Besser arbeiten: Fehler vermeiden und Zeit sparen dank Machine Learning

Wissensarbeiter müssen oftmals viele Texte lesen, verstehen und die entsprechenden Maßnahmen daraus ableiten. Machine Learning-Verfahren können bei der Textklassifikation helfen und als intelligente Lesehilfe den Wissensarbeiter entlasten.

Ob Anwälte, Support-Mitarbeiter, Immobilienverkäufer oder Wirtschaftsprüfer – Wissensarbeiter müssen oftmals viele Texte lesen, prüfen und die richtigen Informationen daraus ableiten. Oftmals liegen diese Dokumente unstrukturiert über verschiedene Systeme verteilt vor.

Sofern man weiß, wo die Dokumente liegen und um welche Dateien es sich handelt, ist das kein Problem. Sobald aber neue Mitarbeiter an dem Thema arbeiten, die sich nicht mit den Ablagestrukturen auskennen, wird es schon schwieriger.

Besonders problematisch ist es, wenn ein Zugriff auf die Daten von außen erforderlich ist: Steht beispielsweise eine Firma zum Verkauf, müssen Wirtschaftsprüfer und Juristen alle relevanten Dokumente prüfen, um mögliche Risiken zu erkennen. Dazu müssen die Daten aufgespürt, in virtuelle Datenräume geladen und verschiedenen Kategorien zugeordnet werden. Nun werden diese Dokumente wie Mietverträge, Arbeitsverträge oder sonstige Betriebsvereinbarungen einzeln gelesen und geprüft. Bei großen Firmen kommen hier durchaus hunderttausende von Dokumenten zusammen. Das Lesen kostet enorm viel Zeit, welche die Beteiligten oftmals nicht haben, denn solche Due Diligence-Verfahren finden meist unter hohem Zeitdruck statt.

Textklassifikation als überwachtes Machine Learning-Verfahren

Machine Learning-Verfahren können beim Sortieren und Lesen der Dokumente helfen, wie zum Beispiel bei der Textklassifikation: Sämtliche unstrukturierte Texte und Dokumente werden hierbei einer bestimmten, vordefinierten Kategorie zugeordnet. Die Software analysiert dabei die einzelnen Textpassagen und erzeugt ein Metadatum (Thema).

Anschließend wird das Dokument auf der Basis dieses Inhalts automatisch einer bestimmten Kategorie oder einem bestimmten Thema zugewiesen. Ist sich die Software bei einem Dokument unsicher, wie es kategorisiert werden soll, spielt sie die Datei zurück, sodass ein menschlicher Experte sie manuell zuweisen kann. Dadurch wird ein weiterer Lernprozess bei der Maschine angestoßen, was ihr hilft, die Dokumente noch zielgerichteter zuzuordnen.

Intelligente Lesehilfe bei der Analyse von Verträgen

Durch Machine Learning-Verfahren kann die Software auch darauf trainiert werden, bestimmte Entitäten oder Klauseln im Vertrag zu erkennen. Das spart beispielsweise dem Wirtschaftsprüfer oder Juristen enorm viel Lesezeit. Die Software erkennt dabei wichtige Angaben im Vertrag wie den Vertragsort, Vertragswert oder das Vertragsdatum, erwähnte Personennamen oder Produktbezeichnungen. Anschließend extrahiert die Software diese Entitäten und listete sie dem Juristen übersichtlich auf. Bei den relevanten Klauseln verhält es sich genauso. Der Jurist beziehungsweise Wirtschaftsprüfer spart dadurch nicht nur Zeit, sondern minimiert auch durch das Risiko, wichtige Angaben zu übersehen.

Doch nicht nur Wirtschaftsprüfer profitieren von Machine Learning. Mitarbeiter aus dem First-Level müssen sich täglich mit einer Flut von Anfragen von Kunden auseinandersetzen. Eine spezielle Software zur Posteingangsklassifikation ist in der Lage, diese Anfragen intelligent vorzusortieren. Dabei werden die Anfragen anhand der darin enthaltenden Schlüsselwörter automatisch in das entsprechende Postfach einsortiert oder an den richtigen Ansprechpartner im Unternehmen weitergeleitet.

Fazit: Entlastung von Standardaufgaben

Ob als intelligente Lesehilfe, zur Sortierung von Dokumenten oder für die Klassifikation von E-Mails – Machine Learning-Verfahren helfen Wissensarbeiter dabei, ihre Arbeit schneller, effizienter und genauer durchzuführen. Intelligente Software entlastet von monotonen, langwierigen Standardaufgaben. Dadurch können sich Wissensarbeiter mehr auf ihre Kernkompetenz konzentrieren: Der Interpretation und Analyse von Sachverhalten. Darüber hinaus wird das Risiko minimiert, dass er etwas Wesentliches übersieht. Intelligente Software für Vertragsanalyse und Posteingangsklassifikation amortisiert sich in der Regel schon nach wenige Monaten. Unternehmen können dadurch ihre Ressourcen noch gezielter einsetzen und sparen dadurch Zeit und Geld.


Der Autor

Franz Kögl ist Vorstand und Mitgründer der IntraFind Software AG und hat mehr als 16 Jahre Erfahrung in der Entwicklung von Produkten und Lösungen für effizientes Suchen, Finden und Analysieren von strukturierten und unstrukturierten Informationen unter Berücksichtigung aller Datenquellen eines Unternehmens. Volltextsuche und die komplette Bandbreite an Textanalyse- und Machine Learning-Verfahren, Natural Language Processing, kombiniert mit den Möglichkeiten von Graphdatenbanken für Big Data Analytics bilden hierbei den Schwerpunkt. 


Kontakt

Franz Kögl
Vorstand IntraFind Software AG
Landsberger Straße 368
80687 München
Telefon: +49 (0)89 30904460
E-Mail: sales@remove-this.intrafind.de