Unsere vernetzte Welt verstehen
Der Tod der manuellen Datenerfassung
Datenerfassung aus standardisierten Dokumenten ist in vielen Branchen immer noch ein manueller Prozess. KI-basierte Lösungen wie die von Hypatos aus Berlin automatisieren diese manuellen Prozesse und reduzieren dadurch Kosten und Fehlerquoten. Die MitarbeiterInnen werden so darin unterstützt, Daten effektiv zu verarbeiten. Hypatos bietet eine AI as a Service Lösung für Unternehmen aus allen Branchen an. Jessica Schmeiss und Nicolas Friederici zeigen in diesem Blogpost, wie das Startup KI-Technologien zum Einsatz bringt und wie daraus ein erfolgreiches Geschäftsmodell entsteht. Der Beitrag ist Teil der “Demystifying AI in entrepreneurship” Studie, die in 2019 am HIIG veröffentlicht wird.
Für Unternehmen in fast allen Branchen spielt Datenerfassung aus strukturierten Dokumenten eine große Rolle. Die Erfassung geschieht in den meisten Fällen manuell und wird von trainierten Fachkräften durchgeführt. Zum Beispiel sichten BuchhalterInnen in Unternehmen Rechnungseingänge und Belege, um diese Daten in Buchhaltungssysteme zu übertragen. ApothekerInnen überprüfen Rezepte für verschreibungspflichtige Medikamente, bevor diese an PatientInnen vergeben werden, und Sachbearbeitende in Banken prüfen manuell verschiedene Dokumente (z.B. Gehaltsnachweise), um die Kreditwürdigkeit von KundInnen zu bestimmen. Die manuelle Erfassung dieser Daten kostet viele Ressourcen, obwohl sie eine geringe kognitive Leistung erfordert. KI-basierte Technologien wie neuronale Netzwerke und Bilderkennung können in diesen Fällen helfen, manuelle Aufgaben zu automatisieren und Mitarbeitende so zu unterstützen.
Das Berliner Startup Hypatos, gegründet in 2018 von Ulrich Erxleben, Janosch Novak und Sven Loth, entwickelt Technologien, um die Datenerfassung in internen Prozessen zu automatisieren. Die Firma hat aktuell ca. 25 Mitarbeitende an drei Standorten, mit einem Team in Berlin, einem Team von DatenexpertInnen in Kleinmachnow und einem Entwicklerteam in Warschau.
Hypatos nutzt neuronale Netzwerke und Bilderkennung, um strukturierte Dokumente automatisiert zu erfassen. So kann die zur Erfassung benötigte Zeit reduziert werden, Kosten reduziert und die Qualität der Datenerfassung erhöht werden. Das Berliner Unternehmen bietet zwei verschiedene Produkte an. Vortrainierte Modelle für standardisierte Anwendungsfälle eignen sich beispielsweise für die Erfassung von Rechnungseingängen. Diese Modelle können schnell in bestehende Prozesse des Kunden integriert werden. Zum anderen bietet Hypatos eine Studio Software an, in der KundInnen eigene Modelle für individuelle Anwendungsfälle trainieren. Hierzu werden die zu erfassenden Daten definiert und anhand von Test-Dokumenten ein neues Modell trainiert, welches diese Daten verarbeiten kann. In beiden Fällen wird jedoch lediglich die Erfassung der Daten automatisiert. Eine zentrale Rolle kommt weiterhin dem Mitarbeitenden zu, der die Datenerfassung überprüft und auf verschiedene Arten und Weisen weiterverarbeitet.
Value Proposition: Hypatos automatisiert die Erfassung semi-strukturierte Dokumente für interne Prozesse in allen Branchen. So werden für den Kunden Kosten eingespart und die Fehlerquote reduziert.
Kundenbeziehungen: In der Implementierungsphase betreut Hypatos die Kunden eng, um die Modelle vollständig in die Prozesse einzubinden. Sobald die Modelle voll implementiert sind, ist nur gelegentlicher Kundenservice notwendig.
Kundensegment: Hypatos fokussiert sich auf alle Unternehmen, die auf Dokumentenmanagement Prozesse angewiesen sind. Die Technologie ist sehr eng spezifiziert, aber die Anwendungsfälle sind für nahezu alle Unternehmen relevant (daher geht die Lösung schon fast in den Massenmarkt).
