Detailansicht
POTATO: explainable AI for business automation
evaluation of the POTATO framework at Kontron Transportation GmbH to enhance work efficiency with customizable AI solution - use case scenario
Anna Hierholcz
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Josef Windsperger
DOI
10.25365/thesis.77878
URN
urn:nbn:at:at-ubw:1-14245.51228.931719-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die vorliegende Masterarbeit untersucht das geschäftliche Potenzial einer neuartigen, menschenzentrierten und erklärbaren KI-Methode – des POTATO-Frameworks. Anhand eines konkreten Anwendungsfalls soll gezeigt werden, welches Einsparungspotenzial eine POTATO-basierte Textverarbeitungslösung bietet. Gleichzeitig werden die Benutzerfreundlichkeit und Anpassbarkeit der Plattform im Kontext des Ticket-ManagementProzesses von Kontron Transportation GmbH bewertet und optimiert. Zur Analyse der Effizienzgewinne wurden ADONIS-Simulationen durchgeführt, die den manuellen Ticketvorbereitungsprozess von Kontron Transportation GmbH mit der automatisierten Variante verglichen. In der bisherigen manuellen Bearbeitung greifen Mitarbeitende auf eine Ticket-Datenbank zu, in der sie relevante Tickets manuell suchen, kategorisieren und identifizieren. Diese Phase der Ticketvorbereitung dient der Sammlung notwendiger Informationen zur Problemlösung. In der automatisierten Version übernimmt POTATO diese Aufgaben eigenständig, indem es Tickets anhand vordefinierter Merkmale – wie „gelöst“ oder „ungelöst“ – filtert und kategorisiert. Dadurch verkürzt sich die Zeit, die für manuelle Suchprozesse aufgewendet werden muss. Die Ergebnisse der Simulationen zeigen deutliche Verbesserungen sowohl in der Bearbeitungszeit als auch bei den Kostenersparnissen. Die Nutzererfahrung wurde durch UX-Testing mit Mitarbeitenden von Kontron Transportation GmbH evaluiert, die im Rahmen eines Design-Thinking-Ansatzes durchgeführt wurden. Dabei lag der Fokus auf vier zentralen Aspekten: Verständlichkeit, Navigation und Benutzerfreundlichkeit, Autonomie sowie Anpassbarkeit. Die Tests ergaben, dass die Nutzer die Funktionen der Plattform gut verstanden und insbesondere die Anpassbarkeit positiv bewerteten. Allerdings wurden Schwierigkeiten in der Navigation und der eigenständigen Nutzung der Software festgestellt, was Verbesserungspotenzial für die Gesamtnutzererfahrung aufzeigt. Obwohl POTATO klare Vorteile bietet, sind gezielte Optimierungen erforderlich, um das volle geschäftliche Potenzial einer POTATO-basierten Lösung auszuschöpfen.
Abstract
(Englisch)
The proposed work explores the business potential of a novel human-in-the-loop explainable AI method, the POTATO framework. Through a use case scenario, this master’s thesis aims to demonstrate the resource-saving potential of a POTATO-based text processing solution, while also assessing and improving the platform’s usability and customizability within the context of Kontron Transportation GmbH’s onboarding ticket management process. Efficiency gains were assessed using ADONIS simulations, which compared manual ticket preparation with the automated process. In the current manual process, employees solve tickets with the help of a ticket database where they manually search, categorize, and identify relevant tickets. This process constitutes the ticket preparation phase, involving the gathering of necessary information to support resolution. In the automated version, POTATO filters and categorizes these tickets automatically based on predefined characteristics, such as solved or unsolved tickets. This helps to shorten the time spent on manual searching. The results demonstrated significant improvements in both task completion time and cost savings. User experience was evaluated through UX testing with employees of Kontron Transportation GmbH, conducted within the framework of a Design Thinking approach. The testing of the software focuses on four key categories: understandability, navigation and usability, autonomy, and customizability. The testing showed that users had a strong understanding of the platform’s functionalities, and customizability was positively rated, aligning well with Kontron Transportation GmbH’s needs. However, navigation and autonomous software usage emerged as areas requiring improvement to enhance the overall user experience. While POTATO offers clear benefits, targeted refinements are needed to fully realize its business potential.
Schlagwörter
Schlagwörter
(Deutsch)
Erklärbare KI Automatisierung von Geschäftsprozessen ADONIS UX Testing
Schlagwörter
(Englisch)
Business Automation UX Testing ADONIS customizable AI Solutions
Autor*innen
Anna Hierholcz
Haupttitel (Englisch)
POTATO: explainable AI for business automation
Hauptuntertitel (Englisch)
evaluation of the POTATO framework at Kontron Transportation GmbH to enhance work efficiency with customizable AI solution - use case scenario
Paralleltitel (Deutsch)
POTATO: erklärbare KI für die Automatisierung von Geschäftsprozessen
Publikationsjahr
2025
Umfangsangabe
v, 66 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Josef Windsperger
AC Nummer
AC17461066
Utheses ID
74926
Studienkennzahl
UA | 066 | 915 | |