Machine Learning aus Anwendersicht - KI bis zum KO?
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
02/2019 Fachartikel: Machine Learning aus Anwendersicht
Machine Learning aus Anwendersicht
KI bis zum KO?
Lernende Maschinen lösen schon heute Kundenprobleme und überbrücken Personalengpässe. Mit einem einfa-
chen Prototyp erzielen wir bei der Hanseatic Bank im Mahnwesen größtenteils deutlich bessere Ergebnisse als mit
etablierten internen Prozessen. Das motiviert uns, die Technologie weiterzuentwickeln und auch an anderen Stellen
einzusetzen.
Wenn zukünftig Algorithmen unser Er- land [HB]. Shareholder sind die Société wird. Wird eine Forderung beglichen, so
fahrungswissen ersetzen, müssen wir die Générale (Anteil: 75 Prozent) und die Otto verbucht der Algorithmus hingegen einen
Fragen nach Führung und Zusammen- Group (25 Prozent). Eine wichtige Säule Bonus.
arbeit unter Menschen neu stellen. Wir des Geschäftsmodells ist die Ausgabe von Ein weiteres Anwendungsgebiet für diese
müssen uns Gedanken machen, wo wir Kreditkarten. Es ist essenziell wichtig, Technologie ist die Ermittlung von next
unsere Intelligenz bestmöglich einsetzen dass die über den Tilgungssatz definierte best actions im Vertriebsbereich oder im
können und wollen, um die Zukunft der Rate pünktlich zurückgezahlt wird. Ist Kundenservice.
Organisation zu gestalten. Was aus Prag- das nicht der Fall, greift die regulatori- Das Forderungsmanagement der Hanse-
matismus entstanden ist, mündet somit in sche Maschinerie des Risikomanagements. atic Bank beschäftigt knapp vierzig Per-
Grundsatzfragen. Überfällige Forderungen werden für eine sonen. Der Bereich wird tätig, wenn ein
Seit 2017 kooperieren die Hanseatic Bank sehr schnell sehr teuer. Darum liegt Kunde mit seiner Rate im Rückstand ist.
Bank und das Hamburger FinTech-Un- ein großes Augenmerk auf allen Themen In der Folge stehen im Wesentlichen vier
ternehmen collectAI, das die Künstliche rund um das Forderungsmanagement – Kanäle für die Bearbeitung bereit: der
Intelligenz (KI) in die Prozesse der Bank auch Collection-Management genannt. klassische Mahnbrief nach gesetzlichen
gebracht hat [CAI]. Hervorgegangen aus dem Innovationsla- Vorgaben, die aktive Kontaktaufnahme
Die Autoren teilen praktische Einblicke in bor der Otto Group, Liquid Labs, bietet seitens der Bank über das Telefon (Out-
die Erfolge des ersten KI-Vorhabens der collectAI digitale Services für das For- bound-Telefonie im eigenen Callcenter)
Bank und wagen einen Blick über den Tel- derungsmanagement im B2C- und B2B- sowie die schriftliche Kontaktaufnahme
lerrand. Geschäft an. Die KI-gestützte Plattform per SMS oder E-Mail.
automatisiert die Kundenkommunikation Im Konzernvergleich der Société Générale
Das Umfeld – Collection- über verschiedene Kanäle. Die Künstli- lag die Hanseatic Bank bei einschlägigen
Management in der Bank che Intelligenz – genauer der Machine- Kennzahlen regelmäßig an der Spitze.
Learning-Ansatz – steuert den Versand Was hat uns geritten, uns dennoch auf
Um es vorwegzunehmen: Lernende Ma- smart und selbstlernend (der Zusammen- eine neue Technologie einzulassen? War-
schinen sind kein Faszinosum, das uns in hang zwischen KI, Machine und Deep um waren wir unzufrieden mit dem Sta-
Ehrfurcht erstarren lassen sollte. Im Ge- Learning ist zum Beispiel beschrieben in tus quo und warum hat sich die Hanse-
genteil – die Einführung und der Betrieb [Tie18]). Es handelt sich um ein Deep- atic Bank um eine FinTech-Kooperation
der im Folgenden beschriebenen Lösung Reinforcement-Learning-Verfahren, also gekümmert?
