8 Argumente für ein Decision Management Software

Das weltweit bekannte IT-Beratungsunternehmen Gartner hat im Herbst im Whitepaper „Should Your Project Use a Decision Management Suite?“ das Thema Decision Management Software stärker in den Fokus von IT-Entscheider gerückt. Dabei hat Gartner die besonderen Herausforderungen und Chancen dieser Business Tools herausgearbeitet.

Actico ist ein Pionier auf dem Gebiet der Entscheidungsmanagement Software und bekannt dafür, mit Künstlicher Intelligenz (KI) und Machine Learning Unternehmen bei besonders komplizierten End-to-End-Entscheidungsanforderungen zu unterstützen – also in den Fällen, in denen Gartner den Einsatz von Decision Management Systemen (DMS) empfiehlt.

Was ist eine Entscheidungsmanagement Software überhaupt?

Nehmen wir Unternehmen aus der Finanzbranche (also Banken, Versicherungen oder Fintechs). Sie müssen jeden Tag Risikoentscheidungen treffen: Vergebe ich einen bestimmten Kredit oder Versicherung? Das hängt von diversen Kriterien ab. Oder auch: Darf ich meinem Kunden ein bestimmtes Produkt anbieten – was von verschiedenen regulatorischen und gesetzlichen Fragestellungen abhängt. Besteht ein Verdacht auf Marktmissbrauch oder Geldwäsche?

Das sind allesamt komplexe Fragestellungen, die viel Know-how, viele Informationen und vor allem viel spezielles Branchen Know-how voraussetzen. So etwas von Anfang bis Ende einzufangen, abzubilden und zu automatisieren, das ist der Zweck einer Decision Management Software, also End-to-End-Entscheidungssystems.

Was sind die Vorteile einer Decision Management Software gegenüber erfahrenen Mitarbeitern?

Je nach Einsatzgebiet verbessert eine Decision Management Software die Qualität der Entscheidungen, erzielt man eine personalisierte Kundenansprache oder eine höhere Sicherheit für das Unternehmen und seine Kunden, z.B. durch automatisierte Entscheidungssysteme zur Erkennung von Cyberkriminalität oder Betrug.

Natürlich erzielt man auch einfach Einsparungspotentiale durch höhere Automatisierung, insbesondere dann, wenn es viele Entscheidungen sind. Beispiele hierfür sind Belegverarbeitung und Antragsprüfung insbesondere auch in Behörden oder auch im produzierenden Gewerbe bei der Überwachung von Maschinen.

Generell hilft Entscheidungsmanagement Software dabei, Entscheidungen zu automatisieren, sie qualitativ zu verbessern und Konsistenz herzustellen und taktische und strategische Entscheidungen der Unternehmen zu unterstützen.

Der Anwenderbericht von Volkswagen Financial Services zeigt, wie intelligente Automatisierung zu Effizienzgewinnen beim Kreditrisikobewertungsprozess führen kann.

Klingt so, als sollte jedes Unternehmen sofort ein Decision Management Tool einführen. Wann lohnt sich der Einsatz?

Für einfache Entscheidungen, die nur von wenigen Bedingungen abhängen, und auch nicht so häufig vorkommen, braucht es keine Entscheidungsmanagement Software.

Wie Gartner es richtig schreibt, machen Decision Management Systeme vor allem dann Sinn, wenn

• es täglich viele komplizierte Entscheidungen zu fällen gilt, die von vielen Regeln und Daten abhängen
• sich die Entscheidungslogik häufig ändert, weil sich gesetzliche Vorgaben oder Marktgegebenheiten ändern
• die Fachbereiche die Entscheidungsregeln selbst ändern können sollen, ohne dass die IT etwas neu programmieren muss
• hohe Transparenz und Nachvollziehbarkeit der Entscheidungen gefordert ist (eventuell durch regulatorische Vorgaben)
• eine hohe Konsistenz der Entscheidungen wichtig ist. Kunden sollen beispielweise immer die gleiche Auskunft erhalten, unabhängig davon, ob sie im Call-Center, bei einem Mitarbeiter oder über den Webauftritt nach einer Dienstleistung fragen.

Eine Entscheidungsmanagement Software macht ein Unternehmen auch agiler, weil die Fachabteilungen die Entscheidungslogik selbst anpassen können und dafür nicht jedes Mal ein IT-Projekt und damit aufwändige Freigabeprozesse nötig sind.

Viele Unternehmen nutzen zur Unterstützung von Entscheidungen schon spezielle Lösungen. Sollten diese jetzt umrüsten?

