Nagarro SE · XETR:NA9

Nagarro — #bitesize Webinar: AI im Arbeitsalltag (February 2025)

36 slides from Nagarro's conference presentation, Feb 21, 2025

  1. Slide 1: #bitesize Webinar

    #bitesize Webinar

  2. Slide 2: Fast alle Geschäftsprozesse beginnen, involvieren oder enden mit Dokumenten

  3. Slide 3: Jedes Unternehmen hat eine unendliche Menge an Daten & Dokumenten

    Jedes Unternehmen hat eine unendliche Menge an Daten QS) & Dokumenten Handgeschriebene Dokumente und Formulare Dokumente in allen Formaten wie PDF, Word, Text files, etc. 2 E-Mails Social media posts von Facebook, Twitter, etc. ml}

  4. Slide 4: ... und es werden eher mehr als weniger...

    ... und es werden eher mehr als weniger... Tl Spe Ry Fa] aa: £ £ ™~ el "T ~ STIs ® ill ® tll

  5. Slide 5: ... und es werden mehr

    ... und nw ’ Yeh fis % ehr 5 fini ll ) ) a \$ all =a x tll |

  6. Slide 6: AI hilft den Überblick zu bewahren und lästige Routineaufgaben zu automatisieren

    6) Al hilft den Uberblick zu bewahren und lastige Routineaufgaben zu automatisieren

  7. Slide 7: Dokumente sind eine echte Herausforderung für die Automatisierung

    Dokumente sind eine echte NS) Herausforderung fur die Automatisierung Dokumente FORMAT QUELLEN POSITIONEN sind unstrukturierte a a Die Informationen liegen = Die Dateiformate sind = Die wesentlichen Daten, das in natUirlicher Sprache vor, oft unterschiedlich. Informationen in ° . also so wie wir spr

  8. Slide 8: Wir zeigen Lösungen für folgende Szenarien

    Wir zeigen Losungen fur folgende Szenarien NS) Finance-Mitarbeiter Paul Kundenservice MA Karl Social Media Verantwortliche Andrea Als Finance-Mitarbeiter bearbeitet Paul Als Kundenservice-Mitarbeiter hat Karl Als Social Media Verantwortliche Rechnungen, die alle ein standig wiederkehrende Anfragen,

  9. Slide 9: Finanz-Szenario

  10. Slide 10: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3

  11. Slide 11: Datensammlung, Datenanalyse, Erstes Modell

    Datensammlung Datenanalyse Erstes Modell Zweites Modell Laufend optimieren 70 60 50 40 30 ✓ 20 10 0 ✓ Original Eingescannt  Prozent ✓

  12. Slide 12: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 ✓

  13. Slide 13: Kundenservice

  14. Slide 14: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 Schritt 4

  15. Slide 15: Datensammlung, Datenanalyse, Erstes Modell

    Datensammlung Datenanalyse Erstes Modell Zweites Modell Laufend optimieren

  16. Slide 16: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 ✓

  17. Slide 17: Marketing

  18. Slide 18: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3

  19. Slide 19: Datensammlung, Datenanalyse, Erstes Modell

    Datensammlung Datenanalyse Erstes Modell Zweites Modell Laufend optimieren ✓ 

  20. Slide 20: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 ✓

  21. Slide 21: Bonus Material

    Sal Bonus Material - war nicht Teil des Webi

  22. Slide 22: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3

  23. Slide 23: Datensammlung, Datenanalyse, Deep Learning Modell

    Datensammlung Datenanalyse Deep Learning Modell Laufend optimieren 100 80 60 40 20 0 Ja Nein Genaue Artikelnummern in Anfrage

  24. Slide 24: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 ✓

  25. Slide 25: Bonus Material

    Au Res Bonus Material - war nicht Teil des Webin A Fces

  26. Slide 26: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3

  27. Slide 27: Datensammlung, Datenanalyse, Struktur Extraktion, NLP Modell

    Datensammlung Datenanalyse Struktur Extraktion NLP Modell Laufend optimieren 80 60 40 20 0 Sprache Andere Ablehnungen in Prozent

  28. Slide 28: Die Aufgabe, Schritt 1, Schritt 2

    Die Aufgabe Schritt 1 Schritt 2 Schritt 3 ✓

  29. Slide 29: Zusammengefasst - Ihr Nutzen

    Zusammengefasst - Ihr Nutzen NS) * Relevante Informationen aus Dokumenten extrahieren * Im Gegensatz zu Robot Process Automation (RPA), kann Machine Learning auch bei neuen, unterschiedlichen Dokumenten und Texten die Information finden. * Aggregation von Informationen zu Wissen * Machine Learning-b

  30. Slide 30: Extraktion von relevanten Informationen aus Texten

    Extraktion von rel en Informationen aus Tex

  31. Slide 31: Key Takeaways

    Key Takeaways dim \ \ Al und Machine Learning zu nutzen ist sehr einfach! Daten sind oft verfugbar oder einfach zusammen zu sammeln! Sichtbare Ergebnisse bereits innerhalb von 2-4 Wochen!

  32. Slide 32: Nagarro AI Kompetenzen

    Nagarro Al Kompetenzen Nur ein kleiner Ausschnitt Heutiges Webinar 7 A lI Bilder- und Dokumentenanalyse Datengesteuerte Entscheidungen Machine Learning auf unstrukturierten Machine Learning auf strukturierten Daten. Daten. <=> = ® Big Data Chatbots CT” Business Intelligence Data Warehouses und inter

  33. Slide 33: Slide 33

  34. Slide 34: Unser Vorgehen

    Unser Vorgehen wa Inspiration Iteration Implementierung * Wir demonstrieren unsere * Wir erarbeiten Losungen fir Ihre * Der Prototyp veranschaulicht die Kompetenzen, Anwendungsfalle und speziellen Anforderungen. Vorteile der Losung auf einfache Art Acceleratoren. . an . und Weise. * Wir setzen Prior

  35. Slide 35: Wir sind für Sie da!

    Wir sind fir Sie da! Ki@nagarro.com & 4 oo . Jan Nossner Bernd Ruiss Machine Learning Enthusiast Senior Account Manager Jan.noessner@nagarro.com bernd.ruiss@nagarro.com www.linkedin.com/in/noessner www.linkedin.com/in/bruiss/

  36. Slide 36: Lösen Sie das Mysterium, kreieren Sie Magie!

    Losen Sie das Mysterium, kreieren Sie Magie!

Nagarro — #bitesize Webinar: AI im Arbeitsalltag (February 2025) on 6ix