# KI-Anwendungsfälle für Unternehmen
* KI in operativen Prozessen
* Fallstudien aus der Projektarbeit
* Firmeninterne Anwendungsfälle
---
# KI in operativen Prozessen
## Übersicht
![[Pasted image 20240903210412.png]]
**Marketing**
- Optimierung von AdWords-Kampagnen
- Content Erstellung (Beiträge, Bilder, E-Mails usw.)
- Kundenreise und Next Best Action
- Konversions-Prognose
**Kunden Service**
- Automatische Content-Erstellung
- Prognose der Lösungszeit
- Dringlichkeitserkennung
- Upselling
- Prognosen
- Chatbots
**Vertrieb**
- Verkaufsprognose
- Automatisierte Dateneingabe
- Leistungsanalyse der Gespräche aus Vertrieb
- Upselling
- Prognosen
**Produktion**
- Prädiktive Instandhaltung
- Fehlererkennung
- Generatives Design
**Buchhaltung**
- Optimierung des Liquiditätsmanagements
- Klassifizierung von Dokumenten
- Betrugserkennung
**Beschaffung**
- Automatisierung von Genehmigungen
- Lieferantenabgleich
- KI-gestütztes Vertragsmanagement
---
## Prozessoptimierung mit KI: wichtige Konzepte
* Prozess = Steuerung von Dokumenten
* Rechnung, Auftrag, Kundenticket, E-Mail ...
* Dokument ist Text -> Sprachmodelle sind sehr gut darin, diese Texte zu analysieren und erzeugen
* Selten End-2-End, sondern einzelne Prozessschritte
* Digitaler Fußabdruck des Prozesses ist notwendig
---
## Prozessdiagramme als Ideenquelle
![[Pasted image 20240903210530.png]]
---
## Was tut die KI in einem Prozess?
Erstellung von Dokumenten (E-Mails, Rechnungen, Doku)
Entscheidungsfindung (z.B., Genehmigung einer Zahlung)
Auslösen von Aktionen (Write-Back ins System)
---
## Welche Anwendungsfälle fallen Ihnen ein?
---
# Fallstudien aus der Projektarbeit
Heute betrachten wir:
- **order.ai** - Automatisiere die Auftragserstellung in CRM/ERP: Spare über 2 Stunden pro Woche und Mitarbeiter
- **cv2job_match.ai** - Auswertung von Lebensläufen und Matching mit Projektbeschreibungen: Beschleunige Projektakquise um 4 Stunden pro Projekt und Rolle
- **patent.ai** - Automatisiere Patentanalysen mit LLM: Verkürze die Bearbeitungszeit um 96%
Außerdem hat OSNOVA für Kunden folgende KI-Produkte entwickelt:
- KI-Chatbot für Architekten zur Mitgliedschaft und Eintragung
- KI-Lernassistent im Knowledge Management
- Intelligente Analyse von Lieferantenverträgen im Einkauf
- und viele andere...
---
## Fallstudie: Erstellung von Neuaufträgen
#### Problem
- Kunden eines deutschen Recycling-Unternehmens schicken ihre Aufträge auf eine Team-Inbox
- **Aufträge** kommen als PDFs (mit und ohne Textschicht) sowie einfache E-Mails. Das Team muss nachfragen, wo und wann ein Container hingeschickt werden muss
- **Neuaufträge für Subunternehmen** werden manuell im CRM-System angelegt
---
### Lösung
Entwicklung einer benutzerdefinierten Schnittstelle und Datenextraktion aus Outlook und Sprachmodell-API
![[Pasted image 20250630185928.png]]
#### Daten
- **Automatisierte Analyse** der E-Mail-Inbox
- **Verarbeitung von Kundenaufträgen**:
- PDFs mit Textlayer: Direkte Textextraktion
- PDFs ohne Textlayer: Einsatz von OCR-Technologie
- Freitext E-Mails: Identifikation fehlender Informationen und Generierung von Rückfragen
- **Extraktion relevanter Daten** aus dem CRM-System und per E-Mail verschickt
#### KI
- Einsatz von Sprachmodellen zur intelligenten **Verarbeitung der extrahierten Daten**
- **Textextraktion** aus PDF-Dokumenten (direkt/OCR)
- **Interpretation der Textdaten** und Erzeugung E-Mails mit Rückfragen
- Automatische **Zuordnung** von Kunden, Leistungen, Adressen
- **Erkennung und Verarbeitung** von Sonderfällen und Bemerkungen
#### Integration
- **Nahtloses Write-Back** ins CRM-System
- Automatisierte **Erstellung der Aufträge**
- Erstellung einer E-Mail mit PDF-Anhang, bereit zur Versendung an Subunternehmen
---
### Ergebnis
- Automatisierung der Auftragserstellung mit KI
- Schnelle Bearbeitung von Kundenaufträgen
![[../media/Pasted image 20241112151101.png]]
![[Pasted image 20250630185946.png]]
---
## Fallstudie: Auswertung von Lebensläufen
### Problem
- Kunden eines Personalvermittlers schicken ihre Projektbeschreibungen und Anforderungen an das Team.