gestalteten sich recht einfach, wenngleich eine Kombination von Reinforcement
die zugrunde liegende Mathematik für und Deep Learning. Dabei wird aus Wis- Handlungsdruck Personalrisiko
Laien schwer verständlich ist. Ein promi- sen Erfahrung gewonnen, indem die Ma-
nentes Beispiel ist Googles AlphaGo. Der schine immer wieder unter Verwendung Die Hanseatic Bank befindet sich mitten
Algorithmus hat gelernt, das Spiel „Atari strukturierter, streng geschützter Daten in einem Transformationsprozess, der das
Breakout“ zu spielen. Ohne das Spielkon- trainiert wird [Kli18]. Der zugrunde lie- Unternehmen auf die digitale Zukunft
zept zu kennen, wird das zugrunde liegen- gende Algorithmus lernt durch Trial and in der VUCA-Welt vorbereitet. Das erste
de Problem in kürzester Zeit gelöst [You]. Error und Reward (Belohnung) and Pu-
Wir zeigen im Folgenden, dass wir schon nishment (Bestrafung) im Hinblick auf
mit einer relativ einfachen Ausprägung he- definierte Ziele immer weiter dazu. VUCA ist das Akronym für die engli-
rausfordernde Ergebnisse für das Mahn- Lernende Maschinen bauen sich Schritt schen Begriffe volatility (deutsch Volati-
wesen der Bank erzielen konnten, die uns für Schritt Erfahrungswissen auf, das für lität), uncertainty (deutsch Unsicherheit),
und unser bisheriges Handeln infrage ge- komplexe Entscheidungen in volatilen complexity (deutsch Komplexität) und
stellt haben. Die betriebswirtschaftlichen Umfeldern eingesetzt wird. Bei der Ent- ambiguity (deutsch Mehrdeutigkeit),
siehe: [Wiki].
Konsequenzen werden ebenfalls beschrie- scheidung der Maschine geht es immer um
ben. Zum Schluss befassen wir uns mit den nächstbesten Schritt, also wann wel- Die Erkenntnis, dass sich die Umwelt in
Richtung „VUCA” verändert, ist häufig
den Auswirkungen dieser Technologie auf che Art Mahnkommunikation als Nächs-
Ausgangspunkt für organisatorische
Führungs- und Teamentwicklung. tes verschickt werden sollte und wann Transformationsprozesse. So auch bei
Die Hanseatic Bank ist mit einer Bilanz- besser nicht. Für unser Beispiel greift der Hanseatic Bank.
summe von 2,9 Mrd. € eine der mittelstän- eine Malus-Regel, wenn beispielsweise
dischen Konsumentenbanken in Deutsch- eine Zahlungserinnerung nicht geöffnet Kasten: VUCA-Welt
46
www.objektspektrum.de
Abb. 1: Skizze der Altersverteilung in Deutschland
Machine-Learning-Projekt (ML-Projekt) 4,5 Millionen Menschen in Rente gehen. Der Pilot –
der Bank fand zwar zu einer Zeit statt, in Danach wird nochmals ein beträchtlicher Partner und Prozesse
der das Management der Bank erwartete, Bevölkerungsanteil den Ruhestand errei-
dass die Verantwortlichen ihre Digitalisie- chen. Banken sind stark reguliert. Darum wur-
rungsthemen vorantreiben. Eine dringli- In der betrieblichen Praxis ist der chro- de der Pilotprozess mit CollectAI und
che Problemstellung – die für ausreichend nische Personalmangel schon heute ein der Hanseatic Bank im Sommer 2017 so
Motivation sorgt, etwas zu tun – gab es riesiges Thema. Wenn Stellen nicht nach- einfach gestaltet, dass regulatorische Vor-
jedoch zunächst nicht. besetzt werden, dann zieht das einen gan- gaben nicht verletzt werden konnten. Ver-
Handlungsdruck entstand in unserem Fall zen Rattenschwanz an negativen Effekten traglich wurde das so formuliert, dass die
schließlich durch akuten Personalmangel. nach sich: Überlastung im Team, Res- KI „[…] digitale Services flankierend zum
