Wie Machine Learning die ERP-Systeme verändern wird

erp-machine_learning

In der jüngsten Vergangenheit wurden bedeutende Fortschritte im Bereich des maschinellen Lernens gemacht. ERP- und CRM-Systeme bieten ein ideales Anwendungsfeld für Machine Learning. Denn es bietet Lösungen für bisher in Business Software nicht oder nur unzureichend gelöste Herausforderungen wie den Umgang mit unstrukturierten Daten oder die Automatisierung von Wissensarbeit. Trotzdem hört man von ERP-Herstellern und -Anbietern zu diesem Thema wenig. Das wird sich in nächster Zeit ändern.

Bisher erfolgte Programmierung regelbasiert

Computer werden klassischerweise programmiert, in dem die Regeln durch den Programmierer im Programmcode festgelegt werden. Das heisst, der Programmierer muss die Regeln vorab kennen und als Algorithmus ausdrücken können. Das Programm kann genau das leisten, was durch die Regeln festgelegt wurde. Ein solches Programm kann Entscheidungen treffen (anhand der definierten Regeln) oder komplizierte Berechnungen durchführen. So funktioniert in ERP- und CRM-Systemen heute fast alles, so z. B. auch Bestellvorschläge oder Terminberechnungen in der Produktionsplanung.

Machine Learning versus Regelbasierte Programmierung

Regelbasierte Programmierung

An die Grenzen stösst man damit z. B. beim Umgang mit unstrukturierten Daten. Da die Struktur in den Daten fehlt oder vorab nicht bekannt ist, ist es für den Entwickler nicht möglich, die Regeln für den Umgang mit den Daten zu definieren und als Algorithmus in ein Programm zu giessen.

Angenommen, ein ERP-System soll eingehende Mails von Kunden in Kategorien einordnen. Basis ist der Inhalt der Mails samt Anhängen. Als Kategorien werden definiert: Offertanfragen, Bestellungen, Informationen Supportanfragen und Reklamationen einordnen. Über eine regelbasierte Lösung ist das kaum sicher beherrschbar. Hier kann Machine Learning eine Lösung sein.

Machine Learning im Vorbeigehen

Machine Learning ist eine Technologie die es Rechnern ermöglicht, aus grossen Datenmengen zu lernen und daraus allgemeine Regeln zur Lösung einer Aufgabenstellung abzuleiten. Die Regeln müssen somit nicht durch den Softwareentwickler explizit dafür vorab festgelegt werden. Die Entwickler benötigen eine ausreichend grosse Menge an Beispieldaten mit denen sie den Rechner „trainieren“ können. In unserem Beispiel könnten dies die Mails aus der Vergangenheit samt Kategorien sein, denen sie bisher manuell zugeordnet wurden. Durch das Training leitet der Rechner ein Modell ab. Das Modell wird anschliessend auf die echten Daten angewendet.

Machine Learning

Schema beim Machine Learning

 

Machine Learning ist ein Teil des Forschungsgebiets der künstlichen Intelligenz (Artificial Intelligence, abgekürzt: A. I.). Machine Learning gibt es seit Ende der 1950er Jahre, jedoch sind durch moderne Technologien wie Cloud Computing, die Vernetzung der Systeme, die bessere Verfügbarkeit von Trainingsdaten, die höhere Rechnerleistungen und Verbesserungen der Algorithmen in den letzten Jahren grosse Fortschritte gelungen. Hauptanwendungen sind Bilderkennung in verschiedenen Bereichen (Gesichter, Objekte), Texterkennung, Spracherkennung und Sprachanalyse. Auch bei autonomen Fahrzeugen kommt maschinelles Lernen zum Einsatz.

Machine Learning im Alltag

Im November 2016 hat Google Translate einen grossen Sprung gemacht. Von einem Tag auf den anderen konnte die Übersetzungsqualität stärker angehoben werden als in den zehn Jahren davor. Wie war dies möglich? Das für Google Translate zuständige Team hatte die Forschungsergebnisse im Bereich Machine Learning auf ihren Übersetzungsdienst angewendet. Damit erfolgt die Übersetzung nicht mehr wie bisher Wort für Wort sondern als ganzer Satz.

