hände tippen auf laptop tastatur

Human-in-the-Loop-Automatisierung nutzen

Janina Horn

Künstliche Intelligenz wird erfolgreich für die Automatisierung von Geschäftsabläufen,  z. B. für die Datenextraktion bei der Anwendung einer IDP Software eingesetzt.

Trotz der fortschrittlichen Technologie ist es beinahe unmöglich, bei der Datenextraktion eine Genauigkeit von 100 % zu erreichen. Selbst 1 % Fehler kann in gewissen Branchen Millionen Euro kosten.

Es gibt Grenzen, die KI und Machine Learning trotz IDP Software nicht überwinden können. Für den Erfolg müssen diese mit menschlichem Feedback in Form der Human-in-the-Loop-Automatisierung gekoppelt werden.

human in the loop definition

Human-in-the-Loop – Definition

Human-in-the-Loop (HITL) beschreibt einen Mechanismus, der mithilfe menschlicher Interaktion bestimmte Systeme wie KI-Modelle oder Maschinen trainiert, verfeinert oder testet, um möglichst genaue Ergebnisse zu erzielen.

Ein simples Beispiel dafür sind die Self Scanning Automaten im Supermarkt. Obwohl der Kunde seine Produkte selbst scannen kann, ist immer ein Mitarbeiter vor Ort, um bei Problemen auszuhelfen und Betrugsversuche zu verhindern.

Bei HITL und KI ist der Ansatz ähnlich.

Human-in-the-Loop

Moderne Technologie ist nicht perfekt. Deshalb müssen Menschen bei der Automatisierung beteiligt sein und diese immer wieder nach den aktuellen Zielen und Bedürfnissen ausrichten.

Nicht nur muss die KI zu Beginn durch den Menschen trainiert werden, um korrekte Entscheidungen zu treffen, der Mensch muss auch bei Fehlern eingreifen und diese korrigieren. Das wird als Feedback-Schleife bezeichnet und dient zur Verbesserung der Genauigkeit der KI.

In folgenden Anwendungsbereichen können Sie HITL einsetzen:

  • OCR Software
  • selbstfahrende Autos
  • Dokumenten & E-Mail Verarbeitung
  • Bearbeitung von Quittungen für Treueaktionen
  • Rechnungsverarbeitung für die Kreditorenbuchhaltung
  • Anonymisierung sensibler Informationen für Compliance 
  • Ausweisüberprüfung für KYC-Prozesse

Mit HITL können Sie Probleme schnell identifizieren und Verbesserungen durch eine Feedback-Schleife (auch HITL-Anmerkung genannt) durchführen. 

Dieser Prozess wird im Folgenden erklärt.

human in the loop schaubild

Human-in-the-Loop & Annotationen

Werden KI-Modelle entwickelt, ist die Beschriftung der Daten durch den Menschen meist Teil des Prozesses.

Um zuverlässige Ergebnisse zu erzielen, benötigen KI-Modelle große Mengen an Daten, die von Menschen kommentiert, markiert und organisiert werden müssen, was einen hohen Zeit-, Geld- und Arbeitsaufwand erfordert. 

Ein Datenannotator und Human-in-the-Loop helfen, KI-Modelle dabei zu unterstützen, sich auf bestimmte Datenfelder zu konzentrieren und so die besten Vorhersagen treffen zu können. 

Beispielsweise müssen Unternehmen möglicherweise Tausende von beschrifteten Quittungen zuführen, um zuverlässige Ergebnisse zu erzielen. 

Obwohl es eine Vielzahl von Lösungen gibt, die eine Genauigkeit von 97 % erreichen können, ist die HITL-Automatisierung die bessere Option, um einen beschrifteten Datensatz für das Training der KI-Modelle zu erhalten.

human in the loop vorteile

Die Vorteile der HITL-Automatisierung

Es gibt keine Lösung, die bei komplexen Prozessen eine vollautomatische Lösungen ohne menschliche Unterstützung eine Fehlerquote von 0 % erreichen kann.

Um möglichst nahe an diese Fehlerquote heranzukommen und gleichzeitig den manuellen Arbeitsaufwand zu senken, hat sich die Kombination von KI mit der Automatisierung durch den Human-in-the-Loop-Prozess bewährt.