Der Bereich hatte Schwierigkeiten, die sourcenkonflikte als Folge von fehlenden Mahnprozess […]“ bereitstellt. In der Pi-
Outbound-Telefonie im Sinne des Kun- Mitarbeitern, zunehmender Druck wegen lotphase wurden maximal 20 Prozent der
den zu betreiben. In jeder Region wird es unerledigter Aufgaben. Die Digitalisie- zu mahnenden Kunden über die ML-Platt-
zunehmend schwierig, empathische Mit- rung kommt oftmals auch deswegen nicht form bearbeitet. Im Vordergrund stand, für
arbeiter zu finden, die klar und wertschät- voran, weil die Verantwortlichen zu sehr eine erste Entlastung in den operativen Be-
zend mit dem Kunden sprechen und das mit der Rekrutierung neuer Mitarbeiter reichen zu sorgen. Kundenkontakte sollten
Markenversprechen nach außen tragen. beschäftigt sind. Ein Teufelskreis. Der vom Sprachkanal auf mobile elektronische
Das wirft ein Schlaglicht auf ein grund- Start des ML-Projektes im Collection- Kanäle umgelenkt werden. Die Kollegen
sätzliches Problem. Schauen wir uns die Management war ein erster konsequenter sollten sich auf andere wichtigen Aufgaben
Bevölkerungsverteilung an – in Abbil- Schritt, um dem steigenden Personalman- konzentrieren, wie etwa das Kontaktieren
dung 1 in einer etwas älteren Darstellung gel entgegenzuwirken [Zey18]. von Kunden mit hohen ausstehenden Ra-
aus dem Jahr 2016. Wir sehen, dass die Halten wir fest: Ein Klima des Kultur- ten. Währenddessen verschickte die ler-
Babyboomer-Generation – also die zwi- wandels und ein konkreter Leidensdruck nende Maschine die Mahnkommunikation
schen den Fünfziger und Sechsziger Jah- in Form eines Engpasses haben uns bewo- in Form von zeitlich getakteten SMS und
ren Geborenen – die bevölkerungsreichste gen, eine Lernende Maschine einzusetzen. E-Mails (siehe Abbildung 2).
Gruppe ist. Bis sie etwa um das Jahr 2030 Wir waren ok so, wie wir waren. Aber wir Der Pilotprozess sah vor, den Kunden im
das Rentenalter erreicht, werden etwa wollten nicht so bleiben. Verlauf von 90 Tagen maximal zehn Mal
Abb. 2: Zeitliche Abfolge der Mahnkommunikation über die KI-Plattform
47
02/2019 Fachartikel: Machine Learning aus Anwendersicht
Mail (Maschine) ersetzen und damit
automatisieren können. Das heißt ganz
konkret, dass die Digitalisierung teilweise
unsere Jobs bedroht. Sie treibt uns damit
an, flexibel zu bleiben und unsere Intel-
ligenz in Bereichen einzusetzen, in denen
die Maschinen uns nicht das Wasser rei-
chen können.
Streng genommen ist nicht klar, ob das
positive Ergebnis durch die Maschine
erbracht wurde, oder dadurch, dass die
Kommunikationskanäle SMS und E-Mail
bei den Kunden beliebter sind. Wir sind
allerdings der Überzeugung, dass insbe-
sondere die Kombination von asynchro-
ner Kommunikation (SMS/E-Mail) mit
dem im nächsten Kapitel beschriebenen
ML-Ansatz erfolgsbringend ist.
Die Maschine experimentiert
Abb. 3: Erfolgsquoten der KI (Testgruppe) und des Callcenters (Kontrollgruppe). Die schwarz
und ist damit schlauer als die
geschriebenen Zahlen sind die Anzahl der Messpunkte (Kundenanzahl) nach Abschluss der
Organisation
Pilotphase
Ein Smartphone nutzen 8 von 10 Deut-
schen und das zumeist mehrere Stunden
zu kontaktieren. SMS und E-Mail sollten Konsequent zu Ende gedacht bedeutet am Tag. Allein aus diesem Grund stoßen
die bewährten Instrumente des Forde- das, dass wir den Telefonkanal (Mensch) die neuen Collection-Services im Vergleich
rungsmanagements nicht ersetzen, son- teilweise durch die Kanäle SMS und E- zum klassischen Sprachkanal auf eine
dern ergänzen.
