Tag Machine Learning

Neues Produkt von Insiders Technologies nutzt modernste KI-Verfahren zur automatisierten Beleglesung, Validierung und Prüfung von Auftragsbestätigungen. Zuverlässige Auswertung der Belege schützt auch in schwierigen Zeiten vor bösen Überraschungen.

smart ORDER CONFIRMATION entlastet den Einkauf in schwierigen Zeiten durch automatisierte Prüfung

Kaiserslautern, 12. September 2022 – Insiders Technologies, technologisch führender Anbieter von Software zur Cognitive Process Automation, führt mit dem Produkt smart ORDER CONFIRMATION ein neues Mitglied in die Lösungsfamilie zur KI-gestützten Dokumentenverarbeitung im Purchase-to-Pay-Prozess (P2P) in den Markt ein.

smart ORDER CONFIRMATION ist das neue, eigenständige Standardprodukt von Insiders Technologies zur automatisierten Verarbeitung von Auftragsbestätigungen. Mit modernsten KI-Verfahren erfasst es mehr als 50 Kopf- und Tabellenpositionen wie Bestellnummern, Liefertermine oder Bestellmengen, aber auch INCO und Payment Terms mit höchster Präzision und gibt diese an beliebige Folgesysteme weiter. Leistungsstarke KI-Algorithmen ermöglichen dabei den Abgleich mit Bestelldaten auf Basis von Top-Down- und Fuzzy-Suchalgorithmen. Zudem werden die extrahierten Daten mathematisch und logisch geprüft. Für den Fall, dass Daten doch einmal manuell validiert werden müssen, bietet die Lösung eine komfortable webbasierte Benutzeroberfläche, mit der auch Bestellungen oder weitere Informationen einfach in Drittsystemen recherchiert werden können.

Wie die Schwesterprodukte smart INVOICE zur Rechnungsverarbeitung und smart ORDER zur Verarbeitung von Bestellungen, arbeitet auch smart ORDER CONFIRMATION mit generischer Dokumentenerkennung und damit vollständig unabhängig vom Layout. Ohne lästige Template-Erstellung und langatmige Trainings erkennt smart ORDER CONFIRMATION alle relevanten Daten auf Kopf- und Positionsebene out of the box und reagiert durch moderne KI–Verfahren schnell auf Änderungen durch neue Formate oder Lieferanten.

Das Produkt hat sich im Vorfeld der nun erfolgten breiten Veröffentlichung bereits seit einigen Monaten bei ausgewählten Kunden wie beispielsweise BASF in der Praxis bewährt und eine Vielzahl von Auftragsbestätigungen effizient und automatisiert verarbeitet. smart ORDER CONFIRMATION ist ab sofort sowohl on-premise als auch als Cloud Service über Insiders Technologies und seine Partner verfügbar.

„In Zeiten enormer Verwerfungen in Lieferketten und Preisgefügen schützt eine detaillierte Auswertung von Auftragsbestätigungen vor Überraschungen. Allerdings fehlen für eine manuelle Verarbeitung oft die Ressourcen. Mit smart ORDER CONFIRMATION können Unternehmen die Auftragsbestätigungsverarbeitung weitgehend automatisieren und erhalten die notwendige Transparenz zeitnah in hoher Qualität und zu unschlagbar günstigen Konditionen“, erklärt Dr. Armin Stahl, Product Manager bei Insiders Technologies.

Weitere Informationen zur intelligenten Software für effiziente Purchase-to-Pay-Prozesse unter: https://insiders-technologies.com/de/p2p-automation

Weitere Informationen über den Hersteller intelligenter Software für Prozessautomatisierung auf Basis von KI: https://www.insiders-technologies.com/

Insiders Technologies ist technologisch führender und marktetablierter Anbieter von Software zur Cognitive Process Automation. Mehr als 3.500 Kunden aus allen Branchen vertrauen bei der Optimierung ihrer dokumentzentrierten Geschäftsprozesse auf die innovativen Lösungen des Produkthauses aus Kaiserslautern. Als erfolgreichstes Spin-Off des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) hat es sich Insiders zur Aufgabe gemacht, modernste KI in echten Kundennutzen zu überführen. Dank neuester Deep Learning-Technologien verstehen die Software-Lösungen heterogene Inhalte, extrahieren geschäftsrelevante Informationen, automatisieren Transaktionen und verkürzen Reaktionszeiten. Dabei sind der technologische Pioniergeist und die Agilität ein Garant für kontinuierliche Innovationen und Produkte am Puls der Zeit.

Firmenkontakt
Insiders Technologies GmbH
Dr. Stephan Stuhlmann
Brüsseler Str. 1
67657 Kaiserslautern
+49 631 92081 1639
s.stuhlmann@insiders-technologies.de

Home_NEU

Pressekontakt
bloodsugarmagic GmbH & Co. KG
Bernd Hoeck
Gerberstr. 63
78050 Villingen-Schwenningen
+49 7721 9461 220
bernd.hoeck@bloodsugarmagic.com
http://www.bloodsugarmagic.com

Kunden nutzen KI-gestützte Lösungen zur schnelleren Produktbereitstellung

Monrovia (USA)/Berlin – August 2022 – Parasoft (https://www.parasoft.com)präsentiert die neuesten Updates zu seinen Funktionen für künstliche Intelligenz (KI) und maschinelles Lernen (ML) für UI-, API-, Funktions- und statische Analysetests, die den gesamten SDLC (Software Development Life Cycle) umfassen. Die Nutzung von KI/ML ist entscheidend, um ein höheres Niveau der Software-Testautomatisierung zu erzielen, und führt über die höhere Softwarequalität zur schnelleren Produktbereitstellung. Darum hat Parasoft seine Lösungen mit innovativen KI/ML-Funktionen optimiert, die die Erstellung, Wartung und Ausführung von Tests beschleunigen. Unternehmen in allen Branchen, die Software entwickeln, profitieren von der Leistungsfähigkeit der KI, die in Parasofts Smart Testing for Java, Selenium und API-Anwendungen integriert ist.
Laut IDC MarketScapes Worldwide Cloud Testing 2022 Vendor Assessment[1] „hat Parasoft mehrere Testverfahren einschließlich UI-Tests, API-Tests, funktionale Tests und statische Analysen um KI/ML-Funktionen ergänzt, um Entwicklern das Erstellen, Warten und Ausführen von Tests und die Optimierung der Ergebnisse zu erleichtern.“

Eine smarte Testausführung mit Analyse der Testauswirkungen macht das Testen intelligenter, effektiver und mit jeder neuen Version besser. Auf dieses Prinzip setzt Parasoft bei seinem Smart API Test Generator (https://www.youtube.com/watch?v=MBLkXuTDej0&list=PLZ9ytk9Bu_n6ONOiycuk-Al-5ca4f9ECU&index=13): Durch die Rückverfolgung des Codes, den jeder Test abdeckt, und die Verknüpfung mit den Änderungen in der Codebasis priorisiert Parasoft die Teilmenge der Tests, die zur Validierung der Codeänderungen ausgeführt werden müssen. Als Folge davon können Teams mit der Testauswirkungsanalyse wertvolle Zeit einsparen und schnelleres Feedback aus ihrer CI/CD-Pipeline erhalten. Zudem nutzt Parasoft KI zum automatischen Erstellen von Tests aus der Aufzeichnung von manuellen UI-Tests, was das Entwickeln von API-Testsuiten vereinfacht. Diese Tests sind dann für Last-, Leistungs- und Sicherheitstests wiederverwendbar.
„KI/ML-Fähigkeiten haben die Herausforderungen, denen sich moderne Testing-Unternehmen von der Erstellung über die Ausführung bis hin zur Wartung und Optimierung stellen müssen, erheblich verbessert. Unternehmen, die keine KI-/ML-Funktionen für das Testen einsetzen, sind ernsthaft im Nachteil“, sagt Arthur Hicken, Evangelist bei Parasoft.
Parasoft arbeitet seit über fünf Jahren mit dieser Technologie und ist weiterhin führend bei der Ausweitung von KI/ML über mehrere Lösungen und Techniken innerhalb seiner Continuous Quality Platform. Das Unternehmen setzt KI/ML auf verschiedene Arten in die Praxis um:
– Automatisieren der Erstellung von Unit-Tests und Parametrisierung für Java.
– Automatisieren der Generierung und Wartung von API-Tests.
– Selbstheilung der Ausführung von Selenium-Tests.
– Verbessern der Effizienz der statischen Analyse durch Priorisierung und Risikomodelle.
– Vorhersage der Auswirkungen von Programmierverstößen und -mustern in Analysen/Berichten, um den besten Entwicklungsansatz zur Behebung eines bestimmten Verstoßes zu ermitteln.

