Digitale Entscheidungsfindung mit KI Das Wissen von Mensch und Maschine verbinden

Thomas Cotic, Actico: »Bei der Actico Platform handelt es sich um eine Low-Code-Plattform für intelligente Automatisierung und Digital Decisioning.«

Die Software-Lösung »Actico Platform« kombiniert menschliches und datengetriebenes Wissen, um intelligente Automatisierung und digitale Entscheidungsfindung voranzutreiben. Thomas Cotic, Co-Founder und Beiratsvorsitzender von Actico, erläutert die Hintergründe.

Markt&Technik: Worum handelt es sich bei der Actico Platform genau?

Thomas Cotic: Bei der Actico Platform handelt es sich um eine Low-Code-Plattform für intelligente Automatisierung und Digital Decisioning. Auf ihr treffen zwei Welten aufeinander: die menschliche und die maschinelle. Beide Welten „besitzen“ Wissen, mit dem sie Unternehmen bei der Entscheidungsfindung unterstützen können. Einerseits generiert die künstliche Intelligenz (KI) mithilfe der ML-Komponenten aus rohen Daten Insights. Andererseits wird das datengesteuerte, maschinelle Wissen mit dem Expertenwissen aus den Fachabteilungen kombiniert. Dieses Wissen wird von den jeweiligen Mitarbeitern in Form von Geschäftsregeln – Business Rules – über unseren grafischen Ansatz konfiguriert. Auf dieser Wissensgrundlage lassen sich dann Geschäftsentscheidungen in Echtzeit treffen und automatisiert durchführen.

Was ist das Neue an der Actico Platform? Welche Alleinstellungsmerkmale hat sie?

Die Actico Platform zeichnet sich durch zwei Merkmale aus: Um die bestmöglichen Ergebnisse im Entscheidungsprozess zu bekommen, ist sie skalierbar, sodass die Modelle den entsprechenden Situationen angepasst werden können. Darüber hinaus bietet unser Intelligent Automation Tool vollkommene Transparenz gegenüber traditionellen Blackboxes. Die Transparenz erlaubt es, die Prozesse und ML-Mechanismen, die hinter der Entscheidungsfindung stecken, erklärbar zu machen – für jeden. Auf diese Weise verstehen nicht nur die Anwender die Entscheidungsprozesse, sondern können sie auch ihren Kunden in verständlicher Form vorlegen. Davon profitieren auch Unternehmen und Branchen, die strengen Regulierungen unterliegen – etwa der Finanzsektor. Immerhin fordert die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) in ihrer Publikation zur Studie „Big Data trifft auf Künstliche Intelligenz“, dass Anwender von ML-Mechanismen innerhalb eines Entscheidungsprozesses dessen Ergebnisse nachprüfbar machen müssen.

Welchen Nutzen und welche Vorteile bringt die Kombination von Business Rules und ML?

Im operativen Geschäft wiederholen sich manche Entscheidungen häufig. Sie bergen ein großes Automatisierungspotenzial, was sowohl die betroffenen Mitarbeiter entlasten als auch effiziente Arbeit begünstigen würde. Außerdem müssen Unternehmen agil denken und handeln, um auf Veränderungen und ständig wechselnde Anforderungen reagieren und zugleich wettbewerbsfähig bleiben zu können.

Die Kombination von Business Rules und ML unterstützt genau das: Eine KI ist in der Lage, deutlich schneller Big Data zu verarbeiten als ihre menschlichen Pendants. In Kombination mit den von Experten modellierten Geschäftsregeln und Entscheidungswegen werden Entscheidungen und daran geknüpfte Prozesse automatisiert durchgeführt. Den menschlichen Mitarbeitern wird zeitfressende Routinearbeit abgenommen, sodass sie sich auf andere Tätigkeiten konzentrieren können – etwa die Weiterentwicklung und Steuerung der Automatisierungsprozesse oder das Entwerfen von Unternehmensstrategien. Darüber hinaus bringen die Nutzung von ML und das Expertenwissen ein hohes Maß an Flexibilität mit sich. Sobald sich Veränderungen ergeben, lässt sich die Actico Platform an die neuen Szenarien anpassen, damit das Unternehmen auch weiterhin schnell und effizient reagieren kann.

Welche Aufgaben erfüllt KI im Software-Konzept Ihres Unternehmens?

Um überhaupt adäquate Entscheidungen treffen zu können, muss die KI oder das entsprechende ML-Modell fähig sein, eine Vielzahl unterschiedlicher Datensätze auszuwerten, automatisch dazuzulernen und das erlernte Wissen anzuwenden. Egal ob eine Maschine, an deren Sensordaten bei bestimmten Prozessen Probleme gemeldet wurden (Stichwort Predictive Maintenance), oder auffällige Transaktionen im Bankengeschäft: Es ist vor allem die Frage „Was hat in der Vergangenheit funktioniert und was nicht?“, die die KI durch das Datengewirr leitet, sie Muster und Anomalien erkennen lässt und ihr Wissen vergrößert.