Kann eine Lösung wirksam sein, die den
Standardprozess bloß ergänzt? Sie kann!
Zwischenergebnis –
schlauer werden
Für die Bank war folgende Frage zentral:
Inwiefern können wir Forderungsbestän-
de durch den Einsatz von lernenden Ma-
schinen reduzieren?
Um das zu beantworten, wurde gemessen,
wie sich die Mahnbestände entwickeln,
wenn zum Mahnbrief entweder ein Out-
bound-Call (Callcenter) oder eine Erinne-
rung per SMS/Mail (KI) hinzugeschaltet
wird. Abbildung 3 zeigt die Ergebnisse
nach Ablauf der Pilotphase.
Die lernende Maschine lieferte insgesamt
ein deutlich besseres Ergebnis als das
Callcenter. Im Detail ergab die Pilotpha-
se eine Steigerung des Erfolgs im Collec-
tion-Management um 13 Prozent. Das
bedeutet: Von 100 € Forderungsbestand
erhielten wir in der sechsmonatigen Pilot-
phase durchschnittlich 13 € mehr Cash.
Dieses Ergebnis überraschte und irritierte
uns sehr. Denn wir fanden unsere Perfor-
mance bis dahin ziemlich gut. Waren wir
doch bislang davon ausgegangen, dass
wir im Branchenvergleich spitze sind. Ei-
ner unserer Geschäftsführer kommentiere
die Resultate mit den Worten:
„Wenn Ihr Euch selbst abgeschafft habt, Abb. 4: Beispielhafte Verteilung der täglichen Versandmengen zu verschiedenen Uhrzeiten. Die
dann finden wir etwas Neues für Euch.“ Kurve kennzeichnet das bis dahin geschätzte Optimum
48
www.objektspektrum.de
deutlich höhere Akzeptanz beim Kunden. verschickt. Aber niemals zu 100 Prozent. davon, was die digitalisierte (VUCA-)
Bei nur 1 von 10 Anrufen kommt über- Denn der Algorithmus ist so eingestellt, Welt für uns bedeuten könnte. Was heißt
haupt ein Gespräch zustande. Dagegen dass er sich bei kleineren Stichproben es für mich, dass Maschinen schon heute
öffnen 5 von 10 Kunden ihre E-Mail, und immer wieder vom zuvor ermittelten Erfahrungswissen besser und kostengüns-
immerhin knapp 3 von 10 Kunden machen Optimum entfernt. Dadurch probiert tiger verarbeiten? Wie wollen wir zukünf-
zumindest den Versuch, ihre Forderungen die Maschine selbstständig aus, ob es tig unser Miteinander in der Organisation
über ein Online-Bezahlverfahren zu beglei- weitere optimale Korrelationen gibt, um gestalten? Wo im Unternehmen könnte
chen. Bleibt die Frage: Was macht die KI? die Lösung insgesamt zu verbessern. Die ich mein Wissen und meine Arbeitskraft
Aus unserer Sicht ist die lernende Maschi- Maschine experimentiert. Und damit er- sinnvoller einbringen?
ne (noch) eher beschränkt als intelligent hält sie mehr Erkenntnisse als so manche Die Ergebnisse der KI-Pilotphase haben
[POD]. Aber sie ist auch sehr, sehr fleißig. Organisation, die Irrtümer, also die Er- einige Führungskräfte der Hanseatic Bank
Was die Maschine heute optimiert, ist der gebnisse der meisten Experimente, ver- getriggert, über ihre Zukunft nachzuden-
Versandzeitpunkt an einem vorgegebenen hindert. ken. Womöglich mehr, als jedes Kultur-
Tag. Betrachten wir exemplarisch die Ver- Maschinelles Lernen lässt also bewusst oder Transformationsprojekt es vermocht
sandmengen von SMS im frühen Mahn- Fehler zu, um nach neuen Chancen für hätte. Wir möchten im Folgenden exemp-
stadium in Abbildung 4. bessere Ergebnisse zu suchen – allerdings larisch drei Diskurstränge kurz beschrei-
Die Uhrzeit für die Versandzeitpunkte innerhalb gewisser menschengemachter ben.
wird zunächst zufällig gewählt. Für jede Grenzen. Die Maschine ist nicht kreativ.
