Interview: „Unsere Erfahrung an dieser Stelle ist, dass der geringe Einsatz von KI häufig auf Vorbehalten beruht.”

Lesezeit 18 Min.

„Manche Experten bezeichnen diese Vorbehalte als Angst vor KI, als Angst vor dem Unbekannten, doch das halte ich für übertrieben. Ich würde es vielmehr als Skepsis bezeichnen. Denn mit dem Einsatz von Künstlicher Intelligenz gibt der Mensch einen Teil seiner Kontrolle ab. Bei KI handelt es sich um ein System, das viele nicht richtig verstehen und greifen können”, erklärt Arian Storch, Geschäftsführer bei Evy Solutions, warum die Bedenken bezüglich Künstlicher Intelligenz in Deutschland immer noch überwiegen.

Natalia Jakubowska, Trans.INFO: Ist Künstliche Intelligenz in Deutschland angekommen? Wie steht es um den Einsatz?

Arian Storch, Geschäftsführer bei Evy Solutions: Meine Erfahrung ist, dass es noch nicht angekommen ist – aus ganz unterschiedlichen Gründen. Zum einem gibt es in der Praxis mehr Probleme als die Theorie vermuten lässt, zum anderen gibt es viele Firmen, insbesondere mittelständische Firmen, die dieser Thematik noch skeptisch gegenüberstehen.

Woran liegt das? Laut einer Befragung von PwC tun sich Firmen mit der praktischen Anwendung weiterhin schwer: Weniger als 10 Prozent nutzen KI.

Unsere Erfahrung an dieser Stelle ist, dass der geringe Einsatz von KI häufig auf Vorbehalten beruht. Manche Experten bezeichnen diese Vorbehalte als Angst vor KI, als Angst vor dem Unbekannten, doch das halte ich für übertrieben. Ich würde es vielmehr als Skepsis bezeichnen. Denn mit dem Einsatz von Künstlicher Intelligenz gibt der Mensch einen Teil seiner Kontrolle ab.
Bei KI handelt es sich um ein System, das viele nicht richtig verstehen und greifen können. Hinzu kommt, dass KI selbstständig Entscheidungen innerhalb eines Geschäftsprozesses trifft. Das kann z. B. in einer Versicherungsfirma sein, in der ein Entscheidungsfall automatisch freigegeben wird – oder auch nicht. Oftmals sind diese Entscheidungen mit Geldbeträgen verknüpft. Werden diese einfach freigeben, ohne dass der Mensch die direkte Kontrolle darüber hat, geraten Entscheider in Konflikte. Es fällt ihnen schwer in eine Künstliche Intelligenz zu vertrauen. Außerdem glaube ich, dass zusätzlich, gerade bei hochentwickelten KI-Algorithmen, das Verständnis fehlt, wie das System zu der Entscheidung gekommen ist. Diese Unsicherheiten gestalten das Einbinden von KI in Geschäftsprozesses als schwierig.

Was müsste sich ändern, damit die Bereitschaft größer wird?

Ich denke, dass vor allem die überzogenen Erwartungen eingefangen werden müssen. Hier sollten vor allem Medien einen entscheidenden Beitrag zur Aufklärung zu leisten. Wichtig ist, dass nicht nur darauf eingegangen wird, was alles theoretisch sondern was auch praktisch möglich ist. Denn ich glaube, dass wir noch weit von einem vollständig autonom denkenden System entfernt sind, das in der Lage ist, alle Entscheidungen selbstständig zu treffen und alle Tätigkeiten selbstständig auszuführen. Wichtig ist deshalb, mehr Verständnis für das Machbare zu schaffen. Außerdem gilt es, Mittel und Wege zu finden, um das Verhalten des Systems transparenter zu gestalten. Denn Transparenz schafft Vertrauen und ein Gefühl der Sicherheit. Diverse Forschungsrichtungen beschäftigen sich bereits mit dieser Frage.

Und auf staatlicher Ebene?

Auf staatlicher Ebene gibt es viele Rechtsfragen hinsichtlich der Haftung in Bezug auf das alleinige Treffen von Entscheidungen durch ein System. Ich glaube generell, dass der Staat auf das, was heutzutage technisch alles möglich ist, noch nicht darauf vorbereitet ist. Auch ethische Diskussionen spielen eine große Rolle – gerade was autonom fahrende, KI-gesteuert Fahrzeuge betrifft. Hier muss noch viel getan werden.

Aus welchen Branchen kommt das größte Interesse an Ihrem Produkt?

