... newer stories
Freitag, 10. Mai 2019
Kuenstliche Intelligenz (III) Annäherung durch die Methode des Process Mining
kuehnesmallworld, 12:48h
Darin folgend der Darstellung der Lana Labs GmbH, Berlin .www.lana-labs.com (Blog)
Aber wie geht das? Wie kommen HW, SW und Systeme zusammen? Als Treiber fungiert das Process Mining. Process Mining hat als Methode zunächst einmal nichts mit K.I. zu tun, ist aber trotzdem eine disruptive digitale Innovation. P. M. fördert den Rohstoff der K.I. zu Tage:
Die durch Process Mining protokollierten Ereignisse, sogenannte Event-Logs, beinhalten neben der Aktivität selbst neben einem oder zwei Zeitstempel, eine eindeutige Identifikationsnummer (Case ID) und zugehörige Öl Attribute. Mit diesen Informationen kann der Prozess statistisch (überhaupt erst, JPK) analysiert werden. Und genau das bewerkstelligt Process Mining.
Noch interessanter sei jedoch die Frage: Warum? Wo liegt die Problemursache? Um dies präzise zu beantworten, habe z.B. Lana Labs einen komplexen Machine-Learning-Algorithmus entwickelt (das dürfte nicht der einzige Algorithmus sein, JPK). Der Algorithmus analysiert die Prozessdaten nach Mustern und Gesetzmäßigkeiten und identifiziert die wahrscheinlichsten Problem-Ursachen (abweichend/nicht abweichend; signifikante /nicht sign. Regeln).
Was aber, wenn man einen Bereich betrachtet, der per Definition auf den Menschen als Kernfaktor abzielt? Welche Möglichkeiten bietet Process Mining in HR-Abteilungen, im Recruiting, im Personalmanagement?
Process Mining greift auch bei Personal: Reporting, Dashboards, Datenvisualisierung machen die Prozesse schnell, effizient und transparent. “Die unnötige Verschwendung im Bereich Arbeitsaufwand zu reduzieren, sehe ich als Kernthema”, so Starke. “Die Minimierung dieses Ressourcenverbrauchs kann zum Beispiel durch Automatisierung oder Machine Learning erreicht werden.
JPK: Also das bekannte Lied von Effizienz und Optimierung. Die richtige Methode bei Personal? Zeitfaktor und Individualität bleiben ausser Acht.
Die Autoren bemerken es selbst: “Im Produktionsbereich gibt es Maschinen, die haben die Daten – oder eben nicht. Im HR-Bereich ist das häufig nicht ganz so eindeutig …“
Die Autoren haben auch die Lösung: Menschen- und Datenkenntnis. Mehr Problem als Lösung?
Mit Process Mining würden die notwendigen prozessualen Informationen bereitgestellt, die agiles Verhalten pushen und ermöglichen. JPK: Keine Lösung also sondern: back to the roots:
Process Mining unterstütze Unternehmen in jedem Schritt der Digitalen Transformation. Die drei (nicht ganz neuen) wichtigsten Fragen der digitalen Business Transformation seien:
1. Wo stehen wir? 2. Wo wollen wir hin? 3. Wie ist die Umsetzung?
Beantworten soll das E-TOM, eine Weiterentwicklung von ITIL für IT-Firmen. Unbeantwortet bleiben allerdings, so die Autoren, Fragen, wie die zur
NACHHALTIGKEIT: Es ist oft einfacher gesagt als getan, mit der eigenen Arbeit wirkliche soziale nachhaltige Veränderungen zu bewirken. Das gilt insbesondere für junge Start-ups, die in hochabstrakten Bereichen wie der Datenanalyse arbeiten, die weit von den Herausforderungen des Umweltschutzes entfernt scheinen. … Gibt es eine Möglichkeit, unseren Fokus auf Process Mining relativ problemlos mit Themen der sozialen und ökologischen Verantwortung zu verbinden? Die Antwort: Nein. Und ja
Meine Antwort: Digitalisierung plus Personaleinsparung machen noch keine nachhaltige Firma. Dagegen verlegen sich die Autoren auf einen Ausweg. Danach sollte nicht oberste Priorität sein, ob Nachhaltigkeit und positives Handeln zum etablierten Unternehmensimage passen oder nicht. Bei Unternehmen …. mit einem sehr abstrakten, datenzentrierten Profil mag diese Frage sogar unmöglich zu beantworten scheinen. Wie in so vielen anderen Bereichen des Geschäftslebens sei es erstmal wichtig, Ergebnisse zu liefern. Handeln, und handlungsfähig zu sein.
