Mit welchen AI-Werkzeugen erzielen Unternehmen des deutschen Mittelstandes echten Mehrwert?
Wie müssen sie integriert und eingesetzt werden? Tatsächlich kann die AI mittlerweile mehr, als ihr gemeinhin zugetraut wird.
Die künstliche Intelligenz (Artificial Intelligence, AI) ist in aller Munde, ihre Fähigkeiten verblüffen. Der deutsche Mittelstand ist aber nicht so schnell zu überzeugen – kann die neue Technologie wirklich gewinnbringend eingesetzt werden – und wenn ja, wie?
Schnelle Integration, klare Prognosen und automatisierte Umsetzung
Grundsätzlich offeriert ein AI-System die Erkennung, Diagnose und Prognose auf Basis unternehmensspezifischer Daten. Sie kann Unternehmen zudem konkrete Handlungsempfehlungen geben, die dann zusätzlich automatisiert umgesetzt werden können. Mittelständler aber anwendbar zu sein, müssen sich AI-Systeme schnell ins Unternehmensnetzwerk integrieren lassen. Ein Bezug aus der Cloud ist hier von Vorteil, muss dafür doch vom Anwender keinerlei Software eingespielt werden.
Ein AI-System, heutzutage gerne „Plattform“ genannt, sollte zudem eine Vielzahl an potentiell sofort einsetzbaren AI-Anwendungen für Einkauf und Produktion, aber auch After-Sales bis hin zum Service vorhalten, mit denen Unternehmen schnell, einfach und clever ihre Ziele erreichen können. Erweisen sich die AI Business Apps als segensreich für die unternehmerische Wertschöpfung, wird der weitere Ausbau der AI-Ressourcen bald folgen.
„Entscheidend hierfür ist, dass Unternehmen beim Einsatz von AI von der vorherrschenden Gießkannenmentalität wegkommen und endlich durch den zielgerichteten Einsatz schnelle und spürbare Mehrwerte in der Praxis erzielen“,
berichtet Christoph Kull, President Business Applications bei Proalpha, aus der Praxis.
„Das gelingt, wenn AI schrittweise mit sofort einsetzbaren Anwendungen, den AI Apps, implementiert wird – Prozess für Prozess und Geschäftsbereich für Geschäftsbereich.“
Konkretes Beispiel:
Als Beispiel für den Einsatz einer AI-Anwendung sei eine Helpdesk-Lösung genannt, wie sie etwa Talkdesk anbietet. Sie unterstützt Kundenbetreuer und Call-Center-Agenten auf umfassende Weise bei der kompletten Interaktion mit dem Kunden sowie der Nachbearbeitung des Kontakts. Dafür entlastet die Lösung von zeitraubenden Routinetätigkeiten und unterstützt in Echtzeit mit relevanten Informationen, um die Qualität der Interaktion zu optimieren.
Und das geht so:
Geht eine Kundenanfrage über einen Kontaktkanal beim Unternehmen ein, analysiert die AI das Anliegen des oder der Kund*in und leitet diesen automatisch an einen passenden Kundenbetreuer weiter, für den das notwendige Kompetenzfeld im System hinterlegt ist, etwa Rechnungswesen oder Reklamationen. Mündliche Konversation wird dazu in Echtzeit transkribiert. Durch seine umfassenden Integrationen und Schnittstellen bringt die Anwendung alle für die Kundenbetreuung relevanten Systeme und Wissensdatenbanken zusammen und zeigt dem Agenten auf dieser Basis automatisiert die benötigten Informationen an: von den Stammdaten des Anrufers aus dem CRM-System über den Bestellstatus aus der ERP-Lösung bis hin zu offenen Tickets aus dem Service. Eine manuelle und zeitaufwendige Recherche in den separaten Systemen während des Kontakts ist nicht mehr erforderlich.
Auch während des Gesprächs wird die Qualität des Kontakts durch umfassende AI-Unterstützung erhöht. Sie analysiert sowohl Inhalte als auch die Stimmungslage des Kunden und unterstützt den Agenten auf dieser Basis mit hilfreichen Vorschlägen und Inhalten: So kennt die AI die Best Practices und üblichen Vorgehensweisen des Unternehmens bei bestimmten Problemen und ist so in der Lage, den Agenten aktiv situationsbedingt zu unterstützen, etwa durch den Hinweis, dass im aktuellen Fall ein Rabatt angeboten werden kann.
Effizienzsteigerung durch Automatisierung und intelligente Unterstützung
Auch Prozessabläufe können auf diese Weise unterstützt werden: Ist beispielsweise die Umbuchung eines Flugs erforderlich, erhält der Agent automatisch die jeweilige Instruktion, welche Schritte im System hierfür erforderlich sind. Bei einer Rückfrage zum Lieferstatus kann die AI etwa mit einer Information weiterhelfen, dass aufgrund einer Wetterlage derzeit alle Lieferungen verspätet sind. Und schließlich entlastet das System Agenten von zeitraubender Routine und sorgt so für schnellere und effizientere Service-Prozesse: Standardanfragen, die keine menschliche Interaktion erfordern, etwa eine Auskunft zum aktuellen Bestellstatus, können auf Wunsch gänzlich mithilfe eines AI-Bots übernommen werden. In einer Konversation per Telefon, WhatsApp, SMS, E-Mail oder Chat formuliert die AI auf Basis des Gesprächsverlaufs fundierte Antwortvorschläge, die mit nur einem Klick unmittelbar verwendet werden können.
Zuletzt übernimmt die AI auch die zeitraubende Zusammenfassung des Gesprächs durch den Agenten zur Dokumentation im Nachgang, sodass unmittelbar freie Kapazitäten zur Betreuung der nächsten Kundenanfrage bestehen.
Weitere Schritte
- Eine Industrial AI Plattform, die solche AI-Anwendungen bereitstellt, sollte einen „holistischen Ansatz“ verfolgen, der sich sowohl bottom-up als auch top-down bewegt. Die Erfahrungswerte der Fachabteilungen in Sachen AI müssen direkt an die Konzernleitung weitervermittelt werden, damit diese die weiteren, strategischen Weichen stellen kann.
- Unternehmen sind so beispielsweise in der Lage, ihre Lagerbestände durch bessere Verbrauchsprognosen, Dispositionsparameter und Wiederbeschaffungszeiten sowie ihre Produktion durch verkürzte Durchlauf- und Liegezeiten zu optimieren. So wird durch effektivere Lieferprozesse die Liefertreue von Partner*innen erhöht.
- Die Basis für eine solche Plattform stellt die AI-gesteuerte Stammdatenoptimierung dar, eine Muster- und Fehlersuche, die mit durchgängigen Datenqualitätsmanagement und Datenmigrationen nach Plan gekoppelt wird. Im Falle des Kundendienstes führt dies beispielsweise zu schnelleren, professionelleren und weitgehend individualisierten Antworten.
- Analysten rechnen mit Produktivitätsgewinne von 30 bis 40 Prozent in wissensintensiven Prozessen, sobald die AI sowohl strukturierte als auch unstrukturierte Daten aus unterschiedlichsten Quellen wie Handbüchern, Dokumentationen, E-Mail-Verteilern oder Teams-Gruppen verarbeiten kann.