AHRC implementiert ein vollautomatisiertes EDRMS auf SharePoint mit KI und maschinellem Lernen

Zusammenfassung

Die Australian Human Rights Commission (die Kommission) ist Australiens nationale Menschenrechtsinstitution, eine unabhängige gesetzliche Organisation im Geschäftsbereich des Generalstaatsanwalts, die die Menschenrechte fördert und schützt. Obwohl es sich um eine kleine Agentur handelt, ist AHRC für die frühzeitige strategische Einführung neuer Technologien bekannt. In den letzten Jahren war AHRC mit der Migration zu Microsoft Office 365 und Azure führend in der Regierung. 

Nach Angaben des National Archives of Australia (NAA) ist die Kommission derzeit der Vordenker der australischen Regierung im Bereich der Archivverwaltung. Durch eine Unternehmenspartnerschaft mit RecordPoint hat die Kommission mit RecordPoint Records365 ein elektronisches Dokumenten- und Aktenverwaltungssystem (EDRMS) auf SharePoint implementiert, das die KI- und maschinellen Lerntechnologien von RecordPoint nutzt, um Akten ohne Personaleingabe zu klassifizieren. 

Herausforderung

Vor dieser neuen EDRMS-Lösung, die seit Februar 2019 in Produktion ist, ertrank die Kommission in einem Meer von Duplikaten, verheddert in verschachtelten Ordnern und verwirrt durch verlorene Dokumente. Aufgrund von Finanzierungsengpässen und anderen Herausforderungen war die Kommission nicht in der Lage, eine tragfähige EDRMS-Lösung zu implementieren. 

Bei der Untersuchung von Optionen hat die Kommission unter der Leitung von Ron McLay, Chief Information Officer, und Ryan McConville, Information Manager, die Studie des Finanzministeriums zu den Mängeln der traditionellen EDRMS berücksichtigt. Insbesondere schlug der Bericht vor, dass die Verwaltung von Aufzeichnungen automatisiert werden sollte und nicht eine manuelle Aufgabe für öffentliche Bedienstete sein sollte. Inspiriert von dem Bericht machte sich die Kommission daran, ein vollautomatisiertes EDRMS zu implementieren, das künstliche Intelligenz (KI) und maschinelles Lernen nutzt. Dies würde die Grundlage von RADICAL – Record And Document Innovation & Capture – Artificial Learning bilden. 

Eine EDRMS-Implementierung mit KI löst die wichtigsten Probleme, die beim Betrieb eines effektiven EDRMS auftreten. KI reduziert den Spielraum für menschliche Fehler und erhöht gleichzeitig das Volumen, die Genauigkeit und die Konsistenz der Klassifizierung von Aufzeichnungen. Die einfache Benutzeroberfläche hat zu einer hohen Benutzerakzeptanz geführt und wird von den Mitarbeitern eher als nützliches Werkzeug denn als Belastung angesehen. 

Die Kommission vermied Anpassungen und Add-Ons für RecordPoint und SharePoint und konzentrierte sich stattdessen auf die Konfiguration. Ein häufiges Problem, auf das Agenturen gestoßen sind, ist die Anpassung und Verwendung von Add-Ins von Drittanbietern, um sie an bestehende oder veraltete Geschäftsprozesse anzupassen. Dies führte häufig zu Systemen, die schwierig zu verwenden, ineffizient und unzuverlässig waren und schwer zu aktualisieren waren, wobei die Benutzerakzeptanz entsprechend litt. 

Nutzung der nativen Funktionalität von RecordPoint und SharePoint, übersetzt in verbesserte Geschäftsprozesse. Die Kommission hat auch eine einfache Navigation zum einfachen Durchsuchen von Datensätzen integriert, die durch eine leistungsstarke Suchfunktion in Records365 unterstützt wird. Die RADICAL-Lösung ist seit Februar 2019 in Produktion und wird derzeit für den unternehmensweiten Einsatz vorbereitet 

Strategie

Der Ansatz der Kommission lautete „Konfiguration statt kundenspezifischer Anpassung“, wie von der DTA empfohlen, und konzentrierte sich auf ein auf den Menschen ausgerichtetes Design. Die Mitarbeiter wurden ausführlich zu aktuellen Bedürfnissen und Schwachstellen befragt. Wenn möglich, wurden die nativen Records365- und SharePoint-Funktionen beibehalten, wodurch der Bedarf an Endbenutzerschulungen und aufwändigem Änderungsmanagement begrenzt wurde. 

