HMD Praxis der Wirtschaftsinformatik

, Volume 55, Issue 2, pp 383–397 | Cite as

Callcenter 4.0 – Wie verändern Spracherkennung, Künstliche Intelligenz und Robotic Process Automation die bisherigen Geschäftsmodelle von Callcentern

  • Anastasia Kharchenko
  • Tim Kleinschmidt
  • Jürgen Karla
Schwerpunkt
  • 243 Downloads

Zusammenfassung

Der vorliegende Beitrag befasst sich mit den Auswirkungen der technologischen Innovationen im Bereich von Spracherkennung, Künstlicher Intelligenz in der Sprachverarbeitung und Robotic Process Automation für Callcenter. Diese stellen im Sinne betriebswirtschaftlicher Auswirkungen disruptive Entwicklungen dar. Ausgehend von der Ist-Architektur von Callcentern wird ein Zielbild für eine zukünftige Architektur eines Callcenters 4.0 entwickelt. Hierbei wird grob auf die zu erwartenden Auswirkungen auf das Geschäftsmodell für Callcenter eingegangen. Basierend auf den Analysen der Auswirkungen des vermehrten Technologieeinsatzes werden abschließend gesamtgesellschaftliche Effekte, deren Eintreffen prognostiziert wird, diskutiert. Der Fokus wird dabei auf einzelne aktuelle Diskussionen gelenkt, in denen Möglichkeiten aufgezeigt werden, mit diesen Effekten umzugehen. So wird deutlich, dass sich Arbeitsplatzprofile durch den Technologieeinsatz stark verändern werden. In vielen Bereichen wird dies zu einer Anreicherung von Tätigkeiten führen. Callcenter hingegen sind ein Untersuchungsfeld, in denen die Auswirkungen des Technologieeinsatzes insbesondere zum Wegfall von Arbeitsplätzen führen könnten. Auf gesellschaftlicher Ebene werden dadurch wirtschaftsethische Fragen des Zusammenlebens relevant.

Schlüsselwörter

Callcenter Robotic Process Automation Künstliche Intelligenz Spracherkennung Digitalisierung 

Callcenter 4.0—How Speech Recognition, Artificial Intelligence, and Robotic Process Automation Are Changing Existing Call Center Business Models

Abstract

This paper describes the impact of technological innovations in speech recognition, artificial intelligence in speech processing, and Robotic Process Automation for call center. These technological drivers represent disruptive innovations that have an enormous impact on business structures. Based on an actual call center architecture, a target image for a future architecture of a call center 4.0 will be developed. In this context, the expected effects on the call center business model are discussed. Based on the analysis of the effects of the increased integration of technology, overall effects on society are discussed and the focus is directed to current discussions. It becomes obvious that workplace profiles will change significantly because of the integration of new technologies. On the one hand, in many areas this will lead to an accumulation of activities. On the other hand, for call center the technological development could lead to elimination of jobs. At the social level, economical and ethical questions of cohabitation become relevant.

Keywords

Call Center Robotic Process Automation Artificial Intelligence Speech Recognition Digitization 