Es gibt spezielle Use Cases, für die Standardlösungen sinnvoll sein können, etwa bei Marketingsoftware, die entscheidet, welche Angebote einem Kunden gemacht werden. Ähnliches gilt für Produktkonfiguratoren, Pricing Engines und ERP-System für die Produktionsplanung. In Fällen also, wo das Entscheidungsproblem standardisierbar ist, macht der Einsatz einer Standardsoftware Sinn, weil sie auch viel Know-how mitbringt.

Aber für viele Anwendungsfälle funktioniert das nicht, weil sie komplexer sind – und das gilt für die meisten Entscheidungen in Unternehmen. Es gibt häufig viele Daten zu berücksichtigen. Unternehmen sind meist gewachsene Gebilde, die sich in Standardlösungen oft nicht gut abbilden lassen. Dennoch wollen und müssen sie ihre Prozesse und Entscheidung digitalisieren und automatisieren.

Deswegen ist Decision Management Software heute so spannend, weil sie ganz allgemein dafür geeignet sind, Entscheidungen verschiedenster Art zu treffen. Und solche Systeme können für alle diese Anwendungsfälle eingesetzt werden – auch wenn der Ausgangspunkt für den Einsatz ein spezielles Business-Problem ist.

Wir haben viele Kunden, die mit einem Anwendungsfall begonnen haben, und dann selbst viele weitere Anwendungsfälle für die Automatisierung von Entscheidungen identifizieren. Das leistet eine Standardlösung für einen bestimmten Anwendungsfall so natürlich nie, eine Entscheidungsmanagement Software aber schon.

Erfahren Sie mehr dazu in folgenden Erfolgsgeschichten:

Wie arbeitet ein Entscheidungssystem?

Um automatisierte Entscheidungen zu treffen, muss ich die Regeln kennen, aus denen sich die Entscheidung ergibt. Viele Entscheidungssysteme arbeiten daher zunächst regelbasiert. Der Mensch geht genauso vor: Er analysiert die Faktenlage, zieht Schlussfolgerungen und entscheidet sich schließlich für eine der Möglichkeiten. Die Entscheidungsmechanik kann man sich wie eine Ansammlung an Prüfungen in Wenn-Dann-Form in einem übergeordneten Ablauf vorstellen, der die Reihenfolge der Überprüfung definiert.

Das Ganze definiert sehr systematisch und damit nachvollziehbar einen beliebig komplexen End-to-End-Entscheidungsprozess. Manche Systeme zeigen die Regeln und den -ablauf in grafischer Form an, manche verwenden eher Regeln in reiner Textform, manche verwenden auch ausschließlich Entscheidungstabellen. Wir finden die grafische Darstellung von Abläufen, aber auch Entscheidungstabellen, also einen Mix aus all diesen Möglichkeiten, am sinnvollsten.

Unter Beachtung vieler Regeln werden die möglichen Entscheidungen ausgewählt und dann – wenn mehrere Optionen bestehen – gilt es im zweiten Schritt nach der optimalen Entscheidung zu suchen Solche Optimierungen sind neben Regeln ein zweiter Ansatz, den man in Entscheidungssystemen findet. Wenn es mehrere Möglichkeiten gibt, sucht man die heraus, die möglichst geringe Kosten verursacht, oder die für den Kunden das beste Ergebnis bedeutet.

Gartner sieht auch bei der Optimierung dieser Entscheidungsauswahl ein großes Potenzial für künstliche Intelligenz …

Ja, es gibt immer wieder Fälle, wo der Aufbau eines Regelwerks an Grenzen stößt. Etwa weil es durch die komplexe Datenlage schlicht unmöglich ist, Regeln aufzustellen, oder auch erfahrene Experten nicht mehr erklären können, warum sie so entscheiden.

Hier kann künstliche Intelligenz und Maschinelles Lernen helfen, die richtigen Entscheidungen zu treffen. Maschinelles Lernen bedeutet ja, dass Computer durch Analyse bestehender Daten automatisch Wissen aufbauen, selbst Erfahrungen machen und schließlich so für die Zukunft vorhersagen können, was wahrscheinlich passiert.

Diese Technologie bietet in komplexen und wichtigen Entscheidungen einen enormen Vorteil und kann helfen, Kosten deutlich zu senken. Die Möglichkeit zu lernen und sich laufend weiterzuentwickeln und diesen Lernprozess selbst ebenfalls – zu einem gewissen Grad – zu automatisieren, ist sehr spannend.

Wird die Künstliche Intelligenz bald sämtliche Entscheidungen automatisiert treffen?

