Mitarbeitende sind täglich einer großen Menge an textlichem und sprachlichem Material ausgesetzt – von Bestellungen, über Gutachten, Kundenanfragen, Rechnungen, Reklamationen und Schadensmeldungen bis hin zu technischen Dokumenten. Und das meist unstrukturiert und in den verschiedensten Formaten. Es ist nicht verwunderlich, wenn hier schnell der Überblick verloren geht und manuelle Prozesse viel Zeit in Anspruch nehmen.
Wie schön wäre es, all die eingehenden Informationen digital aufzuarbeiten und wichtige Details automatisiert herauszufiltern? Intelligente Sprach- und Textanalyse macht das möglich. Mit Natural Language Processing (NLP) entlasten Unternehmen nicht nur ihre Belegschaft, sondern entwickeln zeitgleich ein besseres Verständnis für die Bedürfnisse der Kundschaft. Wir zeigen, wie der Kundenservice mit dem Einsatz künstlicher Intelligenz (KI) revolutioniert werden kann und wie nebenbei auch noch Marketing und Vertrieb neuen Fahrtwind bekommen.
Was ist NLP? – Definition Natural Language Processing
Natural Language Processing lässt sich mit „Verarbeitung natürlicher Sprache“ aus dem Englischen übersetzen und entstammt ursprünglich den Fachbereichen Linguistik und Informatik. Im Fokus von NLP steht die Interaktion zwischen Maschinen bzw. Computern und der menschlichen Sprache. Wörter, Sätze und Texte sollen anhand bestimmter Regeln und Algorithmen erfasst und computerbasiert analysiert, verarbeitet sowie dargestellt werden.
Eine wichtige Rolle spielen dabei diverse Arten von Künstlicher Intelligenz in Form von „Machine Learning“ (maschinelles Lernen), „Supervised Machine Learning“ (überwachtes maschinelles Lernen) und „Unsupervised Machine Learning“ (unüberwachtes maschinelles Lernen). Neuere Natural Language Processing-Ansätze umfassen sogar die Kennzeichnung (engl. labeling) und Generierung von Texten.
Wer braucht Natural Language Processing im Unternehmen?
Natural Language Processing ist vielseitig einsetzbar und macht daher in nahezu jedem wirtschaftlichen Unternehmen Sinn. Überall, wo Interaktionen mit Interessierten, Kund*innen oder Partner-Unternehmen bestehen, kann automatisierte Sprachverarbeitung zum Einsatz kommen. Vor allem Firmen, die Waren zum Versand anbieten, Aufträge, Bestellprozesse und Retouren koordinieren müssen, profitieren von Natural Language Processing.
Mit NLP lassen sich sowohl rein sprachliche, also akustische Daten (beispielsweise aus einen Service-Call), als auch Text-Daten sowie bildliche Daten verarbeiten.
Abteilungen, für die eine Nutzung von Natural Language Processing Sinn macht, sind unter anderem:
- Marketing (mehr erfahren zu KI im Marketing)
- Vertrieb (mehr erfahren zu KI im Vertrieb)
- Service
- Personalwesen/ Personalentwicklung
- Coaching/ Training
Wer unsicher ist, ob computerbasierte Sprachverarbeitung die richtige Wahl fürs Unternehmen ist, orientiert sich am besten an der folgenden Checkliste:
- Werden bestimmte, kommunikationsbasierte Arbeitsprozess sehr häufig durchgeführt?
- Erfolgt die Prozessabarbeitung nach einem definierten Regelwerk?
- Sind die Prozesse wenig komplex?
- Sind die zu bedienenden IT-Systeme und Prozesse stabil?
Wurden die einzelnen Fragen zum Großteil mit „Ja“ beantwortet, ist der Einsatz von NLP in Bezug auf diese Arbeitsschritte durchaus sinnvoll.
Warum sollte Natural Language Processing angewendet werden?
Die Gründe für die Anwendung automatisierter Sprachverarbeitung sind vielseitig. Zunächst einmal führt die zunehmende Digitalisierung zu erhöhter Anzahl von Textdaten. Eine Textanalyse von Wörtern und Sätzen beispielsweise hilft, die Informationen in Texten zu nutzen, um Unternehmensprozesse zu verbessern. Künstliche Intelligenz (KI) unterstützt dabei, Daten auf eine neue Art und Weise wahrzunehmen und zu erforschen.