Etwas schlechtes Gewissen bleibt: Nachhaltig, umweltbewusst zu sein, das machen wir nicht nur aus Spaß. Unsere Software … hat den ausdrücklichen Zweck, Unternehmen zu unterstützen, ihre Geschäftsaktivitäten effizienter und nachhaltiger zu machen z.B. via Ressourceneffizienz und Abfallreduzierung. JPK: Effizienz und Nachhaltigkeit also wieder.
Ziele, die Lana durch Sponsoring von Magel-lan(a)-Pinguinen eher bescheiden und etwas komisch umsetzt.
Es folgen (noch offene) Fragen zum DATA SCIENCE: Die Datenwissenschaft hat sich als die Hauptdisziplin entwickelt…. Hältst du den Hype um Data Science für berechtigt? Fragt man sich durchaus kritisch. Und weiter: Vielleicht ist die bessere Frage, ob der Hype um die Künstliche Intelligenz berechtigt ist. JPK: Auch das ist durchaus berechtigt kritisch. Aber weiter: Es gab einige unglaubliche Fortschritte … und es sieht nicht so aus, als würde das Innovationstempo nachlassen. Machine Learning wird überall sein, und ich glaube, dass wir noch nicht vollständig verstanden haben, was das für Unternehmen, für die Arbeitnehmer und für die Gesellschaft im Allgemeinen bedeutet. Ich habe das Gefühl, dass zu viel Aufmerksamkeit auf das Versprechen der allgemeinen KI (Maschinen, die wie Menschen denken) und nicht genug auf die wirklichen Probleme gerichtet ist. JPK: Richtig! Dann wird’s leider wieder schwammig: Die Ergebnisse reichen von verbesserter Transparenz und Konformität über Automatisierung und Vorhersage bis hin zum Übergang zur vollständig digitalen Organisation.
JPK: Die Schritte sind nicht klar, wie dann die Organisation?
Zur Veranschaulichung der Umsetzung ein Blick auf den Lana Blog-Beitrag von Jonny am 28.01.19 zum Verhältnis von K.i. und Wort (d.i. Spracherkennung, JPK):
„Was die Künstliche Intelligenz ermöglicht, ist, dass wir nicht jedes denkbare Frage-Antwort-Paar in die Maschine einprogrammieren müssen. Stattdessen füttern wir sie mit Regeln und Befehlen, um jede Art von Frage mit einer angemessenen Antwort zu verbinden. Ein Algorithmus liest Ihre Eingaben und übersetzt sie in Informationen, die das System versteht. Bestimmte Auslöser – wiederum von Entwicklern definiert – fordern dann einen bestimmten Output. Diese Trigger können … verschiedensten Formen annehmen, von Text über Bilder bis zum gesprochenen Wort – K.I. unternimmt hier eine erstaunliche Übersetzungsleistung.
Im Kern ermöglicht die Künstliche Intelligenz Systemen die Ausführung von Befehlen, die aufgrund der schieren Menge an Code, die benötigt wird, um jeglichen Kontext abzudecken, sonst vom Menschen nicht vorprogrammiert werden könnten. Die Mustererkennung ist ein sehr wertvolles Werkzeug, da sie präzise Verbindungen zwischen mehreren komplexen Inputs und dem idealen Output ermöglicht. Stellen Sie sich K.I. nicht als die denkende und fühlende Puppe Pinocchio vor, sondern als normale Holzpuppe – mit unendlich vielen Gliedmaßen.“
2 Beispiele:
Data Scientists transformieren Daten zu betriebswirtschaftlichen Informationen. Sie sind in der Lage, vergangene Geschäftsvorfälle und -prozesse zu analysieren und zu erklären. Anhand von historischen Daten können sie präzise Prognosen erstellen.
Energiebranche: … Aktuell haben Billiganbieter im Strom- und Gasmarkt die Preisführerschaft, die einen schnellen Ausbau ihrer Kundenbasis verfolgen und oftmals über Boni und ähnliche Nachlässe die Ranglisten von Maklerplattformen (wie Verivox oder Check24) anführen, … und zwar durch Process-Mining, das die Akquisition begünstigt.
Fazit: Auch diese Beispiele sind eher mit Wasser gekocht.
Prognosen sollen intelligent werden und in der Energie-Branche soll man schneller an neue Kunden kommen können. Immerhin: Welche Rolle Sprache spielt, das wird schon deutlicher.
