Data Science & Machine Learning

In Datenbanken können im Laufe der Zeit Dubletten entstehen. So kann ein und derselbe Kunde in unterschiedlichen Schreibweisen mehrmals vorhanden sein. Dies führt zu vielfältigen Problemen, beispielsweise im Zuge von Marketing-Kampagnen und Auswertungen.  

Mit Hilfe von Simularity Measurement-Verfahren identifiziert unser Modell Geschäftspartner und Adressinformationen, die sich „ähneln“ und somit derselben Entität entsprechen. 

In diesem MaKo-Prozess geht es für die Energieversorger, abhängig ihrer Marktrolle, um die Verarbeitung von bestimmten vertragsbezogenen Kundenaktivitäten. So erhalten Lieferanten bspw. Kündigungen, Netzbetreiber Anmeldungen oder Lieferantenwechsel.

Anhand mitgelieferter Informationen (Name, Adresse, Gerät) müssen eingehende Marktnachrichten zu im System bestehenden Marktlokationen / Zählpunkten zugewiesen werden. Dies erfolgt durch einen Abgleich der vorliegenden Daten und wird, sofern alle Felder weitestgehend identisch sind, automatisiert vom System durchgeführt. Häufig sind die in der Marktnachricht befindlichen Angaben jedoch fehlerhaft (bspw. Zahlendreher, Abkürzungen, Spitznamen, Doppelnamen)oder sogar nicht für das System gedacht, was in einer schwierigen oder unmöglichen Identifikation resultiert. Die Prüfung derartiger Klärfälle obliegt für gewöhnlich dem Fachbereich und wird manuell von Sachbearbeitern durchgeführt. Sie ist eine repetitive Aufgabe und ein Aufwandstreiber in vielen EVUs.

Mithilfe unserer Machine Learning Lösung kann die Übereinstimmung von Marktnachrichten und Zählpunkten präzise bestimmt und anhand flexibel definierbarer Schwellwerte die Zuweisung oder Ablehnung der zuvor manuell bearbeiteten Klärfälle zuverlässig automatisiert werden.

Klingt zu schön, um wahr zu sein?

Probieren Sie es mit unserer Demoanwendung selbst aus und machen Sie sich mit der Vorhersagefähigkeit für klassische Fehlerfälle (bspw. fehlende Stellen in der Zählernummer) oder sogar Ihre ganz eigenen Klärfallszenarien vertraut:
(Als Demo steht derzeit nur das Marktrollenmodell für Netzbetreiber zur Verfügung)

Täglich müssen die Mitarbeiter Ihrer Fachabteilungen und Support-Teams hunderte von E-Mails oder Tickets bearbeiten, wobei die tatsächliche Anzahl pro Tag oder Woche stark unterschiedlich sein kann. Regelmäßig kommt es deswegen zu einem Rückstau, der unter anderem auch die Qualität Ihrer Arbeit beeinflusst.

Mit unserer KI-Lösung für automatische Text-Bearbeitung „ACE“ (Automated Content Extraction) können wir Ihnen mit diesem Problem zielgenau helfen. Vom Erkennen der Anliegen, dem Extrahieren aller relevanten Informationen bis hin zur automatisierten Bearbeitung dieser Anliegen und der Beantwortung. Etwa 30-50% der Anfragen können Sie dadurch vollautomatisch bearbeiten.

Integrieren Sie unsere Lösung nahtlos und unkompliziert in Ihre bestehende Systemlandschaft und bauen Sie mit E4U ACE auf Ihren bereits digitalisierten und automatisierten Prozessen auf.