MACHINE VISION NLP TEAM JOBS KONTAKT IMPRESSUM &
DATENSCHUTZ
ENGLISH
Natural Language Processing (NLP)
In diesem Themengebiet geht es darum Muster in unstrukturierten Texten zu finden (im Gegensatz zu bereits strukturierten Informationen in einer Datenbank oder Excel-Tabelle). Ein unstrukturierte Text ist z.B. eine Email, ein PDF- oder Word-Dokument. Der Begriff “natural language” betont, dass es sich um Dokumente handelt, welche von Menschen für Menschen geschrieben wurde.
In den letzten Jahren gab es große Fortschritte in Bezug auf die Qualität mit der Muster in unstrukturierte Daten erkannt werden können. Dies ist neben Hardware-Verbesserungen insbesondere einer Gruppe von Algorithmen zu verdanken, welche als neuronal Netze oder als Deep-Learning bezeichnet werden. Das Besondere an diesen Ansätzen ist, dass die Regeln zur Mustererkennung nicht explizit von einem Menschen vorgegeben werden, sondern durch das Netzwerk “von selbst” gelernt werden. Theoretisch ist es so möglich implizit Millionen von Regeln zu erstellen, welche am Ende dazu führen, dass auch komplizierte Muster erkannt werden können.
Kriterien, um attraktive Prozess-Automatisierungsprojekte zu finden, in denen Textverständnis zentral ist:
Wir erleben immer wieder, dass nur durch die Kombination aus Kenntnissen über die internen Prozessen mit Expertise im Bereich Natural Language Processing sinnvolle Projekte erkannt und strukturiert werden können. Fragen Sie uns gerne möglichst früh, ob wir eine Prozessautomatisierung für ihren Anwendungsfall als technisch machbar einschätzen.
Kontaktieren Sie uns
Use Cases in NLP
Analyse von handgeschriebenen Anträgen

#machine vision #nlp #banken #versicherungen

Handschriftliche Dokumente können durch Machine Learning Algorithmen ausgelesen und vorausgefüllt werden. Durch weitere Eingaben können diese Dokumente noch einmal editiert werden, wovon die Genauigkeit des Algorithmus nochmal profitiert.

#machine vision #nlp #banken #versicherungen

Handschriftliche Dokumente können durch Machine Learning Algorithmen ausgelesen und vorausgefüllt werden. Durch weitere Eingaben können diese Dokumente noch einmal editiert werden, wovon die Genauigkeit des Algorithmus nochmal profitiert.

In der Versicherungsbranche werden Dokumente von eigenen Mitarbeitern oder Partnerunternehmen wie Maklern handschriftlich ausgefüllt. Diese handschriftlichen Dokumente müssen häufig abgetippt werden, um Sie weiter zu verarbeiten.

Mit Machine Learning Algorithmen können Muster in handschriftlichen Dokumenten analysiert und ausgelesen werden und zu großen Teilen vorausgefüllt werden. Dabei gilt: Umso mehr Dokumente vorliegen und desto einheitlicher die Dokumente ausgefüllt sind, desto besser erkennt der Algorithmus die Inhalte des handschriftlichen Dokumentes.

Die vorausgefüllten Dokumente werden an ein Interface übermittelt und können von Mitarbeitern noch einmal editiert werden. So lernt der Algorithmus neue Muster hinzu und kann diese auf neue Fälle anwenden.

Betrugserkennung in der Schadensbearbeitung

#machine vision #nlp #banken #versicherungen

Mit neuronalen Netzen werden Muster von Betrugsfällen erkannt und herausgefiltert. Auffällige Schadensmeldungen werden Sachbearbeitern gemedlet und manuell überprüft.

#machine vision #banken #versicherungen

Mit neuronalen Netzen werden Muster von Betrugsfällen erkannt und herausgefiltert. Auffällige Schadensmeldungen werden Sachbearbeitern gemedlet und manuell überprüft.

Kunden senden Versicherungen ihre Schadensmeldung in Form eines Textdokuments oder als Bild. Betrüger gehen davon aus, dass insbesondere Schäden mit geringem Wert nicht gründlich geprüft werden.