Nein. Denn unabhängig von der technischen Machbarkeit können wir feststellen, dass Entscheidungen eben nicht nur datengetrieben sind. Es existieren Gesetze, Regularien, Industriestandards, die einzuhalten sind. Das gilt auch für Geschäftsstrategien, die Menschen festlegen. Hierfür wird es immer Regeln brauchen, in deren Rahmen die künstliche Intelligenz dann wirken darf.

Regeln sind neben der Abbildung von Expertenwissen also auch das perfekte Mittel, um eine wirksame Kontrolle für KI-Methoden zu bieten. In diesem Rahmen kann die künstliche Intelligenz dann aber ihre Vorteile ausspielen. Denn umgekehrt kann man das Datenwissen, das eine künstliche Intelligenz entwickelt, nur sehr schwer oder gar nicht in Regeln abbilden. Es sind also zwei Ansätze, die sich unserer Meinung nach perfekt ergänzen.

Liefert eine Entscheidungsmanagement Software häufig auch Entscheidungen, die erfahrene Entscheider verblüffen, oder liegt das meist im Rahmen des Erwartbaren?

Wir erleben beides. Es hängt davon ab, wie viel der Kunde schon gemacht hat. Ob man künstliche Intelligenz noch zusätzlich einsetzen kann, hängt davon ab, welche Daten dafür vorhanden sind. Denn Machine Learning sucht nach Mustern, um Zusammenhänge zu erkennen. Oft ist viel Erwartetes dabei und entspricht der Intuition der Fachexperten – was auch schön zeigt, dass Machine Learning gut funktioniert.

Es gibt aber auch überraschende Dinge. Wir hatten den Fall bei der Überprüfung von Banktransaktionen zum Thema Geldwäsche. Da hat die künstliche Intelligenz die Fälle gefunden, wo die Einschätzung der menschlichen Bearbeiter nicht nachvollziehbar war.

Das ist mehrfach vorgekommen und hat natürlich auch Vertrauen ins Machine Learning erzeugt. In den meisten Fällen war es so, dass der Bearbeiter eine andere Entscheidung als die Maschine gefällt hat, weil er mehr wusste, z.B. dass der Empfänger mittlerweile verstorben war. Das hat den Beteiligten gezeigt, dass noch weitere Datenquellen nötig sind, die in die Entscheidung einfließen müssen.

Was hierbei klar wird: Machine Learning kann als Qualitätssicherungsmaßnahme dazu beitragen, dass Entscheidungen nachvollziehbar und konsistent bleiben.

Wie sieht es mit der Nachvollziehbarkeit von Entscheidungen aus, die von KI-Techniken wie Machine Learning gefällt werden? Kann das System erklären, warum es sich so entscheiden hat?

Ja, das gibt es. Das nennt sich die lokale Erklärbarkeit. Sie kann erläutern, warum sich die künstliche Intelligenz in diesem einen Fall so entscheidet. Dazu setzen wir den Shapley-Algorithmus ein. Er vergleicht den aktuellen Fall gegen den Durchschnitt, variiert zudem die Eingangsdaten und kann dann zeigen, auf welche Dinge das Machine-Learning-System in diesem Fall besonders geachtet und was letztendlich den Ausschlag gegeben hat.

Erhält man diese Daten als Text formuliert?

Die Ergebnisse erhält man als Liste von Prozenten oder auch in Form von Säulendiagrammen. Die Top-3-Einflüsse geben wir auch als Text aus. Sie erhalten also eine Erklärung, worauf die künstliche Intelligenz besonders sensitiv reagiert hat. Bei zweifelhaften Fällen stellt sich dann beispielsweise heraus, dass der beurteilende Mensch mehr gewusst hat, als die Maschine und daher eine andere Entscheidung fällen würde.

Wie kann man sich den Einsatz einer Decision Management Software vorstellen? Ist das in der Regel ein Plug-in für meine bisherigen Business-Management-Systeme oder eine eigenständige Software, die ich zusätzlich nutze?

Es gibt verschiedenen Ausbaustufen. Nutzt man nur die reine Decision-Engine, dann wird diese natürlich in andere Systeme integriert. Dazu setzen wir auf gängige Schnittstellen, um sie beispielsweise per Web-Services anzubinden.

Es gibt aber auch Anwendungsfälle, in denen die ACTICO Platform als zentrale, eigenständige Software fungiert und die Formulare und Workflows für den Entscheidungsprozess verwaltet. Wir sehen in unseren Projekten die ganze Bandbreite. Vielfach werden wir in bestehende Systeme integriert oder mit ihnen kombiniert.

Ist das dann eine Cloud-Lösung oder On-Premise im eigenen Rechenzentrum?

