- Anzeige -
- Anzeige -
Zwischen Regelwerk und Selbstlernen

Hilfe bei Prozessautomatisierung und Dispatching

Neben der Unterstützung bei First-Level-Anfragen bildet die Automatisierung von Arbeitsabläufen im Service einen zentralen Einsatzbereich für künstliche Intelligenz. Field-Service-Management-Lösungen auf KI-Basis machen sich bereits heute beim Dispatching bezahlt und sichern die Einsatzplanung ab. Auch hier spielt der gewünschte Funktionsumfang eine zentrale Rolle für die Entscheidung, welcher Ansatz besser gewählt werden sollte. Sobald eine Regel in der Form ‚wenn das, dann das‘ formuliert werden kann, eignet sich der regelbasierte Ansatz. Ein Beispiel ist folgende Regel, die dem System ohne Weiteres einprogrammiert werden kann: Wenn der eingehende Auftrag vom Typ ‚Heizung reparieren‘ ist, dann soll er immer dem Techniker Meier zugewiesen werden. Im Gegensatz dazu werden bei dem KI-basierten Ansatz die eingehenden Kundenanfragen von selbstlernenden Algorithmen analysiert, die auf neurowissenschaftlichen Prinzipien basieren. Nachdem die künstliche Intelligenz die eingehenden Kundenanfragen analysiert hat, weist sie unter Berücksichtigung seiner Qualifikationen, des Standorts sowie der Verfügbarkeit selbstständig jedem Auftrag den am besten geeigneten Techniker zu.

Lernende KI bei Komplexität

Der lernende KI-Ansatz stellt insbesondere dann die bessere Wahl dar, wenn die zugrunde gelegten Regeln nicht eindeutig nach dem Wenn-Dann-Schema formuliert werden können. Welche Tragweite das haben kann, zeigt ein Beispiel aus einem ganz anderen Kontext: Beim strategischen Brettspiel Go sagen die Spieler oft, dass sich dieser oder jene Zug intuitiv gut anfühlt. Dabei können sie in der Regel nicht genau sagen, was der genaue Grund für ihre Einschätzung ist. Stattdessen verlassen sie sich einfach auf ihre Erfahrung. Genauso verhält es sich mitunter im Fall von KI: Zwar gibt es Regeln, aber diese sind viel diffuser und nicht eindeutig in Form von ‚wenn das, dann das‘-Zuordnungen abzubilden. Veranschaulichen lässt sich das anhand der KI-gestützten, automatischen Routenplanung. Die Frage, welcher Techniker welchen Auftrag annehmen soll, wird zu einer komplexen Aufgabenstallung, je höher die Anzahl ist. Hier gelangt ein regelbasiertes System als Lösungsansatz leicht an seine Grenzen. Einen deutlich zielführenderen Zugang mit besseren Ergebnissen ermöglichen derweil KI-Algorithmen – genauer gesagt Heuristiken, evolutionäre Algorithmen oder sogar neuronale Netzwerke.

So normal wie ERP-Software

Der Blick auf Anwendungsfelder im Bereich Field Service Management zeigt: Künstliche Intelligenz im Praxiseinsatz ist keine Zukunftsmusik mehr, sondern bereits heute Realität. Bis 2021 werden Gartner zufolge 70 Prozent der Unternehmen in irgendeiner Form KI nutzen, um die Produktivität ihrer Mitarbeiter zu steigern. Und genau hier offenbart sich eine gängige Sorge als maßlos übertrieben: KI und Automatisierungsstrategien werden menschliche Arbeit eben nicht ersetzen und überflüssig machen, wie es schon vielfach befürchtet worden ist. Statt Konkurrenz stehen die Weichen eher auf Kollaboration – menschliche Fachkräfte und fortschrittliche Technologien haben das Zukunftspotenzial, gemeinsam bessere Arbeitsergebnisse zu erzielen, als es bis vor kurzem noch denkbar war. Und das ist alles andere als eine entmutigende Zukunftsvision.

Seiten: 1 2Auf einer Seite lesen

- Anzeige -
- Anzeige -

Das könnte Sie auch Interessieren

Bild: TeDo Verlag GmbH
Bild: TeDo Verlag GmbH
Deep Learning Webinar

Deep Learning Webinar

Bild: TeDo Verlag GmbH Am Dienstag den 9. Februar beginnen die diesjährigen inVision TechTalks Webinare. Thema ist dann ab 14:00 Uhr Deep Learning. Vecow, Adaptive Vision und Flir geben in drei Kurzreferaten über jeweils 20 Minuten ein Überblick über aktuelle...