Ein beispielhaftes Unternehmen ist Caesars Entertainment, das die messbaren Vorteile von KI für Softwaretests aufzeigt. Das bei Gaming und Hospitality führende Unternehmen berichtet, dass es durch die Automatisierung von UI- und API-Tests mit Parasoft-Lösungen das Testen und die Bereitstellung beschleunigt hat. Die Automatisierung von UI-Tests wurde um mehr als 96% verbessert und die Ausführungszeit von API-Tests um 97% reduziert.

[1] „IDC MarketScape: Worldwide Cloud Testing 2022 Vendor Assessment – Empowering Business Velocity,“ March 2022 | Doc #US47097221.

Parasoft, seit 1987 führend bei Automated Software Testing, liefert innovative Tools, die zeitaufwändige Tests automatisieren und dem Management die intelligente Analytik für die Konzentration auf das Wesentliche zur Verfügung stellen. Die Technologien von Parasoft verringern den Zeit-, Arbeits- und Kostenaufwand für die Ablieferung sicherer, zuverlässiger und konformer Software durch die Integration von statischer Analyse und Laufzeit-Analyse, Modul-, Funktions-, API-Tests und UI-Tests mit Selenium sowie Service-Virtualisierung. Parasoft unterstützt Software-Unternehmen bei der Entwicklung und dem Deployment von Applikationen auf dem Embedded-, Enterprise- und IoT-Markt. Mit seinen Testwerkzeugen für Entwickler, seinen Report- und Analyse-Werkzeugen für Manager und seinen Dashboard-Lösungen für Führungskräfte gibt Parasoft Organisationen die Möglichkeit, die strategisch wichtigsten Entwicklungs-Initiativen von heute (Agile, Continuous Testing, DevOps und Security) erfolgreich umzusetzen.

Firmenkontakt
Parasoft Corp.
Matt Klassen
E. Huntington Drive 101
91016 Monrovia, CA
001 (626) 256-3680
parasoft@lorenzoni.de
www.parasoft.com

Pressekontakt
Agentur Lorenzoni GmbH, Public Relations
Beate Lorenzoni
Landshuter Straße 29
85435 Erding
+49 8122 559 17-0
beate@lorenzoni.de
www.lorenzoni.de

Nach einer aktuellen Studie vertrauen 90 Prozent der Unternehmen künstlicher Intelligenz nicht genug, um auf menschliche Entscheidungsfindung zu verzichten

München, 7. September 2022 – Fivetran (https://www.fivetran.com/), führender Anbieter für moderne Datenintegration, präsentiert die Ergebnisse der „AI-Ambitions 2022“ Studie*. Die Umfrage unter CIOs, IT-Verantwortlichen und Data Scientists zeigt: Trotz großer Ambitionen und Investitionsbereitschaft gelingt es Unternehmen nur bedingt, KI im Rahmen von Entscheidungsprozessen zu nutzen.

Das Fundament für KI in der Praxis ist dabei längst gelegt. Die Mehrheit der Unternehmen sammelt und nutzt die meisten, wenn nicht sogar alle Daten aus ihren operativen Systemen (92 Prozent) und verwendet sie für Machine Learning (ML)-Modelle (93 Prozent). Die vorhandene technische Infrastruktur täuscht jedoch nicht darüber hinweg, dass 58 Prozent sich noch im Anfangsstadium befinden bzw. KI im moderaten Umfang einsetzen. Nur 14 Prozent vertrauen bei der Entscheidungsfindung auf KI-gestützte Prozesse. Zudem setzen 90 Prozent der Unternehmen weiter auf manuelle Datenprozesse statt auf die Automatisierung mittels ML und KI.

Deutschland zeigt sich in Sachen KI besonders ambivalent: Im internationalen Vergleich sehen sich die befragten deutschen Unternehmen am wenigsten als „KI-Neulinge“ (sieben Prozent). Gleichzeitig sammeln und fließen lediglich bei rund ein Fünftel (21 Prozent) der deutschen Unternehmen alle operationalen Daten in KI und ML-Projekte. Selbst interne Data Scientists greifen in der Regel nicht ganzheitlich auf die Daten zu (16 Prozent). Damit liegt Deutschland deutlich hinter den USA, Großbritannien und Irland.

„Was die Umfrage deutlich macht: Unternehmen haben enormen Nachholbedarf bei der Übertragung und dem Zugriff von Daten. Ein erfolgreiches KI-Programm braucht jedoch ein solides Datenfundament und das beginnt in der Regel mit einem Cloud Data Warehouse oder einem Data Lake“, erklärt George Fraser, CEO von Fivetran. „Data Analytic-Teams, die hier auf einen modernen Data Stack setzen, können ihre Daten in vollem Umfang ausschöpfen und einen echten ROI in Sachen KI und Data Science realisieren.“

Die wichtigsten Ergebnisse im Überblick:

– KI-Budget und Investitionen: Im Durchschnitt entfallen bereits heute acht Prozent des Unternehmensumsatzes auf KI-Projekte. Mehr als zwei Fünftel der befragten Unternehmen (41 Prozent) sehen jedoch noch Verbesserungspotential bei der Implementierung von KI und richten ihre IT-Budget entsprechend neu aus. So sollen in den nächsten drei bis fünf Jahren die KI-Investitionen auf 13 Prozent steigen. Die Investitionsvorhaben in Deutschland konzentrieren sich dabei vor allem auf den Einsatz neuer Technologien für Datenintegration, Sicherheit und Data Governance (73 Prozent), KI/ML (60 Prozent) und den Aufbau von KI-Fachkräften und Data Scientists (58 Prozent).

– Herausforderung Daten: Zu den größten Herausforderungen beim Einsatz von KI zählt die Datenintegration. 71 Prozent der Unternehmen können nur teilweise auf relevante Daten für KI-Systeme, Workloads und ML-Modelle zugreifen. 73 Prozent kämpfen mit dem ETL-Prozess (Extract, Transform, Load) und sind zudem nur bedingt in der Lage, die aus Daten gewonnenen Erkenntnisse in Handlungsempfehlungen zu überführen.

– Finanzielle Einbußen: Die auf halber Strecke liegengebliebenen KI-Initiativen wirken sich auch finanziell auf den Unternehmenserfolg aus. So schätzen die Befragten, dass durch unausgereifte ML-Modelle, die auf unsauberen oder fehlerhaften Daten basieren, durchschnittlich fünf Prozent des weltweiten Jahresumsatzes verloren gehen.

