auch Aufforderungen wie Ergänzung von Sätzen oder Absätzen. Wenn man verschiedene Formate ausprobiert, kann man das beste Ergebnis auswählen. Gleiches gilt für die Prompt-Stile. Wenn man umgangssprachliche Wörter verwendet, wird das Ergebnis ein anderes sein als wenn man formale Fachbegriffe im Prompt nutzt.
4. Feedback der KI nutzen und den Prompt verbessern: Manchmal ist im Ergebnis auch eine Angabe über die Relevanz oder Qualität des Ergebnisses enthalten. Wenn man den Prompt auf Basis dieser Hinweise verbessert, wird man auch ein besseres Ergebnis erhalten.
5. Keine sensiblen Informationen in den Prompt aufnehmen: Da die Informationen im Prompt nicht geheim bleiben, sollten in den Prompt nie sensible Informationen wie Adressen, Namen oder sogar Bankdaten eingefügt werden. Aber auch Unternehmensspezifische Informationen wie Abteilungskürzel sollten nicht verwendet werden.
6. Überprüfung des Ergebnisses: Obwohl das Ergebnis hilfreich sein kann, geben die Tools keine Garantie für die Richtigkeit. Insbesondere sollte man extrem vorsichtig sein mit Quellenangaben. Es kommt gar nicht so selten vor, dass manche Quellenangaben frei erfunden sind und nicht existieren! Insofern ist es unabdingbar, dass man die Richtigkeit der Ergebnisse überprüft.

Anwendung von Künstlicher Intelligenz in Form von Chatbots für das Prozessmanagement

Genug der Theorie, jetzt die Anwendung. Die oben genannten Tipps in Hinterkopf, wollte ich einige KI-basierte Chatbots testen und Erfahrung in der Anwendung sammeln. Meine Idee war es, mir einen Blogbeitrag zur Anwendung von Künstlicher Intelligenz für das Prozessmanagement generieren zu lassen. Als Tools habe ich die Chats von open AI, Bing und You genutzt. Eine gute Übersicht über Tools gibt es bei Blogmojo.

Mein Prompt, den ich in der gleichen Form bei allen drei Tools eingesetzt habe, war: “Du bist ein erfolgreicher Blogger. Schreibe einen Blogbeitrag wie Künstliche Intelligenz Prozessmanagement unterstützen kann. Der Beitrag soll interessant, informativ und spannend sein und 2000 Zeichen lang sein. Gehe dabei insbesondere auf Prozessmodellierung, Prozessorganisation und Prozessoptimierung ein.” Einige weitere Inspirationen zu Prozessmodellierung sind in meinem Blogbeitrag hier zu finden und zur Prozessoptimierung hier. Die Ergebnisse waren sehr unterschiedlich, wie man in den folgenden Spalten sehen kann.

Analyse der Ergebnisse der KI-Tools

Man sieht, dass die Ergebnisse sehr unterschiedlich sind. Das Ergebnis von Open AI ist mit fast 3.000 Zeichen (ohne Lehrzeichen) sehr lang. Die anderen beiden sind mit etwas über 1.000 Zeichen deutlich kürzer als die Vorgabe. Bei der Form fällt auf, dass das Ergebnis von Open AI Überschriften enthält. Das ist bei den anderen nicht der Fall ist. Die Lösung von You Write hat die längsten Absätze. Ebenso enthält das Ergebnis von You Write viele Rechtschreibfehler und hat am Ende anscheinend aufgehört zu generieren.

Am wichtigsten ist aber der Inhalt: Der Inhalt ist grundsätzlich bei allen “ganz ok”. Alle Ergebnisse treffen das Thema und nenne einzelne Methoden/Tools zu den im Prompt genanten Begriffen. Allerdings bleiben alle Beiträge sehr allgemein und es werden keine Beispiele beschrieben, die die Inhalte verständlich machen würden. Dennoch sind die Texte eine relativ gute Basis mit der man weiterarbeiten kann. Die Texte können ergänzt und mit Beispielen konkretisiert werden.

Und genau hierin liegt meines Erachtens auch der Nutzen beim Einsatz. Man kann sich relativ schnell einen Vorschlag generieren lassen, den man dann weiter bearbeiten kann bzw. sogar muss. Damit spart man sich einiges an Zeit sparen. Aber auch die Qualität des Arbeitsergebnisses lässt sich durch den Einsatz von KI verbessern. Denn so können Nutzer übersehene Aspekte oder Zusammenhänge in das Ergebnis integrieren.

