Nachbericht zum Publikumsgespräch "Kundenservice AI.0" ^Featured

Vielfach wird die digitale Transformation ausschließlich mit technologischen Themen wie künstliche Intelligenz, Blockchain, Cloud Computing, Industrie 4.0 oder Internet of Things verbunden. Ein Punkt wird oft vergessen, wenn es an die praktische Umsetzung im unternehmerischen Alltag geht: auf die Unternehmenskultur. Sie definiert den Umgang miteinander – wie kommuniziert wird, wie Entscheidungen getroffen werden oder welche Fehlerkultur ein Unternehmen umsetzt. Für jeglichen Veränderungsprozess und Wandel ist die Unternehmenskultur deshalb längst zum entscheidenden Erfolgsfaktor geworden. Das war eine der zentralen Aussagen der PodiumsteilnehmerInnen beim Publikumsgespräch »Kundenservice AI.0« am 16. März. Eine weitere betraf die zeitlichen Vorteile durch AI. Viele einfache, wiederkehrende Anfragen wie Abo-Kündigungen, Adressänderungen, Fragen zu Rücksendungen oder Öffnungszeiten wiederholen sich. Eine voll- aber auch teilautomatisierte Antwort auf Standardanfragen schafft deutliche Zeitersparnis, die für anspruchsvollere Tätigkeiten verwendet werden kann, etwa die Bearbeitung komplexerer Fragen im Beschwerdemanagement. Das erhöht die Qualität im Kundenservice. Erfahrungsgemäß machen Standardanfragen etwa 50 bis 60 % der gesamten Anfragen aus.

Das Kurzvideo zum Gespräch: https://bit.ly/3lPwdK9  

»Kommunikationskanal, der am angenehmsten ist«

Künstliche Intelligenz beantwortet Standard-Kundenanfragen sieben Tage pro Woche rund um die Uhr – der Kundenservice wird reaktiver, schneller und präsenter. »Wir haben für eine Krankenkasse einen klassischen Chatbot entwickelt. Im ersten Monat konnten 75 % der Kundenanfragen damit ausreichend gut serviciert werden«, berichtet Bernd Bugelnig, CEO von Capgemini Österreich, und nennt Lösungen wie Chatbot oder eine interaktive FAQ-Oberfläche. Ein KI-basiertes System helfe, automatisierte Antworten auf einfache Fragen zu erstellen und zu versenden. Die Erwartungshaltungen an automatisierte Lösungen sind ähnlich jener, die allgemein an Digitalisierung gestellt werden. Es soll schneller gehen, einfacher, billiger und qualitativ hochwertiger, wenn es zum Beispiel um Durchlaufzeiten und Abarbeitung der Geschäftsfälle geht.



Bild: Bernd Bugelnig, CEO von Capgemini Österreich.

MitarbeiterInnen werden von manuellen und wenig wertschöpfenden Arbeitsschritten entlastet und können sich mehr auf Beratung und Service konzentrieren. Dadurch steige die Kundenzufriedenheit und letztlich bringe das auch höheren Profit. »Was wir in den letzten Jahren gelernt haben ist, dass nicht nur Technologie entscheidet, es braucht auch einen Change in der Organisation.

Mit der Einführung von KI werden Abläufe und Strukturen in vielen Bereichen geändert«, stellt er fest und nennt ein aktuelles Projektbeispiel. »Wir haben für eine österreichische Gesundheitsbehörde eine Lösung implementiert, die voll automatisiert Auffälligkeiten von Röntgenbildern analysiert, positiv wie negativ.« Unklare Fälle werden nach wie vor manuell bewertet. Das zeige gut, wie Arbeitslast aus einem Prozess genommen werden und die Maschine in den Vorgang eingebunden kann, spricht Bugelnig von »Job Enrichment«.

Report: Wie wird Ethik in die gesamte AI-Debatte eingebunden?