– Compliance: Noch viel Spielraum nach oben besteht bei der Einhaltung der Data-Governance (90 Prozent). Deutsche Unternehmen scheinen sich aber im internationalen Vergleich etwas besser an die gesetzlichen Anforderungen im Umgang mit Daten angepasst zu haben. Hier sehen immerhin 18 Prozent wenig bzw. gar keinen Bedarf für Verbesserungen.

– KI-Talente: Trotz ihrer entscheidenden Rolle bei der Umsetzung von KI-Projekten, können 87 Prozent der Unternehmen das Potential ihrer Data Scientists und Data Engineers nicht in vollem Umfang einsetzen. Den Großteil ihrer Arbeit verbringen die Datenexperten notgedrungen mit der Aufbereitung der Daten (70 Prozent). Für das Erstellen von ML-Modellen bleibt da kaum noch Zeit.

*Über die Studie: Die Online-Umfrage „AI-Ambitions 2022“ wurde von Fivetran in Auftrag gegeben und im Juli 2022 vom Marktforschungsinstitut Vanson Bourne durchgeführt. Insgesamt nahmen 550 IT-Führungskräfte sowie Data Scientists aus den USA, Großbritannien, Irland, Frankreich und Deutschland an der Studie teil.

Weitere Erkenntnisse zur Studie und der vollständige Bericht mit Download sind im Blog von Fivetran (https://www.fivetran.com/blog/achieving-ai-survey) verfügbar. Eine Infografik zur Studie befindet sich im Fivetran-Newsroom (https://drive.google.com/drive/folders/1ywd4w-v47K87zU98j7GZkQjBbfKpLCEo).

Infomaterial zum Download: Infographik (https://www.dropbox.com/s/pr1u49s5exwr5ja/Fivetran_AIAmbitions_Infographik_D_FINAL.png?dl=0)/ KI in Unternehmen (https://www.dropbox.com/s/pmgfidrciq69s66/Fivetran_AIAmbitions_Grafik_Unternehmen_KI.jpg?dl=0) / Ineffiziente Datenprozesse (https://www.dropbox.com/s/z4kwftlyu387x0f/Fivetran_AIAmbitions_IneffizizenteDatenprozesse.jpg?dl=0)

Über Fivetran
Fivetran ist weltweit führende Anbieter für moderne Datenintegration. Unsere Mission: den Zugriff auf Daten so einfach und zuverlässig zu machen wie Strom aus der Steckdose. Fivetran wurde für die Cloud entwickelt und ermöglicht es, Daten aus Hunderten von SaaS- und On-Premise-Datenquellen in Cloud-Destinationen zu zentralisieren und transformieren. Unternehmen weltweit – vom Global Player bis zum Start-up – nutzen Fivetran für moderne Analysen und mehr betriebliche Effizienz und können so datengestütztes Unternehmenswachstum vorantreiben. Fivetran hat seinen Hauptsitz in Oakland, Kalifornien, und verfügt über Niederlassungen auf der ganzen Welt. Der deutschsprachige Markt wird aus dem Büro in München betreut. Weitere Informationen finden Sie unter fivetran.com.

Firmenkontakt
Fivetran
Tobias Knieper (Marketing Lead DACH)
Luise-Ullrich-Straße 20
80636 München
.
tobias.knieper@fivetran.com
https://fivetran.com

Pressekontakt
Lucy Turpin Communications
Constanze Auch
Prinzregentenstraße 89
81675 München
+49 89 417761- 42
fivetran@lucyturpin.com

Home

Unternehmen profitieren von zügigen Produktveröffentlichungen und kürzeren Entwicklungszeiten

Lebensdauer- und Umgebungstests fertiger Produkte in Klimakammern (Bildquelle: @AITAD)

Der deutsche Full-Stack Embedded-KI-Lösungsanbieter AITAD nimmt ab sofort am „STMicroelectronics Partner Program“ teil. AITAD ist dem Programm beigetreten, um die Integration von künstlicher Intelligenz (KI) in lokale Embedded-Systeme zu beschleunigen und zu vertiefen. Als Solutions Partner bietet AITAD Unternehmen, die MCUs und Tools der STM32-Familie sowie Sensoren verwenden, die Entwicklung von Embedded-KI-Lösungen und sein Fachwissen im Bereich Serialisierung. Unternehmen profitieren von der Erschließung neuer Anwendungsfelder, einem umfangreicheren Portfolio sowie der Implementierung innovativer Embedded-KI-Lösungen.

Potenzial vom Embedded-KI voll ausschöpfen

„Das Potential von lokalen Embedded-KI-Lösungen mit ihren Anwendungsfeldern wird durch neue Hard- und Software in den nächsten Jahren stark expandieren. STMicroelectronics (ST) hat dies erkannt. Der Markterfolg der Sensoren und MCUs der STM32-Familie macht die gemeinsame Zusammenarbeit im Rahmen des ST-Partnerprogramms zum nächsten logischen Schritt, um weitere Innovationen voranzutreiben“, so Viacheslav Gromov, CEO der AITAD GmbH.

Predictive Maintenance, User Interaction und spezifischen, funktionalen Innovationen sind zentrale Anwendungsfelder für Embedded-KI mit hohem Entwicklungspotenzial und zahlreichen neuen Geschäftsmöglichkeiten für Unternehmen. Dabei wirkt die KI vor Ort auf der Sensorik und technischen Embedded-Systemen. Die Systemkomponenten funktionieren autark, sicher und effizient. AITAD verfügt mit eigenem Labor, eigener Kleinserienproduktion, angepassten Serversystemen und interdisziplinären Teams über ein tiefgehendes Entwicklungs- und Integrationsknowhow. Der Embedded-KI-Lösungsanbieter begleitet Unternehmen als Full-Stack-Lieferant vom Konzept über die Datenaufbereitung bis zur fertig produzierten und genau passenden Komponente.

Alles aus einer Hand

AITAD bietet Unternehmen einen ganzheitlichen Full-Service-Ansatz mit starker technologischer Spezialisierung und einer nutzenorientierten, visionären Ausrichtung. Technologien wie Keyword Spotting (KWS), Objekterkennung (Vision, ToF, Radar/Lidar), Prozess-/Funktionsoptimierung (z.B. VOC, Staub, Ultraschall, Spektrographie) und Anomalieerkennung (z.B. für präventive/vorausschauende Wartung) führen zu funktionalen Verbesserungen einer Maschine, eines Produktes oder eines Gerätes. Die Technologien werden in einem individuellen Konzept gebündelt. Unternehmen erhalten so die Möglichkeit, ihre Struktur grundlegend zu verändern: Sie können ihr gesamtes Geschäftsmodell mit datenbasierten Ansätzen wie Leasing-, Full-Service- oder Pay-per-Use-Modellen sowie alle üblicherweise zusätzlich erforderlichen Embedded-Themen wie M2M, zusätzliche Sensorfunktionen und Benutzerinteraktion (HMI) verändern.

Nach einer groben Skizzierung der ganzheitlichen Sichtweise des Unternehmens entwickelt AITAD die Soft- und Hardware mit Prototyping-Phasen zur Demonstration und zum Test der technologischen Lösungsvorschläge (PoCs). In weiteren Schritten werden die Machine-Learning-Komponenten umfangreich trainiert und getestet sowie bis zur Serienreife individualisiert. AITAD nutzt standardisierte Prozesse und stellt Unternehmen für bestimmte Ausführungen eigene GUIs zur Verfügung. So lassen sich ein schneller und reibungsloser Projektablauf durchführen, die Entwicklungszeit und -kosten reduzieren und kürzere Markteinführungszeiten realisieren.

