DMS GPT-Agenten
DocAnalyst
Automatisiert die Analyse von Dokumenten und ermöglicht eine schnelle Extraktion relevanter Informationen, z. B. zur Auswertung von Bewerbungszahlen.
DocSeeker
Erleichtert die gezielte Suche nach Dokumenten und deren Inhalten innerhalb von Datenbanken.
DocMatcher
Verknüpft zusammengehörige Dokumente, etwa Rechnungen mit den zugehörigen Lieferscheinen, um Zusammenhänge schneller zu erkennen.
DocClassifier
Erkennt und klassifiziert Dokumente automatisch, inklusive Indexierung und Vorkontierung, um die Belegerkennung zu optimieren.
DocConfigurator
Ermöglicht die einfache Konfiguration von Workflows oder Prozessschritten durch intuitive Sprachbefehle.
DocLinker
Verbindet thematisch zusammenhängende Dokumente, z. B. alle Unterlagen eines Lieferanten, an einem zentralen Ort.
DocSyncer
Stellt die Synchronisation zwischen verschiedenen Systemen sicher, etwa für die automatische Datenübertragung zwischen Finanzbuchhaltung und ERP-Systemen.
DocCreator
Erstellt automatisiert neue Dokumente, z. B. Einladungen oder Berichte.
DocSupporter
Unterstützt IT-Mitarbeitende mit KI-basiertem Support, insbesondere für telefonische Anfragen und Systembetreuung.
Februar 2025
Am 12. Februar fand das zweite Projekttreffen der Starke+Reichert GmbH & Co. KG und des Fachgebiets Wirtschaftsinformatik der Universität Kassel im Rahmen des Distr@al-Projektes GenKITs statt.
Das Projekttreffen diente nicht nur der Präsentation bisheriger Ergebnisse, sondern auch der strategischen Ausrichtung der nächsten Schritte.
Im Rahmen des abgeschlossenen Arbeitspakets 1 wurden neben einem kollaborativen Prozess zur Identifizierung von KI-Agenten anhand von Job-Rollen, auch eine Vielzahl von konkreten Agenten konzipiert und im Rahmen des Workshops priorisiert:
GenAI Pattern Canvas
September 2024
Die Patterns wurden während des Kickoff-Events in Gruppenarbeit entwickelt. Die Teammitglieder arbeiteten in zwei Gruppen, um Ideen für eine durch generative KI unterstützte Lösung im Dokumentenmanagement zu erarbeiten. Dabei entstanden beispielhafte Prompts sowie erste Überlegungen zu den notwendigen Voraussetzungen und technischen Anforderungen. Zusätzlich wurden mögliche Prozessveränderungen identifiziert, der Nutzen der KI bewertet und die Skalierbarkeit der Lösung analysiert. Zudem wurde festgelegt, welche Aufgaben von der KI und welche von Menschen übernommen werden und in welchem Maß der Prozess zwischen menschlicher Kontrolle und KI-Automatisierung angesiedelt ist.
Der Einsatz der Patterns fördert eine tiefgehende Auseinandersetzung mit dem Use-Case, die über das bloße Sammeln von Ideen hinausgeht. Zudem erleichtert es Personen, die nicht an der Gruppenarbeit beteiligt waren, das Verständnis der Hintergründe, Anforderungen und möglichen Veränderungen.
Während der Entwicklung wurden allgemeine Fragen zur Zielsetzung des Prozesses geklärt: Was wird entwickelt, für wen und zu welchem Zweck? Es wurde bestimmt, in welchem Unternehmensbereich die Lösung eingesetzt wird und welche Prozesse oder Aufgaben dadurch verbessert werden können. Nach Fertigstellung wurden die Patterns vorgestellt und priorisiert. Die Reihenfolge der Priorisierung lautet:
- Intelligente Suche
- Verknüpfen & Zusammenfassen
- Vorauswahl
- Konfigurationsautomatisierung
- Klassifizierung
Use-Cases im Detail
Intelligente Dokumentensuche
Ziel ist es, die Suche nach Dokumenten durch generative KI zu vereinfachen und effizienter zu gestalten. Aktuell ist die Suche sowie das Extrahieren von Inhalten oft umständlich und zeitintensiv. Die KI soll den Kontext und Inhalt von Dokumenten „verstehen“ und passende Darstellungsformen (z. B. Tabellen oder grafische Übersichten) vorschlagen. Dadurch entfällt die manuelle Sichtung von Dokumenten – eine kurze Anfrage an die KI reicht aus, um ein strukturiertes Ergebnis zu erhalten.
Business Value: Zeitersparnis, erhöhter Komfort, reduzierte Fehleranfälligkeit.
Verknüpfen & Zusammenfassen
Dieser Use-Case zielt darauf ab, im Healthcare-Bereich einen besseren Überblick über Dokumente zu schaffen. Derzeit führt das manuelle Zusammenfassen oft zu kognitiver Überlastung, und relevante Informationen sind schwer auffindbar. Die KI soll durch strukturierte Diagramme oder prägnante Zusammenfassungen unterstützen und so neue Diagnosebewertungen erleichtern.
Business Value: Zeitersparnis für Ärzt:innen, verbesserte Diagnosequalität.
Vorauswahl
Hier soll KI den Erstscreening-Prozess von Bewerbungsunterlagen optimieren. Derzeit ist das Screening zeitaufwendig und unterliegt inkonsistenten Bewertungskriterien. Die KI filtert Bewerbungen anhand vordefinierter Kriterien, fasst relevante Inhalte zusammen und kann diese beispielsweise als Score darstellen.
Business Value: Schnellere Personalauswahl, bessere Vergleichbarkeit der Bewerber:innen, allgemeine Skalierbarkeit.
Konfigurationsautomatisierung
In diesem Use-Case soll die KI manuelle und repetitive Konfigurationsaufgaben erleichtern. Derzeit müssen Spezialprozesse häufig manuell außerhalb des Systems durchgeführt werden, etwa die Erstellung neuer Formulare. Die KI übersetzt natürliche Sprache in automatische Konfigurationen, wodurch manuelle Klicks entfallen und stattdessen intelligente Vorschläge bereitgestellt werden.
Business Value: Zeitersparnis, reduzierte Komplexität für Anwender:innen.
Klassifizierung
Die manuelle Verteilung und Archivierung von E-Mails und Dokumenten erfordert aktuell hohen Arbeitsaufwand. Die KI klassifiziert Inhalte automatisch, erkennt den Kontext und unterstützt eine effizientere Verteilung und Archivierung.
Business Value: Reduzierter manueller Aufwand, verbesserte Datenqualität.