- **Manuelle Suche** nach passenden Freelancern und Agenturen, die den Projektanforderungen entsprechen, dauert vier bis acht Stunden.
- **Zeitaufwendige manuelle Bewertung** der Übereinstimmung zwischen den Kandidaten und den Projekten.
---
### Lösung
Entwicklung einer automatisierten CV-Evaluationspipeline zur schnellen Bewertung der Eignung von Kandidaten für spezifische Projekte.
#### Daten
- **Automatisierte Analyse** der Projektbeschreibungen und Anforderungsprofile:
- Extraktion relevanter Informationen aus Projektbeschreibungen in verschiedenen Formaten (Markdown, PDF).
- Nutzung einer **Sprachmodell-API** zur Verarbeitung und Interpretation dieser Informationen.
#### CV Evaluation Pipeline
- **Textextraktion** aus Lebensläufen (direkt/OCR).
- Vergleich des extrahierten Textes mit den Projektanforderungen / Stellenausschreibungen
- **Intelligente Bewertung** der Eignung eines Kandidaten basierend auf Qualifikationen, Erfahrungen und Skills.
#### Integration
- Nahtlose Integration einer Schnittstelle zur automatisierten Weiterleitung von Lebensläufen an die universelle E-Mail-Adresse ai@company.
- Möglichkeit zur vollständigen Automatisierung durch Nutzung eines API-Endpunkts für die CV-Evaluation.
---
### Ergebnis
- Signifikante Reduzierung des Zeitaufwands für die Suche nach geeigneten Kandidaten.
- Effizientere Zuordnung von Freelancern/Agenturen zu Projekten durch automatisierte Bewertungen.
![[Pasted image 20250630191233.png]]
---
## Fallstudie: Analyse von Patenten
### Problem
- Eine **Patentkanzlei in Großbritannien** wollte eine große Anzahl von Patenten analysieren.
- Ihre Kunden sind Unternehmen wie Samsung, Apple, Qualcomm, Intel, die den Wert ihres **Patentportfolios** bewerten wollen.
- Für die Analyse werden Patentanwälte eingesetzt und eine **Auswertung dauert 3-4 Stunden und kostet viel**, insb. wenn man Tausende von Potenten auswerten möchte.
---
### Lösung
Es wurde ein KI-basiertes Tool eingesetzt, um Essenzialität des Patenten zu bewerten . Dieses Tool ermöglichte die Analyse von Patenten in kürzester Zeit.
#### Daten
- **Datenbank von Patenten** in verschiedenen technologischen Bereichen wie 4G, 5G, WLAN und verschiedenen Videocodecs.
- **Patentstandards** von European Patent Office und weiteren Organisationen, die die Anforderungen an solche Patente festlegen.
#### KI
- Einsatz von Sprachmodellen zur intelligenten **Verarbeitung der Patente**
- Hochkomplexe **Prompt Sequence** von 13 Prompts in der Version 1 bzw. 30 in der Version 2 und 19 Iteration bis das entsprechende Qualitätsniveau erreicht wurde
- Erkennung und Verarbeitung von Sonderfällen und Bemerkungen
#### Produkt
- Entwicklung eines **eigenständigen Produktes** für die Kunden der Patentkanzlei, das Funktionen wie Essentiality, Standard Comparison und Claim Charting umfasst.
- **Streamlit App**, Azure Deployment mit Serverless Functions, JSON-basierte Dateiablage.
- Weitere Entwicklung einer umfassenden **SaaS-Lösung** geplant.
---
### Ergebnis
- Analyse von 90.000 Patenten
- Beschleunigung der Analysezeit von 4 Stunden auf 15 Minuten
![[Pasted image 20251102212610.png]]
![[Pasted image 20250617144241.png]]
---
# Firmeninterne Anwendungsfälle
Besonders interessant sind natürlich die Anwendungsfälle, die für das jeweilige Unternehmen relevant und umsetzbar sind.
Es ist aber nicht immer offensichtlich, wie man diese Anwendungsfälle findet.
