Project Description
SELBSTLERNENDE KUNDENAUFTRAGSDATENEINGABE
TRANSPORT- UND LOGISTIKSEKTOR
KURZ GESAGT
Manuelle Prozesse kosten viele Unternehmen Zeit und Geld. Mitarbeiter verbringen oft die Hälfte ihrer Zeit mit repetitiven Aufgaben und Dateneingabe. So auch bei unserem Kunden, einem der renommiertesten Transport- und Logistikunternehmen in Europa. Unser belgisches Team hat einen Proof-of-Concept zur Automatisierung des manuellen Auftragseingabeprozesses erstellt. Das Unternehmen erhält täglich mehr als 300 kundenspezifische Aufträge in Form von nativen PDFs, die manuell in ein Auftragssystem eingegeben werden. Unser Ziel war es, diesen manuellen Prozess zu automatisieren und so zu einer erheblichen Senkung der Betriebskosten beizutragen.
Innerhalb kurzer Zeit erstellte unser Team aus Softwareingenieuren und Datenwissenschaftlern einen Proof of Concept in Form einer Demo. Auf dieser Basis konnten wir in nur vier Monaten eine praxistaugliche Lösung mit einem Automatisierungsgrad von 60% entwickeln. Diese Lösung wird nicht nur die Durchlaufzeiten verbessern, sondern auch die Kosten erheblich senken. Im Einzelnen konnten wir unseren Kunden in den folgenden Bereichen helfen:
- Projektleitung
- Frontend-Entwicklung für die Verarbeitung von Bestell-PDFs
- Backoffice-Entwicklung zur Aktualisierung der Algorithmen und Modelle
- Datenstrukturierung und -aufbereitung
- Entwicklung von Algorithmen und Schulung
- Test und kontinuierliche Verbesserung
DAS KONZEPT
Unser Kunde erhält täglich mehr als 300 kundenspezifische Aufträge in Form von nativen PDFs, die manuell eingegeben werden. Um diesen Prozess zu digitalisieren entstand die Idee, eine Anwendung zu erstellen, die PDF-Bestellungen lädt und mit Hilfe eines intelligenten selbstlernenden Algorithmus so viele Informationen wie möglich erkennt. Das bedeutet, dass sie die erforderlichen Felder im Auftragseingangssystem mit Daten aus der PDF-Datei, der Geschäftslogik und historischen Daten ausfüllen kann. Nachdem die Eingaben einen Prüfprozess erfolgreich durchlaufen haben, generiert die Anwendung entweder eine Exportdatei oder ruft eine API auf, die für die weitere Verarbeitung im eigentlichen Auftragserfassungssystem verwendet wird.
DIE HERAUSFORDERUNG
In dem ersten Proof-of-Concept ging es zunächst darum zu testen, ob eine Digitalisierung des Auftragseingangs tatsächlich zu einer hinreichenden Erkennungsquote und damit zu einer signifikanten Effizienzsteigerung führt. Bei der Weiterentwicklung der Anwendung bestand die eigentliche Herausforderung darin, dafür zu sorgen, dass die Anwendung auch Texte innerhalb von Bildern oder unstrukturierten PDF-Dokumenten erkennt. Und schließlich muss die Anwendung in der Lage sein, E-Mails und einmalige Bestellungen von seltenen Kunden zu lesen und zu verstehen. All dies erforderte intensive Schulungen, Tests und die ständige Verbesserung der Algorithmen/ Modelle, damit die Anwendung letztlich zu einer Automatisierungsquote von 60% führt.
DIE MEDIAAN LÖSUNG
Während der Entwicklung des Proof of Concept und der Entwicklung der eigentlichen Lösung nutzte unser Team folgende Techniken:
- Angular
- Python
- Microsoft Azure
- Docker
- Scrum/ Agile
IM DETAIL
Der Proof-of-Concept kann:
Daten Sammeln und Kategorisieren
- PDFs in Text konvertieren
Erkannte Informationen mit Geschäftslogik und Altdaten anreichern und so die richtigen Felder im Auftragsbearbeitungssystem füllen
- Steuerung des kompletten Bearbeitungsprozesses über eine grafische Bedienoberfläche
- Kontextbezogene Hilfen und eine Auswahl der wahrscheinlichsten Optionen bei unklaren Datenlagen
- Generieren von Exportdateien oder Aufrufen von APIs als Ausgabe an andere Systeme
- Trainingsdaten an den selbstlernenden Algorithmus zurücksenden
Um die maximale Automatisierung zu erreichen, muss die Anwendung erweitert werden. Im Einzelnen konnten die folgenden Arbeitsschritte automatisiert werden:
- Erkennen von Texten innerhalb von Bildern/unstrukturierten PDF-Dokumenten
- E-Mails lesen und verstehen
- schrittweise Automatisierung der Auswertungslogik, um letztendlich zu einem selbstlernenden Algorithmus zur Erkennung von Daten in den PDFs zu kommen
- Interface zu Drittsystemen, wie zum Beispiel ERP Systems
- Bearbeitung von Ausnahmenfällen, wie zum Beispiel einmaliger Bestellungen seltener Kunden
ERGEBNISSE
Innerhalb kurzer Zeit hat unser Team aus Softwareingenieuren und Datenwissenschaftlern einen Proof-of-Concept erstellt, der die Vorteile der Automatisierung des manuellen Auftragseingabeprozesses aufzeigt. Auf dieser Basis haben wir in nur vier Monaten eine praxistaugliche Lösung mit einem Automatisierungsgrad von 60% entwickeln. Mit der Lösung kann nicht nur die Arbeitseffizienz verbessert, sondern auch die Kosten erheblich gesenkt werden.
MÖCHTEN SIE MEHR SEHEN?
