IoT trifft KI: Aktuelle Projekte, Use Cases und Trends

Anbieter zum Thema

Intelligentes Compliance Management: Maschinelles Lernen sorgt für "Law and Order"

Eines weiß Bruno Terlizzi de Renzo heute: Keine neue Idee ist zu abwegig. Wenn es darum geht, zukunftsweisende Technologien wie maschinelles Lernen zur Automatisierung von Geschäftsprozessen einzusetzen, kennt die Fantasie keine Grenzen.

Der Hintergrund: Terlizzi de Renzo, Senior Localization Product Manager bei SAP Globalization Services, war mit der Aufgabe betreut worden, den für Steuern verantwortlichen Dienst des SAP Localization Hub mit Änderungen des brasilianischen Steuergesetzes zu aktualisieren. Nicht eben spannend. Und so dachte Terlizzi de Renzo, ob es, anstatt den Service manuell zu aktualisieren, nicht einfacher wäre, die "Maschine" mit so vielen Beispielen zu füttern, dass sie die Regeln und Formeln zum Berechnen von Steuern selbst erlernt.

Einer der wichtigsten Pluspunkte von maschinellem Lernen liegt ja schließlich darin, dass es den Experten das mühsame manuelle "Übersetzen" von Gesetzesänderungen in Programm-Code erspart. Damit könnten sich hochqualifizierte Fachkräfte auf Tätigkeiten konzentrieren, bei denen ihr Expertenwissen wirklich gebraucht wird. Hinzu kommt, dass die Automatisierung dieser Prozesse das Risiko von Unternehmen verringert, gegen Gesetze zu verstoßen. Damit sinkt die Gefahr, Bußgelder zahlen zu müssen. Schließlich werden jedes Jahr rund 1000 Gesetzesänderungen in 100 Ländern veröffentlicht, wobei es oft schwer ist, zu entscheiden, was davon wirklich wichtig ist und was nicht. Eine eine Gesetzesänderung, die "durchrutscht", kann aber gravierende Auswirkungen auf das Geschäft haben.

Bildergalerie

Bildergalerie mit 31 Bildern

Das führte Bruno Terlizzi der Renzo zur nächsten Frage: "Wie wäre es, wenn wir eine zweite Maschine entwickeln, die die Gesetzesänderungen durchliest? Eine zweite Maschine, die neue Steuerregeln erkennt und Daten generiert, mit denen sie die erste Maschine trainiert?" Nach einem kritischen Blick auf die Machbarkeit des Konzepts gaben Terlizzi de Renzo und seine Entwickler diesen Plan auf .

Kurz nachdem Terlizzi de Renzo seine Vision ad acta gelegt hatte, fand er heraus, dass noch ein anderes Team bei der SAP an der Aktualisierung von Gesetzestexten tüftelte. Man warf die Ideen in einen Topf und was daraus entstand, wurde "Law-to-Code" genannt. Und so konnte Terlizzi de Renzo für sein selbstlernendes Programm Ende 2016 endlich Nägel mit Köpfen machen.

Im September 2017 kamen Bruno Terlizzi de Renzo und sein Team zu dem Schluss, dass die Vorarbeit beschleunigt werden könnte, wenn man den Entwicklungsansatz änderte, nämlich durch Nutzung der Textservices von SAP Leonardo Machine Learning Foundation. Terlizzi de Renzo: "Dank der erstklassigen APIs von SAP Leonardo Foundation konnte das Team sich nun auf den zentralen Proof-of-Concept (PoC) für eine Anwendung konzentrieren, die maschinelles Lernen nutzt. Das beschleunigte die PoC-Entwicklung, und unser kleines Team konnte noch effizienter arbeiten."

Seit Anfang 2018 gibt SAP den PoC nun mithilfe der Teams für SAP Leonardo ML Business Development an Kunden weiter. Die Zahl der Anwendungsfälle wächst stetig. Einige davon seien hier angeführt:

Maschinelles Lernen unterstützt Compliance: Angesichts der galoppierenden Anzahl der weltweiten gesetzlichen Vorschriften ist die Fähigkeit, rechtskonform zu bleiben, heute entscheidender als je zuvor. Nicht umsonst sind hoch qualifizierte Experten pausenlos damit beschäftigt, komplexe Paragraphen zu durchforsten. Mit maschinellem Lernen können Kunden proaktiv Tausende von Datensätzen für gesetzliche Vorschriften auf Basis von Algorithmen analysieren, um die Relevanz aktueller Änderungen festzustellen. Im entsprechenden Fall werden dann über automatische Workflows sofort die Experten benachrichtigt.

Machine Learning in der pharmazeutischen und chemischen Industrie: In der Pharmaindustrie gibt eines der am stärksten regulierten Systeme der Welt. Die US-Lebensmittelüberwachungs- und Arzneimittelbehörde Food and Drug Administration (FDA) veröffentlicht täglich neue und geänderte Vorschriften. Damit Schritt zu halten und Rezepturen innerhalb der vorgegebenen Fristen zu ändern, stellt Pharmaunternehmen vor große Herausforderungen. Maschinelles Lernen ermöglicht es den Kunden endlich, Änderungen wie etwa die Bekanntgabe neuer verbotener Substanzen zu erfassen und die zuständigen Abteilungen rechtzeitig zu benachrichtigen, die dann wiederum die richtigen Schritte einleiten können.

Maschinelles Lernen in der Nahrungsmittel- und Getränkeindustrie: Hersteller in der globalen Lebensmittelindustrie verkaufen oft ein und dasselbe Produkt in vielen Ländern. Unterschiedlich ist meist die Verpackung, die jeweilige länderspezifische Vorschriften erfüllen muss. Ein an die Informationsquellen der Aufsichtsbehörden angebundener Roboter kann Lebensmittelhersteller sofort informieren, wenn diese neue Vorschriften herausgeben. Die Maschine kann die Anforderungen an eine Verpackung sofort umsetzen, um geltendem Recht zu entsprechen.

Daneben gibt es neue, aufstrebende Branchen, bei denen es sich etwa um autonomes Fahren oder Blockchain dreht. Doch auch diese bewegen sich nicht in einem rechtsfreien Raum. Angesichts ihrer überschaubaren Größe und des Mangels an Erfahrung im Umgang mit Aufsichtsbehörden können diese Unternehmen mit Law-to-Action sicherstellen, dass sie Gesetze einhalten. Dies alles sei aber nur der Anfang bei der Nutzung maschinellen Lernens, um die unablässige Flut von weltweiten Gesetzesänderungen zu bewältigen, ist Ferose V.R., Leiter von SAP Globalization Services, überzeugt: "Der Law-to-Action-Anwendungsfall ist einfach zu verstehen und zu demonstrieren. Er entmystifiziert das maschinelle Lernen, zeigt das Potenzial von künstlicher Intelligenz und bringt in der richtigen Kombination mit menschlichem Input den Endnutzern eine einzigartigen Mehrwert."

(ID:45337180)