Grundsätzlich gibt es 3 Quellen von Ideen:
- Berufliche Erfahrung und Beschäftigungsdauer beim Unternehmen
- Analyse der Wertschöpfungskette und der Prozesse
- Inspiration durch Recherche, Beratung, Austausch mit Partnern, Wettbewerbern, Marktführern
---
## Anwendung aus Erfahrung
Diese Anwendungsfälle sind in der Regel leicht zu identifizieren.
- Kennen Sie ein brennendes **Problem** in Ihrem Team oder Abteilung?
- **Hassen** Sie es, eine bestimmte Aufgabe oder Prozess zu erledigen?
- **Beschweren** sich die Kunden jeden Tag über das Gleiche?
- Haben Sie immer die gleiche **Angst** am Ende des Quartals?
- Berichtet der Team- oder Abteilungsleiter immer wieder von den gleichen **Kennzahlen**, die in die falsche Richtung gehen?
Das ist ein guter Anzeichen dafür, dass Sie ein Geschäftsproblem haben. Falls sich dieses Problem durch eine ==Vorhersage== lösen oder zumindest mildern lässt, gibt es dort Potenziale für den Einsatz von KI.
---
### Übung
1. Stellen Sie sich eine der Fragen
2. Schreiben Sie 5 Ideen auf
---
## Analyse der Wertschöpfungskette
Diese ähneln sich der üblichen Wertschöpfungskettenanalyse im Business Process Management.
Der Unterschied liegt natürlich im Fokus auf künstlicher Intelligenz:
- Wertschöpfungskette
- Prozesse
- Jobs in den Prozessen
- Aufgaben in den Jobs
Dann gucken wir auf die granulären Aufgaben, die sich mit KI automatisieren lassen.
---
### Beispiel: Prozess Kundenservice
Für viele Unternehmen ist Service ein wichtiger Bestandteil der Wertschöpfungskette.
Dieser besteht grob aus folgenden Jobs:
**Informationssuche**
* Kunden suchen nach Informationen zu Produkten, Dienstleistungen, Nutzung, Installation oder zur Lösung spezifischer Fragen
**Prozessbegleitung**
* Unterstützung bei der Navigation durch komplexe Prozesse oder Systeme, wie Online-Plattformen oder Installationsverfahren.
**Transaktionsunterstützung**
* Hilfe bei Kaufvorgängen, Rücksendungen, Umtausch oder Abrechnungsfragen.
**Entscheidungsfindung**
* Kunden suchen Unterstützung bei der Auswahl von Produkten oder Dienstleistungen, die ihren Bedürfnissen am besten entsprechen.
---
### Zerlegung von Jobs in Aufgaben
Informationssuche
* Erstkontakt mit Kunden
* Verstehen der Kundenanfrage
* Zugriff auf Informationssysteme
* Analyse und Zusammenfassung von Informationen
* Kommunikation der Lösung
* Weiterleitung an spezialisierte Abteilungen
* Empfehlung zusätzlicher Ressourcen
* Feedback und Follow-Up
* Dokumentation und Wissensmanagement
---
### Aufgaben: heute und morgen
| Aufgabe im Kundensupport | Umsetzung in heutigen IT-Systemen | Anwendungsmöglichkeiten KI |
| --------------------------------------------- | ------------------------------------ | --------------------------------------------------------------------------------------- |
| Erstkontakt mit Kunden | Call-Center Software, CRM-Systeme | Sprachgesteuerte Schnittstellen, intelligente Chatbots |
| Verstehen der Kundenanfrage | FAQs, Support-Datenbanken | Erweiterte NLP-Algorithmen für verbessertes Verständnis und Kontexterkennung |
| Zugriff auf Informationssysteme | Datenbankabfragen, CRM | Automatisierte Erzeugung von Datenabfragen |
| Analyse und Zusammenfassung von Informationen | CRM-Tools, Analysetools | KI-gestützte Synthese von Kundeninformationen |
| Kommunikation der Lösung | E-Mail, Chat, Telefonie | Automatisierte, kontextbezogene Kommunikationsassistenten |
| Weiterleitung an spezialisierte Abteilungen | Ticket-Systeme, E-Mail | Intelligente Ticketzuweisung basierend auf Mustererkennung und Priorisierung |
| Zusatzressourcen | CRM-Vorschlagssysteme | Vorausschauende Analyse für individuelle Empfehlungen |
| Feedback und Follow-Up | Umfragen, CRM-Feedback-Tools | Emotionserkennung und Stimmungsanalyse für verbessertes Feedback |
| Dokumentation und Wissensmanagement | CRM-Systeme, Dokumentationswerkzeuge | Generierung von technischen Dokumentationen und Zusammenfassung der Kundeninteraktionen |
Achtung: auch mit ChatGPT Vision erledigt
![[Pasted image 20240903212929.png]]
---
### Übung
1. Prozess auswählen
2. Jobs definieren
3. Aufgaben aufschreiben
4. KI-Alternativen überlegen
---
## Inspiration durch Recherche
Manchmal ist es sinnvoll, sich die Arbeit bei der Analyse der Wertschöpfungskette und der Prozesse zu sparen und die **Anwendungsfälle zu übernehmen**, die aus Fahrung anderer Unternehmen kommen.