Es stellt sich die Aufgabe, einen neuen Lernbegriff zu entwickeln, der maschinelles Lernen von menschlichem Lernen absetzt.
Aber wie geht das? Wie kommen HW, SW und Systeme zusammen? Als Treiber fungiert das Process Mining. Process Mining hat als Methode zunächst einmal nichts mit K.I. zu tun, ist aber trotzdem eine disruptive digitale Innovation. P. M. fördert den Rohstoff der K.I. zu Tage:
Die durch Process Mining protokollierten Ereignisse, sogenannte Event-Logs, beinhalten neben der Aktivität selbst neben einem oder zwei Zeitstempel, eine eindeutige Identifikationsnummer (Case ID) und zugehörige Öl Attribute. Mit diesen Informationen kann der Prozess statistisch (überhaupt erst, JPK) analysiert werden. Und genau das bewerkstelligt Process Mining.
Noch interessanter sei jedoch die Frage: Warum? Wo liegt die Problemursache? Um dies präzise zu beantworten, habe z.B. Lana Labs einen komplexen Machine-Learning-Algorithmus entwickelt (das dürfte nicht der einzige Algorithmus sein, JPK). Der Algorithmus analysiert die Prozessdaten nach Mustern und Gesetzmäßigkeiten und identifiziert die wahrscheinlichsten Problem-Ursachen (abweichend/nicht abweichend; signifikante /nicht sign. Regeln).
Was aber, wenn man einen Bereich betrachtet, der per Definition auf den Menschen als Kernfaktor abzielt? Welche Möglichkeiten bietet Process Mining in HR-Abteilungen, im Recruiting, im Personalmanagement?
Process Mining greift auch bei Personal: Reporting, Dashboards, Datenvisualisierung machen die Prozesse schnell, effizient und transparent. “Die unnötige Verschwendung im Bereich Arbeitsaufwand zu reduzieren, sehe ich als Kernthema”, so Starke. “Die Minimierung dieses Ressourcenverbrauchs kann zum Beispiel durch Automatisierung oder Machine Learning erreicht werden.
JPK: Also das bekannte Lied von Effizienz und Optimierung. Die richtige Methode bei Personal? Zeitfaktor und Individualität bleiben ausser Acht.
Die Autoren bemerken es selbst: “Im Produktionsbereich gibt es Maschinen, die haben die Daten – oder eben nicht. Im HR-Bereich ist das häufig nicht ganz so eindeutig …“
Die Autoren haben auch die Lösung: Menschen- und Datenkenntnis. Mehr Problem als Lösung?
Mit Process Mining würden die notwendigen prozessualen Informationen bereitgestellt, die agiles Verhalten pushen und ermöglichen. JPK: Keine Lösung also sondern: back to the roots:
Process Mining unterstütze Unternehmen in jedem Schritt der Digitalen Transformation. Die drei (nicht ganz neuen) wichtigsten Fragen der digitalen Business Transformation seien:
1. Wo stehen wir? 2. Wo wollen wir hin? 3. Wie ist die Umsetzung?
Beantworten soll das E-TOM, eine Weiterentwicklung von ITIL für IT-Firmen. Unbeantwortet bleiben allerdings, so die Autoren, Fragen, wie die zur
NACHHALTIGKEIT: Es ist oft einfacher gesagt als getan, mit der eigenen Arbeit wirkliche soziale nachhaltige Veränderungen zu bewirken. Das gilt insbesondere für junge Start-ups, die in hochabstrakten Bereichen wie der Datenanalyse arbeiten, die weit von den Herausforderungen des Umweltschutzes entfernt scheinen. … Gibt es eine Möglichkeit, unseren Fokus auf Process Mining relativ problemlos mit Themen der sozialen und ökologischen Verantwortung zu verbinden? Die Antwort: Nein. Und ja
Meine Antwort: Digitalisierung plus Personaleinsparung machen noch keine nachhaltige Firma. Dagegen verlegen sich die Autoren auf einen Ausweg. Danach sollte nicht oberste Priorität sein, ob Nachhaltigkeit und positives Handeln zum etablierten Unternehmensimage passen oder nicht. Bei Unternehmen …. mit einem sehr abstrakten, datenzentrierten Profil mag diese Frage sogar unmöglich zu beantworten scheinen. Wie in so vielen anderen Bereichen des Geschäftslebens sei es erstmal wichtig, Ergebnisse zu liefern. Handeln, und handlungsfähig zu sein.
