top of page
AutorenbildMaximilian Möhlenkamp

BPM & Large Language Models: Integration von neuesten KI Technologien in automatisierte Geschäftsprozesse


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 einfach programmatisch im Prozess weiterverarbeiten zu können.  


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.  


BPM Prozess inkl. OpenAI Baustein

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 Klassifizierungsarten:

  • Topic classification: Ob Text, Bild, Video oder Sprache. Large Language Models bieten beeindruckende Ergebnisse in der Klassifizierung/Kategorisierung von Inhalten, anhand dieser der Prozess dann weitergesteuert werden kann.  

  • Sentiment Analysis: Erkennung des Stimmungsbildes eines Textes mit Kategorien wie positiv/negativ/neutral.

  • Language Detection: Automatisches erkennen von verschiedensten Sprachen, um zum Beispiel Anfragen an die richtigen Mitarbeiter weiterzuleiten.

  • Intent Detection: Erkennen von Absichten, zum Beispiel von Kunden in einem Gespräch mit einem Chatbot, um dann bestimmte Prozesse zu starten.

 

Text/Daten Extrahierung:  

  • Aus Dokumenten, Bildern, Freitext etc. 


Text/Daten Generierung: 

  • 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 unserem Praxisbeispiel nutzen wir das LLM GPT-4o in Kombination mit der OpenAI Assistant API für eine mehrstufige Klassifizierung. Dem KI-Assistenten wird eine Artikelliste mit Artikelnummern und Beschreibungen im PDF Format zur Verfügung gestellt.  


Problemstellung:

  • 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 die Preisanfrage an die Sales Manager Rolle gehen, sonst an den Key Account Manager.

  • 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



Prozessschaubild

 

Lösung:  

Prozess Start: Wenn eine neue E-Mail im Postfach oder wenn ein Webformular eingeht, wird der Workflow automatisch gestartet. 


Externes Formular über das Web aufrufbar
Externes Formular

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, und der jeweilige Mitarbeiter kann die Angebotsdaten noch verändern.


Angebot bestätigen

Wenn der Mitarbeiter über einen einfachen Button das Angebot bestätigt, wird es der anfragenden Person per E-Mail geschickt. 


Angebot per Mail

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.




コメント


コメント機能がオフになっています。
bottom of page