Bei der Planung von RADICAL bestand ein Hauptziel darin, den Mitarbeitern Entscheidungen zur Dokumentenverwaltung abzunehmen und ihnen zu ermöglichen, sich auf ihre Kernaufgaben zu konzentrieren. RADICAL musste eine „transparente Datensatzverwaltung“ bereitstellen und das Potenzial für eine ungenaue oder widersprüchliche Klassifizierung begrenzen. 

Traditionell wurde der Klassifikationsprozess manuell von Archivbeamten durchgeführt. Das manuelle Element der Klassifizierung kann zeitaufwändig sein, zu Ungenauigkeiten führen und für das Personal störend sein. Frühere Methoden zur Automatisierung der Datensatzklassifizierung verwenden Regelbäume, die Datensätze basierend auf ihren Metadaten und ihrem Speicherort klassifizieren. Regelbäume müssen jedoch von erfahrenen Aufzeichnungsbeauftragten erstellt und gepflegt werden und sich darauf verlassen, dass Endbenutzer genaue Metadaten anwenden und an bestimmten Orten speichern. 

Die Nutzung von KI in diesem Prozess löst viele dieser Probleme, indem ein minimaler Regelbaum mit einem maschinellen Lernmodell kombiniert wird. Wenn ein Datensatz nicht durch eine Regel kategorisiert werden kann, klassifiziert das maschinelle Lernmodell den Datensatz basierend auf seinem Inhalt. Dieses System eliminiert die Notwendigkeit, komplexe Regelbäume, die Abhängigkeit von Metadaten und den Speicherort von Aufzeichnungen zu pflegen. 

Das RADICAL-Projektteam arbeitete mit den KI-Entwicklern von RecordPoint zusammen, um ein statistisches Modell zu erstellen, das Aufzeichnungen anhand von AFDA Express und der behördenspezifischen Entsorgungsbehörde der Kommission klassifizieren kann. 

Das statistische Modell wird entwickelt, indem eine Reihe von Datensätzen genommen wird, die manuell klassifiziert wurden, und Techniken zur Verarbeitung natürlicher Sprache angewendet werden, um den Dokumentinhalt in Vektoren zu normalisieren. Anschließend wird das Modell mithilfe von Algorithmen trainiert. 

Nach einer anfänglichen Trainingszeit kann das statistische Modell RADICAL einzelne Aufzeichnungen mit einer Genauigkeit von 80% kategorisieren. Die Kommission geht davon aus, dass diese Genauigkeit im Laufe der Zeit zunehmen wird. RADICAL kategorisiert Datensätze auch jedes Mal neu, wenn sie bearbeitet werden, um sicherzustellen, dass die Klassifizierung immer aktuell ist. 

Obwohl das maschinelle Lernmodell zunächst in Verbindung mit einem Regelbaum funktionieren wird, werden die Regeln mit zunehmender Genauigkeit des Modells schrittweise entfernt und die Kommission wird sich bei der Verwaltung ihrer Unternehmensunterlagen ausschließlich auf maschinelles Lernen verlassen. 