Künstliche Intelligenz für das Prozessmanagement niederschwellig aber effektiv einführen: contexxt.AI

Seit nunmehr fünf Jahren habe ich die Ehre in der Jury des deutschen Exzellenzpreises mitzuwirken. Dabei lerne ich viele interessante und mitunter exzellente Lösungen und Menschen von etablierten Unternehmen und Start-ups kennen. Ein solches Unternehmen ist contexxt.ai und ein solcher Mensch bzw. Unternehmer ist Torsten Katthöfer, Gründer und Geschäftsführer von contexxt.ai. Er hat mit seinem Unternehmen den Deutschen Exzellenzpreis 2023 gewonnen.

Mit Torsten habe ich mich über sein Unternehmen und seine exzellente Geschäftsidee unterhalten. Dabei haben wir und die Möglichkeiten von KI für die Verbesserung von Prozessen und die Grenzen von Künstlicher Intelligenz diskutiert.

TL: KI ist im Moment ein Riesen-Schlagwort, Stichwort Chat GPT. Eure Lösung basiert ganz stark auf KI; ihr habt sogar AI (Artificial Intelligence, englisch für Künstliche Intelligenz im Firmennamen). Wie bist Du auf Deine Idee gekommen und was ist Dein beruflicher Hintergrund?

Torsten Katthöfer: Puh, das ist ja mal gleich eine allumfassende Frage… Ich beschäftige mich schon mal ganzes Berufsleben mit Daten, das sind mittlerweile schon gute 25 Jahre. Immer war es die Herausforderung, aus Daten Informationen abzuleiten und neue Erkenntnisse zu gewinnen. Es wurden immer verschiedene „Säue durch das Dorf getrieben“ – ob Data Warehouse, Business Intelligence, Data Analytics, Machine Learning: Am Anfang liegen irgendwo mehr oder weniger strukturierte Daten herum, am Ende gilt es mehr zu wissen, als vorher. Ich hatte mich in den 90ern während meiner Ausbildung als „Informationstechnischer Assistent“ (heute vergleichbar: Fachinformatiker) viel mit hardwarenaher Digitaltechnik beschäftigt, später ab meinem Studium der Wirtschaftsinformatik erfreute ich mich immer mehr an dem Gedanken, komplexe Informationsarchitekturen zu Interpretieren und als Resultat Handlungsempfehlungen abzuleiten.

Während des Studiums habe ich viel als Werkstudent in einem Systemhaus sammeln dürfen, danach war ich einige Jahre für eine skandinavische Unternehmensberatung unterwegs, wo ich das eine oder andere kalte Wasser kennen- und schätzen gelernt habe. Nach einigen Jahren hat es mich dann erst in die Freiberuflichkeit gezogen, daraus habe ich dann meine erste kleine Business Intelligence Beratungsfirma gegründet, die ich dann 2018 verkauft habe.

Als wir die contexxt.ai gegründet haben, war das Thema KI bzw. AI zwar durchaus in aller Munde, tatsächlich war aber kein wirklicher Durchbruch absehbar. Es gab eine Menge nutzbarer „KI“-Modelle  (eher: Maschine Learning „ML“) und entsprechende Werkzeuge drumherum, die Anwendungsfälle mussten noch mit viel Sachverstand modelliert werden. Amazons Alexa, Siri und Google’s Sprachassistenten wurden beliebt, hatten aber allesamt das Manko, eigentlich nicht zu verstehen, um was es ging. Sie waren weit davon entfernt, den Kontext des Dialogs zu verstehen.

Zusätzlich wurden die Potenziale durch die Digitalisierung immer klarer, eine Veränderung in Unternehmen und in den Arbeitsweisen schien unumgänglich. Warum also nicht ganz einfach die Rohdaten aus der Arbeit mit digitalen Systemen interpretieren, verstehen, wo die Mitarbeiter auf ihrer Reise stehen und entsprechend zielgerichtet unterstützen – und das skalierbar und ausschließlich im Sinne des Mitarbeitenden und seiner jeweiligen Affinität. Diese Idee, verbunden mit der Erwartung, das AI irgendwann tatsächlich klüger wird und wir mehr den Kontext einbinden können, führte zur Gründung der contexxt.ai.

Die Selbstständigkeit bzw. die Gründung eines Unternehmens ist und war – wenn man eine klare Idee hat – aus meiner Sicht das naheliegendste: Man kann sich aussuchen, mit wem man arbeitet, kann sein gesamten Umfeld beeinflussen. Zwar in gewissen Rahmen (oft monetärer Art), aber solange man weiß, wofür man das macht, kann man eine enorme Befriedigung daraus holen, abgesehen davon fühlt es sich nicht nach „Arbeit“ an, wenn man die eigene Idee verfolgt.     

