Ein wirksames Stammdaten-Management ist die Grundlage für Geschäftsprozesse und deren reibungslose Abläufe. Die Bereitstellung der notwendigen Datenqualität ist daher entscheidend.
Mangelhafte Datenqualität ist für Lösungen im Bereich der Künstlichen Intelligenz (KI) häufig ein limitierender Faktor. Im Zuge dieses Forschungsprojektes wird ein sogenannter Fact Data Cleaner (FDC) entwickelt, der mithilfe Künstlicher Intelligenz schnell und einfach zur besseren Stammdatenqualität beiträgt und dadurch ein klarer Mehrwert entsteht.
Der Fact Data Cleaner ist eine KI-basierende Software as a Service (SaaS) zur Identifikation von Fehlern und Dubletten in Stammdaten. Er wird als vertrauenswürdiges Assistenzsystem eingesetzt, welches potenzielle Fehler in Stammdaten unter Nutzung von Methoden aus Deep Learning und Natural Language Processing erkennt, die Benutzer in Echtzeit darauf aufmerksam macht und Korrekturvorschläge unterbreitet. Durch dieses Benutzerfeedback soll durch die KI ein kontinuierlicher Lernprozess erfolgen und somit Vorhersagen mit hoher Sensitivität (Trefferquote) und möglichst geringer Falsch-Positiv-Rate erzielt werden.
Die Möglichkeit einer Integration des KI-Systems in gängige kommerzielle ERP-Systeme bietet ein Maximum an Anwenderfreundlichkeit.
Eine Forschungskooperation mit dem Salzburger Unternehmen Fact AI GmbH. Mehr dazu finden Sie hier
