-
Die Erfindung betrifft ein Künstliche Intelligenz (KI)-unterstütztes System zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Dienstleistungen, insbesondere Handwerker-Dienstleistungen gemäß dem Oberbegriff des Anspruchs 1. Die Erfindung betrifft ferner ein Verfahren gemäß dem Oberbegriff des Anspruchs 7 zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Dienstleistungen, insbesondere Handwerker-Dienstleistungen mittels eines derartigen KI-unterstützten Systems.
-
Tätigkeiten wie Rechnungsstellung, Angebotserstellung und ähnliche administrative Schreibarbeiten erfreuen sich bei Dienstleistern, insbesondere Handwerkern, die beispielsweise Chef ihres eigenen Kleinunternehmens sein können, nicht gerade größter Beliebtheit, sondern werden als „notwendiges Übel“ angesehen. Oft muss Freizeit, beispielsweise an den Wochenenden, für die Erledigung dieser Arbeit geopfert werden.
-
Darüber hinaus berichten Dienstleister, insbesondere Handwerker von einer rückläufigen Zahlungsmoral bei einigen ihrer Kunden. Der Anteil der Kunden, die verspätet oder gar nicht zahlen, steigt. Zudem gibt es zwischen Dienstleistern, insbesondere Handwerkern und ihren Auftraggebern häufig Unstimmigkeiten bezüglich abgerechneter Arbeitszeiten.
-
Lösungen zur automatischen Rechnungsstellung, die von Auftraggebern und Handwerkern gleichermaßen akzeptiert werden, wären wünschenswert.
-
Aus dem Stand der Technik sind Lösungen für Teilaspekte derartiger Anforderungen bekannt, bei denen beispielsweise Methoden der Mustererkennung, des maschinellen Lernens, der prädiktiven Analysen, Data-Mining-Verfahren, Methoden der Nutzerverhaltensanalyse, Cloud Computing-Methoden und andere Berechnungsverfahren zum Einsatz kommen.
-
Beispielsweise beschreibt die
US 2020/0104889 A1 ein System und eine Methode zur Preisschätzung mittels maschinellen Lernens. Das System beinhaltet mindestens ein computerlesbares Speichermedium, das einen Satz von Anweisungen zum Bereitstellen eines Abrufdienstes enthält, und mindestens einen Prozessor in Datenkommunikation mit dem computerlesbaren Speichermedium, wobei der mindestens eine Prozessor beim Ausführen des Satzes von Anweisungen dazu angewiesen wird, eine Dienstanforderung von einem Benutzerterminal zu empfangen, mindestens eine Route für die Dienstanforderung zu bestimmen, und einen geschätzten Preis für die Dienstanforderung basierend auf der mindestens einen Route und dem mindestens einen Preisschätzungsmodell zu bestimmen. Um den geschätzten Preis zu bestimmen, wird der Prozessor ferner angewiesen, ein oder mehrere Merkmale der Dienstanfrage basierend auf der mindestens einen Route zu extrahieren und das eine Merkmal oder die mehreren Merkmale der Dienstanfragen unter Verwendung des mindestens einen Preisschätzungsmodells zu verarbeiten.
-
Bei einer als Transportdienst auf Abruf ausgestalteten Dienstleistung möchte ein Dienstanforderer nach dem Bestimmen eines Abfahrtsorts und eines Ziels möglicherweise eine geschätzte Ankunftszeit und/oder einen geschätzten Preis wissen. Basierend auf der geschätzten Ankunftszeit und/oder dem geschätzten Preis kann der Dienstanforderer entscheiden, ob er die Dienstanforderung sendet oder nicht.
-
Als Lösung schlägt die
US 2019/0107404 A1 ein Verfahren und ein System zum Bestimmen einer geschätzten Ankunftszeit vor. Das System beinhaltet mindestens ein computerlesbares Speichermedium, das einen Satz von Anweisungen zum Verwalten der Bereitstellung von Diensten enthält, und mindestens einen Prozessor, der mit dem mindestens einen Speichermedium kommuniziert. Beim Ausführen des Satzes von Anweisungen wird der mindestens eine Prozessor angewiesen, eine Diensteanforderung mit einem Abfahrtsort und einem Ziel von einem Endgerät zu empfangen, eine Route basierend auf dem Abfahrtsort und dem Ziel zu bestimmen, ein erstes mit der Route verbundenes Merkmal zu bestimmen, ein Übertragungslernmodell zu bestimmen, ein zweites Merkmal basierend auf dem ersten Merkmal und dem Übertragungslernmodell zu bestimmen, und eine geschätzte Ankunftszeit basierend auf dem zweiten Merkmal zu bestimmen. Der Schritt des Bestimmens der geschätzten Ankunftszeit basierend auf dem zweiten Merkmal kann ferner das Bestimmen eines Modells des maschinelles Lernens und das Bestimmen der geschätzten Ankunftszeit basierend auf dem zweiten Merkmal und dem Modell des maschinellen Lernens beinhalten. Ohne darauf beschränkt zu sein, kann oder können die geschätzte Ankunftszeit und/oder der geschätzte Preis auch durch andere Modelle bestimmt werden, beispielsweise ein Transfer-Learning-Modell, ein Deep-Learning-Modell, ein Data-Mining-Modell, ein neuronales Netzwerk-Modell, ein lineares Anpassungs-Modell, ein nichtlineares Anpassungs-Modell oder eine beliebige Kombination davon.