Bernd Bugelnig: »Wir orientieren uns da an der ›High-Level Expert Group on AI‹ der Europäischen Kommission, die Grundsätze aufgestellt und Anforderungen daraus abgeleitet hat. Es geht vor allem um Fragen von Kontrolle, Sicherheit, Datenschutz, Nichtdiskriminierung, Nachhaltigkeit, Verantwortlichkeit und Transparenz von Algorithmen. Warum zum Beispiel ist Transparenz wichtig? Betroffene müssen wissen, dass mit KI-hinterlegten Systemen gearbeitet wird, sie müssen Einblick in den Prozessvorgang erhalten. Unsere IT-Trendstudie, die jedes Jahr im deutschsprachigen Raum zu unterschiedlichen IT-Themen erstellt wird, bestätigt das. Es zeigt sich, dass Unternehmen mehr und mehr Verständnis für innerbetriebliche ethische Rahmenbedingungen beim Einsatz von KI haben.

Man muss dem Kunden zudem die Freiheit geben, den Kommunikationskanal zu nutzen, der ihm am angenehmsten ist: E-Mail, Chat oder Telefon.«

»Jeder wird zur Wertschöpfung beitragen können«

»Künstliche Intelligenz muss plausibel, verlässlich und nachvollziehbar sein«, formuliert Wilhelm Petersmann, Head of Financial Services CE und Geschäftsführer Österreich und Schweiz bei Fujitsu eine zentrale Herausforderung an KI. Sonst ergebe das falsche Prognosen, die in Bereichen wie der Gesundheit fatale Folgen haben können. Für ihn ist KI immer ein Baustein in einer Digitalisierungspyramide. Es geht darum, Effizienzen zu steigern und bessere Ergebnisse zu erzielen. »Wir schaffen damit eine hohe ›First Call Resolution Rate‹, ein sehr häufig genanntes Anliegen.« Kunden werden schneller und flexibler, was beispielsweise für Versicherungen wichtig ist. Schadensfälle passieren vielfach außerhalb der Bürozeiten – KI steht 7x24 Stunden bereit und beseitigt das System »first in, first out«, das bislang zu langen Wartezeiten geführt hat. Wenn ein Schadensfall gemeldet wird und innerhalb von 24 Stunden die Deckungszusage, eventuell sogar ein Handwerker avisiert wird – das fördert die Bindung zum Unternehmen.



Bild: Wilhelm Petersmann, Head of Financial Services CE und Geschäftsführer ­Österreich und Schweiz, Fujitsu

Bei aller Euphorie dürfe aber nicht auf den methodischen Entwicklungsansatz vergessen werden. »Es muss in kleinen Schritten gearbeitet werden. Auf Erfolgen wird aufgebaut, gefolgt von Stabilisierungsphasen«, spricht Petersmann das inkrementelle Wachstum an. Liegen optimale Voraussetzungen vor – viele Daten in guter Qualität und eine flexible Systemlandschaft – können erste Automatisierungen bereits nach wenigen Monaten live gehen. Um überzogene Erwartungen zu vermeiden, ist es wichtig zu verstehen, dass die Maschine lernt. Das Gesamtsystem wird also geplant, es folgt ein modularer Aufbau. Petersmann nennt dazu auch ein Projekt mit Siemens Gamesa für die Materialprüfung von Rotorblättern für Windkraftanlagen. Kameras erfassen die bis zu 75 Meter langen Glasfaser-Turbinenblätter, Oberflächenaufnahmen scannen auf mögliche Fehler, die dann über KI ausgewertet werden. Erst bei Abweichungen vom Standard sind manuelle Nachprüfungen notwendig. Der Prüfvorgang reduziert sich von drei bis vier Tagen auf einen halben Tag. Qualitätssicherung wird gefördert, Personalkosten reduziert und Beschäftigte von stupiden Routineaufgaben entlastet.

Report: Welches weitere Ziel verfolgt ­Fujitsu mit KI?