AITAD nutzt die fortschrittlichen Sensoren und Prozessoren von ST für maßgeschneiderte Lösungen. Die Unternehmen im STMicroelectronics-Partnerprogramm verfügen über spezielles Know-how, um kreative und innovative Lösungen selbst für die komplexesten Anwendungsfälle zu finden. „Das ST-Partnerprogramm hilft den Entwicklungsteams der Kunden, auf zusätzliche Fähigkeiten und Ressourcen zuzugreifen, um technische Entwicklung zu unterstützen und die Zeit bis zur Markteinführung neuer Produkte zu verkürzen“, sagt Alessandro Maloberti, Partner Ecosystem Director bei STMicroelectronics. „Mit der Auswahl, Qualifizierung und Zertifizierung unserer Programmpartner unternehmen wir einen weiteren wichtigen Schritt, um unsere Kunden dabei zu unterstützen, Design und Entwicklung zu beschleunigen und die robustesten und effizientesten Produkte und Dienstleistungen auf den Markt zu bringen.“

STMicroelectronics, ein weltweit führendes Halbleiterunternehmen, das Kunden aus dem gesamten Spektrum elektronischer Anwendungen bedient, hat das ST-Partnerprogramm ins Leben gerufen, um die Entwicklungsbemühungen seiner Kunden zu beschleunigen, indem es Unternehmen mit komplementären Produkten und Dienstleistungen identifiziert und ihnen diese vorstellt. Darüber hinaus stellt der Zertifizierungsprozess des Programms sicher, dass alle Partner regelmäßig auf Qualität und Kompetenz überprüft werden. Weitere Informationen finden sich unter www.st.com/partners.

AITAD ist ein deutscher Embedded-KI-Anbieter. Das Unternehmen befasst sich mit der Entwicklung und Testung von KI-Elektroniksystemen, insbesondere in Verbindung mit maschinellem Lernen im Industriekontext (v.a. Systemkomponenten). Als Entwicklungspartner übernimmt AITAD den kompletten Prozess vom Datensammeln über die Entwicklung bis hin zur Lieferung der Systemkomponenten. Dadurch werden innovative Anpassungen des Produkts vorgenommen, ohne das Kompetenzen und nur wenige Ressourcen von Kundenseite notwendig sind. Der Fokus liegt dabei auf zukunftsbringenden, disruptiven, innovativen Anpassungen mit größtmöglichem Impact auf Strukturen und Produktstrategien. Die Spezialgebiete von AITAD sind Preventive/Predictive Maintenance, User Interaction und funktionale Innovationen. Dabei geht AITAD einen anderen Weg als viele Hersteller: Anstatt einer fertigen KI-Lösung wird für jeden Kunden ein individuelles System entwickelt. Hierfür prüft das Unternehmen im ersten Schritt wie Kundenprodukte vom KI-Einsatz profitieren, stellt die Vorteile und Möglichkeiten vor, entwickelt das System auf allen Ebenen, baut dank einer Prototyping-EMS-Strecke in-house einen Prototyp des neuen Systems auf Basis gesammelter Daten und steht bei der Serienanfertigung und Systempflege stets zur Seite. Dabei agiert AITAD als interdisziplinärer Full-Stack-Anbieter mit Bereichen Data Science, Maschinenbau sowie Embedded-Hard- und Software. Zudem forscht AITAD in- und extern an zahlreichen algorithmischen und halbleitertechnischen Grundlagen der KI-Technologie. Weitere Informationen www.aitad.de

PR-Agentur

Kontakt
PR-Agentur Werte leben & kommunizieren
Martina Gruhn
Corneliusstr. 29
80469 München
015221943260
info@martinagruhn.com
http://www.martinagruhn.com

Graph Data Science (GDS), Data Importer und OpsManager vereinfachen den Einstieg in Graphtechnologie und Graph Analytics

Neo4j Feature: Filter für KNN-Algorithmus

München, 17. August 2022 – Neo4j (https://neo4j.com/?ref=pr-&utm_source=announcement&utm_medium=referral&utm_campaign=Neo4j-Neuen-Features), weltweit führender Anbieter von Graphtechnologie, glänzt mit neuen Features der Graphdatenbank. Neben kontinuierlichen Optimierungen von Graph Data Science (GDS) gibt es auch Verbesserungen in Sachen automatische Datenmodellierung, Backend Administration und Integration von Data Warehouse. Damit bietet die native Graphdatenbank einen erleichterten Einstieg sowohl für Entwickler als auch für Data Scientists.

Das neue Release Graph Data Science (GDS) 2.1 bietet in der Library mehr als 65 Graph-Algorithmen – darunter neu K-means-Clustering (https://neo4j.com/docs/graph-data-science/2.1/algorithms/alpha/kmeans/?ref=pr-&utm_source=announcement&utm_medium=referral&utm_campaign=Neo4j-Neuen-Features) und Leiden (https://neo4j.com/docs/graph-data-science/2.1/algorithms/alpha/leiden/?ref=pr-&utm_source=announcement&utm_medium=referral&utm_campaign=Neo4j-Neuen-Features) für Community Detection. Quell- und Zielknoten lassen sich von nun an für die Algorithmen KNN (K-Nearest Neighbor) und Node Similarity filtern. Zudem bietet Neo4j Verbesserungen hinsichtlich der graph-nativen ML-Pipelines: So vereinfacht es das Autotuning für ML-Pipelines, die richtigen Abfrage-Parameter zu identifizieren, um das bestmögliche Modell zu erzeugen. Über Knotenregressions-Pipelines lassen sich jetzt numerische Eigenschaften vorhersagen. Der Python Klient vereinfacht Arbeitsabläufe für Data Scientists, die nicht mit Cypher vertraut sind. Neu ist außerdem die Apache Arrow-Integration für schnelle Graph Projection aus externen Quellen, Datenbankerstellung und Graph Export. So können Anwender massive Datenmengen von bis zu 30 Mio. Objekten/Sekunde in den Graphen direkt importieren und exportieren.

Außerdem hat Neo4j die Usability der Graphdatenbank weiter erhöht. Der neue Data Importer ermöglicht den Datenimport sowie die visuelle Modellierung von CSV-Dateien als Graph. Cypher Kenntnisse sind dafür nicht nötig. Die No-Code-Lösung sorgt so für eine einfache Bedienbarkeit und einen reibungslosen Start von eigenen Projekten. Daten lassen sich intuitiv modellieren (UI) und Flat Files als Graph abbilden. Das Feature ist für den Import von Millionen von Datensätzen ausgelegt.

In der GraphQL Toolbox gibt es zudem eine reibungslose Low-Code UI für Prototyping und zum Erforschen des GraphQL-Schemas. Dieses erlaubt es, Graph-Algorithmen direkt im Visualisierungstool Neo4j Bloom zu erforschen. Für noch mehr Benutzerfreundlichkeit bietet Neo4j außerdem AuraDB Free: Die kostenlose Variante der Cloud-Graphdatenbank steht ab sofort mit einer erhöhten Limitierung von 200.000 Knoten und 400.000 Kanten zur Verfügung.

Das neue Backend-Admin-Tool OpsManager hilft DB-Administratoren, die Auslastung ihrer Graphdatenbank im Blick zu behalten, den Arbeitsspeicher zu prüfen und so schnell Entscheidungen zu treffen. Ein Dashboard mit den wichtigsten Metriken für Betriebssystem, DBMS und Datenbank sowie dedizierte UIs für die Verwaltung und eine rollenbasierte Zugriffskontrolle helfen dabei, die Neo4j Bereitstellung zentral zu managen.

