Künstliche Intelligenz bei EnBW

Wie KI Sachbearbeiter unterstützt

Hans Königes war bis Dezember 2023 Ressortleiter Jobs & Karriere und damit zuständig für alle Themen rund um Arbeitsmarkt, Jobs, Berufe, Gehälter, Personalmanagement, Recruiting sowie Social Media im Berufsleben.
Sachbearbeiter im Debitorenmanagement des Energiekonzerns EnBW setzen auf eine KI-Lösung, um ihre Aufgaben schneller und präziser zu erledigen – und Unterstützung durch das Karlsruher Institut für Technologie (KIT).
Zumindest in einigen Unternehmen gehört die Zettelwirtschaft in der Buchhaltung der Vergangenheit an, bei der EnBW läuft zur Zeit sogar ein Projekt unter Einsatz von KI.
Zumindest in einigen Unternehmen gehört die Zettelwirtschaft in der Buchhaltung der Vergangenheit an, bei der EnBW läuft zur Zeit sogar ein Projekt unter Einsatz von KI.
Foto: Andrey_Popov - shutterstock.com

Künstliche IntelligenzKünstliche Intelligenz wird als Zukunftstechnologie der deutschen Wirtschaft betrachtet, sie bietet große Potenziale, um Mitarbeiter bei Entscheidungen zu unterstützen und Prozesse zu automatisieren. Für die erfolgreiche Einführung und Nutzung von KI in Unternehmen ist es jedoch wichtig, "die Mitarbeiter im Sinne eines menschzentrierten Ansatzes aktiv einzubinden", weiß Alexander Mädche, Professor für Wirtschaftsinformatik am KIT. Alles zu Künstliche Intelligenz auf CIO.de

KI bei der EnBW: Explainable AI

Im Rahmen eines KI-Projektes hat nun die EnBW AGEnBW AG eine KI-Lösung für die Klärfallzuweisung entwickelt, welche nicht nur den Zuweisungsvorgang deutlich beschleunigt, sondern gleichzeitig auch Sachbearbeitern einfache und verständliche Erklärungen für die KI-basierten Vorschläge direkt integriert in den Arbeitsprozess bereitstellt. In Zusammenarbeit mit dem KIT wurden für diese KI-Lösung nun zahlreiche verständlichen Erklärungen weiterentwickelt und neue erarbeitet. Top-500-Firmenprofil für EnBW Energie Baden-Württemberg AG

Insbesondere bei der Verwendung von leistungsfähigen Black-Box-Algorithmen (beispielsweise Neuronale Netze) sind Entscheidungswege der KI für den Menschen nicht intuitiv nachvollziehbar. Dies weckt bei vielen Menschen Unbehagen sowie Misstrauen und schränkt die Mitarbeiter dabei ein, effizient Entscheidungen unter Verwendung der KI-Technologie zu treffen.

Ein Lösungsansatz hierfür stellt die sogenannte erklärbare KI dar, welche das Ziel verfolgt, diese Entscheidungswege transparent zu machen. "Eine zentrale Herausforderung bei der Bereitstellung erklärbarer KI ist jedoch, die Erklärungen so in den Benutzerschnittstellen aufzubereiten, dass auch Nutzer ohne große KI-Kenntnisse die Erklärungen verstehen und effektiv bearbeiten können", erläutert der KIT-Wirtschaftsinformatikprofessor.

KI-Projekt beseitigt manuellen Aufwand

Im Rahmen des KI-Projektes DeborAH ("Debitor Assignment Help") im Finanzbereich der EnBW kommen leistungsfähige Black-Box-Algorithmen zur Unterstützung der Klärfallzuweisung im Vertrieb zum Einsatz. Konkret geht es in der Klärfallzuweisung um die Zuordnung von uneindeutigen Überweisungen zu Kundenkonten. Dabei muss die Überweisung mit einer Vielzahl von potenziell passenden Treffern in der Kundendatenbank verglichen und eine Zuordnungsentscheidung getroffen werden.

Bei mehreren hundert Klärfällen am Tag erzeugte diese Aufgabe in der Vergangenheit einen hohen manuellen Aufwand bei den Sachbearbeitern im Debitorenmanagement. Mittels überwachter Methoden des maschinellen Lernens konnten erfolgreich Modelle trainiert werden, welche diesen Zuordnungsprozess nun intelligent unterstützen.

Zentrale Herausforderung dabei war es, passende Erklärungen für die Zuordnungsvorschläge direkt in die Nutzerschnittstelle zu integrieren. "DeborAH hilft uns dabei unsere tägliche Arbeit effizienter und professioneller zu gestalten, indem wir bei der Verbuchung von Zahlungseingängen dabei unterstützt werden, dem Kundenanliegen zu entsprechen", erläutert Tobias Berger, Teamleiter Debitorenmanagement bei der EnBW.

EnBW und KIT entwickelten eine Lösung, die den "Gedankenprozess" des Black-Box-Modells direkt in die operative Anwendung der Klärfallzuweisung einfach verständlich integriert. Konkret erhalten die Sachbearbeiter Vorschläge, die basierend auf einem durch die KI-Technologie ermittelten Score bestimmt werden. Der Score ist ein Maß, das angibt, wie gut der Vorschlag zur zu klärenden Überweisung passt. Um die Ergebnisse und den ermittelten Score für die Sachbearbeiter verständlich aufzubereiten, wird mithilfe erklärbarer KI innerhalb des Systems direkt visuell hervorgehoben, wo entsprechende Übereinstimmungen zwischen der Überweisung und dem vorgeschlagenen Kundenkonto besteht.

Alexander Mädche, KIT: "Eine zentrale Herausforderung bei der Bereitstellung erklärbarer KI ist, die Erklärungen so in den Benutzerschnittstellen aufzubereiten, dass auch Nutzer ohne große KI-Kenntnisse die Hinweise verstehen und bearbeiten können."
Alexander Mädche, KIT: "Eine zentrale Herausforderung bei der Bereitstellung erklärbarer KI ist, die Erklärungen so in den Benutzerschnittstellen aufzubereiten, dass auch Nutzer ohne große KI-Kenntnisse die Hinweise verstehen und bearbeiten können."
Foto: KIT/Professor Alexander Mädche

Zusätzlich wird dargestellt, ob das Ausmaß dieser Übereinstimmung einen positiven, negativen oder neutralen Effekt auf den Score hat. Des Weiteren erhalten die Sachbearbeiter Erklärungen in verständlicher Sprache, die die wesentlichen Einblicke der erklärbarem KI präzise zusammenfassen. "Solche Darstellungen erlauben es den Anwendern, die Entscheidung des Modells nachzuvollziehen sowie mit den eigenen Erfahrungen zu vergleichen und erhöhen somit das Vertrauen in unser KI-Modell", freut sich Michael Ziegler, der als Data Scientist im Projekt DeborAH arbeitet.

Fazit: Mit der Realisierung eines erklärbaren KI-Ansatzes für die Klärfallzuweisung wurde nicht nur eine effizientere Bearbeitung der Klärfälle geschaffen, sondern durch die Einbeziehung von Sachbearbeitern in den Entwicklungsprozess erst die volle Nutzung des KI-Tools DeborAH ermöglicht und somit zusätzlich auch das Vertrauen in die KI-basierte Lösung gesteigert.

Zur Startseite