Wilhelm Petersmann: »Wir arbeiten auch daran, über die reine Prozessautomatisierung hinweg im Produktdesign neue Produkte mit digitalem intelligenten Inhalt für Kunden zu schaffen, so zum Beispiel dynamische Versicherungspolizzen, die in Japan bereits erfolgreich umgesetzt werden. Das über Sensorik ermittelte Fahrverhalten des oder der VersicherungsnehmerIn fließt in die Polizze ein. Wie oft wird beschleunigt, wie oft erfolgt eine Notbremsung? Die Daten ermöglichen auch die Berechnung von Schadenswahrscheinlichkeiten und im Schadensfall wird auf Geosysteme und in vielen Ländern auch auf Videoaufzeichnungen zurückgegriffen. Die Fälle können so viel schneller und effizienter abgewickelt werden.

Wir sehen generell die Chance für neue Services mit einem ganzen Ökosystem von Unternehmen und unterschiedlichen Technologien im Hintergrund. Jeder wird mit seinem Bauteil, angereichert mit KI, zu einer gemeinsamen Wertschöpfung beitragen können.«

»Sind pragmatische Problemlöser«

Report: Sind Machine Learning und KI-Lösungen Technologien, die alles verändern werden, oder nur ein Hype?

Thomas Riedl: »Es ist von beidem etwas, eine innovative Technologie, die in vielen Bereichen hilft.« Dafür spreche auch, dass sie viel weiter verbreitet ist, als man vermuten würde. Es gibt kein Mobiltelefon mehr ohne KI in der einen oder anderen Form. Künstliche Intelligenz findet sich im Navigationssystem im Auto mit Echtzeitinformationen über die Verkehrslage, Musikstreaming oder Sprachassistenten. Thomas Riedl verweist dazu passend auf den Nagarro-eigenen Chatbot Ginger, einen intelligenten, virtuellen Assistenten, der jedem Mitarbeiter 7x24 die Arbeit erleichtert. »Andererseits sehen wir auch viel Hype am Markt und wir von Nagarro versuchen für unsere Kunden hier der zuverlässige, pragmatische Problemlöser zu bleiben«, so Riedl.



Bild: Thomas Riedl, Managing Director Nagarro

Nagarro hat sich zum Ziel gesetzt, Innovationen zuerst intern zu testen und dadurch einen Einblicke über tatsächliche Vorteile, die Akzeptanz und die Möglichkeiten zu bekommen. Diese Erfahrungen fließen dann in das dreistufige Nagarro Engagementmodell ein, mit dem Kunden an neue Lösungen herangeführt werden. »Für uns ist KI ein Element von vielen in der IT-Toolbox. Welche Technologie zum Einsatz kommt, ist für uns sekundär, wir wollen Probleme auf die für unsere Kunden bestmögliche Art lösen«, betont Riedl. Im Moment würde er bei KI eher von künstlichem Fleiß sprechen, da es nur wenige  komplexe Aufgaben gibt, die von Algorithmen besser gelöst werden als vom Menschen.

Gut funktioniert die Technologie dort, wo die Aufmerksamkeitsspanne überschritten wird. Als Beispiel nennt Riedl die Sentiment Analyse, also die Bewertung von Stimmungen oder auch »Speech to Text«, wo KI bereits weit entwickelt ist. Das Ergebnis ist vor allem vom Kontext abhängig, sodass auch soziale Kompetenz weiterhin nötig ist – eine Herausforderung, an der Nagarro derzeit für ein umfangreiches Helpdesk-Projekt arbeitet.

Report: Sind KI-Lösungen nur etwas für den Mittelstand und aufwärts?