Mit neuronalen Netzen werden Muster von Betrugsfällen aus der Vergangenheit oder Häufungen von auffälligen, aktuellen Schadensmeldungen erkannt und herausgefiltert.

Die ausgewählten auffälligen Schadensmeldungen werden den Sachbearbeitern gemeldet und manuell durch Betrugsspezialisten der Versicherungen überprüft.

Freitextanalyse im Customer Service

#nlp #ecommerce #travel

Customer-Service-Agenten geben Informationen zu Beschwerden oder Reklamationen in Freitextfelder ein. Daraus geclusterte Informationen können in die Optimierung von Geschäftsprozessen einfließen.

#nlp #ecommerce #travel

Customer-Service-Agenten geben Informationen zu Beschwerden oder Reklamationen in Freitextfelder ein. Daraus geclusterte Informationen können in die Optimierung von Geschäftsprozessen einfließen.

Customer Service Agenten geben in Freitextfeldern wertvolle Informationen zu Kundenbeschwerden oder Reklamationen ein. Diese Informationen liegen in der Regel unstrukturiert vor und können deshalb nur unzureichend analysiert werden.

Machine Learning Algorithmen analysieren den Freitext und clustern die Informationen. Mit zunehmender Anzahl an Beispielen lernt der Algorithmus Muster zu erkennen und klassifiziert die Informationen selbstständig.

Die geclusterte Information aus dem Customer Service kann analysiert werden und kann in die Unternehmensprozesse wie z.B. die Webseiten-Gestaltung, den Service, das Marketing oder die Logistik einfließen.

Auslesen von Patientenakten

#nlp #gesundheit

Elektronische Patientenakten können mittels Machine Learning Algorithmen ausgewertet werden. Dadurch erhalten Ärzte automatisch Vorschläge für Diagnosen und Therapiemöglichkeiten.

#nlp #gesundheit

Elektronische Patientenakten können mittels Machine Learning Algorithmen ausgewertet werden. Dadurch erhalten Ärzte automatisch Vorschläge für Diagnosen und Therapiemöglichkeiten.

Im Gesundheitssektor wird in den nächsten Jahren die elektronische Patientenakte eingeführt, sodass die Akten auswertbar sind und für Patienten, Ärzte und Krankenkassen einheitlich verfügbar sind.

Patientenakten können durch Machine Learning Algorithmen standardisiert ausgewertet werden und frühzeitig Muster wie z.B. Symptome von Krankheiten und Nebenwirkungen von Medikamenten erkennen.

Die Ärzte erhalten Vorschläge für Diagnosen oder Therapiemöglichkeiten automatisch anhand der Informationen der Patientenakten und können diese Informationen mithilfe des persönlichen Eindrucks präzisieren und die Diagnose oder Therapie bestimmen.

Generierung von Standarddokumenten

#nlp #produktion #logistik

Durch Spracheingabe und Machine Learning Algorithmen lassen sich Standarddokumente klassifizieren und automatisch ausfüllen. Dieses Dokument kann im Nachhinein kontrolliert und editiert werden.

#nlp #produktion #logistik

Durch Spracheingabe und Machine Learning Algorithmen lassen sich Standarddokumente klassifizieren und automatisch ausfüllen. Dieses Dokument kann im Nachhinein kontrolliert und editiert werden.

In der Logistik oder in der Gesundheitsbranche sind Mitarbeiter viel unterwegs und haben zeitgleich hohe Dokumentationsanforderungen. Dabei handelt es sich meistens um standardisierte Dokumente wie z.B. CMR Frachtbriefe, FIATA Spediteursdokumente oder auch interne Standarddokumente.

Der Mitarbeiter kann über ein Sprachinterface (z. B. eine App) alle relevanten Informationen aufsprechen. Der Machine Learning Algorithmus klassifiziert die Informationen und fügt diese in die entsprechenden Eingabefelder ein.

Die Software generiert ein ausgefülltes Dokument mit allen Informationen, die per Sprache hinterlegt wurden. Der Nutzer kann später im Büro oder in der App das Dokument kontrollieren und ggf. editieren.