Unserer Wahrnehmung nach besteht vor allem im produzierenden Gewerbe, das heißt bei Fabriken und Herstellern, die größte Nachfrage nach unserer Software. Bedarf hat das produzierende Gewerbe vor allem an der Automatisierung des Bestellmanagements, der Auftragsverwaltung und der automatisierten Verarbeitung von Produktanfragen und Reklamationen. Auch Logistikunternehmen möchten ihre Lieferscheine und Transportaufträge automatisiert verarbeiten lassen. Interesse an einer Automatisierung besteht auch im vertraglichen Bereich. Denn auch hier werden viele Textdokumente zwischen den einzelnen Mandanten ausgetauscht, die auf Veränderungen überprüft werden müssen. Das beansprucht sehr viel Zeit. Man kann sagen überall da, wo viel Papier anfällt und einen großen Anteil am Geschäftsprozess einnimmt, wird unsere Lösung nachgefragt.

Sie haben eine eigene KI entwickelt, die Dokumente automatisiert verarbeitet und analysiert. Von der Konkurrenz unterscheidet Ihre Software sich dadurch, dass sie nicht positionsbasiert, sondern textbasiert arbeitet. Können Sie das genauer erläutern?

Gehen wir von einem Lieferschein oder einer Rechnung aus, auf der sich gewisse Informationen, zum Beispiel die Bestell- oder Auftragsnummer, befinden. Auf naive Weise könnte man sagen: Ich habe einen Lieferschein, auf dem sich die Bestellnummer relativ weit oben, das heißt im Bereich zwei bis fünf Zentimeter links vom Rand und zehn Zentimeter vom oberen Rand befindet. Ist jeder Lieferschein genau nach diesem Muster aufgebaut, kann die Bestellnummer schnell und einfach ausgelesen werden. Soweit die Theorie. Doch in der Praxis ist nicht jeder Lieferschein oder jede Bestellung gleich aufgebaut. Ursache sind zum einen Layout-Aspekte, die sich ergeben, weil jede Firma ein anderes Logo besitzt, das mal größer und mal kleiner dargestellt ist. Doch auch alltägliche Aspekte wie das schiefe Einscannen des Lieferscheins können dazu führen, dass die Information nicht mehr an der gleichen Position vorzufinden ist. Wenn ich die Textanalyse nun mit einem positionsbasierten Ansatz durchführe, bei der sich die Information immer in diesem einen exakten Bereich befinden muss, stoße ich mit diesem schnell an meine Grenzen.

Ist diese Methode mit mehr Aufwand verbunden?

Tatsächlich ist der Aufwand mit unserer Methode geringer. Denn wir arbeiten nicht mit einem Positionsbezug, sondern mit einem Textbezug. Das heißt die Information, die mich interessiert, muss sich nicht an einer gewissen Stelle im Dokument befinden, sondern sie wird durch ein entsprechendes Schlagwort gekennzeichnet, das die dahinter befindliche Information ankündigt. Habe ich zum Beispiel eine Nummer, kann diese viele Bedeutungen haben. Sie kann ein Standort mit Koordinaten sein, eine Kundennummer oder eine Bestellnummer… Doch durch das vorangestellte Wort – Bestellnummer oder Lieferantennummer – ist mir als Leser eindeutig bewusst, was sich hinter der Sequenz verbirgt.
Mit unserem textbasierten Ansatz setzen wir das Schlagwort und die dazugehörige Information zueinander in Beziehung und lassen diese Verknüpfung in das Trainingsmodell einfließen. Spinnt man diesen Gedanken weiter, kommt man zu der Erkenntnis, dass es nicht unendlich viele Möglichkeiten gibt, eine Liefernummer auszudrücken. Es gibt die ausgeschriebene Variante “Liefernummer”, es gibt die abgekürzte Variante “Liefer-Nr.” usw. Manch einer verwendet nur “Nr” für die Lieferscheinnummer. Das heißt, es existieren vielleicht zehn, zwanzig oder dreißig Varianten für ein Schlagwort und diese werden entsprechend der KI antrainiert. Auf diese Weise ist der Trainingsaufwand begrenzt. Wie das Dokument letztendlich aussieht, das heißt welche Struktur oder welches Layout dieses aufweist, ist dabei irrelevant.

Welche technischen Voraussetzungen muss der Kunde erfüllen?

Technisch gesehen haben wir keine Ansprüche. Teilt uns der Kunde mit, dass er keine eigene Infrastruktur hat, kann er unsere Software über unsere Cloud nutzen. Alles ist datenschutzrechtlich abgesichert. Möchte der Kunde die Software selbst betreiben, so reicht ein normaler Server, auf den die Software gespielt wird. Ein solcher Server ist für einen zweistelligen Betrag bei den gängigen, großen Anbietern erhältlich. Hochtechnologische, speziellen Anforderungen haben wir keine.