TL: Ich erlebe aber gerade oft, dass Viele gar nicht verstehen, was KI eigentlich ist. Wie würdest Du meinen Erstsemestern (alternativ auch meinem 85-jahrigen Vater) erklären, was KI ist?

Torsten Katthöfer: KI ist im Grunde Statistik, die einfach so groß geworden ist, dass sie nicht mehr per Hand, Taschenrechner oder Excel gerechnet werden kann – oder es schlichtweg nicht effizient ist, es so zu tun. Die „Größe“ ist hier vor allem die Komplexität der statistischen Modelle und vor allem auch die Flexibilität, diese Modelle an neue Anforderungen anzupassen. Ob es sich nun um Regressionsanalysen handelt (die es schon seit gut 150 Jahren gibt), oder neuronale Netze, die der funktionsweise des Gehirns nachgebildet sind – am Ende sind es sehr große, effiziente statistische Verfahren. Womöglich ist unser Gehirn nichts anders als ein höchsteffizientes biologisches Modell, nur halt noch ein paar Stufen weiter – aber das ist meine Interpretation und spielt hier womöglich keine Rolle.

TL: Mich interessieren besonders Prozesse. Und in vielen Prozessen werden Standardsoftwaretools wie Textverarbeitung, Tabellenkalkulation oder auch ERP-Systeme eingesetzt. Aber ob die Nutzer diese Tools immer so effizient wie möglich einsetzen, hängt oft auch von den Usern selbst ab. Wie kann eure Lösung in so einem Fall helfen?

Torsten Katthöfer: Ein Prozess ist ja die Definition, wie und womöglich in welcher Reihenfolge bestimmte Dinge zu tun sind. Unsere Lösung setzt nach dieser Sicht in der Tat eher auf die Veränderung der Arbeitsweisen, als auf die Verbesserung der Prozesse. Sofern an die relevanten Rohdaten heranzukommen ist (das ist die nötige Basis), finden wir heraus, ob ein Mensch bestimmte Dinge so macht, wie es nach etablierten Best-Practices sinnvoll erscheint. Wenn nicht, bekommt der Mensch von unserem digitalen Coach einen Tipp, wie er das, was er real vorhat zu tun, mit der Nutzung der neuen digitalen Technologien anders machen könnte, um ihm und womöglich auch seinen Kollegen das Leben leichter zu machen.  

Hier in dem Beispiel wurde ich dabei „erwischt“, dass ich meinen Kollegen, mit denen ich mich offensichtlich zusammentelefonieren wollte, eine Teams-Meeting-Einladung geschickt habe. Nicht schlimm, aber da ich schon mehrfach gemacht habe, scheine ich nicht zu wissen, dass ich auch einfach eine spontane Besprechung starten kann. Kein großes Ding, macht mir das Leben aber wieder ein klein bisschen angenehmer.

Im Moment fokussieren wir uns noch auf die Arbeitsweisen rund um Microsoft Teams und zugehörige Werkzeuge. Das machen wir vor allem deshalb, weil es hier eine sehr gute und sicherere Datenquelle gibt (die Graph.API), hier gigantische Potenziale zu heben sind und zudem wir sehr viele Arbeitsweisen haben, die allgemeingültig sind. Entsprechend können wir mit einer Lösung bei sehr vielen Unternehmen direkt große Gewinne in der Effizienz und Produktivität ihrer Mitarbeiter:innen erzielen. Und das nur dadurch, dass sie neue Arbeitsweisen adaptieren – und dies aus Unternehmenssicht völlig automatisch.

TL: Wenn jetzt jemand aus meiner Leserschaft auf die Idee kommen würde, dass KI auch für seine Produkte und Lösungen interessant sein könnte, welche Voraussetzungen braucht der- oder diejenige dann bzw. was wäre die grobe Roadmap? Oft sind ja die ersten Schritte die Schwierigsten. Wie beginne ich also wenn ich mit KI starten möchte? Wie identifiziere ich geeignete Anwendungsfälle? Welche Skills brauche ich? Wer sind ggf. geeignete Berater?