Mit dem Data Warehouse Connector bietet Neo4j jetzt umfassenden Support von Konnektoren und Sprachen (Java, Java Script, Python, .NET, GO). Dank des Connectors lassen sich Daten zwischen einem beliebigen Data Warehouse und Neo4j jetzt einfacher verbinden. Unterstützt werden Snowflake, Google BigQuery, Amazon RedShift, und Azure Synapse.

Mehr über die einzelnen Produkte finden Sie unter https://neo4j.com/product/?ref=pr-&utm_source=announcement&utm_medium=referral&utm_campaign=Neo4j-Neuen-Features

Neo4j ist die weltweit führende Graph Plattform. Sie hilft Unternehmen wie Deutsches Zentrum für Diabetesforschung e.V., NASA, UBS und Daimler, die vorliegenden Daten mit Kontext anzureichern, um damit Herausforderungen ganz unabhängig von Umfang oder Komplexität zu lösen. Anwender nutzen Neo4j, um ihre Branchen nachhaltig zu verändern, indem sie Finanzbetrug und Cyberkriminalität eindämmen, globale Netzwerke optimieren, Forschung beschleunigen oder bessere Empfehlungen liefern. Neo4j bietet Echtzeit-Transaktionsverarbeitung, fortschrittliche KI/ML, intuitive Datenvisualisierung und vieles mehr. Weitere Informationen finden Sie auf Neo4j.com und @Neo4j.

Neo4j Media Hotline:
pr@neo4j.com
neo4j.com/pr

Firmenkontakt
Neo4j
Sabine Listl
Prinzregentenstraße 89
81675 München
089 41 77 61 16
neo4j@lucyturpin.com
http://www.neo4j.com

Pressekontakt
Lucy Turpin Communications
Sabine Listl
Prinzregentenstraße 89
81675 München
089 41 77 61 16
neo4j@lucyturpin.com

Home

Viacheslav Gromov, CEO und Gründer vom Embedded-KI-Fullstack-Anbieter AITAD (Bildquelle: @AITAD)

Die Aussagen des Google-Entwicklers Blake Lemoine haben in den vergangenen Tagen für einiges Aufsehen gesorgt. Demnach hatte der von Google entwickelte Chatbot LaMDA ein Bewusstsein entwickelt und sich sogar einen Anwalt zur Vertretung seiner Interessen genommen. Als Nachweis verweist Lemoine auf ein 21 Seiten umfassendes Gesprächsprotokoll mit LaMDA. Allerdings räumt auch Lemoine ein, dass diese Einschätzung einer Experten-Überprüfung bedürfe. Laut Viacheslav Gromov, CEO und Gründer vom Embedded-KI-Fullstack-Anbieter AITAD ist es eher unwahrscheinlich, dass LaMDA ein Bewusstsein entwickelt:

Viel wahrscheinlicher ist es, dass LaMDA ein Bewusstsein perfekt imitiert. Denn genau darauf wird Künstliche Intelligenz (KI) trainiert. Gromov verweist auf bestehende performante KI-Chatbots wie Mitsuku und die perfekte, scheinbar reale Muster-Imitation mit dem Gelernten aus großen Datenspeichern und dem öffentlichen Internet. So entstehen kohärente, intelligente und emotionale Antworten. Dahinter existiert aber kein tiefergehendes Verständnis der Inhalte. Eine KI mit Bewusstsein liegt zudem oft nicht im Interesse der Entwicklung, da es dafür gar keine konkreten Anwendungsfälle in der Industrie gibt. Es wird kein Bewusstsein gebraucht und gewollt, damit KI effektiv in Medizingeräten oder selbstfahrenden Autos wirkt oder um Sprache, Bewegungen oder Objekte zu erkennen.

Die Frage nach Normierung und gesetzlicher Regelung

Der Turing-Test oder auch Searles Chinesisches Zimmer zeigen, wie schwierig es ist, Maschinen auf Intelligenzmerkmale zu testen. Zum Bewusstsein gehört auch Embodiment – also die Einheit mit Körper, Spüren und Erleben und sich dessen bewusst zu sein. Das sogenannte phänomenale Bewusstsein als Teilaspekt des übergreifenden Bewusstseins ist also bei einem Chatbot in der bekannten Art gar nicht möglich, da ihm der Körper fehlt. Zahlreiche Theorien zur Entstehung von Bewusstsein und komplexen Emotionen nur aufgrund hormon- und körperprozessbedingter Prozesse im Hirn, wie es auch Catrin Misselhorn in ihrem Standardwerk „Grundlagen der Maschinenethik“ (Reclam, 2018) beschreibt, sprechen dagegen. Selbst die Neurologie bei biologisch gezüchteten Neuronen-Netzen ist nicht in der Lage, Bewusstsein in der Petrischale zu erzeugen.

AITAD beteiligt sich in einigen KI-Normierungs- und Lenkungsgremien. Hier wird klar: Im Fall, dass es bewusstseinsähnliche Erscheinungen gäbe, bräuchte die Zulassung solcher Produkte mindestens 5 bis 10 Jahre. Der gesellschaftliche Konsens hierzu müsste groß sein. Die EU zeigt bereits mit dem aktuellen „AI Act“-Vorschlag deutliche Fortschritte in Richtung der Zulassung von aktuellen, industriellen KIs.

KI löst durch ihre Leistungsfähigkeit immer wieder Bewunderung aus und bietet in vielen fest definierten Bereichen einen hohen Mehrwert. Eine Gefahr ist sie jedoch nicht. Auch AITAD entwickelt KI-Systeme. Diese sind Hardware-gebunden (Embedded-KI) und lösen wiederkehrende gleichartige Aufgaben mit hoher Zuverlässigkeit. Damit sorgen die AITAD-Lösungen beispielsweise durch Predictive Maintenance für eine annähernd 100prozentige Maschinenverfügbarkeit, im Operationssaal für die Früherkennung von Komplikationen oder für Sicherheit in gefährlichen Industrieumgebungen.

Weitere Informationen: https://aitad.de

Quellennachweis:
– https://de.wikipedia.org/wiki/Mitsuku
– https://www.documentcloud.org/documents/22058315-is-lamda-sentient-an-interview
– https://de.wikipedia.org/wiki/Turing-Test
– https://de.wikipedia.org/wiki/Chinesisches_Zimmer
– https://www.reclam.shop/detail/978-3-15-950527-5/Misselhorn__Catrin/Grundfragen_der_Maschinenethik__PDF_
– https://artificialintelligenceact.eu

PR-Agentur

Kontakt
PR-Agentur Werte leben & kommunizieren
Martina Gruhn
Corneliusstr. 29
80469 München
015221943260
info@martinagruhn.com
http://www.martinagruhn.com

Allerdings fehlen den Unternehmen Expertise und Fachkräfte

Pläne der befragten Unternehmen für den zukünftigen Einsatz von Machine Learning (Bildquelle: AllCloud)

Berlin, 30.05.2022 – AllCloud, ein weltweit führender Anbieter von Professional Services im Bereich Data Analytics und Machine Learning, stellt die Ergebnisse der Studie „Machine Learning
in der Produktion“ vor.

Die Studie zeigt deutlich auf, dass Unternehmen das große Potenzial von Machine Learning (ML) im Bereich der Fertigung und Produktion erkannt haben. So plant nahezu jedes zweite Produktionsunternehmen die Optimierung der eingesetzten ML-Systeme. 41 % wollen den Einsatz weiter verstärken und auf andere Bereiche ausweiten. Dafür sprechen viele Gründe: ML-Modelle können beispielsweise maßgeblich den Erfolg eines Unternehmens beeinflussen und entscheidend für die strategische Ausrichtung sein.

