Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von Maschinen, intelligentes Verhalten zu zeigen. KI wird die Art und Weise, wie wir leben, arbeiten und reisen, verändern. Sie wird auch die Art und Weise beeinflussen, wie wir auf Ausschreibungen antworten. Derzeit gehen viele Angebots- und Ausschreibungsmanager noch mit Ordnern voller gedruckter Ausschreibungsunterlagen mit Haftnotizen und hervorgehobenen Texten aus dem Haus. Das wird sich bald ändern. Menschen und Maschinen werden mehr und mehr zusammenarbeiten, und in den kommenden Jahren wird es eine "Digitalisierungsrevolution" geben.
Im Folgenden erläutern wir, wie verschiedene Bereiche der KI zusammengebracht werden können, um eine starke Kombination aus Mensch und Maschine zu gewährleisten. Wir werden die Anwendung der KI-Disziplinen Computer Vision, natural language processing und maschinelles Lernen bei der Beantwortung von Ausschreibungen diskutieren.
Die Entwickler von Computer Vision zielen darauf ab, Computern die Fähigkeit zu verleihen, Bilder auf ähnliche Weise wie Menschen zu verarbeiten. Computer Vision basiert auf Deep Learning. Dabei handelt es sich um eine Form des maschinellen Lernens, die die Architektur des menschlichen Gehirns nutzt. Computer Vision soll es einem System ermöglichen, seine eigenen Vorhersagen und Entscheidungen auf der Grundlage des Kontexts zu treffen. Genau wie unser Gehirn. Das bedeutet, dass der Computer in der Lage ist, Objekte zu identifizieren und auf der Grundlage dessen, was er "sieht", entsprechende Entscheidungen zu treffen.
Bilder sind Beispiele für unstrukturierte Daten, sie bestehen aus endlosen Pixeln. Nicht nur das menschliche Gehirn, sondern auch künstliche Systeme werden bald in der Lage sein, aus diesem Wirrwarr von Pixeln einen strukturierten Datensatz zu machen. Das menschliche Gehirn tut dies automatisch, während das System einen technischen Stufenplan hat, in dem Modelle trainiert werden müssen. Im Fall von Brainial wandeln wir alle Ausschreibungsunterlagen in ein Bild um. Unsere Computer-Vision-Modelle werden speziell auf Dokumente und Dokumentenlayouts trainiert, einschließlich aller ihrer Merkmale. Ein Bildverarbeitungsmodell hat zum Beispiel die Eigenschaften von Objekten wie Absätzen, Aufzählungszeichen, Bildern und Tabellen gelernt. Ein anderes Bildverarbeitungsmodell erkennt die Metadaten von Zeichnungen. Die Texte werden mithilfe der OCR-Technologie aus den Objekten extrahiert und dann in ein strukturiertes Datenformat umgewandelt und mit Natural Language Processing verarbeitet. Ein strukturiertes Datenformat ist eine Art der Darstellung von Daten, die für einen Computer leicht zu verstehen und konsistent ist. Anstelle von großen Textblöcken wird der Text aufgeteilt und klassifiziert, ähnlich wie ein Mensch ein Dokument mit einem Marker hervorhebt.
Natural Language Processing (NLP) ist eine Technologie, die Computern hilft, die natürliche Sprache des Menschen zu verstehen. Mit NLP schaffen wir eine Brücke zwischen der menschlichen Art zu kommunizieren und der Art des Computers zu kommunizieren. Ein NLP-System besteht aus einer Pipeline mit einer Reihe von Komponenten, die sich um die Verarbeitung des Textes kümmern. Jede Komponente strukturiert den Text, so dass die weitere Verarbeitung einfacher wird, z. B. das Entfernen von Stoppwörtern oder das Ersetzen aller sprachspezifischen Buchstaben durch normale Buchstaben (z. B. von é zu e). Die ersten Komponenten unterscheiden sich in ihrer Aufgabe von den späteren Komponenten, die sich mehr auf die Analyse von Konzepten und Beziehungen konzentrieren. Ein Beispiel hierfür ist die Textkategorisierung, bei der Textstücke in Kategorien wie Recht, Verfahren, Technik, Finanzen usw. eingeteilt werden. Die verwendeten Methoden reichen von regelbasierten Methoden einschließlich regulärer Ausdrücke bis hin zu statistischen und maschinellen Lernmodellen. Bei Brainial verwenden wir eine Kombination aus regelbasierten Methoden und Modellen des maschinellen Lernens.
