Automatisierung

Automatisierung war immer das Ziel von elektronischem Information Management.
Durch Vererbung, Abgleich mit Stammdaten, Analytics, Künstliche Intelligenz und Robotic Process Automation hat sich die Qualität der Automatisierungsergebnisse erheblich verbessert.

Im Informationsmanagement kommt Automatisierung hauptsächlich bei der automatischen Klassifikation zum Einsatz.

Definition aus Wikipedia:

Automatisierung ist sowohl die Bezeichnung für einen Arbeitsprozess (das Automatisieren) als auch für dessen Ergebnis (automatisierte Objekte). Der Begriff Automatisierung dient zugleich zur Charakterisierung wirtschaftlich-technologischer Entwicklungsphasen („Zeitalter der Automatisierung“) und ist auch Gegenstand sozialpolitischer Diskussionen, speziell philosophischer Debatten bis hin zur künstlerischen Verarbeitung.
Der Begriff „Automatisierung“ hat griechischsprachige Wurzeln mit der Bedeutung von „selbsttätigem Handeln“. Automatisierungssysteme sind demnach in der Lage, Aufgaben bzw. Probleme gleichbleibender oder auch wechselnder Art eigenständig zu lösen. Die Lösungen der Aufgaben bzw. Probleme sind hierbei als angestrebte „Ziele“ zu verstehen.
Automatisierung kennzeichnet im engeren Sinne das innewohnende Bestreben von Systemen, durch selbsttätiges bzw. selbstständiges (autonomes) Handeln Ziele zu erreichen, veränderlichen Zielen zu folgen, Ziele zu bilden und aufrecht zu erhalten oder bei Zielerreichung Aktivitäten zur Stabilisierung des Systems trotz vorhandener Störungen zu entfalten.

Automatische Klassifikation: Klassifikationsverfahren, auch Klassifizierungsverfahren, sind Methoden und Kriterien zur Einteilung (Klassierung) von Objekten oder Situationen in Klassen, das heißt zur Klassifizierung.
Viele Verfahren lassen sich als Algorithmus implementieren; man spricht dabei auch von maschineller oder automatischer Klassifikation.
Bei automatischen Verfahren findet die Klassifizierung mittels eines automatischen Prozesses durch Software statt. Der Prozess der maschinellen Klassifikation kann als formale Methode des Entscheidens in neuen Situationen aufgrund erlernter Strukturen bezeichnet werden. Die maschinelle Klassifikation ist ein Teilgebiet des maschinellen Lernens (ML).

Das Gehirn des Menschen musste schon immer Informationen einordnen, sie klassifizieren und sie bewerten, um mit ihnen optimal arbeiten zu können. Dies sicherte unser Überleben als Individuum und als Spezies. Es verhalf uns im darwinistischen Wettlauf zu unserer heutigen Position. Informationen zu verarbeiten und sie andere Mitglieder unserer Spezies weiterzugeben ist die Grundlage unseres Erfolgsmodells. Für die Weitergabe von Information und Wissen sind Konventionen notwendig, die ein gleiches Verstehen ermöglichen. Die Strukturierung der Information und der Kommunikation war daher schon vor der Erfindung der schriftlichen Überlieferung essentiell. Die Menge von Information setzte hier den Vermittlungsprozessen Grenzen, die nur durch Strukturierung überwunden werden konnten. Dieses Strukturieren und Bewerten von Information im Gehirn bildeten wir auf physische Medien wie Keilschrifttafeln, Bücher und heute Akten ab. Die Prinzipien sind immer noch die Gleichen. Großen Informationsmengen ist nur mit Ordnung beizukommen. Dabei spielt es heute keine Rolle mehr, ob diese Ordnung wie bisher von Menschen geschaffen wurde oder ob Maschinen diese Ordnung für uns erzeugen. Sie muss lediglich unserem Verständnis und unseren Nutzungsmodellen entsprechen.

Heute blicken wir auf eine heranrollende Tsunamiflutwelle von elektronischen Informationen, die ohne Ordnung zu schaffen, nicht überschaubar, geschweige denn beherrschbar wäre. Die menschlichen Möglichkeiten, der individuellen Bearbeitung, Klassifikation und Wegsortierung sind überfordert. Wir brauchen Softwareunterstützung, um die Information zu beherrschen. Automatisierung, Auto-Klassifikation, semantische Erschließung, Enterprise Search, Bigdata und Content Analytics befreien uns nicht von der grundsätzlichen Aufgabe, Information zu ordnen, zu bewerten, in Sachzusammenhänge zu bringen und sie situationsgerecht abzurufen. Wir können der Automatisierung nur dann vertrauen, wenn wir die Prinzipien verstehen und die Maßstäbe für Qualität, Richtigkeit usw. vorgeben. Automatisierung bei Eingang und Ausgang von Informationen funktioniert dann am Besten, wenn die Strukturen vordefiniert sind und das Raster bilden, in das dann automatisch einsortiert wird. Die Arbeit in diesem Umfeld wird dabei grundsätzlich verändert. Wo früher viele Spezialisten wichtige Informationen identifizierten, klassifizierten und wegordneten leisten dies heute automatisierte Softwareprozesse. Aus den Vielen wurden wenige Spezialisten, die die Systeme einrichten, die Strukturen entwerfen, die Qualität kontrollieren und die Lösungen nachhalten. Die Administration der Systeme und die Bewertung der Ergebnisse der Systeme tritt in den Vordergrund. (Dr. Ulrich Kampffmeyer, 2014)

Automatisierung im funktionalen EIM Modell von PROJECT CONSULT 2012

Automatisierung mit Unterstützung von KI Künstlicher Intelligenz und Analytics ist eine wichtige Komponente bei der Automatischen Klassifikation von Informationen.

Automatisierung war schon immer das Ziel von DMS, ECM und so weiter. Es ist so auch eine wichtige Komponente im Enterprise Information Management.

Automatisierung ist eine Hauptfunktion von EIM. Mit BPM und Automatischer Kategorisierung bei der Erfassung, in Prozessen und bei der Suche ersetzt die Automatisierung manuelle Arbeit, verbessert die Qualität und erlaubt direkte Weiterverarbeitung von Informationen.
Automatisierung krempelt den Arbeitsplatz und die Vorstellung der Arbeit des Menschen komplett um.

Automatisierung war schon immer das oberste Ziel von ECM & DMS.
Neu ist nur die zunehmende  Beschleunigung der Durchdringung aller Lösungen.

Dr. Ulrich Kampffmeyer,
Update Information Management, 2015

Ressourcen