Die Nutzung von HITL zum Trainieren von KI-Modellen oder zur Verbesserung von Arbeitsabläufen bietet verschiedene Vorteile, darunter:

  • Risikominderung: Minderung der finanziellen Risiken, die sich aus fehlerhaften Daten ergeben, z. B. Rechnungsbeträge, Rechnungsadressen, Kreditbeträge usw.
  • Vereinfachung der Ausnahmebehandlung: Einfache Einführung eines Workflows für die menschliche Überprüfung und Ausnahmebehandlung.
  • Effizienter Personaleinsatz: Verwaltung, Überwachung und Verbesserung der Produktivität des Personals, das die menschliche Überprüfung durchführt.
  • Kostenkontrolle: Kontrollieren Sie die Kosten für die menschliche Überprüfung mit konfigurierbaren Filtern.
  • Datenvollständigkeit: Stellen Sie sicher, dass die extrahierten Daten für nachgelagerte Geschäftsanwendungen vollständig sind.
  • Die Anwendung von HITL führt zu einer verbesserten Präzision bei der Vorhersage, Extrahierung, Klassifizierung und Validierung sowie zu einer erhöhten Qualität der Resultate.
  • Menschliche Eingaben können verwendet werden, um Algorithmen schrittweise zu verbessern und die AI so für mehr Anwendungsbereiche nutzbar zu machen.
  • Die Effizienz der KI-Modelle wird nicht durch die Qualität der Daten begrenzt, auf denen sie ausgebildet werden.
  • Verbesserte und effiziente Handhabung von unvollständigen und schwierigen Datenmengen

Es gibt bei diesem Vorgehen allerdings auch Einschränkungen, die Sie beachten müssen.

Herausforderungen

Wenn Sie HITL einsetzen wollen, sollten Sie sich über die Herausforderungen und Einschränkungen bewusst sein, die damit einhergehen:

  • Identifizierung des Human-in-the-Loop: Unternehmen müssen herausfinden, wer welchen Teil des Automatisierungsprozesses und welche Schnittstelle bedienen wird, um das Human-in-the-Loop-System zu identifizieren.
  • Große Datenmengen: HITL kann nicht immer effizient mit großen Mengen an Daten umgehen, da ein höherer Bedarf an menschlicher Beteiligung in der Automatisierungsschleife besteht. Gerade der sukzessive Erweiterung der Lösung bis hin zur finalen umfassenden KI Lösung ist hier besonders entscheidend, um die strategischen Ziele des Unternehmens operativ umsetzbar zu planen.
  • Eingeschränkte Skalierbarkeit: Wenn ein Mensch an einem Prozess beteiligt ist, kann Skalierbarkeit ein Problem werden. Die Herausforderung besteht darin, die Konfidenz zu zu adjustieren, dass nur bei unsicheren Fällen eine Überprüfung durch den Menschen stattfinden muss.

Verglichen mit den Herausforderungen und Nachteilen desselben Arbeitsablaufes in manueller Form sind diese Einschränkungen jedoch gering und sollten Sie nicht daran hindern, KI in Ihrem Unternehmen einzusetzen.

Wann sollte Human-in-the-Loop stattfinden?

Es ist am sinnvollsten, Human-in-the-Loop entweder zu Beginn des Kreislaufs oder am Ende einzusetzen.

HITL zu Beginn

Gibt es keine Standardlösung, sollten Sie HITL direkt zu Beginn des Kreislaufs einbinden.

Wenn Sie derzeit keine KI-Modelle oder Algorithmen zur Automatisierung bestimmter Prozesse haben, aber über eine beträchtliche Menge an Rohdaten verfügen, können Sie diese Daten mit Hilfe des „Human-in-the-Loop“ beschriften und reinigen (ungenaue Daten entfernen oder korrigieren). 

Nachdem die Daten gekennzeichnet sind, können Sie sie verwenden, um Ihre eigenen KI-Modelle zu trainieren, um Rechnungen zu erkennen oder Daten aus ihnen zu extrahieren. 

Beispielsweise können Sie viele verschiedene Rechnungen mit Kennzeichnungen versehen, um KI-Modelle zur Rechnungserkennung zu trainieren.

So können Sie von einer 0 % Automatisierung zu einer +80 % Automatisierung gelangen. 

In folgenden Situationen ist es also sinnvoll, den Menschen an den Anfang des Kreislaufs zu stellen:

  • Aufbau von Datensätzen
  • Erstellen eigener KI-Modelle
  • Keine oder geringe Automatisierung mit dem Ziel von +80 % Automatisierung
  • Eigene Datenannotatoren und KI-Experten vorhanden

HITL am Ende

Der Einsatz von „Human-in-the-Loop“ als Abschluss des Prozesses ist in vielen Fällen üblich. Dieser Ansatz kombiniert Automatisierung zur Abarbeitung wiederkehrender Aufgaben und menschliche Intelligenz, um sicherzustellen, dass alles korrekt ausgeführt wird.

