Shortcuts zum Projekt
Die Herausforderung bestand darin, verschiedene Tupel an Informationen aus Kunden E-Mails mithilfe von künstlicher Intelligenz so zu vervollständigen, dass mindestens die Pflichtfelder der Sendungserfassungsmaske ausgefüllt sind. Dabei müssen Geschäftsregeln berücksichtigt und fehlende Daten befüllt werden. Dafür haben wir ein Proof of Concept erbracht, wodurch basierend auf lückenhaften Informationen, Sendungen vollständig automatisch ausgefüllt werden können.
Die Umsetzung
die Evaluierung erfolgte in drei Phasen
Datenanalyse historischer Sendungen
Wir haben ein besonderes Augenmerk auf das Association Rule Mining geleg, um verdeckte Regeln zu identifizieren. Dafür haben wir ein geeignetes Modell ausgewählt: Evaluation eines MissForest, der Daten durch ein iteratives Verfahren vervollständigt.
Auswahl von Features
Wir haben Features, basierend auf der Datenanalyse, sowie Training und Testen des Modells, ausgewählt.
Plausibilitätstest der Ergebnisse
Wir haben die Ergebnisse getestet, um sicherzustellen, dass die Eingaben zueinander passen. Nach der Bereitstellung des Modells der API erfolgte die finale Evaluation des Prototyps durch unseren Kunden FMS.
Ergebnis
Eine unvollständige Sendung kann jetzt als JSON mit einem POST-Request an die API geschickt werden und wird mit allen Pflichtfeldern vervollständigt als JSON zurückgegeben. Für die Imputation stehen zwei Modelle zur Verfügung, welche nun in der Praxis erprobt werden, um Sachbearbeiter:innen zukünftig durch fachlich stimmige Vorschläge zu unterstützen.
Jetzt mit unserem Experten verbinden
#gerneperdu