MAKIF

Untersuchung der Möglichkeit die Erkennungsquote von Eingabeanomalien zu steigern in einem KI-basierten Assistenten zur Fehlererkennung in ERP Systemen.

Letzte Aktualisierung:

© Microsoft

Projektdetails

Studien zeigen, dass der durchschnittliche Wissensarbeiter 50% seiner Arbeitszeit dafür aufwendet, Daten zu suchen oder zu korrigieren (Harvard Business Review, 2016). Einer der Hauptgründe für schlechte Datenqualität liegt in der menschlichen Fehlerquelle bei der Dateneingabe – die zentrale Datenbasis bildet in einem Großteil der Unternehmen ein ERP-System (Statista, 2022). Eine Lösung für automatisierte Fehlererkennung im Bereich ERP-Systeme trägt daher zu der Erhöhung der Produktivität sowie zu einer höheren Arbeitszufriedenheit bei. Solch eine Lösung mit Fokus auf ERP-Systeme kleiner und mittlerer Unternehmen ist am Markt bislang nicht verfügbar. Bestehende Software-Lösungen konzentrieren sich auf Intervallprüfungen oder einen Abgleich mit vorhandenen Datenbanken (z. B. Adressprüfung). Neben der Erkennungsqualität ist im Rahmen des Projekts die Herausforderung zu lösen, dass der Zeitaufwand für die Berechnung der erforderlichen Statistiken mit jeder hinzugefügten Datenstruktur signifikant ansteigt. Es bedarf für die Umsetzung also eines effektiven Algorithmus im Zusammenspiel mit performanten Rechenressourcen. Ziel der Machbarkeitsstudie ist die Beantwortung der Frage, inwiefern die Entwicklung eines KI-basierten Assistenten zur Fehlererkennung mit Fokus auf ERP-Systeme auf der Basis von Supervised Learning möglich ist.

Das Tool zielt auf kleine bis mittlere Unternehmen (10 – 250 Mitarbeiter) ab, die bereits eine ERP-Lösung im Einsatz haben. Unternehmen können dadurch neben der durch die Reduzierung der Aufwände für Datenprüfung sowie etwaige Korrektur derer Effizienzsteigerung und Erhöhung der Produktivität auch eine Erhöhung der Mitarbeiterzufriedenheit erzielen. Weiterhin können Unternehmen durch den Einsatz eines KI-basierten Fehlererkennungssystems profitieren, da dadurch potenzielle Handlungsfelder und ggfs. sogar noch nicht bekannte Effizienzgewinne aufgezeigt werden können.

Die Ascensify Consulting GmbH ist als Dienstleister für die Beratung von kaufmännischen Prozessen insbesondere mit der Auswahl, Einführung, Anwendung und Optimierung von vorhandenen oder einzuführenden ERP-Systemen mittelständischer Kunden vertraut. Im Rahmen der ERP-Kompetenz verfügt die Ascensify Consulting GmbH insbesondere über tiefgreifende Kenntnisse von Fehlerpotentialen in der Durchführung von datenintensiven Prozessen wie z.B. Auftragsbearbeitung, Ressourcenplanung sowie Eingangs- und Ausgangsrechnungen. Herr Sarfraz ist als Geschäftsführer der Ascensify Consulting GmbH Verantwortlicher und Ansprechpartner für die geplante Machbarkeitsstudie.Als KI-Experte wird die Fa. LitsLink beauftragt. LitsLinks hat sich darauf spezialisiert, Geschäftsprozesse mit KI-basierten Lösungen zu automatisieren.

Showroom

Die Machbarkeitsstudie sollte den Ansatz des “Supervised Learning” verfolgen, also das Training eines Algorithmus mithilfe vorbereiteter Datensets. Der Algorithmus hatte das Ziel, folgende Anforderungen zu erfüllen:

- Einbeziehung von möglichst wenig Domänenwissen, um Abstrahierbarkeit auf andere Anwendungsbereiche zu ermöglichen (so z. B. automatische Erkennung der Datenbeziehungen)
- Erläuterbarkeit der Kritierien, die zur Klassifizierung als Anomalie führten
- Einbeziehung von Anwenderfeedback, um die Qualität des Datenmodells weiter zu erhöhen
- Konfidenzintervall der ermittelten Anomalien von 80% - 90%
- Effizienter Algorithmus, damit die Anomalien im besten Fall in Echtzeit, jedoch mindestens einmal am Tag berechnet werden können

Die Machbarkeitsstudie wurde grundsätzlich positiv beendet und es wurde belegt, Algorithmen so zu entwickeln, dass bei begrenzten Datenmengen automatisch relevante Beziehungen zwischen Entitäten automatisch entdeckt und zur zuverlässigen Erkennung von Anomalien genutzt werden können.

In einem nächsten Schritt soll ein Prototyp auf Basis von Business Central entwickelt und mithilfe von Kooperationspartnern (ERP-Systemhäuser) an potenzielle Zielkunden präsentiert werden.

Gefördert durch

  • Hessisches Ministerium für Digitalisierung und Innovation
  • digitales.hessen DISTR@L
Digitale Technologie
Künstliche Intelligenz (KI / AI)
Einsatzbereich
Arbeit 4.0
Eingesetzte digitale Verfahren, Technik, Software und Methoden
Künstliche IntelligenzPythonERP-SystemeAnnomalieerkennung
Landkreis, kreisfreie Stadt
Main-Taunus-Kreis
Förderprogramm
Distr@l - Machbarkeitsstudien (FL 1)
Fördersumme
15.997,00 €
Förderzeitraum
6. Feb. 2023 - 6. Jul. 2023
Status
abgeschlossen

Antragsteller

Ascensify Consulting GmbH

Brunnenstraße 1
65760 Eschborn

zur Website

Ansprechpartner

Herr Danial Sarfraz

Ascensify Consulting GmbH

Brunnenstraße 1
65760 Eschborn

DSarfraz@ascensify.de