Verwenden von Blue Prism Decision

Klicken Sie auf dieses Symbol in der Symbolleiste, um eine PDF-Version dieses Handbuchs anzuzeigen und herunterzuladen.

Blue Prism® Decision bietet Blue Prism Benutzern die Möglichkeit, intelligente Machine-Learning-basierte Entscheidungsmodelle innerhalb ihrer Digital Workforce zu trainieren und bereitzustellen, ohne dafür Data-Science-Kenntnisse zu benötigen. Die einfache und intuitive Benutzeroberfläche von Blue Prism Decision ermöglicht Benutzern Folgendes:

• Ein Modell definieren – Fügen Sie einen Titel, eine Beschreibung, einen Entscheidungstyp und Entscheidungsvariablen hinzu.
• Das Modell trainieren – Verwenden Sie aktives Lernen basierend auf definierten Inputvariablen des Model Service, um statistisch akkurate Machine-Learning-Modelle zu erstellen, ohne dafür Data-Science-Kenntnisse zu benötigen.
• Das Modell kalibrieren – Überprüfen Sie die Inputs und Ergebnisvorhersagen und überschreiben Sie bei Bedarf die Entscheidungen des Modells.

Diese Anleitung beschreibt die Funktionen und die Verwendung des Decision Plug-ins, das in Blue Prism® Hub verfügbar ist.

Zielgruppe

Diese Anleitung richtet sich an alle, die mit Decision ein Modell erstellen möchten, das in einer Automatisierung verwendet werden kann, sowie an alle Benutzer, die Prozesse in Blue Prism erstellen, die diese Modelle nutzen.

Abhängigkeiten

Das Decision Plug-in erfordert Zugriff auf den Blue Prism Decision Container – die Machine Learning API des Decision Plug-ins ist im Blue Prism Decision Container enthalten. Informationen zur Installation des Containers finden Sie unter Blue Prism Decision installieren.

Kompatibilität

Blue Prism Decision ist mit Blue Prism 6.4 und höher kompatibel.

Haftungsausschluss

Es liegt in der Verantwortung Ihrer Organisation, Decision in Übereinstimmung mit den für Ihre Organisation geltenden Gesetzen zu implementieren. Zum Beispiel:

1. Ihre Organisation unterliegt möglicherweise Gesetzen, die es verbieten oder einschränken, ausschließlich automatisierte Entscheidungen zu treffen, die eine rechtliche oder ähnlich signifikante Auswirkung auf eine Person haben (wie z. B. eine Entscheidung über den Zugang zu Krediten oder zu Auswahllisten für eine Stelle). Organisationen können eine menschliche Beteiligung bei der Überprüfung von Entscheidungen einbauen, indem sie einen Human‐in‐the‐Loop nach der Entscheidungsfindung hinzufügen und so einen Prozess mit menschlicher Interaktion erstellen – in ähnlicher Weise, wie sie es jetzt in einem Prozess mit Tools wie Blue Prism® Interact tun würden, um eine Entscheidung bei Bedarf zu überprüfen.
2. Bestimmte Datenschutzgesetze erfordern, dass eine Organisation, die ein statistisches Modell verwendet, um eine Entscheidung/Prognose über Personen zu treffen, dafür sorgt, dass das Modell statistisch präzise genug ist und eine Diskriminierung verhindert, damit die Verarbeitung personenbezogener Daten fair ist. Die Genauigkeit des Modells wird kontinuierlich aktualisiert, indem der Benutzer das Modell weiter trainiert. Es liegt ausschließlich im Ermessen des Benutzers, ein Modell (durch die Bereitstellung von genügend Beispielen) bis zur gewünschten Genauigkeit zu trainieren, bevor die Entscheidungsfähigkeiten in einem Produktionsprozess verwendet werden.
3. Um das Prinzip der Transparenz zu erfüllen, erfordern bestimmte Datenschutzgesetze, dass eine Organisation Menschen darüber informiert, wie sie personenbezogene Daten in einem Machine-Learning-System verarbeitet. Dazu muss die Organisation auch die Grundlagen jeglicher Entscheidungen erklären können. Decision basiert auf den Prinzipien von Einfachheit und Überprüfbarkeit. Sobald das Modell in einem Prozess verwendet wird, können Sie ein Audit-Log anzeigen, das jeden Input, jeden Output, jede Konfidenz-Punktzahl und jede Output-Entscheidung erfasst. Diese Informationen sind in der Prognoseliste verfügbar.