Literatur

  1. Abdulla W, Kasabov N (1999) The concepts of hidden Markov model in speech recognition. https://pdfs.semanticscholar.org/99ca/f4b0e829d9ffb64b2b4d2275a17b893b25ca.pdf (Erstellt: 11.2017)Google Scholar
  2. Almato GmbH (2016) Neuer Großkunde: Deutsche Telekom realisiert Automatisierungsprojekt mit ALMATO. https://almato.de/news/blog/trend-details/neuer-grosskunde-deutsche-telekom-realisiert-automatisierungsprojekt-mit-almato/. Zugegriffen: 29. Nov. 2017Google Scholar
  3. Another Monday Service GmbH (2018) Referenzen. https://www.anothermonday.com/unternehmen/referenzen/. Zugegriffen: 14. Feb. 2018
  4. Böse B, Flieger E (1999) Call Center – Mittelpunkt der Kundenkommunikation: Planungsschritte und Entscheidungshilfen für das erfolgreiche Zusammenwirken von Mensch, Organisation und Technik. Vieweg+Teubner, WiesbadenCrossRefGoogle Scholar
  5. Brynjolfsson E, McAfee A (2016) The second machine age: work, progress, and prosperity in a time of brilliant technologies. Norton, New YorkGoogle Scholar
  6. DeepMind Technologies Limited (2017) AlphaGo. https://deepmind.com/research/alphago/. Zugegriffen: 29. Nov. 2017Google Scholar
  7. Ertel W (2017) Grundkurs künstliche Intelligenz. Springer, WiesbadenMATHGoogle Scholar
  8. Ford M (2009) The lights in the tunnel. Acculant PublishingGoogle Scholar
  9. Gevel J, Wolvius SB (2017) Part 3: applications of artificial intelligence. https://www2.deloitte.com/nl/nl/pages/data-analytics/articles/part-3-applications-of-artificial-intelligence.html#. Zugegriffen: 29. Nov. 2017Google Scholar
  10. Herzog A (2017) Callcenter – Analyse und Management. Springer, WiesbadenCrossRefGoogle Scholar
  11. Hevner AR, Salvatore TM, Jinsoo P, Sudha R (2004) Design science in information systems research. MIS Q 28(1):75–105CrossRefGoogle Scholar
  12. Isaac M, Pfluegel R (2016) Improving automatic speech recognition for mobile learning of mathematics through incremental parsing. http://eprints.kingston.ac.uk/37141/1/Pfluegel-E-37141-AAM.pdf. Zugegriffen: 29. Nov. 2017Google Scholar
  13. Juang B, Rabiner L (2004) Automatic speech recognition – a brief history of the technology development. http://www.cs.brandeis.edu/~cs136a/CS136a_docs/Speech_Recognition_History.pdf. Zugegriffen: 29. Nov. 2017Google Scholar
  14. Koch H (2017) In Finnland ist das bedingungslose Grundeinkommen ein Erfolg. https://www.waz.de/wirtschaft/in-finnland-ist-das-bedingungslose-grundeinkommen-ein-erfolg-id212663207.html. Zugegriffen: 29. Nov. 2017Google Scholar
  15. Kohstall T, Lauterbach D, Lüdeke A (2002) Die Balanced Scorecard als ein Steuerungsinstrument für Call Center. http://www.dguv.de/medien/iag/forschung/dokumente/bsc.pdf. Zugegriffen: 13. Febr. 2018Google Scholar
  16. Osterwalder A, Pigneur Y (2010) Business model generation. Wiley, HobokenGoogle Scholar
  17. Otto S (2017) ISG-Studie: Robotic Process Automation (RPA) sorgt für mehr Produktivität und nicht für Jobverluste. https://www.isg-one.com/docs/default-source/default-document-library/isg-automation-index-de_final_form.pdf?sfvrsn=15defe31_0. Zugegriffen: 29. Nov. 2017Google Scholar
  18. Pinola M (2011) History of voice recognition: from Audrey to Siri. https://www.itbusiness.ca/news/history-of-voice-recognition-from-audrey-to-siri/15008. Zugegriffen: 29. Nov. 2017Google Scholar
  19. Riccardi G, Gorin AL (1998) Stochastic language models for speech recognition and understanding. http://www.isca-speech.org/archive/archive_papers/icslp_1998/i98_0111.pdf. Zugegriffen: 29. Nov. 2017Google Scholar
  20. Styczynski Z, Rudion K, Naumann A (2017) Einführung in Expertensysteme. Springer, HeidelbergCrossRefGoogle Scholar
  21. Trepper T (2015) Fundierung der Konstruktion agiler Methoden. Springer, WiesbadenCrossRefGoogle Scholar
  22. Tuck J (2017) Künstliche Intelligenz in der Medizin. https://www.pcwelt.de/a/kuenstliche-intelligenz-im-weissen-kittel. Zugegriffen: 29. Nov. 2017Google Scholar
  23. Turing A (1950) Computing machinery and intelligence. http://cogprints.org/499/1/turing.HTML. Zugegriffen: 29. Nov. 2017Google Scholar
  24. Vaishnavi V, Kuechler B (2004) Design Science Research in Information Systems. 20.01.2004; zuletzt aktualisiert: 23.10.2013. http://www.desrist.org/design-research-in-information-systems/. Zugegriffen: 13. Febr. 2018Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Hochschule NiederrheinMönchengladbachDeutschland

Personalised recommendations