Natural Language Processing führt also zu einem besseren Verständnis von Kund*innen, was eine Optimierung der Customer Journey ermöglicht. Unternehmen können durch das erlangte Verständnis viel besser auf die Heraus- und Anforderungen ihrer Interessent*innen eingehen und entsprechende Schritte anpassen.
Auch Business Analytics lassen sich dank NLP vereinfachen, beispielsweise in der Erstellung von Dashboards, Statistiken und vielem mehr.
Welche Vorteile bietet Natural Language Processing Kommunikation und wer profitiert davon?
Natural Language Processing bietet bei idealer Nutzung eine Vielzahl an Vorzügen:
- Zentrale Verwendbarkeit für alle Anwendungsfälle aus dem gesamten Unternehmen (nicht nur für einzelne Systeme)
- Verbesserte Verbindung zwischen Kundschaft und Mitarbeitenden
- NLP Services sind verlässlich und wiederverwendbar
- Flexibilität zugunsten technologischer Unabhängigkeit
- Standardisierung für Entwicklung neuer Funktionen & den Transfer existierender Komponenten in andere Unternehmensteile
- Skalierbar für weniger Infrastrukturaufbau und kürzere Implementierungszeiten
Von diesen Vorteilen profitieren zum einen die Beschäftigten verschiedener Abteilungen:
- Kundenservice/ Call Center
- Sales/ CRM & E-Commerce
- Marketing/ Business Analytics
- Financing/ Controlling/ E-Procurement
- Consulting
- Datenschutz
Zum anderen ziehen auch die Kund*innen einen entscheidenden Vorteil aus der Sprachverarbeitung mittels künstlicher Intelligenz, da Unternehmen dadurch ein besseres Verständnis und optimierte sowie schnellere Prozesse entwickeln.
Was bedeutet die Einführung von Natural Language Processing für Geschäftsprozesse in Unternehmen?
Da NLP system- und bereichsübergreifend funktioniert, werden mit der Einführung meist mehrere Geschäftsprozesse angepasst. Der Einsatz von KI minimiert dabei manuelle bzw. menschliche Fehler innerhalb der Prozesse. Die Analyse von Inhalten ermöglicht ein besseres Verständnis der Abläufe und deckt damit neue Optimierungsmöglichkeiten auf.
Geschäftsprozesse werden durch Natural Language Processing also deutlich zeit- und ressourcensparender und damit effizienter.
Natural Language Processing Techniken & erfolgreiche Umsetzung – Prozessautomatisierung durch intelligente Dokumentverarbeitung
Das übergeordnete Verfahren der Prozessautomatisierung durch intelligente Dokumentverarbeitung ist die sogenannte „Enterprise Process Automation“ (EPA). Hierbei werden zunächst verschiedene Schritte durch eine untergeordnete „Robotic Process Automation“ (RPA) automatisiert. Darunter fallen u.a.:
- Das Einlesen des Dokumentes
- Die Strukturerkennung
- Die Extraktion von Fachdaten
Die übergreifende EPA sorgt anschließend für eine Übertragung in die entsprechenden Unternehmensanwendungen.
Die nachfolgenden Beispiele veranschaulichen, wie mittels Text- und Bildverarbeitung Daten extrahiert, erkannt und abgeglichen werden können.
Beispiel: Textverarbeitung – Datenextraktion aus Bestellungen
Um mittels automatisierter Textverarbeitung eine Extraktion von Daten aus einer Bestellung vorzunehmen, wird zunächst die Struktur untersucht, um das Dokument interpretieren zu können. Diese Struktur wird mittels OCR (automatisierte Texterkennung) zu Text umgewandelt und anschließend klassifiziert sowie zugeordnet. Schließlich folgen die Strukturerkennung und Extrahierung der Daten.
