Wie MIC KI für die nächste Generation der Trade Management Software einsetzt

News 24 Juni 2024

Erfahren Sie, wie MIC neue KI-gestützte Lösungen entwickelt, um die Effizienz kritischer Zollmanagementaufgaben zu verbessern.


Künstliche Intelligenz (KI) wird in den kommenden Jahren in vielen Bereichen von Software-as-a-Service (SaaS) zu einem der größten Trends werden. Wir haben uns kürzlich damit beschäftigt, was die Fortschritte im Bereich der generativen KI (GenAI) für die Trade Management Software bedeuten, aber wir wollen auch ein paar der Dinge vorstellen, die MIC in diesem Bereich unternimmt, um das Angebot für Kunden zu verbessern. 

Der Teamleiter des Data Science Team bei MIC, Clemens Kriechbaumer erklärte, dass das Ziel darin besteht, eine Plattform aufzubauen, um „KI-Modelle zu entwickeln, zu trainieren und bereitzustellen, die verschiedene Anwendungsfälle im Zoll und globalen Handel auf unserer MIC-Cloud-Plattform unterstützen“.

Was bedeutet das nun in der Praxis? Hier sind einige der Schritte, die MIC derzeit unternimmt, um KI in seine Abläufe zu integrieren. 

Einsatz von KI zur Erfüllung von Kundenanforderungen

Clemens weist darauf hin, dass viele Kunden bereits großes Interesse an Künstlicher Intelligenz und insbesondere an den Möglichkeiten der generativen KI (GenAI) auf Grundlage des Large Language Model (LLM) zeigen. Ein Bereich, an dem das Data Science-Team bereits arbeitet, ist beispielsweise die Implementierung dieser Technologie in die MIC-Zolltarifklassifizierungslösung (MIC CCS). 

Die Zuweisung der richtigen Zolltarifnummer für jedes Produkt in jedem Land, in dem ein Unternehmen tätig ist, ist entscheidend für die Berechnung von Zöllen und die korrekte Anwendung von Freihandelsabkommen. Selbst mit der richtigen Software zur Unterstützung kann dies ein sehr komplexer Prozess sein. Mit Hilfe der Künstlichen Intelligenz können diese Aktivitäten jedoch erheblich optimiert werden.

Clemens dazu: „Kürzlich haben wir für einen der größten E-Commerce-Anbieter KI-Modelle anhand von 650.000 Artikeln und über 3,1 Millionen Produktbildern trainiert und dabei modernste Techniken wie die Feinabstimmung multimodaler Foundation Models eingesetzt.“ 

Darüber hinaus entwickelt MIC auch Chatbots, die eine Interaktion mit Zolltarifinhalten ermöglichen. Sie sind in der Lage, den Usern bei der zolltariflichen Einstufung von Produkten mit Hilfe von Natural Language Processing (Software, die menschliche Sprache versteht und darauf reagieren kann) zu helfen. 

„Denkbar sind auch KI-gestützte Copiloten für Zollanmeldungen, die Vorschlägen machen und beim Ausfüllen verschiedene Felder unterstützen“, so Clemens weiter.

Welche Tools setzt MIC zur Implementierung von Künstlicher Intelligenz ein?

Die KI-Plattform und -Infrastruktur von MIC basiert auf Kubernetes, das dezidierte Hardwareressourcen, wie GPUs zur Unterstützung des Trainierens, der Entwicklung und Bereitstellung von KI- und Machine-Learning-Modellen umfasst. Damit verfügt MIC über eine solide Basis für die Unterstützung und Integration von KI in die Produkte, um weitere potenzielle Anwendungsfälle identifizieren zu können, um diese mit KI zu verbessern. 

Clemens merkt an, dass MIC KI nicht nur in kundenorientierter Software einsetzt. Auch hinter den Kulissen, wird die Technologie zur Unterstützung der Softwareentwicklung eingesetzt. Tools wie KI-Copiloten haben dazu beigetragen, die Zeit, die für die Lösung von Problemen während der Entwicklung benötigt wird, erheblich zu reduzieren, was die Gesamtproduktivität von Teams erheblich steigern kann. 

Eine Roadmap für die Zukunft der KI bei MIC

Neben der Entwicklung eines Assistenten für die zolltarifliche Einstufung, der ChatGPT ähnelt, aber auf Zoll und Globaler Handel ausgerichtet ist, untersucht MIC, wie bestehende Open-Source-LLMs für den Einsatz in zollspezifischen Anwendungen, z. B. für die Bearbeitung von Rechtsdokumenten, eingesetzt werden können.

„Die Schaffung eines domain-specific Foundation Models,  unter Beibehaltung der ihm innewohnenden Fähigkeiten ist eine Innovation, die wir eher früher als später umsetzen werden“, erklärte Clemens. „Die Feinabstimmung eines LLM im Sinne einer beiläufigen Sprachmodellierung für eine Klassifizierungsaufgabe könnte es uns ermöglichen, ein Modell erfolgreich aus gemischten Daten von mehreren Kunden zu trainieren.“

Ein wichtiger Aspekt wird sein, die User darüber aufzuklären, wozu KI in der Lage ist und was benötigt wird, um bestimmte Anwendungen von Modellen erfolgreich umsetzen zu können.  Im Moment ist dieses Wissen noch noch nicht breit genug vorhanden.  „Es ist von entscheidender Bedeutung, unsere Kunden über die Vorteile von Künstlicher Intelligenz in unserem Geschäftsbereich aufzuklären und ihnen zu zeigen, wie wichtig es ist, über umfangreiche historische Daten zu verfügen, um die Modelle trainieren zu können“, erklärt er."

 


Zurück