Prozess-Audit und Predictive Scoring im Back Office
Im E-Commerce-Back Office von Unternehmen mit über 2.000 Mitarbeitern in Österreich dominieren manuelle Prozesse die Vertragsprüfung. Mitarbeiter lesen PDFs, extrahieren Zahlungsbedingungen und prüfen Fristen. Dieser Prozess ist fehleranfällig und langsam. Forfis beginnt mit einem Prozess-Audit, um den Workflow mit der höchsten Fehlerquote zu identifizieren. Der Fokus liegt auf der Reduktion der manuellen Prüfarbeit durch Predictive Scoring. Das Modell bewertet neue Verträge basierend auf historischen Daten und priorisiert die Fälle, die menschliche Aufmerksamkeit benötigen. Die Architektur ist model-agnostisch und nutzt LangChain für die Orchestrierung. LangGraph steuert den Zustandsfluss und stellt sicher, dass der Human-in-the-Loop-Prozess deterministisch abläuft. Die Integration erfolgt über die offenen APIs von SAP S/4HANA oder Microsoft Dynamics 365. Es wird kein ERP-Modul ersetzt, sondern eine neue Service-Schicht davor geschaltet. Diese Schicht kommuniziert über Webhooks oder REST-Endpunkte mit dem bestehenden System. Der Pilot hat einen festen Scope und dauert zwei Wochen. In Woche 1 wird die Prozess-Audits und die Konfiguration der LangGraph-Graphen durchgeführt. In Woche 2 erfolgt die Integration in das ERP-System und die Messung der Baseline-Werte für Fehlerquote und Durchlaufzeit. Der Rollout auf weitere Prozesse beginnt erst nach der validierten Pilotphase.
Model-agnostische Architektur mit LangChain und LangGraph
Die technische Umsetzung basiert auf einer model-agnostischen Architektur. Für die Qualitätskritische Textanalyse werden APIs von OpenAI oder Anthropic genutzt, wenn die Datenhoheit es zulässt. Falls sensible Kundendaten oder Vertragsdetails das Gebäude nicht verlassen dürfen, werden Open-Weight-Modelle wie Llama 3 oder Mistral auf eigener Hardware betrieben. Die Schnittstelle bleibt identisch, nur der Backend-Anbieter wechselt. LangChain dient als Orchestrierungsschicht für die LLM-Aufrufe und Tool-Interaktionen. LangGraph ist entscheidend für das Predictive Scoring, da es deterministische Schleifen für die Validierung der Modelle und die menschliche Freigabe abbildet. Der Prozess bricht nicht ab, wenn eine menschliche Freigabe erforderlich ist. Stattdessen wird der Zustand im Graph gespeichert und der Prozess pausiert, bis der Mitarbeiter den Entwurf freigibt. Diese Architektur stellt sicher, dass der Human-in-the-Loop-Prozess zuverlässig und nachvollziehbar abläuft. Die Integration in das ERP-System erfolgt über die offenen APIs. Die KI liest Vertragsdaten aus dem ERP-System, berechnet den Score und schreibt das Ergebnis als Metadatum zurück. Diese asynchrone Verarbeitung über Message Queues wie RabbitMQ oder Kafka stellt sicher, dass die Transaktionszeiten im SAP-System nicht verlangsamt werden.
Integration in SAP und Microsoft Dynamics ERP
Die Integration in SAP S/4HANA oder Microsoft Dynamics 365 erfolgt über die offenen APIs des jeweiligen Systems. Forfis entwickelt keine neuen ERP-Module, sondern eine Service-Schicht, die über Webhooks oder REST-Endpunkte mit dem bestehenden System kommuniziert. Die KI liest Vertragsdaten aus dem ERP-System, berechnet den Predictive Score und schreibt das Ergebnis als Metadatum zurück. Diese asynchrone Verarbeitung über Message Queues wie RabbitMQ oder Kafka stellt sicher, dass die Transaktionszeiten im SAP-System nicht verlangsamt werden. Für Unternehmen mit über 2.000 Mitarbeitern ist die Skalierbarkeit der API-Aufrufe und die Lastverteilung im ERP-System entscheidend. Die Architektur muss sicherstellen, dass die KI-Verarbeitung nicht die Transaktionszeiten im SAP-System verlangsamt. Die Datenflüsse werden so gestaltet, dass keine personenbezogenen Daten in externe LLM-APIs übertragen werden, wenn dies nicht erforderlich ist. Bei der Nutzung von Open-Weight-Modellen auf eigener Hardware bleibt die Datenhoheit vollständig beim Unternehmen. Die Integration in das ERP-System erfolgt über verschlüsselte Kanäle, und die Zugriffsberechtigungen werden über das bestehende IAM-System des Unternehmens gesteuert. Dies gewährleistet, dass die Datenhoheit gewahrt bleibt und die Integration in die bestehende IT-Landschaft nahtlos erfolgt.
Pilot in zwei Wochen: Messung der Baseline
Der Pilot mit festem Scope dauert zwei Wochen und umfasst die Konfiguration der LangGraph-Graphen, die Integration in das ERP-System und die Messung der Baseline-Werte. In Woche 1 wird die Prozess-Audits und die Konfiguration der LangGraph-Graphen durchgeführt. In Woche 2 erfolgt die Integration in das ERP-System und die Messung der Baseline-Werte für Fehlerquote und Durchlaufzeit. Die Baseline-Messung erfasst die manuelle Durchlaufzeit pro Vertrag und die historische Fehlerquote. Nach der Pilotphase wird derselbe Datensatz durch das KI-System verarbeitet. Der Vergleich zeigt, wie viele Minuten pro Dokument eingespart wurden und wie sich die Fehlerquote in Prozentpunkten verändert hat. Der Rollout auf weitere Prozesse beginnt erst nach der validierten Pilotphase. Die Kosten setzen sich aus der Pilotgebühr, den API-Kosten und dem monatlichen Managed-Service-Tarif zusammen. Bei Open-Weight-Modellen auf eigener Hardware entfallen die Token-Kosten, aber die Infrastrukturkosten steigen. Der Tarif für den Managed Service richtet sich nach der Anzahl der verarbeiteten Dokumente pro Monat und der Komplexität der ERP-Integration.
Managed AI Operations und 24/7-Kundenantwort
Der Managed AI Operations Service umfasst das Monitoring der Modell-Drift, die Aktualisierung der Prompts und die Wartung der ERP-Integrationen. Forfis überwacht die Fehlerquote in Echtzeit und greift ein, wenn die Genauigkeit unter den definierten Schwellenwert fällt. Das Team ist für die Stabilität der 24/7-Antwortprozesse und die Datenkonsistenz im Back Office verantwortlich. Das System ist so konfiguriert, dass es 24 Stunden am Tag Anfragen aus dem Helpdesk oder dem CRM entgegennehmen kann. Es triagt die Anfragen, extrahiert relevante Daten und erstellt einen Entwurf für die Antwort. Bei finanziellen oder vertraglichen Themen wird der Prozess pausiert, bis ein Mitarbeiter den Entwurf freigibt. Die Antwort geht erst nach Freigabe an den Kunden. Dieser Ansatz stellt sicher, dass die 24/7-Kundenantwort zuverlässig und compliant ist. Die Datenflüsse werden so gestaltet, dass keine personenbezogenen Daten in externe LLM-APIs übertragen werden, wenn dies nicht erforderlich ist. Bei der Nutzung von Open-Weight-Modellen auf eigener Hardware bleibt die Datenhoheit vollständig beim Unternehmen.
Leave a Reply