Die folgenden Schritte verdeutlichen, wie es mittels NLP möglich ist, aus Bestelldokumenten Inhaltsbereiche zu erkennen und Daten auszulesen:
Mit Natural Language Processing Inhaltsbereiche erkennen und segmentieren
- Layout analysieren: Bestellungen gehen in beliebigen Formaten ein wie als E-Mail oder als strukturiertes Dokument. Es werden Felder erkannt wie Währungsbeträge, Datumsfelder, Adressen, Bestellnummern, Stückzahlen, etc.
- Zusammenhängende Entitäten gruppieren: Die Bestelldokumente werden nach Elementen durchsucht, die zueinander gehören wie beispielsweise Bestellnummer und Stückzahl.
- Datenfelder semantisch interpretieren: Auch die Bedeutung der Datenfelder wird erfasst, wofür weiterführendes Textverständnis und ggf. sogar Fachwissen notwendig ist. Hierbei wird nach Schlüsselwörtern gesucht wie „Kinderpullover Vanessa“ und der inhaltlich zusammenhängende Kontext nach Ergebnissen in unmittelbarer Nähe durchsucht wie z.B. „grün“ und „Größe 80“.
- Mehrdeutigkeiten auflösen: Die menschliche Sprache beinhaltet Mehrdeutigkeiten, die ein streng regelbasiertes Interpretieren nicht auflösen könnte. Daher verfolgt NPL das Ziel, auf Basis von Wahrscheinlichkeiten oder unter Berücksichtigung des Kontexts die Lösung zu erarbeiten. Beispielsweise „Rock“ – hier kann die Musikrichtung oder das Kleidungsstück gemeint sein. Aus dem Zusammenhang „Ich bestelle die Jacke mit Rock-Motiv in blau“ kann die Mehrdeutigkeit aufgelöst werden.
- Daten auslesen: Bestellungsspezifische Daten werden markiert und ausgelesen.
Beispiel: Textverarbeitung/ Abgleich – Vertragsprüfung
Automatisierte Textverarbeitung kann auch in den Teilbereichen Datenabgleich und Vertragsprüfung genutzt werden. So lassen sich etwa einzelne Vereinbarungen mit den allgemeinen Geschäftsbedingungen des Unternehmens hinsichtlich der Hauptmerkmale, Vertragsstrafen, Fristen und Zeiträumen abgleichen.
Beispiel: Bildverarbeitung – Stempelerkennung
Auch im Bereich der Bildverarbeitung ist der Einsatz von NLP sinnvoll. Das Beispiel: ein Stempel, der verkehrtherum eingelesen wurde und daher schwer zu interpretieren ist. Mittels KI ist es möglich, die Rotation zu erkennen, den Stempel und das Datum zu segmentieren und das Datum schließlich per Optical Character Recognition (OCR) auszulesen.
Welchen konkreten Nutzen hat mein Unternehmen von der Einführung von NLP?
Die Einführung automatisierter Sprachverarbeitung bzw. von KI-Textanalyse bringt Unternehmen Vorteile in verschiedenen Bereichen. Im Folgenden wird dargestellt, wie NLP die Bereiche Service, Marketing und Sales nach vorne bringt:
1. Service – Analyse von Telefonaten & E-Mails
Natural Language Processing ermöglicht sowohl in der mündlichen, als auch in der schriftlichen Kommunikation, Daten aus dem Kundenservice auszuwerten. So können entweder Sprachtranskripte von Kundentelefonaten oder aber schriftlicher Mailverkehr analysiert werden.
Im Weiteren soll der Einsatz von NLP in Bezug auf Mailanfragen fokussiert werden. Dabei ergeben sich die folgenden Möglichkeiten: Zunächst einmal lassen sich durch automatisierte Prozesse ggf. unvollständig angegebene Namen vervollständigen und Kontakte identifizieren – beispielsweise durch das Auslesen von Dateianhängen. Auch abseits der Norm eingefügte Telefonnummern können nach ITU-T E.164 normalisiert werden. Ebenso ist es möglich, Stimmungsanalysen für Case-Priorisierungen durchzuführen.
Diese Stimmungsanalyse umfasst vor allem:
- Analyse des Textes und Bewertung des Eskalationspotentials einer Anfrage
- Nutzung einer auf Serviceanfragen angepassten Sentimentanalyse (der Analyse der Stimmungslage)
- Automatische Anonymisierung und Speicherung der Texte, um später ggf. darauf zurückgreifen zu können
Unser Beitrag zum „Kundenservice von Morgen“ zeigt Ihnen, wie digital gerüstete Kundenservice-Abteilungen einen hohen Mehrwert auf allen Seiten bieten.