Thomas Riedl: »Oft sind Standardmodule ausreichend. Nagarro nutzt dafür fertige Komponenten, die angepasst werden. Das bringt Chancen für den Mittelstand, mehr als bei anderen Bereichen der Softwareentwicklung. Ein Vorteil liegt auch in der Flexibilität und in kurzen Entscheidungswegen, beides macht Implementierungen einfacher und schneller – die Umsetzung innovativer Prozessabläufe wird agiler. Wir erkennen bei vielen Kunden, dass sie in der Krise aufgeholt haben, das reicht von IT-Themen bis zu KI-Umsetzung. Wenn man sich ansieht, was sich am Markt so tut, erinnert das an die Anfangszeit der Cloud-Technologie oder an die Goldgräberstimmung am Yucon. Allein letzte Woche hatte ich Gespräche mit fünf Startups aus dem KI-Umfeld, die dazu nach Partnerschaften suchen.

»Qualität der Daten ist ausschlaggebend«

»Die Qualität der Daten ist ausschlaggebend für die Ergebnisse und wie weit man denen vertrauen kann«, nennt Lisa Ehrlinger zwei Perspektiven von Machine Learning beziehungsweise AI, an denen sie arbeitet. Auf der Johannes Kepler Universität in Linz forscht Ehrlinger an Datenqualität und semantischen Technologien, im Software Competence Center Hagenberg ist sie als Senior Researcherin für die inhaltliche Ausrichtung und Weiterentwicklung der Forschung zu Datenmanagement und Datenqualität zuständig.



Bild: Lisa Ehrlinger: Senior Researcher Data Science, Software Competence Center Hagenberg und Johannes Kepler Universität Linz

»Wir haben einen sehr großen Industriefokus, in den letzten Jahren wird auch das Gesundheitswesen vermehrt betrachtet.« Dabei sei bei Forschungsanträgen ein klarer Trend erkennbar: Firmen wird die Bedeutung der Qualität ihrer Daten bewusst. »Aus Datensätzen, die schlechte oder unpassende Daten enthalten, zieht der Algorithmus falsche Schlüsse, was bei kritischen AI-Anwendungen zum Beispiel bei medizinischen Diagnosen verehrende Folgen haben kann«, informiert sie.

Oft werde sie gefragt, was Datenqualität eigentlich bedeutet – es ergibt sich eine umfassende Antwort. Qualität umfasst die Vollständigkeit ebenso wie Eindeutigkeit, Korrektheit, Aktualität, Genauigkeit, Relevanz, Zuverlässigkeit, Verständlichkeit und viele weitere Faktoren. »Wir benötigen eine hohe Datenqualität, um Machine Learning zu ermöglichen. Einige Algorithmen brauchen eine gewisse Menge an Daten, um eine Aussage treffen zu können, zum Beispiel neuronale Netze im Deep Learning Bereich.«

Report: Welches Skillset ist für Entwicklung von AI-Lösungen nötig? Wie gut wird dazu in Österreich bereits ausgebildet?

Ehrlinger: »Österreich bietet mit seinen zahlreichen Universitäten eine gute Grundlage, um AI zu erforschen und umzusetzen. Das Problem sehe ich vielmehr in der Tendenz, dass künstliche Intelligenz und Machine Learning in immer kürzere Ausbildungen gepackt werden. AI darf aber nie als Gesamtthema gesehen werden. Ein Projekt erfordert eine Vielzahl an disziplinaren Untergruppen. Es braucht Statistiker und Mathematiker für die algorithmische Ebene, Informatiker für die Automatisierung, weitere Skills für die ethische Richtung. Zu sagen, das AI-Studium kann das alles abdecken, ist falsch – AI ist ein sehr komplexes Themenfeld. Hier sehen wir auch den USP des Software Competence Center Hagenberg: mit Expertenteams aus allen Bereichen unterstützen wir Unternehmen, AI-Projekte umzusetzen.« 