-
Die Route kann basierend auf Routenplanungstechniken bestimmt werden. Die Routenplanungstechniken können beispielsweise eine Methode des maschinellen Lernens, eine Methode der Künstlichen Intelligenz (Kl), eine Schablonenansatz-Methode, eine künstliche Potenzialfeldtechnik oder eine beliebige Kombination davon beinhalten.
-
Aus der
US 10,867,328 B2 sind ein System und eine Methode zur Bereitstellung von KI (Künstliche Intelligenz)-basierten Umzugskostenschätzungen für Dienstleistungen und Produkte bekannt. Das System, das zum Bereitstellen eines oder mehrerer Kosten- oder Arbeitsangebote für Umzugsschätzungen konfiguriert ist, beinhaltet einen oder mehrere Hardware-Prozessoren, die durch maschinenlesbare Anweisungen dazu konfiguriert sind,
- - von einem Client-Computergerät über ein Computernetzwerk Beschreibungsdaten zu empfangen, die einem Haus, Gebäude oder einer Struktur zugeordnet sind, wobei die Beschreibungsdaten von einer Kamera des Client-Computergeräts erzeugt werden;
- - durch den einen oder die mehreren Hardware-Prozessoren zu bestimmen, ob die Beschreibungsdaten, die mittels mindestens der Kamera erfasst wurden, eindeutig die Vielzahl von Elementen erfasst haben;
- - durch den einen oder die mehreren Hardware-Prozessoren als Reaktion auf mindestens eines der mehreren als unklar festgestellten Elemente eine Benutzeranweisung an der Client-Vorrichtung zu erzeugen, die einen Benutzer anweist, die Beschreibungsdaten zu ändern, wobei die Benutzeranweisung eine oder mehrere Benutzerschnittstellenelemente, Stimme, Text oder haptische Rückmeldung beinhaltet;
- - einen Ort des mindestens einen der Vielzahl von Gegenständen basierend auf den Beschreibungsdaten der Kamera, von Benutzereingaben oder von Daten eines oder mehrerer Umgebungssensoren zu bestimmen;
- - unter Verwendung eines von dem einen oder den mehreren Hardware-Prozessoren ausgeführten Modells für maschinelles Lernen eine Vielzahl von Inventarattributen zu erzeugen, die einer Vielzahl von Gegenständen innerhalb des Hauses, Gebäudes oder der Gebäudestruktur zugeordnet sind, basierend auf den empfangenen Beschreibungsdaten, wobei die Inventarattribute mindestens eines aus einer Größe, einem Gewicht, einer Dimension, einem Ort oder einer Objektklasse von mindestens einem Teil der Vielzahl von Gegenständen aufweisen, und wobei das Bestimmen der Inventarattribute des mindestens einen der Vielzahl von Gegenständen den bestimmten Standort verwendet;
- - unter Verwendung eines von dem einen oder den mehreren Hardware-Prozessoren ausgeführten Modells für maschinelles Lernen eine Inventarliste zu erzeugen, die eine Vielzahl von Artikeln umfasst, basierend auf den empfangenen Beschreibungsdaten und den Artikelattributen; und
- - unter Verwendung des von dem einen oder den mehreren Hardware-Prozessoren ausgeführten Modells für maschinelles Lernen das eine oder die mehreren Angebote, die dem Haus, Gebäude oder der Gebäudestruktur zugeordnet sind, basierend auf der Vielzahl von Artikeln in der Inventarliste und den Inventarattributen zu erzeugen.
-
Weiterhin beschreibt die
US 10,354,232 B2 ein System und Verfahren zur automatischen Objektidentifikation und Preisgestaltung für Abfallentsorgungs- und Transportdienste. In einer beispielhaften Ausführungsform bezieht sich die Offenbarung auf die Verwendung eines mobilen Endgeräts zum Erfassen einer Szene mit Gegenständen, die entfernt und/oder transportiert werden müssen, und das Durchführen einer Objekt- und Raumerkennung an Objekten in der Szene, um Kosten für die Dienste an den Gegenständen bereitzustellen.