2. Marketing – Besuchsberichte erfassen & Marketingreaktionen automatisieren
Im Marketing bietet Natural Language Processing beispielsweise die Möglichkeit, Besuchsberichte automatisiert zu interpretieren. Etwa, wenn sich auf einer Messe interessierte Gäste in eine Newsletter-Liste eingetragen haben. Diese Daten werden mittels digitaler Textanalyse automatisiert ins Contact Center übertragen, um den Marketingprozess voranzutreiben.
Ebenso ist es möglich, Marketingreaktionen durch eine gezielte Verbindung mit dem Kundenservice zu automatisieren. Dies funktioniert, indem mittels einer Analyse von E-Mails oder Telefonaten mit Interessierten eine Kaufintention erkannt und die betreffende Person direkt an das Marketingteam weitervermittelt werden kann.
➥ Mehr zu KI im Marketing
3. Sales – Erkennung von Stammdateninhalten & Datenextraktion
Im Sales hilft NLP, verschiedene Stammdateninhalte zu erfassen, zu kategorisieren und zu interpretieren. So lässt sich beispielsweise überblicken, wie viele Dokumente als Adress- oder E-Mail-Änderungen erkannt werden konnten. Es besteht ebenfalls die Option, für häufige Attribute Datenextraktionen und Klassifikationen durchzuführen.
Wo wird Natural Language Processing bereits erfolgreich eingesetzt? – Business Use Case
LESER Safety Valve, der größte Hersteller für Sicherheitsventile in Europa und Global Player, konnte mit dem Einsatz digitaler Sprach- und Textanalyse bereits erfolgreich Unternehmensprozesse optimieren.
Die Ausgangssituation: Individuelle Bestellungen für Sicherheitsventile (Einzelanfertigungen) gingen in den unterschiedlichsten Formaten im Auftragsmanagement ein. Die Übertragung der produktionsrelevanten Auftragsdaten erfolgte händisch durch Menschen in den Produktkonfigurator des SAP ERP-Systems. Ein aufwendiger und fehleranfälliger Prozess mit erhöhtem Optimierungsbedarf.
Ziel des Projektes war es demnach, eine fehlerfreie und sofortige Erfassung von Kundenaufträgen unter Nutzung von KI-Technologie zu erreichen. Mithilfe von KI-Textanalyse mittels der Textanalyseplattform Semasuite® wurde eine deutlich schnellere Bestätigung des Auftrags an den Kunden erfolgreich umgesetzt.
„Durch den Einsatz der Semasuite® Textanalyseplattform der Telekom MMS sparen wir Kosten und Aufwand für eine interne Softwareentwicklung und können nun trotzdem eine individuelle, auf unseren Bestellprozess optimal angepasste, Lösung einsetzen. Die Entscheidung für die Semasuite® Lösung fiel uns leicht, da wir durch einen hohen Vorfertigungsgrad und standardisierte Semasuite® Komponenten von Beginn an ein sehr geringes Implementierungsrisiko und damit die notwendige Kostentransparenz hatten.“
Volker Kapune, Leiter IT, LESER GmbH & Co. KG
Erfahren Sie anhand von drei Use Cases, wie KI die Customer Experience revolutioniert:
Welche Voraussetzungen müssen erfüllt sein, um Natural Language Processing im Service einzuführen?
Um den Service mit NLP zu revolutionieren, bedarf es einer umfassenden Vorbereitung. Zunächst ist es wichtig, für das Einführungs-Projekt einen Business Case zu erstellen, in welchem die Implementierung aus strategischer und betriebswirtschaftlicher Sicht beurteilt wird. Man verschafft sich einen vollständigen Überblick über den kompletten Business-Prozess und gibt das Verständnis dafür an alle Prozess-Beteiligten weiter. Wichtig ist, dass saubere Trainingsdaten vorliegen und Datenschutzbeauftragte und Betriebsräte frühzeitig in das Vorhaben einbezogen werden.