Wettbewerber, Partner, KI-Anbieter, Dienstleister.
Jede **Branche** und jede **Geschäftsfunktion** haben mittlerweile klassische Anwendungsfälle, die konzeptionell für alle gleich sind, siehe die Übersichtsfolie am Anfang dieses Moduls.
Während die tatsächliche Implementierung für jede Firma anders ist, die grundlegenden Ideen zu der **Problemstellung, Lösungsansätzen und Technologien** kann man sich durch eine Recherche aneignen.
Und was kann besser sein, als KI-Anwendungsfälle mit einer KI-gestützten Recherche zu finden?
---
### KI-Recherche
Wie üblich fangen wir mit einer einfachen Suchanfrage an, die wir nach und nach ausbauen werden.
```
research use cases for artificial intelligence for an ai development and consulting company
```
Am besten mit Perplexity recherchieren
![[Pasted image 20240903213743.png]]
oder dem ChatGPT extra Hinweis geben:
```
research use cases for artificial intelligence for an ai development and consulting company
conduct a detailed search using your browsing capability
```
Wie gut sind die Ergebnisse? Ich würde maximal ein 3 von 10 geben. Sehr generisch. Das Ergebnis von ChatGPT hat mit meinen Fragen sehr wenig zu tun.
![[Pasted image 20240903213807.png]]
Wir können das aber etwas verbessern. Wie?
Wir lassen die KI konkrete Beispiele und Fallstudien recherchieren - und spezifizieren besser den Gegenstand des Unternehmens.
Jedes Mal am besten in einem neuen Chat anfangen.
```
research use cases for artificial intelligence for an ai software development, process optimization, and consulting company
give examples, be very detailed, search for case studies, success stories, experience reports - at least 3 per point, supply sources for each
```
**Perplexity**
![[Pasted image 20240903214128.png]]
**ChatGPT**
![[Pasted image 20240903214144.png]]
Das ist schon viel besser, aber viele Anwendungsfälle wie Predictive Analytics oder Maintenance haben mit dem Hauptthema, also Sprachmodellen, wenig zu tun. Wir versuchen das noch zu verbessern.
```
research use cases for artificial intelligence for an ai software development, process optimization, and consulting company
give examples, be very detailed, search for case studies, success stories, experience reports - at least 3 per point, supply sources for each
focus on large language models and working with text data
```
Außerdem können wir größere Bereiche spezifizieren, wo Engpässe vorkommen.
```
research use cases for artificial intelligence for an ai software development, process optimization, and consulting company
give examples, be very detailed, search for case studies, success stories, experience reports - at least 3 per point, supply sources for each
focus on large language models and working with text data
concentrate on the use cases in the areas of
project customization of project documentation
screening, interviewing, evaluating the candidates for hiring
formalizing and expanding the sales process
accelerating code writing, application development and deployment
```
Dieser Prompt liefert gute Ergebnisse in [Perplexity](https://www.perplexity.ai/search/research-use-cases-for-artific-Tl_nwiKURzWEkW7730L7vQ) und [ChatGPT](https://chatgpt.com/share/2f55c677-3c6b-412c-887d-8296303c710e).
Und jetzt natürlich ist die Zeit für die Übung.
---
### Übung
1. Beispiel kurz sichten [[use cases - ai development and consulting]]
2. Diesen Prompt mit eigenem Wissen anreichern
1. Gegenstand des Unternehmens
2. Produkte und Dienstleistungen
3. Bekannte Engpässe
3. Bei Bedarf, Prompting-Techniken anwenden
1. Rollenspiel als Experte in unserer Branche oder Prozessoptimierungsspezialist
2. Denke Schritt für Schritt um die Suche für Perplexity zu schärfen
3. Output-Format der Recherche definieren (Überschriften, Bulletpoints zu Themen Mehrwert, Technologie, ... )
---
## Welche Anwendungsfälle finden Sie besonders spannend?
---
--end--