Global Community for Artificial Intelligence in MDM

Mitglieder der Community erhalten kontinuierlich aktuelle Inhalte, Zugang zu interessanten Vorträgen, neueste Forschungsbeiträge, innovative Use Cases und praktische Anleitungen.

Darüber hinaus finden Design-Thinking-Workshops in Europa und den USA statt, die die neuesten Ideen aufgreifen. Die Workshops geben allen Mitgliedern die Möglichkeit, ihre Gedanken, Ideen und Herausforderungen mit der Community zu teilen und zu diskutieren. Nutzen Sie diese großartige Gelegenheit, Gleichgesinnte zu finden, Kräfte zu bündeln und zu den ersten zu zählen, die AI & MDM Leuchtturm-Projekte umsetzen.

Was haben Sie davon?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

• Neueste Erkenntnisse, Diskussionen und Austausch über Künstliche Intelligenz im Stammdatenmanagement
• Exklusive Einblicke für Community-Mitglieder und Gastvorträge von KI-Experten und -Pionieren
• KI in der Praxis erleben durch gemeinsam umgesetzte, ausgewählte Use Cases mit den neuesten KI-Technologien

Community-Mitglieder

MDM- und KI-Experten
der folgenden Unternehmen

Community-Events

Was ist Künstliche Intelligenz und wie verändert sie MDM?

Künstliche Intelligenz ist ein Teilbereich der Informatik, der Maschinen zu menschlichem kognitivem Verhalten befähigt. Da das menschliche Verhalten ziemlich komplex ist, wird KI meist in mehrere Disziplinen untergliedert, wie Robotik, Planung, Problemlösung, Language Processing oder Machine Learning. Einige dieser Fähigkeiten haben keinen oder kaum, andere hingegen großen Einfluss auf MDM. Doch wenn es der Wissenschaft gelänge, all diese Disziplinen in einer KI-Maschine zu vereinen, könnte sie das menschliche Verhalten perfekt nachahmen. So futuristisch das klingen mag und so kontrovers die Diskussion über die Möglichkeiten einer solchen intelligenten Maschine geführt wird: Erste Use Cases werden den Einfluss von KI auf MDM schon bald zeigen.

Videoserie:
Frage den Experten

Wie beginnt man mit KI im MDM?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Was sind die Anwendungsbereiche der KI im MDM?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Wir haben nur ein paar tausend Stammdatensätze. Ist es ausreichend, KI anzuwenden?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Können wir der KI vertrauen?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Was sind die organisatorischen Optionen für KI im MDM?

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Die neuen Möglichkeiten der KI verändern alle MDM-Praktiken

Logische Schlussfolgerung

Problemlösung durch Identifikation typischer Nutzerfehler mittels Schlussfolgerung. Berücksichtigung von transaktionalen Fehlern, häufigen Datenänderungen und korrumpierten Daten etc. zur autonomen Entwicklung von Standards.

Affective Computing

Wahrnehmung von nicht-verbalem Verhalten und Anpassung. Beurteilung von Zusammenhängen zwischen Stimmung und Datenqualität sowie Usability-Verbesserungen auf Basis der Kundenzufriedenheit.

Rechnergestützte Kreativität

Unterstützung kreativer Prozesse für MDM-verwandte Themen. In Kombination mit der Fähigkeit der Problemlösung sind innovative Ansätze für MDM-Probleme möglich.

Natural Language Processing

Verständnis gesprochener Worte durch Ableitung von Stammdatenattributen aus freien Texten. Sprachsteuerung statt Maus und Keyboard für eine neue User Experience und Usability von MDM-Anwendungen.

Machine Learning

Autonome Datenpflege durch Erfahrung und Training. Garantiert Sicherstellung der Compliance von Governance-Regeln, Prinzipien und Standards. Berücksichtigung transaktionaler Fehler für eine autonome Datenkorrektur.

Planung

Algorithmen können Datenplfegemaßnahmen vorausschauend planen. Datenbereinigungen werden auf Basis zukünftiger Transaktionen geplant und angepasst.

Robotik

Bewegungssteuerung durch Robotik-Prozesse. Hat vermutlich keinen großen Einfluss auf MDM, könnte aber zu neuen Objektdefinitionen führen.

Wissensverarbeitung

Identifizierung vorhandener Informationen durch die Beschreibung von Objekten, Einheiten und Beziehungen. Ontologische Modelle entstehen durch die Vernetzung aller Elemente.

Empfindungsfähige Systeme

Ableitung von Stammdatenattributen aus Bildern, Videos und Klang. Ersetzt Maus und Keyboard durch Gestensteuerung und ermöglicht eine neue User Experience und Usability von MDM-Anwendungen.