Machine Learning nimmt Einzug in unseren Alltag. Amazons AMI, Apples Siri, IBMs Whatson, Microsofts Cortana, SAPs S/4Hana und Googles Smartphone Pixel sind Beispiele für konkrete Anwendungen und Plattformen von Machine Learning. Wer sich über die konkrete Anwendung ein Bild machen möchte, kann sich anschauen, wie  Brian Rakowski sein Wochenende über Google Assistant plant.

Machine Learning verändert die Art und Weise, wie Menschen und Maschinen zusammenarbeiten. Die Anforderungen der Anwenderinnen und Anwender an Business Software werden steigen. ERP-Anbieter werden sich erklären müssen, wenn Funktionen, die an jedem Smartphone genutzt werden können, in der ERP-Software nicht verfügbar sind (was ja heute teilweise schon der Fall ist).

Für Entwickler werden zunehmend Microservices auf Basis von Machine Learning bereitgestellt. Auf dieser Grundlage werden sie weitere Anwendungen erstellen, die mit maschinellem Lernen bisher nicht lösbare Fragestellungen lösen können.

Machine Learning und Business Software

Machine Learning nimmt Einzug in unseren Alltag. Gleichzeitig wird das Thema der künstlichen Intelligenz in den Medien teils heftig diskutiert. Wie so oft wird der kurzfristige Einfluss meist über-, der langfristige unterschätzt.

Machine Learning bietet die Möglichkeit, Lösungen für komplizierte Fragestellungen zu schaffen. Unternehmen sind immer häufiger mit solchen Fragestellungen konfrontiert. Für Unternehmen bietet maschinelles Lernen neue Möglichkeiten, ihre Daten zu nutzen um Lösungen zu diesen Fragestellungen zu erarbeiten. Zudem werden sie auf Basis Ihrer Daten Mehrwerte aufbauen, sei es intern oder in Form von Produkten oder Dienstleistungen für Kunden.

Unternehmen sind jedoch meist nicht an Machine Learning als solches interessiert. Sie suchen Lösungen ihrer Herausforderungen. Machine Learning ist kein Allheilmittel sondern kann für bestimmte Fragestellungen der passende Lösungsansatz sein. Für Machine Learning geeignete Fragestellungen lassen sich häufig wie folgt charakterisieren:

  • Im Prozess müssen hohe Volumen verarbeitet werden
  • Es lohnt sich, den Prozess zu automatisieren
  • Zur Automatisierung sind komplexe Regelwerke notwendig (sonst klassische Umsetzung, siehe oben)
  • Es müssen unstrukturierte Daten verarbeitet werden

Damit maschinelles Lernen möglich ist, müssen ausreichend Trainingsdaten zur Verfügung stehen. ERP-Systeme verfügen häufig über die notwendigen Daten, sei es in der eigenen Datenbank oder über Schnittstellen zu externen Quellen (Pools of Information). So werden wir im neuen Jahr im Markt für Business Software zunehmend Lösungen sehen, die auf maschinellem Lernen basieren. Konkreten Handlungsbedarf gibt es bereits zum Beispiel bei:

  • Sprach-, Bild- und Objekterkennung
  • Automatisierte Verarbeitung von externen Belegen verschiedener Quellen
  • Berechnung des Bedarfs verschiedener Produkte in einem Handels- oder Produktionsunternehmen unter Berücksichtung externer Datenquellen (z. B. Wettervorhersage)
  • Erkennen, Kategorisieren und Beantworten von Supportanfragen
  • Auswerten von Kundenfeedbacks
  • Verarbeitung von Messwerten in der Qualitätssicherung

Wir sind gespannt, welche auf maschinellem Lernen basierende Lösungen wir in den verschiedenen ERP- und CRM-Systemen sehen werden.

Veröffentlicht am 2. Januar 2017

Kommentar schreiben