-
Ein System zum Manipulieren von Bildern für Objekterkennungszwecke, beinhaltet ein mobiles Endgerät, das ein optisches Aufzeichnungsgerät, einen Standort-Transceiver, eine Anzeige und einen drahtlosen Kommunikations-Transceiver aufweist, der mit dem optischen Aufzeichnungsgerät gekoppelt ist. Das mobile Endgerät ist dazu konfiguriert, Szenendaten unter Verwendung des optischen Aufzeichnungsgeräts zu erfassen und die Szenendaten und Standort-Sender/Empfänger-Daten unter Verwendung des drahtlosen Kommunikations-Sender/Empfängers zu übertragen.
-
Das System enthält ferner einen Server mit einem Kommunikationstransceiver, der dazu konfiguriert ist, die Szenendaten und die Standorttransceiverdaten von dem drahtlosen Kommunikationstransceiver zu empfangen, sowie eine zentrale Verarbeitungseinheit (CPU) und eine Datenbank.
-
Eine zentrale Verarbeitungseinheit (CPU) ist konfiguriert, zu bestimmen, ob die Szenendaten vor der Objekterkennung beschnitten werden müssen, wobei in einem Fall, in dem die CPU bestimmt, dass die Szenendaten vor der Objekterkennung nicht beschnitten werden müssen, die CPU dazu konfiguriert ist, die Szenendaten an ein Drittsystem zu übertragen, das von der CPU unabhängig ist und das Objekte in den Szenendaten unter Verwendung einer Methode des maschinellen Lernens oder der künstlichen Intelligenz erkennen kann. Die Methode vergleicht jedes der Objekte mit Eigenschaften bekannter, in der Datenbank gespeicherter Objekte, und bestimmt, basierend auf dem Vergleich, ferner mindestens eines aus einer Dimension, einem Volumen oder einem Gewicht jedes der Objekte. Die Methode beseitigt die Notwendigkeit einer manuellen Inspektion der Szenendaten durch einen Menschen, um die Abmessungen, das Volumen und das Gewicht jedes der Objekte zu bestimmen.
-
Im Fall, dass die CPU bestimmt, dass die Szenendaten vor der Objekterkennung beschnitten werden müssen, ist die CPU dazu konfiguriert, die Szenendaten entsprechend einem Standort eines nicht identifizierten Objekts zuzuschneiden und die ausgeschnittenen Szenendaten über den Server an das mobile Endgerät zu übertragen. Weiterhin ist die CPU dazu konfiguriert, das mobile Endgerät anzuweisen, eine Aufforderung zur Eingabe einer Beschreibung des nicht identifizierten Objekts anzuzeigen.
-
Die zentrale Verarbeitungseinheit (CPU) ist des Weiteren dazu konfiguriert, Kosten zum Transportieren der Objekte von einem Standort entsprechend den Standort-Transceiver-Daten zu einem zweiten Standort zu berechnen, wobei die Kosten zumindest teilweise basierend auf mindestens einem aus den Abmessungen, dem Volumen und dem Gewicht jedes einzelnen Objekts, den Standort-Transceiver-Daten, dem zweiten Standort und den Arbeitskosten berechnet werden. Die zentrale Verarbeitungseinheit (CPU) ist dazu konfiguriert, einen verfügbaren Servicetermin durch Vergleichen einer verfügbaren Servicekapazität potenzieller Servicetermine mit mindestens einem aus den Abmessungen, den Volumina und dem Gewicht der Objekte zu identifizieren und die Standort-Transceiver-Daten, die Kosten und den verfügbaren Servicetermin über den Kommunikations-Transceiver an das mobile Endgerät zur visuellen Darstellung auf dessen Anzeige zu übermitteln. Dabei ist die CPU dazu konfiguriert, dass sie den zweiten Vorgang nur dann ausführt, wenn die CPU bei Abschluss des ersten Vorgangs feststellt, dass in den Szenendaten ein nicht identifiziertes Objekt vorhanden ist.
-
Angesichts des aufgezeigten Standes der Technik bietet der Bereich der Rechnungsstellung und Bezahlung von Dienstleistungen, insbesondere Handwerker-Dienstleistungen, die an betriebsfremden bzw. wechselnden Einsatzorten ausgeführt werden, noch Raum für Verbesserungen.
