Ein interdisziplinäres HDP-Team aus KI-Experten, System-Developern, Trainern und Fachexperten hat im Rahmen eines Exposés Einsatzgebiete abgesteckt, Verfahren erprobt, Umsetzungen getestet und konsequent die Weiterentwicklung von Cusa zur KI-unterstützten Branchenlösung vorangetrieben.
„Das Exposé „ML & KI 2020“ hat gestern begonnen. Unser Ziel ist es, die HDP-Solutions RuL, MuB und Prv durch den Einsatz Künstlicher Intelligenz, z.B. auf Machine Learning basierend, zu bereichern. Dabei wollen wir Einsatzmöglichkeiten identifizieren, die unseren Kunden möglichst viel Nutzen bringen, diese Einsatzmöglichkeiten analysieren und schließlich auf einer Roadmap für HDP anordnen. Im Rahmen des Exposés soll mindestens eine Idee prototypartig implementiert werden und Präsentationsmaterial zu unseren Ergebnissen erstellt werden.
Zunächst haben wir die Vorschläge des Kollegiums betrachtet. Los ging es mit RuL.
Es hat sich herausgestellt, dass das Anlegen von Fällen besonders viel Potential zur Automatisierung bietet. Das Anlegen eines neuen Falls beginnt mit einem Eingangsdokument. Die meisten Felder dieses Dokumentes werden bereits automatisch beim Anlegen übernommen – mit Ausnahme der Diagnosen. Diese befinden sich in Textform im Eingangsdokument und müssen in codierter Form (Domäne) vom Sachbearbeiter manuell in die Anwendung übertragen werden. In einer ersten Einschätzung hält unser Team diesen Schritt für automatisierbar mit Hilfe von Künstlicher Intelligenz.
Zusätzlich muss beim Anlegen eines Falls vom Sachbearbeiter geprüft werden, ob die betreffende Person schon in der Datenbank existiert. Dabei muss der Sachbearbeiter manuell auf bereits vorhandene Datensätze, die sich z.B. aus einer unterschiedlichen Schreibweise oder Tippfehlern ergeben, prüfen (Doublettenprüfung). Auch für diesen Arbeitsschritt halten wir eine KI-Unterstützung für möglich.
Eine dritte Einsatzmöglichkeit sehen wir beim Erstellen einer Zielprognose (Dauer der Erkrankung). Hier bieten sich derzeit dem Sachbearbeiter zwei Möglichkeiten: Einerseits kann die Dauer automatisch bestimmt werden – im Hintergrund wird dabei die Weller-Tabelle benutzt. Alternativ kann der Sachbearbeiter die Dauer der Erkrankung selbst abschätzen. Hier halten wir es für hilfreich und machbar, Machine Learning einzusetzen: Anhand von in der Vergangenheit getroffenen Prognosen bzw. effektiven Krankheitsdauern kann dem Sachbearbeiter ein Vorschlag für die Zielprognose als Alternative zur Berechnung per Weller-Tabelle angeboten werden.
Eine vierte geeignete Einsatzmöglichkeit sehen wir in der Erkennung möglicher Regressfälle. Bisher geschieht die Ermittlung von Fällen, die von der Regressabteilung geprüft werden sollten, einerseits über eine kundenspezifische Hinweisdomäne und andererseits anscheinend über ein eher intuitives „Ist hier etwas nicht stimmig?“ Diesen zweiten Anteil könnte ein ML-basiertes System, das von manuell identifizierten Regressfällen aus der Vergangenheit lernt, unterstützen.
Neben diesen vier wahrscheinlich geeigneten Einsatzmöglichkeiten hat unser Team auch einen aus Kundensicht wahrscheinlich uninteressanten Bearbeitungsschritt kennengelernt: die Klassifizierung als Leichtfall oder Schwerfall. Neben der optionalen Möglichkeit einer manuellen Entscheidung existiert hierfür bereits eine gute Automatisierung: UV-Träger haben ein diagnosebasiertes Regelwerk, über das ein Fall anhand seiner Diagnose klassifiziert wird."