Haupteinsatzfelder und -vorteile
Gegenwärtige Haupteinsatzfelder sind Qualitätssicherung und -kontrolle (bei 37 % der befragten Unternehmen), die Logistik und Bestandserweiterung (bei 25 %), die Optimierung des Produktionsprozesses (bei 24 %) und die vorausschauende Instandhaltung (ebenfalls bei 24 %).

Die Vorteile des Einsatzes von ML sind immens. Ein wichtiger Nutzen sind Kostenersparnisse, die bei 45 % der Befragten auftreten. Darüber hinaus geben 42 % an, dass eine Produktionsoptimierung erreicht wurde. 41 % sehen eine Produktivitätssteigerung, 34 % eine Prozessbeschleunigung und 32 % eine Mitarbeiterentlastung durch den Einsatz von Machine Learning.

Gefragte Implementierungspartner
Die Studie zeigt außerdem, dass sich die ambitionierten Pläne der Unternehmen nicht ohne die Hilfe von Implementierungspartnern umsetzen lassen. Lediglich zwei Prozent der Produktionsunternehmen können ihre zukünftigen Pläne im Bereich von ML-Technologien eigenständig umsetzen. Entsprechend geben 98 % der Befragten an, auf externe Dienstleister angewiesen zu sein. Dieser Bedarf liegt in der fehlenden Expertise der Unternehmen im Bereich von ML-Modellen und -Tools und dem Fachkräftemangel begründet. Den befragten Unternehmen fehlt es an Experten, die den Umgang, die Einsatzfelder und die Potenziale von ML-Systemen kennen und für das Unternehmen erschließen können. Auch bei den technischen Bedarfen und der Entwicklung individueller ML-Strategien sind externe Dienstleister unverzichtbar, um den Einsatz von Machine Learning im Industrie- und Produktionsumfeld weiter voranzutreiben.

Die Studie steht hier auf Deutsch zum Download bereit: https://allcloud.io/de/go/marktstudie-ml-in-der-produktion/
AllCloud ist zudem auf Hannover Messe in Halle 5 an Stand A54 als Aussteller (als Partner von AWS) vertreten und steht dort zu Gesprächen über die Studie etc. zur Verfügung.

Methodik: Im Rahmen der vorliegenden repräsentativen Studie, die von der techconsult GmbH verfasst und von der AllCloud GmbH unterstützt wurde, sind im März 2022 über 200 Entscheider aus Unternehmen befragt worden, in denen bereits Machine Learning eingesetzt wird. Dabei wurden folgende Branchen untersucht: Verarbeitendes Gewerbe (44%), Baugewerbe (20%), Energieversorgung (18%), Wasser-, Abwasser- und Abfallentsorgung (8%) und Bergbau (7%). Außerdem wurden die Unternehmensgrößen (250-500 MA (40%), 500-1.000 MA (28%), 1.000-5.000 MA (17%) und mehr als 5.000 MA (15%)) sowie die Position im Unternehmen (CEO (5%), CTO (4%), CDO (10%), CIO (22%), BDM (8%), Data Scientist/Engineer (6%), Leiter Forschung und Entwicklung (8%), Produktionsleiter (26%) und andere Positionen (11%) erhoben.

AllCloud ist ein weltweit aktiver Anbieter von Professional Services und Managed Services, der Unternehmen mit Tools für das Cloud Enablement und die Cloud Transformation unterstützt. Durch eine einzigartige Kombination aus Expertise und Agilität beschleunigt AllCloud das Potenzial von Cloud-Innovationen und hilft Unternehmen, den Wert der Cloud-Technologie voll auszuschöpfen.

Als AWS Premier Consulting Partner, Salesforce Platinum Partner und Snowflake Select Partner hilft AllCloud seinen Kunden, Front- und Backoffice miteinander zu verbinden, indem ein neues Betriebsmodell aufgebaut wird, das es ihnen ermöglicht, die Vorteile von Cloud-Technologie, Daten und Analysen zu nutzen. AllCloud wird durch ein robustes Ökosystem von Technologiepartnern, bewährten Methoden und gut dokumentierten Best Practices unterstützt. Auf diese Weise können Kunden bei jedem Meilenstein auf dem Weg zur Cloud-First-Position in einer sicheren Umgebung operative Spitzenleistungen in der Cloud erzielen.

Mit über 13 Jahren Erfahrung und einem Portfolio von Tausenden von erfolgreichen Cloud-Implementierungen betreut AllCloud Kunden auf der ganzen Welt. AllCloud hat Niederlassungen in Israel, Europa und Nordamerika. www.allcloud.io

Firmenkontakt
AllCloud
Philipp Schlüter
Rosenstraße 2
10178 Berlin
+49 (0) 30 24 31 02 14 5
de-info@allcloud.io

AllCloud Home Page

Pressekontakt
HBI Helga Bailey GmbH – International PR & MarCom
Christian Fabricius
Stefan-George-Ring 2
81929 München
+49 (0) 89 99 38 87 0
allcloud@hbi.de

Home

Squirro AG

– Julien Simon von Hugging Face spricht im Podcast über die „Demokratisierung von Machine Learning“

– Podcast-Hörer erhalten die Chance, ihr eigenes Machine Learning Modell bei Squirro zu bauen und auf Hugging Face zu veröffentlichen.

Squirro, Anbieter von Augmented Intelligence-Lösungen, welcher in Gartners Magic Quadrant für Insight Engines als Visionär gekürt wurde, lud Julien Simon, „Chief Evangelist“ der AI Community Hugging Face, in der neuesten Folge seines Redefining AI Podcasts mit dem Titel „Die Demokratisierung von Machine Learning“ ein.

Redefining AI konzentriert sich auf Gespräche, welche die digitale Innovation vorantreiben und den Menschen helfen, Artificial Intelligence, Machine Learning, Cognitive Search, Insight Engines und das Zeitalter der Erkenntnisse zu verstehen.

In der neuen Folge diskutieren Julien und Lauren Hawker Zafer über die Bemühungen um mehr Zusammenarbeit und Offenheit in einem Bereich, der immer noch den zunehmenden Risiken von Verantwortungslosigkeit, Monopolen und Machtkonzentration ausgesetzt ist.

„Hugging Face nimmt sich einer sehr wichtigen und glaubwürdigen Rolle an, welche klare, langfristige Auswirkungen auf die Branche haben wird. Deshalb waren wir sehr erfreut, Julien bei Redefining AI willkommen heißen zu dürfen“, sagt Lauren Hawker Zafer, Head of Training and Education von Squirro. „Es war eine faszinierende Diskussion, in der es um die soziale Verantwortung ging, die mit dem Versuch einhergeht, ML zu demokratisieren, und um die soziologischen Folgen der weit verbreiteten Nutzung von z.B. AI-Sprachmodellen. Redefining AI ist ein Ort, an dem Menschen mehr über AI und ML erfahren können, und Julien hat das auf jeden Fall erreicht.“

Die Squirro Academy wurde 2021 ins Leben gerufen, um Leuten einfachen Zugang zu Wissen und Bildung rund um ML und AI zu ermöglichen. Die Academy bietet eine große Vielfalt an Lerninhalten zu Artificial und Augmented Intelligence, Natural Language Processing, Machine Learning, Data Analytics, No-Code AI und Insight Engines.

Hugging Face ist eine AI Community, die das Ziel verfolgt, gutes Machine Learning durch Open Source und Open Science zu demokratisieren. Das Unternehmen schloss kürzlich eine Serie-C-Finanzierungsrunde über 100 Millionen US-Dollar ab und wird nun mit 2 Milliarden US-Dollar bewertet.