-
Der Erfindung liegt die Aufgabe zugrunde, ein System und ein Verfahren bereitzustellen, durch das ein benutzerseitiger Aufwand zur Erledigung von Vorgängen zur Rechnungsstellung und Bezahlung von an betriebsfremden bzw. wechselnden Einsatzorten ausgeführten Dienstleistungen, insbesondere Handwerker-Dienstleistungen reduziert werden kann.
-
Erfindungsgemäß wird die Aufgabe durch ein Künstliche Intelligenz (KI)-unterstütztes System mit den Merkmalen des Anspruchs 1 gelöst. Die Aufgabe wird ferner durch ein Verfahren zur Rechnungsstellung und Bezahlung gemäß Anspruch 7 gelöst. Weitere, besonders vorteilhafte Ausgestaltungen der Erfindung offenbaren die abhängigen Unteransprüche.
-
Es ist darauf hinzuweisen, dass die in der nachfolgenden Beschreibung einzeln aufgeführten Merkmale sowie Maßnahmen in beliebiger, technisch sinnvoller Weise miteinander kombiniert werden können und weitere Ausgestaltungen der Erfindung aufzeigen. Die Beschreibung charakterisiert und spezifiziert die Erfindung insbesondere im Zusammenhang mit den Figuren zusätzlich.
-
Die erfindungsgemäße Künstliche Intelligenz (KI)-unterstützte System zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Dienstleistungen, insbesondere Handwerker-Dienstleistungen beinhaltet
- - eine fahrzeugbasierte Vorrichtung zur Ausführung von elektronischen Zahlungen,
- - zumindest eine cloudbasierte Computerumgebung, die zur Kommunikation zumindest mit dem Fahrzeug vorgesehen ist,
- - eine fahrzeugbasierte drahtlose Datenkommunikationsvorrichtung zur drahtlosen Datenkommunikation mit der zumindest einen cloudbasierten Computerumgebung,
- - zumindest eine fahrzeugbasierte Computereinheit,
- - zumindest eine Mensch-Maschine-Schnittstelle zu der fahrzeugbasierten Computereinheit, und
- - ein fahrzeugeigenes Sensorsystem, das zumindest ein Positionsbestimmungssystem beinhaltet.
-
Unter dem Begriff „fahrzeugbasierte Vorrichtung“ sollen im Sinne der vorliegenden Erfindung sowohl Vorrichtungen verstanden werden, die innerhalb des Fahrzeugs dauerhaft installiert sind, auch solche Vorrichtungen, die nur vorübergehend innerhalb des Fahrzeugs installiert und mit anderen Vorrichtungen des Systems operativ verbunden sind. Sofern im Folgenden von Handwerker-Dienstleistungen gesprochen wird, sind auch Dienstleistungen umfasst. Sofern im Folgenden von Handwerkern gesprochen wird, sind auch Dienstleister umfasst. Sofern im Folgenden von Handwerker-Fahrzeugen gesprochen wird, sind auch Fahrzeuge umfasst.
-
Es wird vorgeschlagen, dass
- - die fahrzeugbasierte Vorrichtung zur Ausführung von elektronischen Zahlungen zu einer Datenkommunikation mit einem mobilen Endgerät eines Auftraggebers des Dienstleisters, insbesondere Handwerkers, zu einer Datenkommunikation mit der zumindest einen fahrzeugbasierten Computereinheit und zu einer drahtlosen Datenkommunikation mit der zumindest einen cloudbasierten Computerumgebung vorgesehen ist,
- - die zumindest eine Mensch-Maschine-Schnittstelle zumindest zur manuellen Eingabe von die ausgeführte Dienstleistungen, insbesondere Handwerker-Dienstleistung betreffenden Kenngrößen vorgesehen ist,
- - die zumindest eine fahrzeugbasierte Computereinheit zur Datenkommunikation mit der zumindest einen cloudbasierten Computerumgebung vorgesehen ist,
- - das fahrzeugeigene Sensorsystem zu einer Datenkommunikation mit der zumindest einen fahrzeugbasierten Computereinheit oder mit der zumindest einen cloudbasierten Computerumgebung vorgesehen ist,
- - die zumindest eine cloudbasierte Computerumgebung zumindest ein künstliches neuronales Netz aufweist, das dazu trainiert und vorgesehen ist, basierend zumindest auf den empfangenen Daten, die die ausgeführte Dienstleistung, insbesondere Handwerker-Dienstleistung betreffende Kenngrößen enthalten, eine Vorhersage zumindest bezüglich eines Preises einer Dienstleistung, insbesondere Handwerker-Dienstleistung zu berechnen und in Form von kommunizierbaren Daten auszugeben.