Brainial hat eigene Modelle entwickelt, die Natural Language Processing nutzen, um den formatierten Text zu interpretieren und zu klassifizieren. Wir nutzen es auch, um spezifische Elemente wie Ausschlussgründe, Zuschlagskriterien und -planung sowie organisationsspezifische Aspekte aus den Ausschreibungsunterlagen zu extrahieren. Darüber hinaus können Metadaten erkannt und aus den Ausschreibungsdokumenten extrahiert werden. All dies stellt sicher, dass eine komplette Ausschreibung innerhalb von Minuten vollständig analysiert, klassifiziert und benutzerfreundlich präsentiert werden kann. Auf der Grundlage dieser ersten Systemanalyse kann eine erste Abwägung zwischen Angebot und Nichtangebot getroffen werden, und es wird ein sofortiger Einblick in die kritischen Elemente der Ausschreibung gewährt, ohne dass ein Mensch auch nur ein Wort der Ausschreibung gelesen hat.
Ein weiterer Vorteil der Zusammenarbeit zwischen Mensch und Maschine ist, dass weniger Elemente übersehen werden. Fast jeder Angebots- und Ausschreibungsmanager gibt zu, dass er oder sie schon einmal Informationen übersehen hat. Dieses Risiko wird erheblich verringert, wenn eine Maschine mitliest. Dies führt zu einer besseren Angebote und einer Verringerung der Fehlerkosten in der Angebotsphase.
Maschinelles Lernen ist ein weites Feld der KI, das sich mit der Entwicklung von Algorithmen und Techniken befasst, die Computern das Lernen ermöglichen. Maschinelles Lernen ist eine sehr vielfältige Technik, bei der verschiedene Software, Algorithmen und Techniken eingesetzt werden, um spezifische Modelle zu erstellen, die der jeweiligen Situation am besten entsprechen. Maschinelles Lernen besteht nicht aus einem konkreten Satz von Algorithmen, die auf standardisierte Weise verwendet werden können.
Nach der Analyse der Ausschreibungsunterlagen durch das System Brainial beginnen die Mitarbeiter, mit ihnen zu arbeiten. Sie stellen fest, dass bestimmte Ergebnisse wichtiger sind als andere, und weisen Maßnahmen oder andere Kennzeichnungen zu. Ein Beispiel dafür ist, dass der Textabschnitt ".... 90-Tage-Zahlungsfrist..." die Aktion "Genehmigung der Geschäftsleitung" und das Etikett "hohes Risiko" zugewiesen wird. Wenn die Maschine das nächste Mal einen ähnlichen Text findet, der das Beispiel einer 90-tägigen Zahlungsfrist enthält, wird sie automatisch die Aktion "Genehmigung durch das Management" und das Etikett "hohes Risiko" zuweisen. Brainial wendet spezielle maschinelle Lerntechniken an, die auf der Grundlage von relativ wenigen Beispielen genaue Vorhersagen machen können.
Menschen und Maschinen werden zunehmend zusammenarbeiten. Dadurch entfällt ein Großteil der manuellen Arbeit, Informationen können blitzschnell extrahiert, analysiert und benutzerfreundlich aufbereitet werden. So wird sichergestellt, dass Sie als Mensch Ihre gesamte Erfahrung und Ihr Wissen bei kreativen Prozessen, wertschöpfenden Tätigkeiten und bei der Festlegung einer erfolgreichen Strategie einsetzen können. Während eine Maschine eine Vielzahl von Daten in rasantem Tempo verarbeiten kann, kann ein Mensch zwischen den Zeilen lesen und die Situation des Kunden verstehen. Wir können nur sagen: Nehmen Sie die neuen Entwicklungen an, nutzen Sie sie zu Ihrem Vorteil, und sie werden Ihnen helfen, effizienter und effektiver zu arbeiten, so dass Sie mehr Zeit für die Dinge haben, die Spaß machen, und für die Dinge, mit denen Sie wirklich etwas bewirken können.