Können Sie den Implementierungsprozess anhand eines Beispiels beschreiben?

Unser typisches Vorgehen ist wie folgt: Teilt uns der Kunde mit, dass er unsere Lösung gerne testen möchte, so kann er unsere Software für eine sechsmonatige Testphase zum reduzierten Preis erhalten. In dieser Testphase hat der Kunde ausreichend Zeit, sich mit der Software auseinanderzusetzen. Außerdem werden beim Erwerb der Software die dazugehörigen Prozesse gemeinsam abgestimmt. Hierbei spielt auch Change Management eine Rolle. Deshalb unterstützen wir unsere Kunden bei der Integration der Software in ihre Prozesse. Hierfür schickt uns der Kunde Musterdokumente von seinen Top 10 Kunden oder Lieferanten und teilt uns mit, welche Informationen für ihn relevant sind: Bestellnummern, Bestellpositionen, Liefermenge, Lieferanschrift, Bankdaten und weiteres. Wir trainieren nun die KI für ihn an.
Prozesstechnisch muss sich der Kunde überlegen, womit er starten möchte. Das heißt, er macht sich Gedanken darüber, wie er den größten Mehrwert aus dem System ziehen kann und stellt uns entsprechende Beispiele zur Verfügung. Anschließend brauchen wir circa ein bis zwei Wochen, um die Beispiele anzutrainieren. Mitunter vielleicht auch schneller, das ist von verschiedenen Faktoren abhängig.
Zudem muss sich der Kunde überlegen, wie er die Automatisierung in seine Prozesse integrieren möchte. Meist stellt sich das als größte Aufgabe für den Kunden heraus. Das heißt er teilt uns mit, in welchem Datenformat er die extrahierten Daten ausgegeben haben möchte. Reicht ihm ein Excel-Sheet oder braucht er eine spezielle CSV- oder XML-Datei oder ähnliches. Oder möchte er unsere Lösung zum Beispiel an SAP anbinden. Wenn ja, muss er unserem System eine entsprechende Schnittstelle zur Verfügung stellen, damit wir die Daten in sein SAP übertragen können. Möchte er die Daten per E-Mail an sich weitergeleitet haben oder per Dateiaustausch… Dies sind alles Infrastrukturthemen, die der Kunde beantworten muss. Auch Rechtsfragen wie Datenschutz oder Compliance gehören dazu.
Ich sage immer, es gibt drei Themenblöcke zu besprechen: Erstens das Input Management, das heißt, wie kommen die Daten zu uns? Sollen wir die Daten eigenständig aus dem E-Mail-Postfach abgreifen oder über eine Art Transfer? Zweitens: Das Output Management, sprich, wie kommen die Daten wieder zurück? Und drittens: Mit welchen Top 10 möchte der Kunde starten, um schnellstmöglich den größten Nutzen zu erhalten?

Und können sich Sie an einen besonderen Implementierungsfall erinnern?

Wir hatten von einem Kunden den Auftrag, Umfragen auszuwerten. Also haben wir eine Fallstudie entwickelt. Bei dieser ging es darum, dass unsere Software die Freitextantworten klassifizieren und als positive oder negative Aussage einstufen sollte. Inhaltlich ging es um Bewertungen zur Pünktlichkeit, Sauberkeit und ähnlichem, die kategorisiert und automatisch ausgewertet werden sollten. Herbei haben wir eine Genauigkeit von fast 90 Prozent erreicht. Ein sehr gutes Ergebnis für so einen Anwendungsfall.

Sie haben vorhin erwähnt, dass der Kunde eine antrainierte Software bekommt. Kann er diese bei Bedarf selbstständig nachtrainieren?