Etwas schlechtes Gewissen bleibt: Nachhaltig, umweltbewusst zu sein, das machen wir nicht nur aus Spaß. Unsere Software … hat den ausdrücklichen Zweck, Unternehmen zu unterstützen, ihre Geschäftsaktivitäten effizienter und nachhaltiger zu machen z.B. via Ressourceneffizienz und Abfallreduzierung. JPK: Effizienz und Nachhaltigkeit also wieder.
Ziele, die Lana durch Sponsoring von Magel-lan(a)-Pinguinen eher bescheiden und etwas komisch umsetzt.
Es folgen (noch offene) Fragen zum DATA SCIENCE: Die Datenwissenschaft hat sich als die Hauptdisziplin entwickelt…. Hältst du den Hype um Data Science für berechtigt? Fragt man sich durchaus kritisch. Und weiter: Vielleicht ist die bessere Frage, ob der Hype um die Künstliche Intelligenz berechtigt ist. JPK: Auch das ist durchaus berechtigt kritisch. Aber weiter: Es gab einige unglaubliche Fortschritte … und es sieht nicht so aus, als würde das Innovationstempo nachlassen. Machine Learning wird überall sein, und ich glaube, dass wir noch nicht vollständig verstanden haben, was das für Unternehmen, für die Arbeitnehmer und für die Gesellschaft im Allgemeinen bedeutet. Ich habe das Gefühl, dass zu viel Aufmerksamkeit auf das Versprechen der allgemeinen KI (Maschinen, die wie Menschen denken) und nicht genug auf die wirklichen Probleme gerichtet ist. JPK: Richtig! Dann wird’s leider wieder schwammig: Die Ergebnisse reichen von verbesserter Transparenz und Konformität über Automatisierung und Vorhersage bis hin zum Übergang zur vollständig digitalen Organisation.
JPK: Die Schritte sind nicht klar, wie dann die Organisation?
Zur Veranschaulichung der Umsetzung ein Blick auf den Lana Blog-Beitrag von Jonny am 28.01.19 zum Verhältnis von K.i. und Wort (d.i. Spracherkennung, JPK):
„Was die Künstliche Intelligenz ermöglicht, ist, dass wir nicht jedes denkbare Frage-Antwort-Paar in die Maschine einprogrammieren müssen. Stattdessen füttern wir sie mit Regeln und Befehlen, um jede Art von Frage mit einer angemessenen Antwort zu verbinden. Ein Algorithmus liest Ihre Eingaben und übersetzt sie in Informationen, die das System versteht. Bestimmte Auslöser – wiederum von Entwicklern definiert – fordern dann einen bestimmten Output. Diese Trigger können … verschiedensten Formen annehmen, von Text über Bilder bis zum gesprochenen Wort – K.I. unternimmt hier eine erstaunliche Übersetzungsleistung.
Im Kern ermöglicht die Künstliche Intelligenz Systemen die Ausführung von Befehlen, die aufgrund der schieren Menge an Code, die benötigt wird, um jeglichen Kontext abzudecken, sonst vom Menschen nicht vorprogrammiert werden könnten. Die Mustererkennung ist ein sehr wertvolles Werkzeug, da sie präzise Verbindungen zwischen mehreren komplexen Inputs und dem idealen Output ermöglicht. Stellen Sie sich K.I. nicht als die denkende und fühlende Puppe Pinocchio vor, sondern als normale Holzpuppe – mit unendlich vielen Gliedmaßen.“
2 Beispiele:
Data Scientists transformieren Daten zu betriebswirtschaftlichen Informationen. Sie sind in der Lage, vergangene Geschäftsvorfälle und -prozesse zu analysieren und zu erklären. Anhand von historischen Daten können sie präzise Prognosen erstellen.
Energiebranche: … Aktuell haben Billiganbieter im Strom- und Gasmarkt die Preisführerschaft, die einen schnellen Ausbau ihrer Kundenbasis verfolgen und oftmals über Boni und ähnliche Nachlässe die Ranglisten von Maklerplattformen (wie Verivox oder Check24) anführen, … und zwar durch Process-Mining, das die Akquisition begünstigt.
Fazit: Auch diese Beispiele sind eher mit Wasser gekocht.
Prognosen sollen intelligent werden und in der Energie-Branche soll man schneller an neue Kunden kommen können. Immerhin: Welche Rolle Sprache spielt, das wird schon deutlicher.
Es stellt sich die Aufgabe, einen neuen Lernbegriff zu entwickeln, der maschinelles Lernen von menschlichem Lernen absetzt.
... link
... older stories
