Unternehmen auf der ganzen Welt investieren in die Automatisierung von Prozessen. Dennoch gibt es in vielen Organisationen ein unsichtbares Problem, das die Skalierung des Geschäfts verhindert: Dokumente.
Rechnungen, Formulare, Berichte, medizinische Dokumentationen oder Leistungsnachweise kommen häufig in unterschiedlichen Formaten, aus verschiedenen Systemen und von unterschiedlichen Partnern.
In einem Projekt, das wir gemeinsam mit Quantup für einen Kunden aus dem US-amerikanischen Krankenversicherungsmarkt umgesetzt haben, war das Ausmaß dieses Problems enorm.
Täglich wurden rund eine Million Dokumente verarbeitet.
Wie das Projekt ablief und welche Rolle künstliche Intelligenz dabei spielte, besprechen wir im Podcast „KI in der Production“ mit Rafał Pisz, CEO von Quantup.
Inhaltsverzeichnis
Das Problem: Wenn 10 Prozent der Dokumente den gesamten Prozess blockieren
Auf den ersten Blick scheint der Prozess im Krankenversicherungssystem einfach zu sein.
Nach einer medizinischen Leistung entstehen mehrere Dokumente:
- ein medizinischer Bericht der Einrichtung,
- Informationen zu den Kosten,
- die Entscheidung des Versicherers,
- die Abrechnung für den Patienten.
Diese Dokumente müssen miteinander abgeglichen werden, um sicherzustellen, dass alle Informationen übereinstimmen.
Das Problem ist, dass in der Praxis nicht alle Dokumente digital vorliegen. Viele Organisationen nutzen EDI-Standards und elektronische Datenübertragung, doch einige Teilnehmer im Prozess senden ihre Dokumente weiterhin als Papierdokumente oder Scans. Auch wenn dies nur 5 bis 10 Prozent der Dokumente betrifft, werden genau diese Dokumente zum größten Engpass im gesamten Prozess.
Wie Rafał Pisz erklärt:
„Obwohl wir hoch standardisierte Kommunikationsschemata haben, sind einige Teilnehmer des Prozesses nicht in der Lage, diese zu nutzen, und arbeiten weiterhin mit Ausdrucken. Das wird zu einer Einschränkung für den gesamten Prozess.“
In der Praxis bedeutet das: ohne automatisierte Dokumentenverarbeitung lässt sich der Prozess nicht skalieren.
Das Ausmaß des Problems: eine Million Dokumente pro Tag
Der Kunde, für den wir das Projekt umgesetzt haben, ist im Bereich der Abrechnung medizinischer Dokumentation tätig. Im gesamten Prozess entsteht täglich eine enorme Anzahl von Dokumenten.
Wie im Podcast betont wurde:
„Wir sprechen über ein Projekt, bei dem innerhalb der gesamten Struktur zwischen den Teilnehmern dieses Prozesses täglich eine Million Dokumente zirkulieren.“
Früher wurde ein großer Teil der Arbeit von umfangreichen Analystenteams erledigt, die manuell:
- Dokumente überprüften,
- ihre Struktur analysierten,
- den Dokumenttyp identifizierten,
- sie an den entsprechenden Prozess weiterleiteten.
Bei dieser Größenordnung entsteht jedoch ein grundlegendes Problem. Wenn ein Unternehmen sein Geschäft um das Zehnfache skalieren möchte, bedeutet das nicht einfach, zehnmal mehr Menschen einzustellen. In der Praxis müsste die Zahl der Mitarbeitenden sogar noch stärker wachsen, da natürliche Einschränkungen auftreten:
- begrenzte Verfügbarkeit von Spezialisten,
- steigende operative Kosten,
- komplexe Steuerung großer Teams,
- sinkende Effizienz bei wachsender Größe.
Aus diesem Grund entschied sich der Kunde für die Implementierung eines KI-basierten Systems zur automatischen Dokumentenverarbeitung.
Warum OCR allein nicht ausreicht
Viele Manager glauben, dass sich das Dokumentenproblem mit einem einfachen Ansatz lösen lässt: Dokument scannen und OCR verwenden. In der Realität ist das jedoch erst der Anfang.
Wie Rafał Pisz erklärt:
„Viele sagen: Das ist einfach. Man scannt das Dokument, führt OCR aus und fertig. In Wirklichkeit ist das erst der Anfang des Problems.“
Nach dem Scannen entstehen weitere Herausforderungen:
- Wo beginnt und wo endet ein Dokument?
In einer Datei können mehrere Dokumente enthalten sein. - Um welchen Dokumenttyp handelt es sich?
Ist es eine Rechnung, ein medizinischer Bericht oder eine Leistungsbestätigung? - In welchen Prozess sollte das Dokument weitergeleitet werden?