Ja, das ist auch ein ganz besonderer Punkt, in dem wir uns von der Konkurrenz unterscheiden. In diesem Fall muss ich betonen, dass unsere KI selbst entwickelt ist. Das heißt, es steckt eigene Forschungsarbeit dahinter, die es nicht nochmal auf dieser Welt gibt. Der klassische Ansatz ist: Ich nehme 10.000 oder mehr Dokumente, trainiere die KI an und übergebe dem Kunden die Software, der diese so hinnehmen muss – egal wie gut oder schlecht sie funktioniert. Unser Ansatz ist komplett anders. Uns reichen bereits eine Handvoll Dokumente vollkommen aus – Fünf bis zehn Dokumente für einen guten Start. Mit diesen trainieren wir die KI an und stellen diese dem Kunden zur Verfügung. Anschließend kann der Kunde die KI auf einfache Weise selbständig weitertrainieren. Dies geschieht, indem der Kunde sich die Ergebnisse anschaut, welche die KI ermittelt hat, und sagen kann: Nein, das war nicht richtig, schau mal noch nach diesem Schlagwort. Oder die Klassifizierung ist nicht richtig: Das ist keine Liefermahnung, sondern eine Lieferzeitanfrage. Diese Weiterentwicklung der KI kann der Kunde komplett selbständig über die Benutzeroberfläche der Software vornehmen, ohne uns hierfür extra anrufen zu müssen.

Ist das mit zusätzlichen Kosten verbunden?

Nein, die normale Betreuung, das initiale Setup, das ich bereits erwähnt habe, sowie die begleitende Einführung, ist in der Regel kostenlos. Einmalgebühren werden nur fällig, wenn der Kunde Sonderprojekte oder sehr spezifische Anpassungen wünscht. Beispielsweise kann es sein, dass der Kunde ein ERP-System nutzt, das keine Standardschnittstellen anbietet und wir für den Kunden eine spezielle Schnittstelle programmieren müssen. Oder wenn der Workflow so speziell ist, dass wir aufwändige Anpassungen für den Kunden vornehmen müssen.

Haben Sie viele solcher Sonderanfragen?

Tatsächlich nicht. In der Branche gibt es bereits eine gewisse Standardisierung. SAP ist weit verbreitet, wofür wir Schnittstellen haben. Auch die Anbindung an Microsoft Dynamics und aus dem Logistikbereich zum Beispiel WinSped ist möglich. Wenn ich kurz überlege, fällt mir im Moment nur ein Fall ein, bei dem wir eine kundenspezifische Anpassung vornehmen mussten.

Wie lange dauert das Antrainieren eines Dokumenttyps?

Für die typischen Top 10 dauert das Training ein bis zwei Wochen. Das ist schnell erledigt. Auch im laufenden Betrieb ist das Nachtrainieren sehr einfach. Dieses dauert mit Ausprobieren für gewöhnlich maximal eine Stunde.
Man kann es sich so vorstellen: Ich habe ein neues Dokument, werfe es in die Software und schaue zunächst, was sie erkennt. Sehe ich, dass die Lieferscheinnummer nicht erkannt wurde, so trage ich diese nach. Das dauert ein paar Sekunden. Anschließend kann ich das Ergebnis auch prüfen, ob die Software die Korrektur übernommen und entsprechend dazugelernt hat.

Sie versprechen durch die Nutzung der Software eine reduzierte Fehlerquote. Können Sie diese beziffern und einen Vergleich ziehen: KI vs. manuelle Bearbeitung?

Tatsächlich haben wir eine Messung vorgenommen – bei einem Großkonzern mit über 100.000 Bestellungen pro Jahr und 25.000 E-Mails im Monat, die wir für ihn automatisiert verarbeiten. Um zu bestimmen, wie weitreichend die Automatisierung eingesetzt werden soll, haben wir über mehrere Monate hinweg Messungen vorgenommen – einerseits von den Mitarbeitern, die die E-Mails manuell klassifiziert haben, und andererseits von unserer Software. Das Ergebnis nach drei Monaten war, dass unsere Software eine Zuverlässigkeit von 93% hatte, während die Mitarbeiter nur eine Zuverlässigkeit von 86 % hatten. Unsere Software war somit deutlich besser.
Die Ursachen für das schlechte Abschneiden der Mitarbeiter können verschiedener Natur sein. Hierbei kann ich nur mutmaßen. Manchmal werden E-Mails nur überflogen und weitergeleitet. Manchmal wird nur der Betreff gelesen, der auch nicht immer aussagekräftig ist. Gerade im täglichen Betrieb bleibt nicht immer genug Zeit, die komplette Korrespondenz zu lesen, um herauszufinden, was der Kunde dem Empfänger wirklich mitteilen möchte.

Ist da noch Luft nach oben? Kann man diese Fehlerquote weiter reduzieren?

