Machine Learning: Dem Gesetz immer (mindestens) einen Schritt voraus

Von wegen verrückte Idee eines SAP-Mitarbeiters: Maschinelles Lernen sorgt für „Law and Order“ – Beispiele aus den Branchen liefern den Beweis.

Eines weiß Bruno Terlizzi de Renzo heute: Keine neue Idee ist zu abwegig. Wenn es darum geht, zukunftsweisende Technologien wie maschinelles Lernen zur Automatisierung von Geschäftsprozessen einzusetzen, kennt die Fantasie keine Grenzen.

Bruno Terlizzi de Renzo, Senior Localization Product Manager, SAP Globalization Services

Terlizzi de Renzo, Senior Localization Product Manager bei SAP Globalization Services, war mit der Aufgabe betreut worden, den für Steuern verantwortlichen Dienst des SAP Localization Hub mit Änderungen des brasilianischen Steuergesetzes zu aktualisieren. Klar, dachte Terlizzi de Renzo, irgendjemand muss den Job ja machen. Aber statt den Service manuell zu aktualisieren, wäre es da nicht einfacher, die Maschine mit so vielen Beispielen zu füttern, dass sie die Regeln und Formeln zum Berechnen von Steuern selbst erlernen könnte?

Die Idee allein war schon gewagt, dachte Terlizzi de Renzo, aber es hing noch mehr dran. Da die Gesetze in Brasilien sich ständig ändern, stand fest, dass ein vollständiges Modell für maschinelles Lernen schon veraltet wäre, bevor es überhaupt das Licht der digitalen Welt erblickt hätte.

Das führte Bruno Terlizzi der Renzo zur nächsten Frage: „Wie wäre es, wenn wir eine zweite Maschine entwickeln, die die Gesetzesänderungen durchliest? Eine zweite Maschine, die neue Steuerregeln erkennt und Daten generiert, mit denen sie die erste Maschine trainiert?“ Nach einem kritischen Blick auf die Machbarkeit gaben Terlizzi de Renzo und sein Entwicklungsteam diesen Plan auf – aber das war noch nicht das Ende der Fahnenstange, wie sich später herausstellen sollte.

1.000 Gesetzesänderungen in 100 Ländern

Jedes Jahr werden rund 1.000 Gesetzesänderungen in 100 Ländern veröffentlicht. Was davon wichtig ist und was nicht, ist oft schwer zu entscheiden – aber: Eine außer Acht gelassene Gesetzesänderung kann gravierende Auswirkungen auf das Geschäft haben.

Einer der wichtigsten Vorteile von maschinellem Lernen liegt darin, dass es Experten das mühsame manuelle Übersetzen von Gesetzesänderungen in Programm-Code erspart. Damit können hochqualifizierte Fachkräfte sich auf Tätigkeiten konzentrieren, bei denen ihr Expertenwissen wirklich gebraucht wird. Fast am wichtigsten ist aber, dass das Automatisieren dieser Prozesse das Risiko von Unternehmen verringert, gegen Gesetze zu verstoßen. Damit sinkt die Gefahr, Bußgelder zahlen zu müssen – und die Teams wie hier bei SAP Globalization haben genug Zeit, die vom System vorgeschlagenen Daten manuell zu bestätigen.

Die Geburt des „Law-to-Action“-Konzepts

Kurz nachdem Terlizzi de Renzo seine Vision ad acta gelegt hatte, fand er heraus, dass noch ein anderes Team bei der SAP an der Aktualisierung von Gesetzestexten tüftelte. Man warf die Ideen in einen Topf, und das daraus entstandene Konzept wurde „Law-to-Code“ genannt. Und so konnte Terlizzi de Renzo für sein selbstlernendes Programm Ende 2016 endlich Nägel mit Köpfen machen.

Markus Noga, Head of Machine Learning bei der SAP.

Im September 2017 kamen Bruno Terlizzi de Renzo und sein Team zu dem Schluss, dass die Vorarbeit beschleunigt werden könnte, wenn man den Entwicklungsansatz ändert – durch Einsatz der Textservices von SAP Leonardo Machine Learning Foundation. Terlizzi de Renzo: „Dank der erstklassigen APIs von SAP Leonardo Foundation konnte das Team sich nun auf den zentralen Proof-of-Concept (PoC) für eine Anwendung konzentrieren, die maschinelles Lernen nutzt. Das beschleunigte die PoC-Entwicklung, und unser kleines Team konnte noch effizienter arbeiten.“

Seit Anfang 2018 gibt SAP den PoC nun mithilfe der Teams für SAP Leonardo ML Business Development an Kunden weiter. Die Zahl der Anwendungsfälle, die diese Initiative unterstützt, wächst stetig und umfasst derzeit u. a. Folgendes:

Maschinelles Lernen unterstützt Compliance

Angesichts der galoppierenden Anzahl der weltweiten gesetzlichen Vorschriften ist die Fähigkeit, rechtskonform zu bleiben, heute entscheidender als je zuvor. Nicht umsonst sind hoch qualifizierte Experten pausenlos damit beschäftigt, komplexe Paragraphen zu durchforsten. Mit maschinellem Lernen können Kunden proaktiv Tausende von Datensätzen für gesetzliche Vorschriften auf Basis von Algorithmen analysieren, um die Relevanz aktueller Änderungen festzustellen. Im entsprechenden Fall werden dann über automatische Workflows sofort die Experten benachrichtigt.