Featured Insights

Ausgewählte Use Cases für KI im Stammdatenmanagement

Viele Anwendungsfälle, die die Herausforderungen des Datenmanagements mithilfe von KI lösen, sind identifiziert worden. Drei ausgewählte Beispiele verdeutlichen die Bedeutung von KI für MDM und zeigen, wie Lösungen aussehen können.

Persönlicher Assistent und Wegweiser durch das MDM-System

Chatbots werden im Jahr 2022 laut Analysten Einsparungen von über 8 Billionen Dollar jährlich ermöglichen, derzeit sind es 20 Millionen. Schulungen und Support werden kaum noch oder gar nicht mehr benötigt, weil Chatbots die Nutzer durch MDM-Anwendungen führen und ihre Fragen beantworten. Die KI-basierte Sprach- und Gestensteuerung wird in der Lage sein, Anweisungen und non-verbales Feedback umzusetzen. Machine Learning verarbeitet die Informationen und fügt sie zur Wissensdatenbank des Unternehmens hinzu.

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

YouTube immer entsperren

Automatische Stammdatensatzerzeugung für Käufer und Kunden & Datenvalidierung

KI übernimmt den Prozess der Stammdatenerstellung für Geschäftspartner. Die Daten werden angelegt, sobald ein Team die Zulieferer- /Kundendokumentation mit dem System teilt. Mithilfe von OCR werden die Daten ergänzt und auf Anfrage von einem Datenspezialisten validiert. Für die Anwendung sind kaum Schulungen notwendig. Sie hat großes Potenzial, die Datenqualität allgemein zu verbessern, die für die Datenpflege aufgewendete Zeit zu reduzieren und zusätzliche Kapazitäten zu erschließen. Das Konzept lässt sich für weitere Prozesse und Dokumententypen erweitern.

AI in MDM – Schwerpunkte

Innovative Ideen für Anwendungsfälle adressieren immer die Bedürfnisse einer spezifischen Nutzergruppe und bauen auf einen großen Themensprektrum auf. Basierend auf den Erfahrungen aus zahllosen Kreativ- und Design-Thinking-Workshops fassen wir die Anwendungsfälle für KI im Datenmanagement prozessübergreifend in den folgenden Kategorien zusammen:

Automatisierung

• Nicht wertschöpfende, sich wiederholende und zeitraubende Aktivitäten, die von der KI ausgeführt werden

• Anwendungsbeispiele: Abbildung von Datensätzen, Datenermittlung für die Migration, dynamische Abbildung von Standards (z. B. eCl@ss), automatische Datenbelegung im System, automatische Datenvalidierung und -genehmigung, Ableitung/Aktualisierung von Metadaten, Analyse technischer Zeichnungen

Benutzerfreundlichkeit

• Neue Interaktionsansätze zwischen Benutzern und Stammdaten auf der Grundlage von Stimme und natürlicher Sprache

• Anwendungsbeispiele: Persönlicher Assistent, Datenvisualisierung, grafische Pflege, Visualisierung für stammdatenbasierte Supply-Chain-Konfiguration, Stammdatenpflegeszenarien, vollautomatische Kostenstellen-/Profit-Center-Anfrage per E-Mail

Insights

• Aus großen Datenmengen, Mustern und Regeln Sinn machen

• Anwendungsbeispiele: Datenprofilierung, Verzerrungs-/Mustererkennung, Ausreißererkennung, Datensatzklassifizierung/ Clustering, Plausibilitätsprüfungen, Fehlerursachenanalyse, Datenänderungssimulation, dynamisches Regel-Mining, Bewertung der Datennutzung, Erkennung doppelter Datensätze, Betrugsanalyse

Strukturierung

• Extraktion von Informationen aus verschiedenen Quellen in ein maschinenlesbares Format

• Anwendungsbeispiele: Aufbau ontologischer Modelle, Extrahieren von Stammdaten aus Bildern oder flachen Textdateien, Stammdatenkatalogerstellung, ganzheitliches Bild von (allen) ERP-Daten, Ableitung von Kunden-/Lieferantendaten von der Webseite, Business-Partner Daten-Crawling und Lieferantenhierarchie, strukturierte OCR und Validierung

Vorausschau

• Intelligente und dynamische Hilfe für Feldinhalte auf der Basis von historischen Daten, Internet, Produklebenszyklus und Geschäftsregeln

• Anwendungsbeispiele: Vorhersage von Datenerweiterungen, Datenvorschläge, vorgeschaltetes System (z.B. PLM) zur Vorhersage neuer Datensätze, Vorhersage von Änderungen im Lebenszyklus

Interessiert? Kontaktieren Sie uns!