Oftmals sind 80 % des Arbeitsablaufs bereits automatisiert und 20 % werden durch einen Menschen erledigt. Wann lohnt es sich also, diesen Ansatz dem vorherigen vorzuziehen?

  • Sie streben nach maximaler Präzision bei der Datenabfrage, Vorhersage, Validierung, Anonymisierung usw.
  • Sie möchten den Bedarf an menschlichen Eingriffen um 20 % senken, um die Gemeinkosten zu senken
  • Sie möchten kostspielige Fehler (z. B. ungenaue Daten, Duplikate usw.) reduzieren.
  • Sie möchten die Ausführungszeit optimieren und gleichzeitig eine hohe Präzision aufrechterhalten.

Externe vs. selbstverwaltete HITLS

Es gibt zwei verschiedene Möglichkeiten, den HITL-Ansatz zu verfolgen:

  • Extern verwaltete HITL: Von einer externen Partei (z. B. SaaS-Anbieter, Anbieter von Datenannotationsdiensten) bereitgestellte Human-in-the-Loop
  • Selbstverwaltete HITL: Unternehmen, die selbst einen Menschen in den Kreislauf einbinden
MethodeVorteileNachteile
Extern verwaltete HITLBewältigung hoher Datenmengen in SpitzenzeitenDaten gehen an externe Partei, wenn der Software Anbieter keine Lizenz zur Installation auf eigenen Servern ermöglicht, sog. On-Prem
Schnell, oft 24/7 VerfügbarkeitSicherheitsmaßnahmen bei SaaS-Lösungen  von externer Partei abhängig (Lösung: On Premise)
KostengünstigerEinhaltung gesetzlicher Vorschriften bei SaaS-Anbietern meist unklar
Keine Zeitinvestition für Schulung der Mitarbeiter
Selbstverwaltete HITLDaten bleiben im UnternehmenIT Kapazitäten bei der initialen Installation nötig
Mitarbeiter gewinnen mehr WissenSchulung und Implementierung u.U. kostenintensiv
Gute Möglichkeit, Daten zu sammeln
Entwicklung eines eigenen Serviceangebots

Fazit – Mit Human-in-the-Loop OCR KI optimieren

Mit der Human-in-the-Loop-Automatisierung können Sie folgendes erreichen:

  • Erhöhung der Genauigkeit der Datenextraktion
  • Beschleunigung der Bearbeitungszeit
  • Senkung der Gemeinkosten 
  • Verbessertes Engagement der Mitarbeiter
  • Minimiert kostspielige menschliche Fehler durch Vorarbeit der KI
  • 4-Augen-Prinzip durch die Kombination einer AI und eines Meschens

Den passenden Anbieter finden Sie anhand der folgenden Fragen:

  • Muss Ihr Unternehmen eine nahezu 100 %ige Genauigkeit bei der Datenextraktion erreichen?
  • Benötigen Sie extern oder intern verwaltete HITL?
  • Haben Sie interne KI-Experten? 
  • Wie wichtig ist die Tatsache, dass Daten zu 100 % in Ihrer internen Infrastruktur bleiben?
  • Was ist für Ihren Anwendungsfall wichtig?
  • Wollen Sie Ihre eigenen Datensätze aufbauen?

Der Vorteil der Künstlichen Intelligenz besteht darin, dass sie wie ein Mensch Funktionen ausführen kann, um schnell und präzise wichtige Erkenntnisse zu erarbeiten und zu verstehen. 

Unabhängig von Ihrem Unternehmensmodell kann Ihnen eine OCR-Lösung mithilfe von KI dabei helfen, Daten für sich arbeiten zu lassen.

Weitere Artikel zum Thema:

Über uns

Weitere Artikel

Random Forest Python

Random Forest Developer Guide: 5 Wege zur Implementierung in Python

Random Forest, ein Ensemble von Entscheidungsbäumen, ist eine der beliebtesten Methoden in der maschinellen Lernwelt und wird häufig verwendet, um...

Zum Artikel
AI Startups

10 AI Startups, die Sie 2023 kennen sollten

Die Welt der AI Startups und Unternehmen im Bereich Machine Learning ist in den letzten Jahren zu einem Hotspot der...

Zum Artikel
Random Forest Tale

Was ist Random Forest? – Kinderleicht und unvergesslich erklärt

Random Forest ist ein beliebter Algorithmus für maschinelles Lernen, der sowohl für Klassifizierungs- als auch für Regressionsaufgaben verwendet wird. Es...

Zum Artikel
Arrow-up