»Etwas über die Kunden erfahren und daraus lernen«

Als Vertreter von Startups bei der Podiumsdiskussion des Report Verlag war Fact AI aus Salzburg vertreten. Das Unternehmen, das 2015 von Emanuel Schattauer gegründet wurde, stattet Onlineshops mit künstlicher Intelligenz aus. Digitale Kaufberater erkennen basierend auf Deep Learning die Kundenwünsche aufgrund getätigter Klicks und eingeholter Nutzerinformationen. Damit ein Onlineshop zielgerichtet wird, muss er erkennen, was der Kunde benötigt. Das ist via Regeln erkennbar oder man setzt AI ein. »Der digitale Verkäufer wird in die Website eingebunden, unterstützt und leitet Besucher beim Einkauf, indem Fragen gestellt werden. Er lernt dadurch, ob der Kunde Sicherheit sucht oder Innovation und führt zu passenden Produkten«, erklärt Schattauer. Der Trend zu Online nehme zu. Das bedeute, dass Beratungs- und Digitaldienstleistungen besser werden müssen, da der Konkurrenzdruck groß sei. »Bei einem Einkauf im Geschäft bin ich quasi im Raum gefangen, online kann ich den Raum in 20 Sekunden wechseln.«



Bild: Emanuel Schattauer, Geschäftsführer Fact AI

Report: AI beeinflusst also bereits den Verkaufsvorgang?

Emanuel Schattauer: »Firmen sind heute nicht nur am Mehrverkauf interessiert, sie wollen etwas über die Kunden erfahren und daraus lernen. Einer unserer Auftraggeber ist TYPS, ein Salzburger Skihersteller, der Informationen wie Biometrie, Fahrkönnen und Fahrstil sowie Umweltdaten in die Fertigung einbindet. Der Maßski entspricht damit der Passgenauigkeit eines Maßschuhs. Durch die Automatisierung dieses Prozesses und den Erwerb des Skis im Onlineshop oder vor Ort im Salzburger Shop können günstige Konditionen geboten werden. Einen realen Verkäufer kann künstliche Intelligenz aber nie ersetzen.

 Unser aktuelles Produkt ist das virtuelle Kaufberater-Tool ›Advisor Plus‹. Wie der echte Fachverkäufer im Geschäft verbessert sich die künstliche Intelligenz mit jeder Interaktion, da sie ständig lernt. Diese Daten sind sehr aufschlussreich. In den Fokus müssen die Kunden gerückt werden. Man muss die Bedürfnisse des Marktes gut verstehen, um erfolgreiche Lösungen zu bekommen. Gerade Kaufentscheidungen haben auch viel mit Psychologie zu tun.«

Initiative auf europäischer Ebene
Die »High-Level Expert Group on Artificial Intelligence« (AI HLEG) wurde im Juni 2018 von der Europäischen Kommission mit dem Ziel initiiert, die Umsetzung der europäischen Strategie für künstliche Intelligenz zu unterstützen. Dazu gehört die Ausarbeitung von Empfehlungen zur zukunftsbezogenen Politikentwicklung und zu ethischen, rechtlichen und gesellschaftlichen Fragen, einschließlich sozioökonomischer Herausforderungen. Die Schlüsselanforderungen die ein KI-System erfüllen sollte, um vertrauenswürdig zu sein, sind:

1. menschliche Entscheidungsfreiheit und Kontrolle
2. technische Robustheit und Sicherheit
3. Datenschutz und Data Governance
4. Transparenz
5. Diversität, Nichtdiskriminierung sowie Fairness
6. ökologisches und gesellschaftliches Wohlergehen
7. Rechenschaftspflicht

Regulierung von AI
Auszug aus der "IT-Trendstudie Capgemini 2021": Je intensiver intelligente Technologien genutzt werden, desto dringender wird auch die Auseinandersetzung mit ethischen Standards. Im vergangenen Jahr lehnten die Studienteilnehmenden staatliche oder externe Kontrolle in diesem Bereich überwiegend ab und bevorzugten Selbstverpflichtungen. Das hat sich inzwischen geändert: So ist die Zustimmung gegenüber der staatlichen Regulierung der Einsatzbereiche von AI zwar immer noch gering, aber etwas höher als im Vorjahr. Auch die externe Überprüfung der Maßnahmen, die lernende Systeme vor Manipulation schützen sollen, findet jetzt mehr Zustimmung.