Torsten Katthöfer: Im Moment sind unsere Zielgruppe klar Unternehmen aus dem Mittelstand, die Microsoft M365 und Teams nutzen (oder damit anfangen). Außerdem brauchen wir ein klares Signal aus der Geschäftsführung, die Veränderung im Unternehmen aktiv zu begleiten. Technisch muss die Graph.API freigeschaltet sein – da haben manchmal die Personal- bzw. Betriebsräte „Bedenken“.  Zudem ist es hilfreich, die Veränderung im Unternehmen von außen begleiten zu lassen, zumindest beratend, vielleicht auch initiierend. Veränderung von innen heraus ist viel schwerer, das kennen wir alle aus den guten Vorsätzen fürs neue Jahr. Wir arbeiten gerne mit entsprechend Partner aus dem Change-Management zusammen, haben hier auch ein gutes Netzwerk. Abgesehen davon wirft unsere Lösung auch einige Kennzahlen raus, mit der relativ gut verstanden werden kann, wie es mit der Veränderung der Arbeitsweisen (im Kontext Microsoft) steht.

Auf unserer Roadmap ganz vorne steht aktuell natürlich die Nutzung der großen Sprachmodelle (wie OpenAI). Haben wir in der Vergangenheit die Dialoge unseres digitalen Coaches selbst geschrieben, wollen wir nun diesbezüglich mehr auf eigene Modelle setzen, die wir mit dem Wissen um die zu nutzenden Prozesse, Technologien und Arbeitsweisen trainieren. Die Mitarbeiter unseres Kunden werden dann in Zukunft mit einer aufgebohrten Version von ChatGPT kommunizieren, die noch individueller auf den Menschen eingehen kann – weil wir den Kontext (und da schließt sich der Kreis) als Bestandteil der Kommunikation zwischen Mensch und Maschine mitgeben können.  

Will man als Unternehmen generell mit KI anfangen, sollte man sich Leute ins Boot holen, mit denen man über die Anwendungsfälle nachdenkt. KI kann sich Dinge abschauen, wenn Beobachtungen strukturiert in Datensätzen extrahiert werden können und idealweise Ergebnisse im Umgang mit denen Dingen ebenso strukturiert vorliegen. Wenn das dann hinreichend oft gemacht werden muss, kann die Nutzung von KI schnell einen positiven ROI generieren. Und je mehr Erfahrung gesammelt wird, desto einfacher wird die Nutzung in der Zukunft.  

TL: Im Zug von der Heimfahrt des Exzellenzpreises hatte ich eine ganz interessante Diskussion mit einem Perosnalberater. Der meinte, dass KI für viele praktische Anwendungen z. B. im Personalbereich (z. B. Zur Diagnose) gar nicht geeignet ist. Weil sowohl die Merkmale als auch die Kontexte so vielfältig sind und außerdem auf der Grundlage von „Äußerlichkeiten“ nicht auf innere Kompetenzen geschlossen werden kann. Wie relevant ist AI tatsächlich? Reichen oft nicht auch einfachere Wenn-Dann-Logiken? 

AI wird dann immer sinnvoller, wenn viele Trainingsdaten vorliegen. Es ist vergleichbar mit der Intuition beim Menschen, die aus vielen Erfahrungen resultiert. Würde man ein KI-Modell mit den bei der Bewerbung abgegeben Lebensläufen füttern und hätte zudem Daten darüber, ob und inwieweit diese Person am Ende tatsächlich „performt“, könnte man daraus sehr wohl ein Modell trainieren, was aber wiederum nur eine statistische Wahrscheinlichkeit abgibt, dass ein Bewerber geeignet ist. Dabei fehlt natürlich noch eine Menge Kontext, der den Modellen nicht zugeführt werden kann. Das Bewerbungsgespräch wird nur mühsam und kaum vollständig strukturiert einem Modell übergeben werden können, genauso wenig wie Motivation und persönliche Hintergründe.

Die Psychologie, warum Menschen so sind wie sind, ist extrem komplex. Ich bin recht zuversichtlich, dass ein hinreichend großes Modell durchaus gute Prognosen machen könnte, es scheitert aber gewiss an der zur Verfügung stehenden Menge an Daten. Abgesehen davon ist das auch ein etwas absurder Gedanke, würde es doch völlig anderen Anwendungsgebieten Tür und Tor öffnen („Minority Report“).

Weil mir übrigens der Name des Films nicht eingefallen ist, habe ich ChatGPT gefragt, dich mich dann auch noch korrigiert hat. Danke, KI!

Alles in allem wird KI uns das Leben erleichtern, so wie es der Taschenrechner und Excel getan haben. Wir werden uns mehr auf Dinge konzentrieren können und müssen, die menschliche Kompetenzen braucht: Kreativität, Intuition, Kommunikation, Entscheidung und tatsächlich auch Handwerk.