ML in der pharmazeutischen und chemischen Industrie

Ferose V.R., Head of Globalization Services bei SAP.

In der Pharmaindustrie gibt eines der am stärksten regulierten Systeme der Welt. Die US-Lebensmittelüberwachungs- und Arzneimittelbehörde Food and Drug Administration (FDA) veröffentlicht täglich neue und geänderte Vorschriften. Damit Schritt zu halten und Rezepturen innerhalb der vorgegebenen Fristen zu ändern, stellt Pharmaunternehmen vor große Herausforderungen. Maschinelles Lernen ermöglicht es den Kunden endlich, Änderungen wie etwa die Bekanntgabe neuer verbotener Substanzen zu erfassen und die zuständigen Abteilungen rechtzeitig zu benachrichtigen, die dann wiederum die richtigen Schritte einleiten können.

ML in der Nahrungsmittel- und Getränkeindustrie

Hersteller in der globalen Lebensmittelindustrie verkaufen oft ein und dasselbe Produkt in vielen Ländern. Unterschiedlich ist meist die Verpackung, die jeweilige länderspezifische Vorschriften erfüllen muss. Ein an die Informationsquellen der Aufsichtsbehörden angebundener Roboter kann Lebensmittelhersteller sofort informieren, wenn diese neue Vorschriften herausgeben. Die Maschine kann die Anforderungen an eine Verpackung sofort umsetzen, um geltendem Recht zu entsprechen.

Rechtssicherheit für aufstrebende Branchen

Neue Branchen, bei denen es sich etwa um autonomes Fahren oder Blockchain dreht, stellen ganze Märkte auf den Kopf. Doch auch sie bewegen sich nicht in einem rechtsfreien Raum. Angesichts ihrer überschaubaren Größe und des Mangels an Erfahrung im Umgang mit Aufsichtsbehörden können diese Unternehmen mit Law-to-Action sicherstellen, dass sie Gesetze einhalten.

Dies alles sei aber nur der Anfang der langen, produktiven Nutzung maschinellen Lernens, um die unablässige Flut von weltweiten Gesetzesänderungen zu bewältigen, ist Ferose V.R., Leiter von SAP Globalization Services, überzeugt: „Der Law-to-Action-Anwendungsfall ist einfach zu verstehen und zu demonstrieren. Er entmystifiziert das maschinelle Lernen, zeigt das Potenzial von künstlicher Intelligenz und bringt in der richtigen Kombination mit menschlichem Input den Endnutzern eine einzigartigen Mehrwert.“

Namita Gupta-Hehl ist Head of Marketing and Communications bei Globalization Services.

Die Teams hinter „Law-to-Action“

Das Law-to-Action-Team von SAP Globalization Services: Michael Depner (Sponsor), Jan-Klaas Heinsohn (Sponsor), Gert Eichberger (Produktmanager), Bruno Terlizzi de Renzo (Produktverantwortlicher), Vivek Gollapudi (Entwickler – Praktikant), André Dantas (Entwickler), Marco Furlanetto (Entwickler), Micael Ramos (Entwickler), Guilherme Dellagustin (Entwickler – Stipendiat), Tamara Juschkova (Entwicklerin – Stipendiatin)

Das Team SAP Leonardo ML Foundation: Markus Noga, Christian Boos, Helena Staader

Mitglieder des Law to Action Team von SAP Globalization Services: Vivek Gollapudy, Micael Ramos, Guilherme Dellagustin, Bruno Terlizzi de Renzo, Gert Eichberger, Marco Furlanetto

SAP-Studie: Firmen profitieren von maschinellem Lernen 

68 Prozent von 360 weltweit befragten Unternehmen in einer neuen Studie von SAP und der Economist Intelligence Unit (EIU) wenden Technologien zum maschinellen Lernen an. Viele dieser Firmen melden signifikante Leistungssteigerungen im operativen Bereich. Die Studie untersucht Schlüsselbereiche, mit denen sich solche Früheinsteiger von noch zögerlichen Kontrahenten absetzen können. Mehr zur Studie

Weitere Informationen:

SAP-Kunden, die an einer Co-Innovation-Zusammenarbeit interessiert sind, erhalten weitere Informationen bei Michael Depner von SAP Globalization Services.