Einen Blick auf aktuelle Ansätze und Marktentwicklungen
Autoren: Tina Messner, Intern & Daniel Wittwer, Senior Consultant
Was ist Input Management?
Über zahlreiche Eingangskanäle erhalten Unternehmen Informationen aller Art — physische Post, E-Mails, Chatbot-Nachrichten etc. Das Input Management fokussiert auf Methoden, Konzepte und Techniken, diese Sendungen einzuordnen, zu bewerten und geschäftsrelevante Daten digital zu erfassen, damit diese für die Weiterverarbeitung oder für das Dokumentenmanagement bereitgestellt werden können.
Ausgangslage
Auf dem Gebiet der Digitalisierung und digitalen Transformation sind technologische Sprünge dank Künstlicher Intelligenz (KI) und Machine Learning (ML) zu verzeichnen. Etablierte Anbieter von Input-Management-Lösungen entwickeln sich entsprechend dieser Technologien weiter. Es drängen neue Angebote und Produkte auf den Markt.
Durch neuartige Ansätze wie dem Einsatz moderner KI-Technologien und Cloud-basierten Betriebsmodellen können sich zusehend auch junge Unternehmen auf dem Markt der Dokumentenklassifizierung und Datenextraktion etablieren. Entsprechend nehmen die Lösungen und Angebote zu. Auch wir von Inacta sind seit der Gründung 2009 im Bereich Information Management tätig — das Input Management ist ein Teil hiervon. Wie haben sich die Herangehensweisen, die Prozesse und Lösungen im Bereich des Input Managements verändert? Um unsere Beratungskompetenz zu schärfen und auszubauen, haben wir diesen Markt etwas genauer betrachtet.
KI-Lösungen brauchen Zeit
Der Mehrwert bei der automatisierten Klassifizierung von Dokumenten und der darauf aufbauenden Datenextraktion von beispielsweise Rechnungsnummern oder Adressen ist leicht greifbar: Es ergeben sich signifikante Prozessoptimierungs- und Automatisierungspotentiale — gesteigerte Effizienz und reduzierte Kosten.
Um dies zu erzielen berufen sich viele Ansätze auf KI. Jedoch ist der Einsatz von KI kein Selbstläufer. Auch nicht, wenn hierfür auf KI-Lösungen zurückgegriffen wird, die bereits auf dem Markt verfügbar sind. Denn auch KI muss — ebenso wie traditionelle IM-Lösungen — trainiert werden, damit diese ihr ganzes Potenzial entfalten kann. Dieses Training erfolgt beispielsweise anhand von Sprachanalysen oder Bildern eines eingescannten Dokuments. Der hierfür erforderliche Koordinations- und Trainingsaufwand ist nicht zu unterschätzen.
Unterschiedliche Lösungen verfolgen dabei unterschiedliche Ansätze im Prozess der Klassifizierung und Datenextraktion. So kann beispielsweise die Klassifizierung basierend auf nur einer kleinen Anzahl Trainingsdokumente im Fokus stehen oder aber der Fokus auf der Validierung extrahierter Daten gegenüber Stammdaten liegen.
Um Enttäuschungen zu vermeiden, ist es entscheidend, dass den KI-basierten Lösungen keine falsche Erwartungshaltung entgegengebracht wird. Hierfür bedarf es vorgängig einer tiefgreifenden Analyse der vorhandenen Prozesse und der Potentiale auf Kundenseite.
Im Regelfall decken verschiedene Lösungsanbieter auch die Erkennung von Handschriften, das Auslesen verschiedener Sprachen oder die Nachbearbeitungsmöglichkeiten von extrahierten Daten unterschiedlich gut ab. Ausserdem unterscheiden sie sich in der prinzipiellen Herangehensweise an die Klassifizierung und Extraktion: So steht zum Beispiel bei einem Anbieter das intuitive und eigenständige Trainieren der KI-Lösung im Vordergrund, sodass der Kunde insgesamt im Lead ist. Bei anderen Anbietern liegt der Fokus eher auf der Verwendung von bereits trainierten Standarddokumenten (beispielsweise Rechnungen, Lieferscheine oder Bestellungen), womit die Trainingsaufwände minimiert und damit verbunden die Time-to-Market verkürzt werden können.
Anforderungen genau eruieren
Es ist essenziell, dass in Bezug auf das Input Management die genauen Anforderungen eruiert werden. Ist eine vollumfängliche Input-Management-Lösung gewünscht, die beispielsweise die Integration eines E-Mail-Posteingangs und nachgelagerte Geschäftsprozesse ermöglicht? Dann sind klar andere Bedürfnisse zu bedienen als bei einem reinen Fokus auf die Extraktion von Daten, beispielsweise von Rechnungsdaten zur Verwendung im Kreditorenrechnungsprozess.
Insgesamt unterstützen die heute am Markt befindlichen Lösungen standardmässig die Klassifizierung von Dokumenten und die Datenextraktion von geläufigen, in Enterprise Resource Planning (ERP) Systemen enthaltenen Daten. Zu den standardmässig unterstützten Dokumenttypen gehören daher Beispielsweise Rechnungen, Lieferscheine oder Bestellungen. Gleichwohl unterscheiden sich die Lösungen in ihren fokussierten Use Cases auch nach Branchen und nach dem Strukturierungsgrad der jeweiligen Dokumenttypen.
Dies alles sind Beispiele für die verschiedenen Merkmale und Anforderungen, die eine KI-basierte Dokumentenklassifizierungs- und Datenextraktionslösung je nach Use Case bedienen muss.
Durch den Bezug der Lösungen aus der Cloud liegt bei allen betrachteten Lösungsanbietern ein grosser Fokus auf dem Datenschutz und der Compliance. Diesem wird meist durch Serverstandorte in der Schweiz oder der EU sowie mit entsprechenden ISO-Zertifizierungen Rechnung getragen.
Fazit — was wir von Inacta tun können
Zum erfolgreichen Einsatz neuer Technologien gilt es stets, die Kundenbedürfnisse und die individuelle Ausgangslage detailliert zu analysieren. Hierbei können wir von Inacta mit unserer langjährigen Expertise im Umgang mit markterprobten Lösungen unterstützen. Neben Projektmanagement und Anforderungsanalyse können wir unsere Kenntnisse des Marktumfelds vollumfassend einbringen und Sie bei Ihrem Vorhaben vom Kick-Off bis zum Go-Live begleiten.
