Erfolgsgeschichten / Knowledge Base KI-Assistent

Knowledge Base KI-Assistent für die Raiffeisenbank CZ

Über 1.200 Dokumente, die mit natürlicher Sprache abgefragt werden können

75% Zeitersparnis beim Back-Office-Support möglich

Über 3.000 Seiten Text, auf die in den KI-Antworten Bezug genommen wird

Projekt Kurzbeschreibung

Die KI-Assistent-Lösung steigert die Mitarbeiterproduktivität, indem sie über Abfragen in natürlicher Sprache auf die Informationsdatenbank zugreift und passende Antworten in Echtzeit liefert.

Die Zusammenarbeit mit Profinit hat unsere Bemühungen zur Effizienzsteigerung im Betrieb erheblich unterstützt. Das Fachwissen von Profinit im Bereich KI und Machine Learning, in Kombination mit dem strategischen Ansatz zur Datenverarbeitung und –sicherheit, hat unsere Erwartungen nicht nur erfüllt, sondern übertroffen.

Lukáš Mazánek
Chief Data Officer bei Raiffeisenbank CZ

Projektgegenstand

Die Raiffeisenbank CZ startete eine KI-Initiative zur Verbesserung der betrieblichen Effizienz im Rahmen ihrer digitalen Strategie.

Ein Schlüsselelement für die Bank war die Optimierung der Mitarbeiter-Workflows durch die Auseinandersetzung mit den Herausforderungen der komplexen Informationsdatenbank der Bank.

Durch die Zusammenarbeit mit den Profinit Consultants und deren KI-Expertise gewann die Bank tiefe Einblicke in KI und Machine Learning.

Das Ergebnis der Zusammenarbeit war die erfolgreiche Entwicklung, Implementierung und Einführung eines KI-Assistenten.

Mehr als 100 Mitarbeiter nutzen die Lösung als Pilotprojekt, was einen wichtigen Schritt zur Optimierung der täglichen Abläufe darstellt.

Geschäftsanforderungen

Die KI-Assistent-Lösung musste die folgenden Anforderungen erfüllen:

  • Reduzierung des Zeitaufwands für die Bearbeitung von Anrufen und Tickets im Back-Office
  • Verbesserung der Mitarbeiterzufriedenheit durch Vereinfachung des Zugriffs auf die Informationsdatenbank
  • Möglichkeit der Real-Time-Befragung durch Benutzer in natürlicher Sprache
  • Gewährleistung der Relevanz der Antworten durch Verweise auf die Quellentexte

Herausforderungen

Die Einhaltung der strengen Bankvorschriften und des Datenschutzes waren wesentliche Faktoren. Die Herausforderung bestand darin, ein Labyrinth von mehr als tausend miteinander verbundenen Dokumenten mit unterschiedlichen Geschäftsbegriffen zu verwalten und gleichzeitig eine benutzerfreundliche Umgebung zu schaffen, in der die Mitarbeiter reibungslos einen KI-gesteuerten Assistenten nutzen können.

Um das Vertrauen der Benutzer zu gewährleisten, mussten die KI-Antworten mit Hilfe von Links und Dokumentenverweisen überprüft werden können. Darüber hinaus musste eine iterative, testbare und skalierbare KI-Lösung geschaffen werden, die sich den sich ändernden Anforderungen anpasst und gleichzeitig die Einfachheit und Effizienz des Betriebs gewährleistet.

Die KI-Assistent-Lösung

Unser Projektansatz basierte auf einer Cloud-Infrastruktur, die MS Azure Services und die OpenAI-API für vortrainierte GPT-Modelle nutzte. Eine robuste Datenpipeline erleichterte die schnelle Verarbeitung von Tausenden von Texten und sorgte für schnelle Benutzerinteraktionen. Die skalierbare Lösung ist bereit für eine Erweiterung der Informationsdatenbank und eine noch größere Nutzeranzahl.

Ein zentraler Baustein der Lösung ist ein Textvorverarbeitungsmodul, das an den Kontext des GPT-Modells angepasst ist und die Genauigkeit der Antworten erhöht. Der Einsatz verschiedener Techniken und eines KI-Hintergrundverifikationstools gewährleistet eine kontinuierliche Verbesserung des Systems, indem jede Antwort überprüft wird, um die Genauigkeit zu erhöhen.

Tech stack

MS Azure, Python, OpenAI, GPT


Würde Ihr Unternehmen von einer ähnlichen KI-Assistent-Lösung profitieren?

Profinit verbessert die Arbeitsweise von Unternehmen. Wir zeigen Ihnen wie.

Related success stories and use cases

maschinelles Lernen

Amplifi Capital Erhöhung der Akzeptanzrate durch maschinelles Lernen

Das Verhaltensmodell verbesserte die Annahmerate von Kreditangeboten eines digitalen Kanals durch maschinelles Lernen und Datenverarbeitung in Echtzeit.

Mehr erfahren
Kaufneigung-Scores

Equa Bank Kaufneigung-Scores

Entwicklung eines Vorhersage-Modells, um mögliche Kreditkunden mit hoher Kaufneigung zu identifizieren und so das Kampagnen-Targeting zu optimieren.

Mehr erfahren
data-driven targeting

Raiffeisenbank Raiffeisenbank Datengetriebenes Kampagnen-Targeting

Wir steigerten die Conversion Rate einer Kampagne für Konsumkredite, indem wir das Kundenverhalten erfolgreich modellierten auf einer Big Data Plattform.

Mehr erfahren
Get in touch (DE)

WIE KÖNNEN UNSERE EXPERTEN IHNEN HELFEN?
HABEN SIE EINE FRAGE?

SCHREIBEN SIE UNS EINFACH!

Wichtiger Hinweis

Wir respektieren Ihre Privatsphäre und garantieren die Sicherheit Ihrer persönlichen Daten. Sie stimmen zu, dass Sie persönliche Informationen mit Profinit teilen – ausschließlich zum Zweck der persönlichen Kontaktaufnahme. Eine Weitergabe der Daten an Dritte ist ausgeschlossen. Sie können jederzeit von Ihrem Widerrufsrecht Gebrauch machen.

Decision Engine für FinTech
Unit Kosten um 50 % reduziert
Eine flexible No-Code-Entscheidungsplattform, die Machine Learning nutzt, verkürzte die Bearbeitungszeit und -kosten für Kredite und verdoppelte gleichzeitig die Anzahl der monatlichen Anfragen.
Mehr erfahren