KI-gestützte Analyse von E-Mails
Gerade bei hohen Bestellmengen kommt es oft zu Medienbrüchen und somit zu einem gestörten Workflow. Dies hat nicht nur Konsequenzen in Form von hohen zeitlichen, sondern auch finanziellen Investments, sondern auch in der Qualität des Gesamtprozesses.
Das geht deutlich besser, welches wir bei unserem Kunden ifm unter Beweis gestellt haben.
Problem
ifm Kunden bestellen regelmäßig Ware per E-Mail. Der gesamte Bestellprozess läuft dabei weitestgehend automatisiert ab – SAP übernimmt hier die Hauptarbeit. Die Dateneingabe erfolgt lediglich durch User-Unterstützung und teilweise mittels OCR (Object Character Recognition). Dabei handelt es sich um ein KI-basiertes Tool zur Druckschrifterkennung, welches vor allem bei PDFs seinen Einsatz findet.
Leider sind die eingehenden Daten meist ungeordnet und liegen beim Kunden in unterschiedlicher Form vor, z.B. in E-Mails oder PDFs. Das Hauptproblem ist, dass es sich häufig um Freitexte handelt. Diese enthalten Kundennamen, Artikelnummern, Lieferantennummern etc. Eine Standardisierung mithilfe eines Formulars ist nicht umsetzbar, weshalb die Parameter vom Vertriebsinnendienst ausgelesen, bearbeitet und anschließend in SAP manuell eingetragen werden müssen.
Besonders in China werden rund 95% der Bestellungen per E-Mail, 5% per WeChat oder andere soziale Medienkanäle getätigt. Dabei sind ungefähr 60% der Bestellungen Freitext und nicht strukturiert durch PDFs. Dadurch entsteht ein großes Durcheinander an ungeordneten und unstrukturierten Daten.
Ein klarer Fall, der eine Lösung erfordert, die mithilfe von Künstlicher Intelligenz gefunden wird. Genauer gesagt, kommt hier Machine Learning zum Einsatz. Also ist die FinWave genau der richtige Partner.
Lösung
Die Nutzung von APIs und KI-Technologien ist für uns bei der FinWave eine Selbstverständlichkeit, um unseren Kunden optimale Lösungen anzubieten. So war es auch in diesem Fall.
Schnell war klar, dass eine herkömmliche Prozessautomatisierung nicht in Frage kam, da wir es mit unstrukturierten Datenmengen zu tun hatten. Darum haben wir die Lösung wie nachfolgend beschrieben aufgebaut. Unsere E-Mail-Analyse-Engine funktioniert rund um die Uhr und ist mit einer Genauigkeit von über 95 % extrem zuverlässig. Dafür sorgt ein Machine-Learning Modell, das ausschließlich für diesen Anwendungsfall trainiert wurde. ifm hat uns hierzu entsprechende Trainingsdaten zur Verfügung gestellt. Das Modell identifiziert alle relevanten Daten wie Sender, Bestellnummer, Artikelnummer und Bestellmenge. Die extrahierten Daten werden anschließend umgehend in strukturierter Form als JSON-Datei für SAP zur Verfügung gestellt. Sollte dennoch mal etwas durchrutschen, so werden diese Sonderfälle für die manuelle Nachbearbeitung ausgesteuert.
Durch die Implementierung dieses Systems gewinnt der Prozess deutlich an Qualität. Zusätzlich wird Zeit und Personal eingespart. Die Mitarbeiter befassen sich nun mit anderen wertschöpfenden Themen.