-
Ein künstliches neuronales Netz umfasst mehrere miteinander verbundene künstliche Neuronen (auch Knoten genannt) und weist eine Eingangsseite und eine Ausgangsseite auf. Jedes künstliche Neuron der Vielzahl von miteinander verbundenen künstlichen Neuronen kann ein Signal an ein anderes mit ihm verbundenes künstliches Neuron übertragen. Das empfangene Signal kann weiterverarbeitet und an das nächste künstliche Neuron übertragen werden. Die Ausgabe jedes künstlichen Neurons kann unter Verwendung einer nichtlinearen Funktion der Summe seiner Eingaben berechnet werden. Während eines Lernprozesses werden normalerweise Gewichte der nichtlinearen Funktion angepasst, was zu einem trainierten künstlichen neuronalen Netz führt, für das ein Satz von Gewichten für die künstlichen Neuronen so bestimmt wurde, dass ein Ausgangssignal des künstlichen neuronalen Netzes einem gewünschten Ausgangssignal möglichst nah kommt.
-
Mit dem vorgeschlagenen KI-unterstützten System sind alle Voraussetzungen bereitgestellt, um unter Anwendung eines geeigneten Verfahrens eine Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen zu vereinfachen und den benutzerseitigen Aufwand zur Erledigung diesbezüglicher Vorgänge zu reduzieren.
-
Unter dem Begriff „dazu vorgesehen“ soll im Sinne der vorliegenden Erfindung speziell dafür programmiert, ausgelegt oder angeordnet verstanden werden. Unter einem „Fahrzeug“ soll im Sinne der vorliegenden Erfindung insbesondere ein als Lieferwagen, Kastenwagen, Hochdachkombi, Kleintransporter oder Lastkraftwagen ausgebildetes Kraftfahrzeug verstanden werden.
-
Bevorzugt ist die Datenkommunikation zwischen der fahrzeugbasierten Vorrichtung zur Ausführung von elektronischen Zahlungen und einem mobilen Endgerät eines Auftraggebers des Handwerkers als drahtlose Datenkommunikation ausgebildet.
-
Bevorzugt ist die Datenkommunikation zwischen der fahrzeugbasierten Vorrichtung zur Ausführung von elektronischen Zahlungen und einem mobilen Endgerät eines Auftraggebers des Handwerkers als drahtlose Datenkommunikation ausgebildet.
-
Die Datenkommunikation zwischen der fahrzeugbasierten Vorrichtung zur Ausführung von elektronischen Zahlungen und der zumindest einen fahrzeugbasierten Computereinheit kann als drahtlose Datenkommunikation oder als drahtgebundene Datenkommunikation ausgebildet sein.
-
In bevorzugten Ausführungsformen des KI-unterstützten Systems ist ein Teil des fahrzeugeigenen Sensorsystems Teil einer zum erfindungsgemäßen System gehörenden Objektverfolgungsvorrichtung und beinhaltet Detektionsmittel, die jeweils zum optischen Erfassen zumindest eines Teils eines Fahrzeugladeraums des Fahrzeugs aus unterschiedlichen Winkeln anordenbar bzw. angeordnet sind. Dabei sind die Detektionsmittel dazu vorgesehen, digitale Bilddaten bereitzustellen.
-
Die Objektverfolgungsvorrichtung weist eine Bildverarbeitungseinheit auf, die zum Empfang digitaler Bilddaten der Detektionsmittel und zur Objekterkennung von Objekten innerhalb des Fahrzeugladeraums aus den Bilddaten vorgesehen ist. Die Objektverfolgungsvorrichtung ist ferner zu einer zeitlichen Verfolgung der erkannten Objekte innerhalb des Fahrzeugladeraums vorgesehen sowie zu einer Datenkommunikation mit der zumindest einen fahrzeugbasierten Computereinheit oder mit der zumindest einen cloudbasierten Computerumgebung bezüglich zumindest eines Entfernens von Objekten aus dem Fahrzeugladeraum.
-
Die Verwendung der vorgeschlagenen Objektverfolgungsvorrichtung kann ermöglichen, dass die, die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen zumindest teilweise automatisch ermittelt werden können, wodurch ein handwerkerseitiger Aufwand für die Rechnungsstellung in beträchtlicher Weise reduziert werden kann.
-
Bevorzugt enthält das fahrzeugeigene Sensorsystem zumindest einen Sensor aus einer Gruppe, die von Stereokameras, einem LIDAR-System, einem Bluetooth-Empfänger und einer elektronischen Waage gebildet ist. Auf diese Weise kann ermöglicht werden, solche die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen zu ermitteln, die eine Anzahl, einen Material- oder Gerätetyp oder ein Gewicht eines während der Ausführung der Handwerker-Dienstleistung verwendeten Gegenstands oder Materials zumindest teilweise automatisch zu bestimmen.