„Die Beschleunigung der Demokratisierung von AI und ML ist einer der Gründe, warum wir die Squirro Academy gegründet haben, und es ist ein Thema, dass uns sehr am Herzen liegt“, so Lauren Hawker Zafer weiter. „Damit ML sein enormes Potenzial entfalten kann, ist es wichtig, dass Business-User es nutzen und dass sie verstehen, wie ML in verschiedenen Bereichen angewendet werden kann. Redefining AI befasst sich mit diesen Anliegen und wir bemühen uns stets darum, unseren Hörern ehrliche und einzigartige Einsichten sowie praktische Lernmöglichkeiten zu geben, wodurch wir die Demokratisierung von ML weiter vorantreiben möchten.“

Redefining AI ist verfügbar auf:

1. Spotify Redefining AI
2. Apple Podcasts
3. Google Podcasts
4. Stitcher

Hörer, die daran interessiert sind, ihr eigenes Machine Learning Modell zu bauen und auf Hugging Face zu veröffentlichen, können dies in Squirros No Code AI Modell Creator Kurs tun.

Die Squirro-Modelle bei Hugging Face können hier angesehen werden: huggingface.co/squirro

Weitere Informationen zu Squirro: https://squirro.com/

Weitere Informationen zum No Code AI Modell Creator Kurs: https://learn.squirro.com/learn/public/learning_plan/view/13/squirro-no-code-ai-model-creator-training-certification

Weitere Informationen zur Squirro Academy: https://squirro.com/education/

Über Squirro:
Unternehmen nutzen neue Chancen, verbessern die Kundenbeziehungen und optimieren die Entscheidungsfindung mit den branchenspezifischen Augmented Intelligence-Lösungen von Squirro, die menschliche Intelligenz mit leistungsstarker AI kombinieren. Als Insight Engine im Kern liefert Squirro kontextualisierte Erkenntnisse aus den relevantesten Datenquellen der Kunden und zeigt diese direkt über Workbench-Integrationen oder Self-Service-Anwendungen an.

Squirro arbeitet mit globalen Organisationen zusammen, vorrangig in den Branchen Finanzdienstleistungen, Versicherungen, Telekommunikation und Produktion. Zu den Kunden zählen unter anderem die Bank of England, Standard Chartered, ING, Brookson, Candriam und Ninety-One. Squirro wurde 2012 gegründet und verfügt aktuell über Standorte in Zürich, London, München, New York und Singapur.

Kontakt
Squirro AG
Gloria Fernandez
Mühlebachstrasse 70
8008 Zürich
+41 44 562 43 36
gloria.fernandez@squirro.com
https://squirro.com/

Wie Automatisierung ein widerstandsfähiges Gesundheitssystem unterstützt

Mayk Tilinski, Vice President EMEA von Nintex Kryon (Bildquelle: @Nintex Kryon)

Nach Ansicht des IT-Unternehmens Nintex Kryon muss der Gesundheitssektor mehr auf Automatisierungstechnologien wie die robotergestützte Prozessautomatisierung (Robotic Process Automation, RPA) setzen. Das Ergebnis ist ein widerstandsfähiges Gesundheitssystem, das im Falle einer Pandemie oder anderweitiger Ereignisse erstklassige Ergebnisse für die Patienten erzielt.

Mit Einsatz von RPA ein widerstandsfähiges Gesundheitssystem aufbauen

Die weltweite Krise im Gesundheitswesen zwang Krankenhäuser, den Einsatz von Werkzeugen und Prozessen wie RPA zu beschleunigen, um dringend benötigte Freiräume in den Krankenhäusern zu schaffen und einen widerstandsfähigeren Gesundheitssektor aufzubauen. Die Prozesse, die für den Betrieb von Gesundheitseinrichtungen und die medizinische Versorgung der Patienten wichtig sind, werden zunehmend automatisiert, um Effizienz, Genauigkeit und Kosteneinsparungen zu erzielen. Dies war besonders während der Pandemie wichtig, da die Krankenhäuser nach innovativen Wegen suchen, um ihre Kapazitäten besser auszulasten. Die Verarbeitung von Patienten, ihren Daten und Terminplänen wird im Gesundheitswesen zunehmend automatisiert.

Bots unterstützen bei Impfplanung

Da beispielsweise die COVID-Impfungen immer mehr an Fahrt gewinnen, ist die kontinuierliche Planung von Patienten für Auffrischungsimpfungen von entscheidender Bedeutung, um die Auswirkungen der Pandemie zu mindern. Dieses manuelle Verfahren ist jedoch mit logistischen Schwierigkeiten verbunden und kann sehr zeitaufwändig sein. Stattdessen können Bots eingesetzt werden, um die Terminplanung zu automatisieren und die Zeit der Fachkräfte zu entlasten. So bleibt dem Personal mehr Zeit, sich auf die COVID-bezogene Patientenversorgung zu konzentrieren.

Process Discovery: Prozesse schnell komplett abbilden

Letztendlich wird Process Discovery (auch bekannt als Task Mining) und die Abbildung aller Prozesse im Gesundheitswesen das Personal dabei unterstützen, Leben zu retten. Die erhöhte Transparenz der Prozesse verstärkt die betriebliche Effizienz und Prozessqualität. Wertvolle Zeit und Kosten werden eingespart. Möglich wird dies durch automatisierte Process Discovery, die innerhalb kurzer Zeit komplette Prozesse im Gesundheitswesen abbildet. Verbesserungen lassen sich dadurch schneller umsetzen.

Genaue Datenauswertung mittels Automatisierung

Die höhere Transparenz der Prozesse im Gesundheitswesen führt zu einer besseren Datenerfassung – ein entscheidender Faktor bei der Bewältigung einer Pandemie und der Erfassung individueller Bedürfnisse. Die COVID-19-Pandemie hat dazu geführt, dass nationale Daten an Bedeutung gewinnen. Insbesondere Daten, um zu verstehen, wie sich das Virus entwickelt und welche Maßnahmen dazu beitragen können, die Verbreitung zu minimieren. Auf nationaler Ebene ist es jedoch komplex, Daten von einzelnen Krankenhäusern zu sammeln, zu verarbeiten, zu verfeinern und zu validieren. Die Daten müssen von bestimmten Krankenhäusern beschafft werden, die ihre eigenen Datenerfassungs- und Verarbeitungsprotokolle haben. Sobald Menschen Gigabytes von Daten verarbeiten, sind Fehler fast unvermeidlich. Hinzu kommen die Datenschutzparameter, die bei der Datenverarbeitung einzuhalten sind, und die Notwendigkeit der Anonymität zum Schutz der Privatsphäre der Patienten. Es sind also eine Reihe von Komponenten zu berücksichtigen. Die Automatisierung trägt dazu bei, diese Prozesse effizient und konform zu gestalten.

Überwindung potenzieller logistischer Hürden

Vor allem aber kann sich das Gesundheits- und IT-Personal auf das konzentrieren, was wirklich wichtig ist: Patienten zu unterstützen und Leben zu retten. Erfolgreiche Einsätze von RPA in der Praxis sind bereits in medizinischen Einrichtungen auf der ganzen Welt zu finden. Das brasilianische Gesundheitsministerium beispielsweise hat kürzlich die Automatisierung genutzt, um logistische Herausforderungen in seinen Krankenhäusern zu bewältigen. Das Sammeln und Verarbeiten von Daten für eine Bevölkerung von über 200 Mio. Menschen ist ein gewaltiger Prozess. Durch die Automatisierung ließ sich die Genauigkeit und Effizienz steigern, während gleichzeitig medizinisches Fachpersonal und IT-Mitarbeiter entlastet wurden.