Die Umsetzungsphase umfasste: 

• Durchführung einer detaillierten Analyse bestehender Systeme und Datensätze 
• Entwicklung eines neuen Informations-Governance-Rahmens und einer behördenspezifischen Behörde zur Entsorgung von Aufzeichnungen 
• Entwicklung und Implementierung einer Datensatzmigrationsstrategie 
• umfangreiche Zusammenarbeit und Tests mit den RecordPoint AI-Entwicklern 
• Entwicklung und Test der von Records365 verwalteten SharePoint-Plattform 
• Zusammenarbeit mit einem spezialisierten Change-Management-Moderator 
• Schulung von Endbenutzern und fortlaufende Unterstützung beim Go-Live 
• Implementierung eines vereinbarten Sicherheitsmodells 
• Erlangung der behördenweiten Genehmigung für das System einschließlich der Geschäftsregeln und für die Verwendung der maschinellen Lernalgorithmen 
• Trainieren der maschinellen Lernalgorithmen 
• Implementierung und Rollout des Systems 

Ergebnisse

Da die meisten australischen Regierungsbehörden die gleichen Anforderungen an die Verwaltung von Aufzeichnungen haben, ist die Kommission der Ansicht, dass das von RecordPoint bereitgestellte und von RADICAL verwendete maschinelle Lernmodell eine „echte Wende“ darstellt und es anderen Behörden ermöglichen wird, gleichwertige „Gewinne an Effizienz, Produktivität und Kostensenkungen.' Die Kommission sieht sich als Vorreiter in der Regierung für den Einsatz von KI in der Dokumentenverwaltung und freut sich darauf, ihre Erfahrungen als aktuelle Vordenker der australischen Regierungsverwaltung zu teilen. 

RADICAL bietet der Kommission mehrere, greifbare Vorteile, wie zum Beispiel: 

• Automatisiertes Records Management, das genau, konsistent und konform ist 
• Einhaltung von DC2020 
• Dokumentversionierung, wodurch Duplikate reduziert werden 
• verbesserte Zusammenarbeit und gemeinsame Nutzung 
• Optimierte Bearbeitung von Anfragen zur Informationsfreiheit (FOI). 
• Power BI-Berichte für Führungskräfte 
• Reduzierung der Personalzeit, die für die Verwaltung von Aufzeichnungen aufgewendet wird 
• effektives und effizientes Suchen und Abrufen von Aufzeichnungen 
• Echtzeit-Videotranskription 
• automatisierte Bildkatalogisierung 

RADICAL hat sich positiv auf die Kommission und ihre Interessengruppen ausgewirkt durch: 

• Erfüllung des Ziels einer „transparenten Aktenverwaltung“ 
• Erhöhung der Genauigkeit und Konformität von Informationsmanagementpraktiken durch Reduzierung des Spielraums für menschliche Fehler 
• Reduzierung der Zeit und der Kosten, die mit der Beantwortung von FOI-Anfragen verbunden sind, durch verbesserte Suche und Abruf 
• schrittweise Reduzierung der physischen Speicherkosten, die derzeit durchschnittlich $17.000 AUD pro Jahr betragen 
• Senkung der Kosten für die digitale Speicherung 
• Verstärkung der Zusammenarbeit zwischen den Geschäftsbereichen der Kommission durch gemeinsam genutzte Dokumentenbibliotheken und Einführung einer „standardmäßig offenen“ Richtlinie für den Informationszugriff, bei der der Zugriff auf Aufzeichnungen nur zum Schutz der Privatsphäre oder sensibler Informationen beschränkt ist 
• Verbesserung von Geschäftsprozessen durch elektronische Workflows, Dokumentenversionierung und automatisiertes Tagging von Metadaten 
• Minimierung der Auswirkungen potenzieller Datenschutzverletzungen durch regelmäßige geplante Löschung von Datensätzen 

Erste Schätzungen der Kommission deuten darauf hin, dass Mitarbeiter, die RADICAL verwenden, eine mindestens 5% höhere Produktivität verzeichnen. Darüber hinaus verbessert sich die Genauigkeit der Erfassung und Klassifizierung durch die Algorithmen, und nach Schätzungen „übertrifft sie bereits die Genauigkeit unserer manuellen Klassifizierung“. 

Schließlich demonstriert die Kommission, dass eine technologisch fortschrittliche Lösung ohne erhebliche Kosten implementiert werden kann. "Wir schätzen, dass ein herkömmliches EDRMS die Kommission drei- oder viermal so viel gekostet hätte wie RADICAL."