iDPARC.ch spezialisiert sich auf die intelligente Digitalisierung administrativer Prozesse für Banken, Versicherungen, Versorger und Behörden und optimiert die Dokumentenverarbeitung mit KI-gestützten Lösungen. In Zusammenarbeit mit der ZHAW werden KI-gestützte Tools entwickelt, um Prozessoptimierungen für dynamische Skalierbarkeit zu automatisieren – also KI-gesteuerte Dokumentenprozessautomatisierung für großflächige administrative Digitalisierungsprozesse.

In der sich schnell entwickelnden Geschäftswelt suchen kleine und mittelständische Unternehmen (KMU) zunehmend nach Möglichkeiten, ihre operative Effizienz durch Prozessoptimierung und Automatisierung zu steigern. Das Aufkommen von No-Code- und Low-Code-Plattformen hat den Zugang zu Tools für die Geschäftsprozessautomatisierung erleichtert und ermöglicht es auch nicht-technischen Nutzern, Arbeitsabläufe zu entwerfen und umzusetzen. Diese Tools bieten jedoch oft keine branchenspezifische Anleitung, die auf die einzigartigen Bedürfnisse und die Sprache der einzelnen Kunden zugeschnitten ist. Diese Lücke erschwert eine effektive Prozessautomatisierung und belastet KMU mit der Aufgabe, komplexe Strategien zu interpretieren, ohne ein klares Verständnis des operativen Kontexts zu haben. Die Herausforderung besteht darin, sicherzustellen, dass die Automatisierung mit dem einzigartigen Geschäftsbereich und den strategischen Zielen jedes Unternehmens in Einklang steht, sodass der Automatisierungsprozess für alle Beteiligten verständlich und effektiv wird.

Ziel dieses Projekts ist es, ein Unterstützungssystem zu entwickeln, das den Kunden hilft, die Prozessautomatisierung besser zu verstehen und fundierte Entscheidungen zu treffen. Das System wird anspruchsvolle, kontextbewusste Gespräche ermöglichen, die auf den jeweiligen Geschäftsbereich des Kunden zugeschnitten sind, und intuitive Interaktionen sowie branchenspezifische Beispiele bieten. Dies wird den Kunden dabei helfen, wichtige Entscheidungen zu treffen und sicherzustellen, dass ihre Entscheidungen mit ihren strategischen Zielen übereinstimmen und die betriebliche Effizienz steigern. Dieser Ansatz ist entscheidend, um den Kunden zu ermöglichen, die Vorteile der Prozessautomatisierung in ihren einzigartigen Geschäftsumfeldern vollständig zu nutzen.

Der Prototyp des Machbarkeitsnachweises muss auf branchenspezifische Informationen zugreifen, gezielte Fragen stellen, um die Kundenbedürfnisse genau zu erfassen, komplexe Konzepte klar zu erklären und formale Prozessspezifikationen aus den während der Interaktionen getroffenen Entscheidungen zu generieren. Diese Studie wird die Machbarkeit eines Assistenten testen, der ein generatives Large Language Model (LLM), Retrieval Augmented Generation (RAG) und eine zustandsbasierte Dialogführung nutzt, um diese Anforderungen zu erfüllen.

Die Forschungsfragen lauten:

• Wie können wir Gesprächszustände und -übergänge für die Geschäftsprozessautomatisierung modellieren?
• Wie können Prompts mit branchenspezifischen Informationen angereichert werden, um Antworten auf den Kontext des Kunden zuzuschneiden?
• Wie können UML-basierte Spezifikationen aus Gesprächen über das Sprachmodell extrahiert werden?

Das Projekt hat das Ziel, eine Codebasis zu liefern, die die Machbarkeit dieser Funktionalitäten demonstriert und Antworten auf die genannten Forschungsfragen gibt.

Unsere Forschung entwickelt fortschrittliche Large Language Models (LLMs), Retrieval-Augmented Generation (RAG) und zustandsbasierte Dialogsysteme zur Verbesserung der Geschäftsprozessautomatisierung (BPA). Diese Integration zielt darauf ab, die Lücken bestehender BPA-Tools zu schließen, die oft auf statischen Daten basieren und keine Personalisierung oder Anpassungsfähigkeit an dynamische Veränderungen bieten. Unsere Lösung nutzt kontinuierliche Interaktion und Lernprozesse durch generative LLMs, was eine personalisierte, Echtzeit-Anpassungsfähigkeit und branchenspezifische Informationsabfrage ermöglicht. Durch die Integration von RAG und Dialogsystemen passt sich das System dynamisch an das Verhalten der Nutzer und die jeweiligen Geschäftskontexte an, was die Entscheidungsfindung verbessert und die Prozessgestaltung optimiert. Dieser Ansatz verspricht eine verbesserte Effizienz, Genauigkeit und Benutzererfahrung und könnte die KI-unterstützte Entscheidungsfindung branchenübergreifend transformieren. Weitere Forschung wird sich auf die Integration mit bestehenden Plattformen und die Lösung von Sicherheitsfragen konzentrieren, um eine breitere Akzeptanz zu ermöglichen.

iDPARC Innovationsprojekt:
Das iDPARC-Projekt zielt darauf ab, die Skalierbarkeit seines Geschäftsmodells zu erhöhen, indem die Phase der Kundenanforderungsanalyse automatisiert wird – ein kritischer Schritt bei der Automatisierung von Geschäftsprozessen bei Kunden. In den letzten acht Jahren hat iDPARC erfolgreich Software zur digitalen Prozessautomatisierung an KMU vermarktet, hat jedoch aufgrund der arbeitsintensiven Anforderungenserhebung, die die Einbindung von Senior Engineers und Kunden erfordert, Schwierigkeiten mit der Skalierbarkeit. Um dieses Problem zu lösen, wird ein KI-Assistent die Analyse automatisieren, strukturierte Anforderungen in Meta-Sprache und UML generieren und direkt in iDPARCs Software integrieren, um die Skalierbarkeit zu verbessern. Eine Machbarkeitsstudie wird die Funktionen des KI-Assistenten validieren und zu einem Innosuisse-Projekt führen, das die Entwicklung eines Minimum Viable Products (MVP) vorantreibt.

Phasen des Projekts:

• Kollaborative Evaluierung der MVP-Anforderungen mit einem Forschungspartner, einschließlich iterativem Design und Kundenfeedback.
• Verfeinerung des Prototyps durch Design-Test-Lern-Zyklen und Benutzerprüfungen für die Anpassung an den Markt.
• Markttests und abschließende Anpassungen des MVPs, Feinanpassung des Geschäftsmodells und der Dokumentation vor dem Projektabschluss.

Diese Machbarkeitsstudie wird wichtige Lernhilfen bieten, um die Kernfunktionen des MVP zu definieren, unterstützt von einem umfassenden Innosuisse-Projekt zur Steigerung der Effizienz und Reichweite von iDPARC.