#1 Smarte Textverarbeitung in Unternehmen mit Pega

Pega bietet verschiedene Möglichkeiten der Textverarbeitung. Dies kann vor allem im Kundenservice hilfreich sein. Um bspw. aus einer E-Mail auf den Inhalt zu schließen, muss der Text analysiert werden. Pega bietet hierzu Textanalysetools, um auch aus großen Datenmengen aussagekräftige Informationen zu extrahieren. Texte können hierbei in diversen Sprachen analysiert und strukturiert werden. Eine genaue Liste kann in der Pega Dokumentation zur aktuellen Version gefunden werden. Auch verschiedenen Eingangskanäle wie E-Mails, Social-Media-Plattformen und Chatkanäle können gewählt werden.

Bei der Textvorhersage werden fortgeschrittene Techniken wie die Verarbeitung natürlicher Sprache (Natural Language Processing), prädiktive und adaptive Analyse sowie künstliche Intelligenz eingesetzt, um eingehende Nachrichten über verschiedene Eingangskanäle wie E-Mail oder Chat zu analysieren. Durch Textanalyse können verschiedene Aufgaben erfüllt werden, wie z. B. die Weiterleitung von Tasks, das Ausfüllen von Eigenschaften in Geschäftsfällen und das Versenden relevanter Antworten an Benutzer.

Quelle: https://www.pega.com/sites/default/files/styles/1920/public/media/images/2023-09/pega-email-automation-action-email-automatically-screenshot-v2.png?itok=IrusIs1o

Text Analyzer

Für die Textanalyse ist in Pega der sogenannte Text Analyzer zuständig. Er bietet verschiedenen Funktionen wie Sentiment-, Kategorisierungs-, Textextraktions- und Absichtsanalysen von textbasierten Inhalten. Dabei werden verschiedene leistungsstarke Natural Language Processing Tools kombiniert, um alle textbasierten Inhalte zu erfassen, unstrukturierte Daten in strukturierte Elemente zu zerlegen und verwertbare Ergebnisse zu liefern. So kann der Text Analyzer dazu eingesetzt werden, um automatisch Sprachverarbeitungsaufgaben wie Stimmungsprognosen, Themen- und Absichtszuordnungen sowie Erkennung von Entitäten automatisch durchzuführen.

Diese Sprachverarbeitungsaufgaben verwenden Natural Language Processing, prädiktive und adaptive Analysen sowie künstliche Intelligenz, um eingehende Nachrichten in ihren Konversationskanälen wie E-Mail oder Chat zu analysieren. Der Text Analyzer kann dabei helfen, Arbeit zu verteilen, Inhalte zu erkennen und auf relevante Nachrichten zu antworten.

Der Text Analyzer besteht aus zwei Hauptpunkten: Die Textkategorisierung und die Textextraktion. Die Textkategorisierung umfasst das Sentiment Modell, das Intent Modell und das Topic-Modell. Die Text Extraktion setzt auf das Entity Extraction Modell.
Der Text Analyzer ist eine Funktion, die in einem Kanal (Channel) aktiviert werden kann. Ein Channel kann grundsätzlich in Pega erstmal vieles sein. Beispielsweise können Channels verschiedene Kommunikationsdienste wie Messaging, Sprachanrufe oder ein Webportal umfassen. Beim Anlegen eines Channels erhält dieser eine eigene Klasse, in der die relevanten Modelle angelegt werden können. Die Pega-Plattform gruppiert Regeln innerhalb einer Anwendung in Klassen, um ihre Kapazität zur Wiederverwendung entsprechend zu organisieren. Der Text Analyzer analysiert eingehende E-Mails, die an diesen Channel geleitet werden. In der Text Analyzer Rule können alle relevanten Informationen konfiguriert werden. Zunächst wird eingestellt, mit welchen Modellen der Text Analyzer arbeiten soll. Per Default sind alle mit der Pega Out-of-the-Box-Funktionalitäten versehen. Folgende Modelle und Funktionen können konfiguriert werden:

Text Categorization

• Sentiment Detection
• Topic Detection
• Intent Detection

Text Extraction

• auto-tag extraction
• summarization
• text extraction entity mode

Im Text Analyzer können zudem sämtliche Einstellungen für die Modelle vorgenommen werden. Zum einen kann eingestellt werden, in welcher Page die Ergebnisse gespeichert werden. Eine "Page" ist ein grundlegendes Datenstruktur-Objekt in Pega, das zur Speicherung und Verarbeitung von Informationen dient.  Es ist eine temporäre Container-Einheit, die Daten während der Ausführung von Prozessen und Anwendungen auf der Pega-Plattform enthält. Zusätzlich kann im Text Analyzer konfiguriert werden, welche Sprachen verwendet oder welche Kategorien bei der Text Extraction berücksichtigt werden. Zudem können bestimmte Schwellenwerte konfiguriert werden, ab wann eine Aktion für eine Kategorie ausgeführt werden soll, beziehungsweise ab wann ein Topic erkannt wird. Auch Funktionalitäten wie die Rechtschreibprüfung können hier eingestellt werden. Der Text Analyzer kann vollständig im Prediction Studio angepasst werden. 

Blog

Drei Textkategorisierungsmodelle von Pega

Erfahren Sie in unserem zweiten Blog, wie die drei Modelle von Pega Texte wie E-Mails analysieren und kategorisieren.

Prediction Studio

Das Prediction Studio ist eine Authoring-Umgebung von Pega, die es den Benutzern mit verschiedenen Werkzeugen ermöglicht, den gesamten Lebenszyklus von KI- und maschinellen Lernmodellen zu steuern. Dies umfasst den Prozess der Modellerstellung, Überwachung und Aktualisierung. Das Prediction Studio bietet auch die Möglichkeit, zusätzliche Ressourcen wie beispielsweise Datensätze, Taxonomien und Sentiment-Lexika zu verwalten.

Das Prediction Studio führt den Benutzer durch den gesamten Prozess der Erstellung neuer Vorhersagemodelle, einschließlich Regression, Entscheidungsbäume, genetischer Algorithmen und anderer Ansätze. Diese Modelle dienen der Vorhersage des Kundenverhaltens über den gesamten Produktlebenszyklus. Dabei können verschiedene Aspekte des Kundenverhaltens prognostiziert werden, beispielsweise der Kauf eines neuen Produkts, die Nutzung von Serviceleistungen, die Kundenabwanderung oder das Risiko eines Zahlungsausfalls. Das Prediction Studio bietet damit eine umfassende Unterstützung bei der Entwicklung adaptiver Machine-Learning-Modelle, die es Unternehmen ermöglichen, auf Basis präziser Vorhersagen fundierte Entscheidungen zu treffen und ihre Geschäftsstrategien effektiv anzupassen.

Es nutzt die Stärke von maschinellem Lernen und künstlicher Intelligenz, um Modelle zu erstellen, die auf die spezifischen Anforderungen des Unternehmens zugeschnitten sind. Das Prediction Studio bietet auch Vorlagen, um den Entwicklungsprozess zu vereinfachen. Darüber hinaus stehen Test- und Debugging-Tools sowie automatische Aktualisierungen zur Verfügung, um sicherzustellen, dass das Modell immer auf dem neuesten Stand ist und genauere Vorhersagen treffen kann. Alle Werkzeuge können über eine intuitive Benutzeroberfläche gesteuert werden.

Im Prediction Studio wird ermöglicht, auf vorhandene Vorhersagen innerhalb der Anwendung zuzugreifen, diese zu verwalten und auszuführen. Die Leistung der Modelle wird kontinuierlich überwacht und mit den erwarteten Ergebnissen verglichen. Wenn ein Modell besondere Aufmerksamkeit erfordert, werden den Benutzern wertvolle Erkenntnisse zur Verfügung gestellt, um zu identifizieren, welche Verbesserungen vorgenommen werden müssen. Durch diese Überwachung und die Bereitstellung handlungsrelevanter Einblicke ermöglicht das Prediction Studio eine effektive Optimierung und Anpassung der KI-Modelle. Auf diese Weise können Unternehmen sicherstellen, dass ihre Vorhersagen präzise und zuverlässig sind und die bestmöglichen Ergebnisse erzielen.

Quelle: https://docs-be.pega.com/bundle/platform/page/platform/decision-management/image/prediction-studio-overview.png?_LANG=enus

Studie

Low-Code Studie 2024

300 Unternehmen aus 9 verschiedenen Branchen geben Insights in Ihre Erfahrungen mit Low-Code.

Weitere nützliche Links:

• https://docs.pega.com/bundle/platform/page/platform/decision-management/analyze-natural-language.html
• https://docs.pega.com/bundle/platform/page/platform/decision-management/decision-management-overview.html
• https://docs.pega.com/bundle/platform/page/platform/decision-management/get-started-prediction-studio.html