- Was passiert, wenn das System unsicher ist?
Genau diese Herausforderungen standen im Mittelpunkt des Projekts.
Wie funktioniert die KI-Lösung
Im Projekt wurden Dokumenten-Understanding-Modelle auf Basis der Transformer-Architektur eingesetzt. Die Modelle wurden zusätzlich mit den Daten des Kunden feinabgestimmt, damit sie die spezifischen Dokumenttypen im Prozess besser verstehen.
Das System erfüllt zwei zentrale Aufgaben.
- Dokumentensegmentierung
Das Modell identifiziert:
- den Anfang eines Dokuments,
- das Ende eines Dokuments,
- die Grenzen zwischen einzelnen Dokumenten.
- Dokumentenklassifikation
Nach der Segmentierung werden die Dokumente klassifiziert und an den entsprechenden Geschäftsprozess weitergeleitet. Das System wurde so konzipiert, dass es bei Unsicherheit eine menschliche Intervention anfordert. Dadurch entsteht kein Risiko für den gesamten Prozess.
90 Prozent Genauigkeit, die den Prozess verändert
Eine der wichtigsten Kennzahlen im Projekt war die Genauigkeit bei der Identifizierung von Dokumentgrenzen.
Wie Rafał Pisz erklärt:
„Wir haben eine Lösung entwickelt, die mit einer Wahrscheinlichkeit von 90 Prozent den Anfang und das Ende eines Dokuments korrekt erkennt. Wenn das System unsicher ist, setzt es eine Markierung und bittet einen Menschen um Unterstützung.“
Auf den ersten Blick wirken 90 Prozent Genauigkeit vielleicht nicht perfekt. In der Praxis verändert diese Genauigkeit jedoch die Funktionsweise des gesamten Prozesses.
Warum?
Weil Menschen nicht mehr repetitive Aufgaben ausführen müssen und sich stattdessen auf folgende Bereiche konzentrieren können:
- Ausnahmen,
- komplexe Fälle,
- Qualitätskontrolle.
- Das bedeutet eine grundlegende operative Veränderung.
ROI, der in Wochen gemessen wird
Obwohl das Projekt mehrere Monate dauerte und ein Team aus Spezialisten für KI, Data Science und Dokumentenverarbeitung einbezog, führten die Ergebnisse zu folgenden Effekten:
- deutliche Senkung der operativen Kosten,
- höhere Skalierbarkeit der Prozesse,
- schnellere Dokumentenverarbeitung,
- bessere Prozessqualität.
Das zeigt eine der wichtigsten Eigenschaften gut konzipierter KI-Projekte. Wenn das richtige Geschäftsproblem gelöst wird, zeigt sich der ROI sehr schnell.
KI-Dokumente sind ein Thema in vielen Branchen
Obwohl das Projekt den US-amerikanischen Markt für Krankenversicherungen betraf, tritt ein ähnliches Problem in vielen anderen Branchen auf:
- Logistik,
- Produktion,
- Banken,
- öffentliche Verwaltung,
- Gesundheitswesen.
In all diesen Bereichen zeigt sich ein ähnliches Muster.
- Die meisten Prozesse sind bereits digitalisiert.
- Ein Teil der Dokumente ist jedoch weiterhin papierbasiert.
- Schon wenige Prozent der Dokumente können die Automatisierung blockieren.
Genau an diesem Punkt schaffen KI-Dokument-Technologien den größten Mehrwert.
Wird KI Menschen vollständig ersetzen?
Im Podcast wird auch eine wichtige Frage zur Zukunft gestellt.
Wird die Dokumentenverarbeitung in Zukunft zu 100 Prozent automatisiert sein?
Rafał Pisz gibt darauf eine sehr pragmatische Antwort:
„Es geht nicht darum, dogmatisch nach hundertprozentiger Automatisierung zu streben. Entscheidend ist, das Problem zu lösen, das heute das Wachstum des Unternehmens begrenzt.“
In der Praxis bedeutet das, dass die besten KI-Projekte nicht darauf abzielen, Menschen vollständig zu ersetzen. Ihr Ziel ist es, Engpässe in Geschäftsprozessen zu beseitigen.
Hören Sie sich die komplette Podcastfolge an
Wenn Sie sich interessieren:
- wie KI in der Dokumentenverarbeitung implementiert wird,
- welche Herausforderungen KI-Projekte mit sich bringen,
- wie sich ROI in Machine-Learning-Projekten erreichen lässt.
Hören Sie sich die vollständige Folge des Podcasts „KI in der Production“ mit Rafał Pisz von Quantup an.
Im Gespräch besprechen wir die Details des Projekts, die eingesetzten Technologien und praktische Erkenntnisse für Unternehmen, die KI in ihren Prozessen einsetzen möchten.