versendete SMS verbucht die KI einen Bo- Sie setzt sich keine Ziele. Sie ist auch nicht ■■ Mehr Zeit für zukunftsgewandtes
nus, wenn sie zu einem erfolgreichen Zah- neugierig. Aber sie kann sehr gut und Denken: Lernende Maschinen setzen
lungseingang geführt hat. Die Maschine unermüdlich Daten analysieren und mit Zeit frei, in der wir uns kreativ um die
belohnt sich damit selbst und merkt sich unendlicher Geduld immer wieder klei- Zukunft kümmern können – ja sogar
ihre Erfolge. So entsteht im Zeitablauf ne Dinge verändern, die dem System als müssen. Denn kreativ in die Zukunft
eine Kurve für den optimalen Versandzeit- Ganzem dienen. Daran ist nichts, was uns zu denken, das ist die vielleicht einzige
punkt. Aus Versuchen wird nach und nach Angst machen sollte, oder? Form der Wertschöpfung, die uns lang-
Gewissheit. Dabei schert sich die Maschi- fristig bleibt. Wie stellen wir das an
ne nicht darum, warum sie diese Ergeb- Von der Maschine lernen – und was sind geeignete Experimente?
nisse erzielt. Kausalität interessiert nicht. ■■ Ein Ziel- oder Ruhezustand lässt sich
erfinde dich neu
Was zählt, ist allein die Korrelation. nicht fassen [Rum18]: Das klassische
Nach und nach werden immer mehr ver- Indem wir eine Lernende Maschine ein- Change-Management verspricht, dass
sendete SMS zum optimalen Zeitpunkt führen, bekommen wir eine Vorstellung Organisationen in der Zukunft nach
4U
Künstliche Intelligenz für den Menschen
KONFERENZ FÜR
KÜNSTLICHE
INTELLIGENZ
24.-26. JUNI 2019 | MOC MÜNCHEN
www.ai4u-konferenz.de 49
02/2019 Fachartikel: Machine Learning aus Anwendersicht
Literatur & Links
[CAI] www.collect.ai
[HB] www.hanseaticbank.de
[Kli18] A. Kling, C. Mucker, KI und Testen? Qualitätskriterien für eine neue Welt, in: OBJEKTspektrum, 04/2018
[POD] Podcast #46 von “On the Way to New Work“, Interview mit J. Schmidhuber, siehe: https://www.onthewaytonewwork.com/
[Rum18] Prof. Dr. J. Rump auf youtube unter
https://www.youtube.com/watch?v=P4F36Mc0CyU, Vortrag “New Work – Wie sieht die Arbeitswelt 4.0 aus?”, etwa ab Min 14:00
[Tie18] M. Tiedemann, KI, Machine oder Deep Learning: Was bedeutet was?, in: OBJEKTspektrum, 04/2018
[Wiki] https://de.wikipedia.org/wiki/VUCA
[You] Google DeepMind‘s Deep Q-learning playing Atari Breakout, siehe: https://www.youtube.com/watch?v=V1eYniJ0Rnk
[Zey18] M. Zeyn, Künstliche Intelligenz – Die Roboter kommen näher, Deutschlandfunk, 5.8.2018,
https://www.deutschlandfunk.de/kuenstliche-intelligenz-die-roboter-kommen-naeher.1184.de.html?dram:article_id=421013
großen Veränderungen zu einem Ruhe- über unsere Zusammenarbeit nehmen. nach der Einführung von Maschinellem
zustand zurückkehren, in dem sich neu Da gab und gibt es eine ganze Menge zu Lernen.
