Die digitale Transformation zwingt Unternehmen branchenübergreifend, ihre Prozesse zu verschlanken, zu vereinfachen und wo möglich, zu automatisieren. Diese Notwendigkeit trifft besonders auf regulierte Sektoren wie das Finanzwesen zu, wo die Komplexität und die Einhaltung gesetzlicher Vorschriften zusätzliche Herausforderungen darstellen. Die Bausparkasse Schwäbisch Hall hat die Bedeutung dieser Entwicklung erkannt und setzt verstärkt auf Machine Learning, um ihre Prozesse zu optimieren und neue Anwendungsmöglichkeiten zu erschließen.
Ein entscheidender Schritt in Richtung intelligente Automation wurde mit der Implementierung von Use-Cases erreicht, die die vollautomatisierte Dokumentenverarbeitung ermöglichen. Viele Kunden-Touchpoints erfolgen aktuell auf Kanälen, die die unstrukturierte Datenerfassung ermöglichen, beispielsweise in Form handschriftlich ausgefüllter Formulare. Mit der Unterstützung des Institutsteils Wirtschaftsinformatik gelang es der Bausparkasse Schwäbisch Hall durch die Kombination von Computer Vision und Robotic Process Automation zur Verarbeitung wichtige Informationen wie Unterschriften und handschriftliche Daten aus Dokumenten zu extrahieren und in bestehende Systeme einzuspeisen. Dieser Prozess der Technologiekonvergenz ermöglicht eine erhebliche Reduktion des manuellen Aufwands und trägt durch eine schnellere Bearbeitungszeit von Kundenanliegen zu einer erhöhten Kundenzufriedenheit bei. Gleichzeitig werden die entstandenen Modelliterationen mittels Machine Learning Operations kontinuierlich und automatisiert in die Betriebsprozesse integriert. Die bereits realisierten Use-Cases, wie die Automatisierung im Antrags- oder Erbfolgeprozess, demonstrieren das immense Potenzial dieser Technologien, kundenfreundlichere und effizientere Prozesse zu ermöglichen.
Die Bausparkasse Schwäbisch Hall plant nun gemeinsam mit dem Institutsteil Wirtschaftsinformatik diese Erfolge weiterzuführen, indem sie zusätzliche kundenorientierte Anwendungsfälle identifiziert und umsetzt. Die Schaffung der technologischen und organisatorischen Voraussetzungen für eine effiziente Datenversorgung und die Integration von Machine Learning Lösungen sind dabei von zentraler Bedeutung.
Ihr Nutzen
|