Die Patientenversorgung im Blick behalten

„COVID wird sich weiterentwickeln. Diese neue Realität sollte unser Ziel einer hochwertigen Patientenversorgung nicht gefährden. Sie sollte auch nicht alle unsere Ressourcen aufbrauchen. Logistik und Daten sollten Gesundheitsbemühungen unterstützen und verstärken, nicht behindern. Wenn Führungskräfte im Gesundheitswesen offen sind für die Schaffung neuer innovativer Systeme, die arbeits- und zeitintensive Prozesse rationalisieren und mehr Raum für die Patientenversorgung schaffen, kann RPA letztlich sowohl für den Gesundheitsdienstleister als auch für den Patienten und die Einrichtung von Vorteil sein und eine größere Wirkung und effektivere Ergebnisse im Gesundheitswesen erzielen,“ so Mayk Tilinski, Vice President EMEA von Nintex Kryon.

Weitere Informationen: https://www.nintex.com und www.kryonsystems.de

PR-Agentur

Kontakt
PR-Agentur Werte leben & kommunizieren
Martina Gruhn
Corneliusstr. 29
80469 München
015221943260
info@martinagruhn.com
http://www.martinagruhn.com

Future of Work im HR Bereich

Mayk Tilinski, Vice President EMEA von Kryon Systems (Bildquelle: @Kryon Systems)

Menschen sind das Lebenselixier eines jeden Unternehmens. Doch wie findet man die richtigen Mitarbeiter*innen und stellt diese effektiv und zügig ein? Technologien wie Robotic Process Automation (RPA) können durch Nutzung von Künstlicher Intelligenz (KI) die Personalbeschaffung und Einstellungsprozesse deutlich unterstützen.

Aufgrund des pandemiebedingten Fachkräftemangels wächst die Sorge um die Suche nach den richtigen Talenten. HR-Teams müssen bei der Auswahl neuer Talente effizient und präzise vorgehen, da sie sonst Gefahr laufen, sie an einen Konkurrenten zu verlieren. Viele Unternehmen stehen vor der Notwendigkeit ihre Prüfungs- und Einstellungsprozesse zu straffen. Ein erhöhter Aufwand an Kreativität ist gefragt, um die besten Bewerber zu gewinnen.

Mayk Tilinski, Vice President EMEA von Kryon Systems, rät Unternehmen:

Personalbeschaffung ist ein kostspieliger Prozess

In Anbetracht der Situation, in der sich Unternehmen befinden, ist es für Personalvermittler entscheidend, sowohl Top-Talente zu gewinnen als auch eine optimale Recruitment-Erfahrung zu bieten. Viele der für die Personalbeschaffung erforderlichen Aufgaben sind repetitiv und arbeitsintensiv. Eine einzige Neueinstellung kann die Personalabteilung bis zu drei Arbeitstagen an Zeitaufwand kosten, da Aufgaben wie das Screening von Lebensläufen eine umfangreiche Datenverarbeitung erfordern. Auch Prozesse wie Hintergrundüberprüfungen können zu einem Engpass bei der Einstellung werden. Ein zusätzliches Hindernis ist das erhöhte Risiko von fehlerhaften Angaben und Fehlern bei der Einhaltung von Vorschriften (Compliance Richtlinien), die sich aus der manuellen Datenverarbeitung ergeben können. Durch diese langwierigen Prozesse sind die Kandidaten anfällig für die Abwerbung durch Wettbewerber.

Wenn Personalverantwortliche unter Zeitdruck stehen, können sie übereilte Entscheidungen treffen, die zu Fehlbesetzungen führen. Das Screening von Bewerbern ist eine wichtige, aber zeitaufwändige Aufgabe, die, wenn sie übereilt durchgeführt wird, dazu führen kann, dass die zu besetzende Position und die ausgewählten Talente nicht optimal zusammenpassen. Diese Art von Aufgaben kann die Mitarbeiter*innen der Personalabteilung viel Zeit kosten und zu Engpässen in den Arbeitsabläufen führen. Hinzu kommt die Zeit, die für geringwertige Verwaltungsaufgaben aufgewendet wird und die damit verbundenen Kosten.

Die Zukunft der Personalbeschaffung mittels Automatisierung

In der Personalabteilung können KI-gesteuerte RPA-Plattformen eingesetzt werden, um die manuellen und sich wiederholenden Aufgaben im Einstellungsprozess zu übernehmen. Dies verändert die Art und Weise, wie Personalvermittler ihre Zeit tagtäglich verbringen.

Nimmt man als Beispiel eine Zahl von täglich 9,8 Millionen Arbeitssuchenden und 250 Lebensläufen, die pro Stelle eingehen sowie einen durchschnittlichen Zeitaufwand von 6-8 Sekunden, den die Personalabteilung für die Sichtung jedes Lebenslaufs aufwendet, bevor sie sich der Sache annimmt, wird deutlich, wie viel Zeit für diese Tätigkeiten benötigt wird.

KI-gestützte RPA kann zur Durchführung von Hintergrundprüfungen und Bewerberscreenings eingesetzt werden, um den Zeitaufwand für diese Aufgaben zu reduzieren. Darüber hinaus können Personalvermittler vordefinierte Regeln erstellen, nach denen RPA eine Auswahlliste der besten Kandidaten für Vorstellungsgespräche erstellt. Diese Werkzeuge sind besonders nützlich für Personalvermittler, die Lebensläufe auswählen, die die für eine Stelle erforderlichen Hard Skills aufweisen. Auf diese Weise können Personalverantwortliche bei der Sichtung von Hunderten von Bewerbungen Zeit sparen und sicherstellen, dass die in die engere Wahl gezogenen Bewerbungen am besten für das Unternehmen geeignet sind.

Ein weiterer Vorteil ist, dass RPA dazu beiträgt, menschliche Fehler zu reduzieren. Angebotsschreiben müssen den örtlichen und betrieblichen Vorschriften entsprechen und gleichzeitig für die gewünschten Kandidaten attraktiv sein. Dies kann zu einem zeitaufwändigen Prozess führen. RPA ist in der Lage, Angebotsschreiben zu automatisieren, die maßgeschneidert und genau sind.

Mit KI-gestützter RPA können Personalvermittler mehr Zeit damit verbringen, strategische Entscheidungen zu treffen, um die Personalbeschaffungsfunktion zu verbessern und mit marktweiten Entwicklungen Schritt zu halten. Da Roboter geringwertige Aufgaben erledigen, können sich die Mitarbeiter*innen stärker auf Kontakt mit den interessanten Bewerbern konzentrieren und so besser prüfen, ob sie in Bezug auf Werte und Ziele zum Unternehmen passen.

Insgesamt wird die Automatisierung des Einstellungsprozesses die Kosten für Neueinstellungen senken sowie Zeit für die Personalabteilung freisetzen, um sicherzustellen, dass die besten Kandidaten ausgewählt und zu erfolgreichen Mitarbeiter*innen werden. Die Zukunft der Personalbeschaffung wird darin bestehen, dass KI und Automatisierung durch RPA genutzt werden, um die Personalbeschaffung zu verbessern. Soft Skills wie Kreativität und Kommunikation werden für die Personalabteilung noch wichtiger werden, da Recruiter sich stärker auf die Umsetzung von Strategien zur Gewinnung von Spitzentalenten konzentrieren werden.

Weitere Informationen: https://kryonsystems.de

PR-Agentur

Kontakt
PR-Agentur Werte leben & kommunizieren
Martina Gruhn
Corneliusstr. 29
80469 München
015221943260
info@martinagruhn.com
http://www.martinagruhn.com