erworbene Kompetenzen verfestigen. bedenken und zu klären. Beispielsweise
Wenn nun Maschinelles Lernen und zum Thema Geschwindigkeit: Wie kom- Fazit
Künstliche Intelligenz die Bühne betre- men wir in einer sich beschleunigenden
ten und an Bedeutung gewinnen, dann Welt ohne Sand im Getriebe miteinander Lernende Maschinen sind gerade vor dem
werden Veränderungsprozesse weiter aus? Was stärkt uns, was bremst uns? Hintergrund des demografischen Wandels
beschleunigt und es ist fraglich, ob es Welche Rolle spielt Feedback dabei und eine echte Hilfestellung. Reife und be-
überhaupt noch einen Ruhepunkt für welche anderen Reflexionstechniken gibt währte Prozesse werden in naher Zukunft
Organisationen geben kann. es noch? substanziell verbessert. Das ist ein Segen
■■ Neue Berufsbilder: Zwar wissen wir Als Unternehmen haben wir das Ziel, uns und eine Herausforderung – denn die Di-
ziemlich genau, welche Tätigkeiten gemeinsam für eine ungewisse Zukunft gitalisierung bedroht teilweise die heute
durch die Digitalisierung wegfallen neu zu erfinden. Ein Indiz für den Wandel bekannten Jobs.
werden, aber wir wissen nicht, welche sind die Titel unserer letzten beiden Jah- Die Zukunft mit ihren Möglichkeiten
neuen Tätigkeiten hinzukommen. Als resberichte, „Perspektivenwechsel” und können wir nur erahnen. Doch keine KI
KI-Ethiker, Maschinen-Lehrer, Algo- „Einfach machen”. Wenn sich Teams, wird uns die Gestaltung der Transfor-
rithmen-Übersetzer? die bisher wenig Übung im Dialog über mationsprozesse abnehmen. Wir müssen
Zusammenarbeit hatten, mutig aus der lernen, gemeinsam klüger zu agieren.
Diese Diskurse sind immer komplex, denn Komfortzone bewegen, entsteht Spiel- Die vielleicht einzige Konstante, die uns
sie werden auf dem Spielfeld der Kommu- raum für gemeinsame Entwicklung – das bleibt, ist das stete Ringen um wirksame
nikation zwischen Menschen ausgehan- ist die eigentlich prägende Erfahrung Kommunikation zwischen Menschen. ||
delt. Unterschiedliche Sichtweisen wol-
len zusammengeführt, Konflikte geklärt
und Kompromisse gefunden werden.
Wenn nicht, entsteht Schweigen. Wenn
über die virulenten Themen geschwiegen
wird, dann gerät auch die technische Ent- Die Autoren
wicklung ins Stocken. Darum heißt es in
puncto Digitalisierung, Technologie und
Teams gemeinsam zu entwickeln.
Indem wir uns mit der Zukunft produk-
tiv auseinandersetzen, stellen wir auch
immer unsere Zusammenarbeit in der
Gegenwart infrage. Gerade für Teammit-
glieder, die sich lange kennen, kann das
emotionale Schwerstarbeit bedeuten. Die
positive Nachricht ist, dass gutes metho-
disches Handwerk hilft, um gemeinsam in Jan Simon Dr. Johannes Mainusch
einen Dialog zu treten. Das ist jedenfalls (jan.simon@hanseaticbank.de) (johannes.mainusch@kommitment.biz)
unsere Erfahrung nach einem halben Jahr sorgt bei der Hanseatic Bank mit dafür, dass berät Unternehmen, die Bedarf im Bereich
Teamentwicklung, die wir parallel zur das Risiko im Kreditgeschäft im Rahmen IT, Architektur und agiles Management
technologischen Entwicklung vollzogen bleibt. Dabei helfen ihm zwanzig Jahre Erfah- haben. Dr. Mainusch ist seit 2012 Mitglied
haben. rung im Spannungsfeld zwischen Cash-Flow der OBJEKTspektrum-Redaktion.
In sorgfältig vorbereiteten Teamwork- und Kundenprozessen.
shops können wir uns Zeit für Fragen
50
www.objektspektrum.de
GERMAN TESTING DAY 2019
Die unabhängige Konferenz zu Software-Qualität
Ich bin an einem Erfahrungsaustausch über
Qualitätssicherung und Testing interessiert
JA! Nein...
Ich habe am Aber ich habe Kollegen,
06. + 07. Juni 2019 Zeit für die das Thema
interessant ist
JA! Nein... Ich erzähle ihnen
vom GTD 2019
Ich versuche
Ich merke mir
mir die Tage
die Tage vor!
freizumachen!
German Testing Day
2019 besuchen!
SAVE THE DATE 06. + 07. Juni 2019 | Kap Europa | Frankfurt am Main
51
www.GermanTestingDay.info
Sie können auch lesen
