Künstliche Intelligenz im Außenhandel: fünf Fragen an AEB
Künstliche Intelligenz

Künstliche Intelligenz im Außenhandel: fünf Fragen an AEB

Mensch und Maschine: Welche Potenziale bietet künstliche Intelligenz beim Tarifieren und Klassifizieren? Fünf Fragen, beantwortet vom AEB-Produktspezialisten Daniel Schüler.

Die richtige Zolltarifnummer finden – oft ist das ein komplexes, zeitintensives Unterfangen, bei dem Details über den richtigen oder falschen Code entscheiden. Daniel Schüler erklärt in fünf kurzen Antworten, wie Künstliche Intelligenz und Machine Learning bei der Suche unterstützen können. Und wie KI die Tarifierung und Klassifizierung verändern wird.

Wie lernen Maschinen?

Daniel Schüler: Maschinelles lernen, wie wir es bei AEB einsetzen, ist ein Teilgebiet in der Forschung rund um künstliche Intelligenz. Die Technologie basiert auf einem Algorithmus, und der funktioniert am besten mit möglichst vielen Daten. Der Mensch gibt dabei den Rahmen vor, innerhalb dessen das System lernt. Mit jeder Wiederholung wird das System besser und liefert passendere Ergebnisse. Deswegen wird künstliche Intelligenz oft auch in der Prozessoptimierung und -automatisierung eingesetzt.

Warum ist der Außenhandel besonders spannend für den Einsatz der Technologie?

Daniel Schüler: Im Mittelpunkt des Zollhandels steht die Zolltarifnummer. Um die richtige Zolltarifnummer zu finden, ist enorm viel Fachwissen und Produktverständnis nötig. Details entscheiden über den richtigen oder falschen Code. Hinzu kommt die komplexe Nomenklatur. Werden alle diese Faktoren kombiniert, kann Machine Learning den bremsenden Faktor Zolltarifnummer beschleunigen.

Wie unterstützt AEB mit seinen Produkten den Einsatz dieser Technologie?

Daniel Schüler: Wir setzen bei AEB seit rund 10 Jahren auf maschinelles Lernen. Für den Außenhandel bieten wir die Software Product Classification an, mit der das Suchen und Finden der richtigen Zolltarifnummer erleichtert wird. Das Besondere: Wir integrieren auch unstrukturierte Daten, beispielsweise Texte aus Materialbeschreibungen. Diese werden ebenfalls in die Berechnungen mit einbezogen.

Künstliche Intelligenz, Maschinelles Lernen, Deep Learning – alles dasselbe?

Keineswegs. Vielmehr sind maschinelles Lernen und Deep Learning aus der akademischen Disziplin künstliche Intelligenz entstanden. Seit den 1950er Jahren beschäftigen sich Forscher mit künstlich lernenden Systemen. Daraus entstand Machine Learning als Teilgebiet.

Die Technologie dahinter erkennt Muster in Datensätzen generiert mit Hilfe von Algorithmen eigenständig Lösungen. Die Regeln werden dabei vom Menschen vorgegeben, das künstliche Wissen entsteht durch Erfahrung und Wiederholung. Die neueste Entwicklung in diesem Bereich ist Deep Learning. Hier stehen künstliche neuronale Netze im Fokus.

Wie funktioniert maschinelles Lernen in der Software genau?

Daniel Schüler: Über Daten. Das ist unsere wichtigste Erkenntnis. Nur gute Daten führen auch zu den besten Ergebnissen. Bei AEB benutzt der Algorithmus dediziert die Daten eines einzelnen Unternehmens, um sich auf dieses zu spezialisieren. Auf Basis der Daten schlägt unsere Software eine Liste mit Zolltarifnummern vor, absteigend nach Wahrscheinlichkeit, dass es die richtige Nummer ist.

Was ist für die Zukunft geplant?

Daniel Schüler: Das Thema ist enorm wichtig. Deswegen arbeiten wir an weiteren Prototypen und schauen uns neue Anwendungsbereiche an. Generell dreht sich alles um datenbasierte Geschäftsmodelle, in denen sich Mensch und Maschine gegenseitig unterstützen.

Maschinelles Lernen bei AEB

Seit rund 10 Jahren setzt AEB bei den hauseigenen Software-Lösungen auf künstliche Intelligenz. Was als einfacher Entscheidungsbaum anfing, ist mittlerweile ein komplexes neuronales Netz.

Die Software Product Classification unterstützt Unternehmen dabei, schnell und unkompliziert die richtige Zolltarifnummer zu finden. Alle Informationen finden Sie auf unserer Produktseite.

In unserem Podcast "Freier Verkehr" spricht Matthias Lulei über Datenqualität und künstliche Intelligenz.