Ja, bei diesem Beispiel ist die Software fast ein halbes Jahr im Unternehmen im Einsatz. Mittlerweile sind wir hier bei einer Zuverlässigkeit von 99 Prozent. Das heißt, und das möchte ich betonen, dass 99 Prozent der E-Mails blind verarbeitet werden – ohne dass manuelles Zutun erforderlich ist. Nur bei dem einem Prozent aller E-Mails stoppt die Software, weil sie sich unsicher ist. In diesem Fall muss die E-Mail von einem Sachbearbeiter gesichtet und bearbeitet werden. Ich glaube, das ist ein Top-Ergebnis. Denn die Erfahrung zeigt, dass 100 Prozent nicht zu erreichen sind. Gründe dafür sind zum Beispiel Spam-E-Mails oder Anhänge, die defekt sind und sich nicht öffnen lassen. Unser Prinzip lautet: Wenn wir uns nicht sicher sind, dass das, was unser System ausrechnet, korrekt ist, so wird das Dokument zur manuellen Überarbeitung ausgeworfen. In diesem Fall soll lieber ein Mensch die Entscheidung treffen.

Korrigieren Sie mich, wenn ich falsch liege, aber KI-basierte Software gehört sicherlich nicht zu den billigsten. Nach welchem Zeitraum oder ab welcher Datenmenge rechnet sich die Investition für den Kunden wieder?

Aus unserer Sicht ist unser Pricing-Modell sehr günstig. Dies bestätigen auch die Rückmeldungen unserer Kunden. Denn wir haben faire Preise und rechnen pro verarbeitetes Dokument ab. Das heißt im Gegensatz zu unseren Mitbewerbern schauen wir nicht auf die Seitenanzahl, sondern nur auf das Dokument. Am Beispiel einer E-Mail heißt das, dass eine E-Mail mit fünf Anhängen als nur ein Dokument zählt. Denn die Anhänge sind ein Bestandteil der E-Mail, solange die E-Mail und der Anhang inhaltlich zusammengehören. Konkret haben wir einen Stückpreis von 35 Cent pro Dokument. Wenn ein Dokument durch uns komplett verarbeitet wird, inklusive Klassifizierung, Extrahierung der Daten, Datenübergabe mit Datenvalidierung und Archivierung, beträgt der Preis 35 Cent pro Dokument – ein durchaus fairer Preis. Im Falle einer Teststellung, kann der Kunde im Testzeitraum von sechs Monaten zum Preis von 250 Euro monatlich bei uns einsteigen. Bei größeren Mengen gibt es verschiedene Volumenstaffeln.

Es gibt die Auffassung, dass KI nur etwas für große Unternehmen ist. Wie viele kleine Unternehmen sind unter ihren Kunden?

Es ist gemischt. Wir haben kleinere, aber auch größere Unternehmen als Kunden. Das hält sich ungefähr die Waage. Wobei sich die Frage stellt, was unter „kleinen Unternehmen“ zu verstehen ist? Für uns sind kleine Unternehmen die, die um die 700 bis 1000 Dokumente im Monat bearbeiten. Diese machen etwa die Hälfte unserer Kundschaft aus.

Corona soll für einen echten Digitalisierungsschub in Deutschland gesorgt haben. Haben Sie das auch bemerkt? Ist das Interesse an Ihrem Start-up größer geworden?

Ja, das kann ich bestätigen. Ich sage es zwar ungern, aber tatsächlich haben wir von Corona profitiert. Die Ursache hierfür finde ich sehr spannend: Denn um die Mitarbeiter zu schützen, wurden diese für Homeoffice nach Hause geschickt. Viele Unternehmen waren jedoch in Bezug auf ihre Infrastruktur nicht darauf vorbereitet, dass die Mitarbeiter plötzlich von zu Hause arbeiten mussten. Es gab keine VPNs, keine Laptops, und dennoch musste der Betrieb aufrechterhalten werden. Das spielt unserer Software in die Hände, denn wir haben eine kurze Setupzeit und unsere Software läuft im Intranet oder in der Cloud. Außerdem können wir binnen weniger Tage starten und schnell alltäglich Arbeitslast abnehmen. Das ist ein Aspekt. Der andere Aspekt ist, dass einige Firmen mit Einsparungen zu kämpfen haben. Mir ist zwar nicht bekannt, dass Mitarbeiter aufgrund der Einführung unserer Software entlassen wurden. Aber es wird verstärkt darauf geachtet, dass die Tätigkeiten differenziert und Aufgaben neu verteilt werden. Dies hängt auch mit der Infrastrukturthematik zusammen. Und in diesem Einsparungsbereich schauen sich Unternehmen aktiv nach Lösungen um, mit denen sie ihre Aufgaben und Prozesse automatisieren können. Und in diesem Fall kommen die Unternehmen mit Anfragen auf uns zu.

Foto: Evy Solutions

Tags