-
LIDAR („Light Detection and Ranging“)-Sensoren als Vorrichtungen zum Messen von Entfernungen (Ranging) durch Beleuchten eines Objekts mit Laserlicht und Messen der Reflexion mit einem Sensor sind im Stand der Technik bekannt, beispielsweise in Anwendungen wie dem Autonomen Fahren, und müssen an dieser Stelle nicht ausführlicher beschrieben werden. Ferner sind LIDAR-Sensorvorrichtungen kommerziell verfügbar. Insbesondere kann das LIDAR-System einen Flash-LIDAR-Sensor beinhalten.
-
Algorithmen zur Erkennung von Bluetooth-Geräten im Nahbereich, basierend auf der Bestimmung entsprechender Signalstärken, sind im Stand der Technik verfügbar und werden beispielsweise in dem Artikel von Devanshi, Devanshi & Agrawal, Sunil & Singh, Sarvjit, (2014), „Indoor Localization based on Bluetooth“ Technology: A Brief Review‟, International Journal of Computer Applications, 97, 31-33, 10.5120/17029-7327, und im Artikel von A. N. Raghavan, H. Ananthapadmanaban, M. S. Sivamurugan und B. Ravindran, „Accurate mobile robot localization in indoor environment using bluetooth“, 2010 IEEE International Conference on Robotics and Automation, Anchorage, AK, 2010, pp. 4391-4396, doi: 10.1109/ROBOT.2010.5509232 beschrieben.
-
Zur Objektverfolgung mittels Bluetooth-Technik können die Objekte mit Bluetooth-Beacons ausgestattet sein, und das übertragene Signal kann eine eindeutige Kennung zur Identifizierung des Objekts beinhalten. Als Funkstandard kann BLE (Bluetooth Low Energy) verwendet werden, der als sehr energieeffizient bekannt ist.
-
In bevorzugten Ausführungsformen des KI-unterstützten Systems weist das zumindest eine trainierte künstliche neuronale Netz zumindest ein tiefes neuronales Netz („deep neural network“, DNN) mit mehreren Schichten zwischen einer Eingangsschicht und einer Ausgangsschicht auf.
-
Ein DNN ist ein künstliches neuronales Netz mit mehreren versteckten Schichten künstlicher Neuronen zwischen der Eingangsseite und der Ausgangsseite. Es ist bekannt, dass DNNs in der Lage sind, komplexe nichtlineare Beziehungen zu modellieren, und sie sind vorteilhaft in dem vorgeschlagenen System zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen einsetzbar.
-
Bevorzugt sind die von der zumindest einen cloudbasierten Computerumgebung empfangenen Daten, die die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen enthalten, verbrauchsmaterialbezogen, dienstleistungsbezogen oder fahrzeugbezogen und als zumindest eines aus einem Werkzeugtyp, einem Materialtyp, einer Materialmenge, einem Dienstleistungstyp, einer Arbeitszeitdauer, einer Tageszeit und einer Distanz zwischen einem Einsatzort der Dienstleistung und einem zentralen Standort des Handwerkers ausgebildet. Auf diese Weise kann ein großer Anteil der bei einer Handwerker-Dienstleistung entstehenden Kosten bei der Berechnung der Vorhersage zumindest bezüglich eines Preises erfasst und ein handwerkerseitiger Aufwand für die Rechnungsstellung in beträchtlicher Weise reduziert werden.
-
In bevorzugten Ausführungsformen des KI-unterstützten Systems ist die Mensch-Maschine-Schnittstelle fahrzeugbasiert oder als mobiles Endgerät ausgebildet.
-
Beispielsweise kann eine fahrzeugbasierte Mensch-Maschine-Schnittstelle als Teil eines an sich bekannten Infotainmentsystems mit Multi-Media-Einheit ausgebildet sein. Das mobile Endgerät kann, ohne darauf beschränkt zu sein, von einem Smartphone oder einem Tabletcomputer gebildet sein. Die derart ausgebildete Mensch-Maschine-Schnittstelle erlaubt eine effektive und übersichtliche manuelle Eingabe von Kenngrößen, die die ausgeführte Handwerker-Dienstleistung betreffen. Beispielsweise kann der Handwerker mittels der Mensch-Maschine-Schnittstelle Angaben bezüglich geleisteter Arbeitsstunden machen.
-
In einem weiteren Aspekt der vorliegenden Erfindung wird ein Verfahren zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen mittels des vorgeschlagenen Künstliche Intelligenz-unterstützten Systems bereitgestellt.