Voraussetzungen im Überblick:
- Business Case muss vorhanden sein
- Kenntnis über und Verständnis des kompletten Business-Prozesses
- Saubere Trainingsdaten
- Einbindung von Datenschutzbeauftragten und Betriebsräten
Wie wird Natural Language Processing eingeführt – Welche Schritte sind notwendig?
Unter verschiedenen NLP Methoden zur Einführung die richtige Herangehensweise zu finden, kann eine Herausforderung sein. Um die Eingliederung von automatisierter Sprach- und Textverarbeitung in ein Unternehmen zu erleichtern, haben wir eine Schritt-für-Schritt-Anleitung zusammengestellt.
An Bedeutung gewinnen hierbei eine konkrete Aufgaben-Definition und eine umfangreiche Testauswertung nach der eigentlichen Verarbeitung.
Schritt 1 |
Definition der konkreten Aufgaben (in gemeinsamer Arbeit aller Beteiligten) |
Schritt 2 | Vorbereitung der Trainingsdaten |
Schritt 3 | Verarbeitung der Textdaten |
Schritt 4 | Konfiguration der Datenextraktion |
Schritt 5 | Daten-Training und -Prozessierung |
Schritt 6 | Test-Auswertung |
Was muss ich beachten? Welche Herausforderungen und Stolperfallen gibt es?
Um digitale Sprach- und Textanalyse (wie z. B. KI-Textanalyse) in einem Unternehmen zu implementieren, sollten die folgenden Herausforderungen und Stolperfallen überprüft werden:
- Ist der Business Case eindeutig identifiziert?
- Sind umfassende Kenntnisse über den Business-Prozess vorhanden und dokumentiert?
- Liegen bereinigte Trainingsdaten vor?
- Ist die rechtzeitige Einbindung von Datenschutzbeauftragten und Betriebsräten sichergestellt?
- Werden die Vorgaben zur Speicherung von Kundendaten/ Dialogen eingehalten?
- Werden Daten rechtzeitig anonymisiert oder pseudonymisiert
Es ist von besonderer Relevanz dass, sobald ein Case geschlossen ist, vordefinierte Löschfristen eingehalten werden. Diese richten sich nach der Art der Daten. Personenbezogene Daten in natürlichsprachlichem Textmaterial müssen rechtzeitig anonymisiert sowie pseudonymisiert werden. Dies gewährleistet den Datenschutz bei einer Erhaltung der Lesbarkeit.
Unsere Tipps für die Natural Language Processing-Einführung:
- Anwendungsfall für Anwendungsfall lösen – nachfolgende Fälle sind nicht automatisch gelöst, wenn sich auch der Prozess von Fall zu Fall vereinfacht
- 80:20-Regel – höchste Priorität für wiederkehrende Fälle bzw. für die Fälle mit dem höchsten Volumen
- Trainingsdaten: etwa 100 Texte und auch die zu extrahierenden Daten verwenden
- Benchmark mehrerer Anbieter vorbereiten
- Benchmark nahe an den Realdaten
- Immer Testdaten zurückhalten
- Benchmark so gestalten, dass das Ergebnis über alle Anbieter ausgewertet werden kann
Fazit: Mit Natural Language Processing Service, Marketing und weitere Unternehmensbereiche voranbringen
Das erfolgreiche Beispiel von LESER Safety Valve zeigt, wie NLP Unternehmensprozesse revolutionieren kann. Wenn Sie die Einführung automatisierter Sprach- und Textverarbeitung durchdacht angehen, alle nötigen Vorbereitungen treffen und Stolpersteine umgehen, können Sie Abläufe in den verschiedensten Bereich effizienter gestalten und somit Zeit und Geld sparen. Bieten Sie Ihren Kunden schon heute den Service von morgen – für eine langfristige Bindung und ein neu definiertes Vertrauensverhältnis.
Ihr Interesse ist geweckt? Dann erfahren Sie mehr zu unseren konkreten Leistungen und zur Methodik von „Natural Language Processing“:
Wir sind Digitalisierungs-Experten aus Leidenschaft und vermitteln in unserem Blog einen Einblick in aktuelle Trends und Themen rund um Digitalisierung, neue Technologien und die Telekom MMS.