BPM & Large Language Models
Integration der neuesten Technologie in Ihre automatisierten Prozesse
Large Language Models revolutionieren BPM. Entdecken Sie, wie LLMs Ihre Prozessautomatisierung intelligenter und flexibler machen.
Large Language Models wie ChatGPT von OpenAI sind seit 2023 in aller Munde und bieten eine Vielzahl von Einsatzmöglichkeiten mit beeindruckenden Ergebnissen. Die Weiterentwicklung erfolgt rasant - es werden Milliarden US-Dollar in die Weiterentwicklung dieser Modelle investiert, sodass wir davon ausgehen können, dass diese Technologien in immer mehr Unternehmen gewinnbringend zum Einsatz kommen werden.
Doch erst durch die gezielte Einbettung von künstlicher Intelligenz in robuste, (halb-)automatisierte Geschäftsprozesse können Produktivitätsgewinne und Effizienzsteigerungen in Organisationen in großem Maße erreicht werden.
Large Language Models im Zusammenspiel mit Prozessautomatisierung
Wir können uns das Large Language Model als riesiges Gehirn vorstellen, welches aus Unmengen an frei verfügbaren Daten gelernt hat. Zusätzlich können wir dem Modell unternehmensinterne Daten zur Verfügung stellen, die es in seinen "Antworten" miteinbeziehen soll. In einem automatisierten Prozess kommunizieren wir mit dem LLM über eine API-Schnittstelle. Seit neuestem ist es sogar möglich, die Antwort in einem strukturierten Datenformat (JSON) zu erzwingen, um diese möglichst automatisiert weiterzuverarbeiten.
All das lässt sich zum Beispiel in der unternehmenseigenen Microsoft Azure OpenAI Umgebung realisieren, sodass die Daten dabei nur in den regionalen Datenzentren GDPR konform verarbeitet werden.
Mit einem BPM Tool wie FireStart lassen sich das riesige allgemeine Wissen von den Large Language Models, die wertvollen internen Daten eines Unternehmens, und das fachbezogene Wissen der Mitarbeiter in standardisierten Prozessen miteinander kombinieren. Erst so kann die künstliche Intelligenz skaliert wertschöpfend zum Einsatz gebracht werden.
Anwendungsmöglichkeiten von LLMs in Geschäftsprozessen
Klassifizierung
Im Bereich der Klassifizierung bieten LLMs gegenüber klassischen Machine Learning und Deep Learning Technologien zwei große Vorteile:
- Sie sind sofort einsatzbereit und müssen nicht erst Ressourcenintensiv mit großen Mengen an Daten trainiert werden.
- Und sie sind flexibel einsetzbar, da man auch im Nachhinein noch Klassen verändern, oder sogar von dem LLM erstellen lassen kann.
Beispiele für Klassifikationstypen:
Themenklassifikation: Egal, ob Text, Bilder, Video oder Sprache, große Sprachmodelle liefern beeindruckende Ergebnisse bei der Klassifikation oder Kategorisierung von Inhalten. Diese Klassifikation kann dann bestimmen, wie der Prozess fortgesetzt wird.
Sentimentanalyse: Erkennung der Stimmung eines Textes basierend auf Kategorien wie positiv/negativ/neutral.
Spracherkennung: Automatische Erkennung verschiedener Sprachen – um beispielsweise Anfragen an die passenden Mitarbeiter weiterzuleiten.
Absichtserkennung: Erkennung von Absichten – wie das Erkennen des Ziels eines Kunden beim Kontakt mit einem Chatbot – um dann spezifische Prozesse auszulösen.
Text-/Datenextraktion
Aus Dokumenten, Bildern, Freitexteingaben usw.
Text-/Datengenerierung
Datenanalysen: Strukturierte Datensätze (beispielsweise csv oder Excel Tabellen) können von LLMs analysiert und sogar erstellt und modifiziert werden. Auch Datenvisualisierungen können erstellt und beispielsweise an Formulare angehängt werden.