-
Das Verfahren beinhaltet zumindest folgende Schritte:
- - Erreichen des betriebsfremden Einsatzortes mit dem Handwerker-Fahrzeug,
- - Ausführen einer Handwerker-Dienstleistung an dem betriebsfremden Einsatzort,
- - manuelle Eingabe von die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen mittels der zumindest einen Mensch-Maschine-Schnittstelle,
- - Erfassen der manuellen Eingabe und von Daten des fahrzeugeigenen Sensorsystems, beinhaltend fahrzeugbezogene Daten, zumindest die Position des Fahrzeugs, sowie material- oder materialverbrauchsbezogene Daten,
- - Übertragen der erfassten Daten an die zumindest eine cloudbasierte Computerumgebung als Eingangsgrößen des zumindest einen künstlichen neuronalen Netzes,
- - Berechnen eines Schätzwertes für einen Preis der ausgeführten Handwerker-Dienstleistung durch das zumindest eine künstliche neuronale Netz,
- - Übertragen zumindest des ermittelten Schätzwertes durch die zumindest eine cloudbasierte Computerumgebung an die zumindest eine Mensch-Maschine-Schnittstelle,
- - Bestätigen zumindest des übertragenen Schätzwertes, ggfs. nach erfolgter manueller Änderung, und Übertragen des bestätigten Schätzwertes an die zumindest eine cloudbasierte Computerumgebung,
- - Übertragen zumindest des bestätigten Schätzwertes durch die zumindest eine cloudbasierte Computerumgebung an ein mobiles Endgerät des Auftraggebers des Handwerkers,
- - Bereitstellen eines Datenzugangs für das mobile Endgerät des Auftraggebers zu dem bestätigten Schätzwert und zu den Kenngrößen der ausgeführten Handwerker-Dienstleistung in der zumindest einen cloudbasierten Computerumgebung,
- - Übertragen einer Bestätigung des Schätzwertes und der Kenngrößen der ausgeführten Handwerker-Dienstleistung durch den Auftraggeber des Handwerkers an die zumindest eine cloudbasierte Computerumgebung,
- - Ausführen der Zahlung des bestätigten Schätzwertes für den Preis der ausgeführten Handwerker-Dienstleistung.
-
Durch Ausführung des vorgeschlagenen Verfahrens mittels einer geeigneten Ausführungsform des erfindungsgemäßen KI-unterstützten Systems kann ein Umfang benutzerseitig auszuführender Vorgänge zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen reduziert und vereinfacht und ein benutzerseitiger Aufwand zur Erledigung diesbezüglicher Vorgänge verringert werden.
-
Weiterhin kann zusätzliche Sicherheit in Bezug auf eine Ermittlung von die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen erreicht werden, was zu weniger Unstimmigkeiten zwischen Handwerkern und ihren Auftraggebern führt, da die zumindest teilweise automatisch erzeugte Rechnungsstellung bei Auftraggebern und Handwerkern gleichermaßen eine höhere Akzeptanz erzeugt.
-
In bevorzugten Ausführungsformen des Verfahrens bleiben die im Anschluss an den Schritt des Ausführens einer Handwerker-Dienstleistung vorgesehenen Schritte unausgeführt, wenn zumindest eine der folgenden Bedingungen zutrifft:
- (I) die Handwerker-Dienstleistung wurde im Voraus bezahlt, und
- (II) es gibt keinerlei Zusatzleistungen außerhalb einer als Pauschale beauftragten Handwerker-Dienstleistung.
-
Durch geeignete Abfragen zu Beginn des Verfahrens kann der Aufwand zur Durchführung der nachfolgenden Schritte eingespart werden, wenn die Handwerker-Dienstleistung von dem Auftraggeber im Voraus bezahlt wurde, und wenn die Handwerker-Dienstleistung als Pauschale beauftragt wurde und keine weiteren Zusatzleistungen anfallen.
-
Bevorzugt erfolgt der Schritt des Ausführens der Zahlung des bestätigten Schätzwertes für den Preis der ausgeführten Handwerker-Dienstleistung mittels des mobilen Endgeräts des Auftraggebers des Handwerkers oder mittels der fahrzeugbasierten Vorrichtung zur Ausführung von elektronischen Zahlungen. Auf diese Weise kann nach einer Ausführung der Handwerker-Dienstleistung noch an dem betriebsfremden Einsatzort eine Zahlung ausgeführt werden, wobei der Handwerker den Vorteil der prompten Bezahlung und der Auftraggeber des Handwerkers den Vorteil der Transparenz und der unmittelbaren Kontrolle der Dienstleistung an dem betriebsfremden Einsatzort hat.