Umsatz: Der Kunde bezahlt pro Anfrage an die implementierte API. Hypatos bietet verschiedene Pakete an, in denen eine bestimmte Anzahl von Anfragen pro Monat enthalten ist.
Kommunikationskanäle: NeukundInnen werden hauptsächlich über Industrie Events (z.B. CFO Konferenzen) abgedeckt. Hier wird viel auf persönlicher Ebene gearbeitet, um die Implementierung der Modelle zu definieren. Die Kundenbetreuung findet ebenfalls persönlich, aber häufig per Email oder Telefon statt.
Ressourcen: Die zentrale Ressource ist hochqualifiziertes Personal zur Entwicklung der Technologie. Zusätzlich ist Rechenkapazität sehr wichtig, hier greift Hypatos auf eigene Hardware und bestehende Cloud-Anbieter zurück. Kapital (von Investoren) ist weiterhin eine wichtige Ressource für die Weiterentwicklung der Firma.
Kosten: Größter Kostenfaktor für Hypatos sind Personal und Rechenkapazität. Sie bieten eine Technologie für eine Vielzahl von Anwendungsfällen in allen Branchen an.
Partnerschaften: Hypatos entwickelt die Technologie größtenteils im eigenen Unternehmen, greift aber bei der Entwicklung häufig auf Open Source Technologien zurück. Wichtige Partner sind Cloud Provider wie Amazon AWS oder Google Cloud, die sicherstellen, dass stets genügend Rechenkapazität vorhanden ist, um die Modelle stabil laufen zu lassen.
Aktivitäten: Hypatos fokussiert sich stark auf die Entwicklung trainierte Modelle für relevante Anwendungsfälle. Daher hat die technische Entwicklung und Optimierung der Modelle einen sehr hohen Stellenwert.
Die Veranschaulichung des Geschäftsmodells zeigt deutlich, welch großen Stellenwert qualifiziertes Personal für den Erfolg des Unternehmens hat. Die Entwicklung und kontinuierliche Weiterentwicklung von marktfähigen technischen Lösungen ist ein zentraler Wettbewerbsvorteil von Hypatos. Die Einbindung von fertigen Modellen in bestehende Prozesse ist hierbei ein Anwendungsfall, der für viele Unternehmen ein erster Schritt in Richtung KI sein kann.
Mehr über Hypatos, ihre fortschrittliche Technologie und deren Potential für die Wirtschaft hören Sie im kommenden Monat im Exploring Digital Spheres Podcast-Interview mit Gründer Ulrich Erxleben. Er wird im Gespräch mit HIIG-Forscherin Jessica Schmeiss erklären, welche Rolle der Mensch bei der Automatisierung von Geschäftsprozessen spielt und welche Vorteile KI-Startups am Standort Berlin haben.
Dieser Beitrag spiegelt die Meinung der Autorinnen und Autoren und weder notwendigerweise noch ausschließlich die Meinung des Institutes wider. Für mehr Informationen zu den Inhalten dieser Beiträge und den assoziierten Forschungsprojekten kontaktieren Sie bitte info@hiig.de
Jetzt anmelden und die neuesten Blogartikel einmal im Monat per Newsletter erhalten.
Digitale Zukunft der Arbeitswelt
Zwischen Zeitersparnis und Zusatzaufwand: Generative KI in der Arbeitswelt
Generative KI am Arbeitsplatz steigert die Produktivität, doch die Erfahrungen sind gemischt. Dieser Beitrag beleuchtet die paradoxen Effekte von Chatbots.
Widerstände gegen Veränderung: Herausforderungen und Chancen in der digitalen Hochschullehre
Widerstände gegen Veränderung an Hochschulen sind unvermeidlich. Doch richtig verstanden, können sie helfen, den digitalen Wandel konstruktiv zu gestalten.
Von der Theorie zur Praxis und zurück: Eine Reise durch Public Interest AI
In diesem Blogbeitrag reflektieren wir unsere anfänglichen Überlegungen zur Public Interest AI anhand der Erfahrungen bei der Entwicklung von Simba.