Textgenerierung: Zum Beispiel Zusammenfassungen von Texten, grammatikalische Ausbesserungen, Übersetzungen, Erstellung von Bildbeschreibungen etc.
Bild und Video Generierung.
Praxisbeispiel: Automatische Erkennung einer Preisanfrage und halbautomatisierte Angebotserstellung
In diesem realen Beispiel verwenden wir das LLM GPT-4o in Kombination mit der OpenAI Assistant API für eine mehrstufige Klassifikation. Ein PDF-Dokument mit einer Liste von Produktartikeln mit Artikelnummern und Beschreibungen wird dem KI-Assistenten zur Verfügung gestellt.
Die Herausforderung:
Erkennen von Preisanfragen (Klassifizierung – Intent Detection): Ein Unternehmen möchte aus einer Menge an Nachrichten die über verschiedene Kanäle eingehen (zum Beispiel über eine E-Mail Adresse wie info@company.com oder ein Webformular) Preisanfragen automatisch herausfiltern. Dabei soll erkannt werden, welche Artikel in welcher Menge angefragt werden. Dann soll der richtige Mitarbeiter in der Organisation benachrichtig werden. Bei einer Anfragesumme von über 10.000€ soll beispielsweise eine Führungskraft benachrichtigt werden, bei unter 10.000€ ein Mitarbeiter aus dem Vertrieb.
Der Mitarbeiter in der jeweiligen Rolle sollte einen schnellen Überblick über die Preisanfrage bekommen und vorausgefüllte Datenpunkte des Angebots im Falle einer Falscherkennung durch die KI ändern können. Wenn alles korrekt ist, soll mit einem Knopfdruck automatisch ein Angebot erstellt und an den Kunden per E-Mail gesendet werden.
Die Lösung:
Prozess Start: Wenn eine neue E-Mail im Postfach oder wenn ein Webformular eingeht, wird der Workflow automatisch gestartet.
Klassifizierung mit dem OpenAI Assistant: Mit der FireStart low-code REST API Aktivität wird auf einfache Art und Weise mit dem Assistenten kommuniziert. Wir erhalten ein JSON-Objekt als Antwort, mit dem wir erfahren, ob es sich um eine Preisanfrage handelt oder nicht. Wenn ja, bekommen wir zusätzlich ein JSON Array mit den jeweiligen Artikelnummern und Mengen.
Anfragewert berechnen: Wir greifen auf aktuelle Preisdaten zu, um den Anfragewert zu bestimmen.
Die richtige Person benachrichtigen: Über ein Rollenmodell in Firestart, welches mit dem Active Directory des Unternehmens verbunden ist, wird je nach Nachfragewert ein bestimmter Mitarbeiter informiert. Wir nutzen den FireStart Form Builder und befüllen das Formular mittels Drag & Drop ganz einfach mit den jeweiligen Datenpunkten die uns der KI Assistent zurückgibt. Der Mitarbeiter kann das Formular direkt in Microsoft Outlook einsehen. Die Felder in der Tabelle sind editierbar.
Wenn der Mitarbeiter über einen einfachen Button das Angebot bestätigt, wird es der anfragenden Person per E-Mail geschickt.
KI-gestützte Prozesse mit FireStart umsetzen
In nur wenigen Schritten kannst Du mit FireStart KI-gestützte Prozesse (Beispiel siehe oben) aufsetzen und sie somit optimieren. Unser BPM-Tool ermöglicht die nahtlose Integration von OpenAI. So unterstützt Dich unsere Software dabei, Prozesse in Deinem Unternehmen zu beschleunigen und die Ressourcen Deiner Mitarbeitenden effizienter zu nutzen. Buche eine Demo und überzeuge Dich selbst, wie Dein BPM von KI profitiert.
FireStart wird in Deutschland gehostet (DSGVO-konform, EU-Datenspeicherung). Website: www.firestart.com. Kontakt: sales@firestart.com.