Es geht beides. Bei Banken und Versicherungen werden die Systeme in der Regel im lokalen Rechenzentrum „On-Premise“ betrieben. In anderen Industrien sind Cloud-Lösungen durchaus üblich und können direkt gebucht sowie beliebig skaliert werden. Wichtig ist, dass alle Teile perfekt zusammenspielen. Wir nennen das „End-to-End“.

Wie viel Zeit braucht es von der Planung bis zur Inbetriebnahme einer Decision-Management-Lösung von ACTICO?

Von der technischen Seite ist es einfach: Die Installation und Integration der Technik ist in einer Woche erledigt. Die meiste Arbeit, die natürlich auch Zeit kostet, ist die Abbildung der Regeln, nach denen das System arbeiten soll. Da sich der Einsatz einer Entscheidungsmanagement Software vor allem dann lohnt, wenn es viele Regeln gibt, und diese oft nicht schon abgebildet sind, kostet das die meiste Zeit. Häufig aber gibt es bereits Excel-Dateien mit Entscheidungsmatrizen, die es dann zu übernehmen und anzupassen gilt. Das dauert in der Regel ein paar Monate. Man kann aber auch klein anfangen und dann sukzessive das System erweitern.

Ein Grund, warum eine Entscheidungsmanagement Software von uns eingeführt wird, ist, die redaktionelle Pflege der Regeln zu beschleunigen. Dies können die Anwender selbst erledigen und müssen dafür nicht auf die IT zurückgreifen und einem Programmierer erklären, was er machen soll. Das spart auf die lange Sicht enorm viel Zeit.

Was unterscheidet die Lösungen von ACTICO von anderen Anbietern?

Das schöne bei unserem System ist, dass man die Regeln nicht noch einmal in einer eigenen Begriffswelt mit einem eigenen Vokabular abbilden muss. Wenn die Datenquellen angebunden und das System installiert ist, können die Anwender direkt anfangen, die Regeln aufzubauen. Wir nutzen dafür einen grafischen Ansatz, der sehr intuitiv zu nutzen ist. Wenn wir das erstmalig vorführen, sagen die meisten Fachbereiche sofort: „Ja, das verstehe ich und sehe mich in der Lage, daran Änderungen vorzunehmen.“ Der Anwender kann dann auch sofort seine ersten Testfälle erstellen und sofort überprüfen, ob die Regel wie gewünscht arbeitet.

Im Prinzip entsteht über die Regeleingabe ein komplexer hierarchischer Entscheidungsbaum, den man von links nach rechts und von oben nach unten durchläuft. Und an beliebigen Knotenpunkten kann man eine künstliche Intelligenz einbinden. Ihr werden dazu die relevanten Daten übergeben und sie liefert anschließend eine Prognose oder Einschätzung zurück, über die regelbasiert eine Entscheidung gefällt wird. Die Entscheidung erfolgt also über die Regel und nicht durch die künstliche Intelligenz.

Was hat denn die IT-Abteilung davon, eine Decision Management Software einzusetzen?

Eine Entscheidungsmanagement Software ermöglicht es der IT, mehr Verantwortung an die Fachbereiche zu geben, die dadurch schneller Änderungen durchführen können. Das entlastet die IT, weil sie weniger fachliche Themen durchdringen müssen. Das kann einen enormen Wert darstellen, den die IT dem Unternehmen auf diese Weise bereitstellt. Es gibt weniger Reibungsverluste und Missverständnisse, ein Gewinn für beide Seiten.

Manchmal sehen wir aber auch, dass es Vorbehalte gibt, Fachbereiche selbst eingreifen zu lassen. Das ist eine Frage der Prozesse, Verantwortung und Kultur. Aber auch in diesen Fällen ist die einfache und intuitive Oberfläche eine gemeinsame Basis, über die sich beide Partner verständigen können, ob das die Lösung ist, die sich der Fachbereich gewünscht hat.

In vielen Fällen setzen Unternehmen eine technisch versierte Person ein, die das System betreut und sowohl technisch wie auch inhaltlich im Thema ist. Das funktioniert in der Regel so gut, dass sie dann nach und nach weitere Use Cases mit der Decision Management Software umsetzen. Fehlt so eine Person, kann der Einsatz des Decision Management Systems immer noch gut funktionieren, aber der Effekt, dass es auf andere Fälle im Unternehmen ausgeweitet wird, stellt sich dann eher seltener ein.

Bei Fragen zu Ihrem persönlichen Anwendungsfall, wenden Sie sich gerne an unser Experten-Team.

Kontakt aufnehmen