-
In bevorzugten Ausführungsformen beinhaltet das Verfahren einen vorhergehenden Schritt des Ausführens einer Trainingsphase mit dem zumindest einen künstlichen neuronalen Netz zum Erlernen der Berechnung einer Vorhersage zumindest bezüglich eines Preises einer Handwerker-Dienstleistung, basierend auf Daten, die die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen enthalten. Dabei wird die Trainingsphase unter Verwendung von Daten ausgeführt, die aus Dienstleistungen stammen, die zu einem früheren Zeitpunkt erbracht und bereits abgerechnet wurden, oder aus fiktiven Dienstleistungen, die typisch oder erwünscht sind.
-
Weitere vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen und der folgenden Figurenbeschreibung offenbart. Es zeigen
- 1 ein erfindungsgemäßes Künstliche Intelligenz-unterstütztes System zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen in einer Darstellung des funktionellen Datenstroms,
- 2 eine schematische Darstellung des funktionellen Datenstroms an einen künstlichen neuronalen Netz der cloudbasierten Computerumgebung des KI-unterstützten Systems gemäß der 1, und
- 3 ein Flussdiagramm eines erfindungsgemäßen Verfahrens zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen mittels des Künstliche Intelligenz-unterstützten Systems gemäß der 1.
-
In den unterschiedlichen Figuren sind gleiche Teile stets mit denselben Bezugszeichen versehen, weswegen diese in der Regel auch nur einmal beschrieben werden.
-
1 zeigt eine mögliche Ausführungsform eines erfindungsgemäßen Künstliche Intelligenz (KI)-unterstützten Systems 10 zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Dienstleistungen, insbesondere Handwerker-Dienstleistungen in einer Darstellung des funktionellen Datenstroms.
-
Das KI-unterstützte System 10 beinhaltet eine fahrzeugbasierte Computereinheit 24, die beispielsweise von einem zentralen Steuergerät eines Infotainmentsystem eines von einem Handwerker 12 genutzten Fahrzeugs 14 gebildet ist und eine zentrale Prozessoreinheit und einen oder mehrere digitale Datenspeicher aufweisen kann. Das Fahrzeug 14 kann als Kastenwagen, Lieferwagen, Hochdachkombi, Kleintransporter oder Lastkraftwagen ausgebildet sein.
-
Das KI-unterstützte System 10 beinhaltet zudem eine für den Handwerker 12 zugängliche Mensch-Maschine-Schnittstelle 22 zu der fahrzeugbasierten Computereinheit 24. Die Mensch-Maschine-Schnittstelle 22 kann von einem als berührungsempfindlichen Bildschirm (Touchscreen) ausgebildeten Bedienungselement des Infotainmentsystems gebildet und somit fahrzeugbasiert sein. Alternativ ist auch angedacht, dass die Mensch-Maschine-Schnittstelle 22 als mobiles Endgerät, etwa als Tabletcomputer, ausgebildet ist. Die Mensch-Maschine-Schnittstelle 22 ist unter anderem zur manuellen Eingabe von die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen vorgesehen.
-
Des Weiteren weist das KI-unterstützte System 10 eine fahrzeugbasierte Vorrichtung 16 zur Ausführung von elektronischen Zahlungen auf. Diese Vorrichtung 16 kann einer Durchführung einer abschließenden Bezahlung der Handwerker-Dienstleistung dienen. Die Vorrichtung 16 kann beispielsweise eine Anzeigeeinheit enthalten, die einen QR (Quick Response)-Code anzeigt. Sie kann aber auch als Karten-Zahlungsterminal ausgebildet sein, das mit Near Field Communication Technology (NFCT) oder Magnetstreifentechnologie (MST) ausgestattet ist. Die im Fahrzeug 14 befindliche Vorrichtung 16 zur Ausführung von elektronischen Zahlungen und die fahrzeugbasierte Computereinheit 24 können auch in einer einzigen Hardwareeinheit kombiniert sein.
-
Die fahrzeugbasierte Vorrichtung 16 zur Ausführung von elektronischen Zahlungen ist zu einer Datenkommunikation mit einem mobilen Endgerät 28 eines Auftraggebers 18 des Handwerkers 12 und zu einer Datenkommunikation mit der fahrzeugbasierten Computereinheit 24 vorgesehen.
-
Zu dem KI-unterstützten System 10 gehört auch eine cloudbasierte Computerumgebung 34, die unter anderem ein künstliches neuronales Netz 36 aufweist. Das künstliche neuronale Netz 36 beinhaltet ein tiefes neuronales Netz 38 („deep neural network“, DNN) mit mehreren Schichten zwischen einer Eingangsschicht 40 und einer Ausgangsschicht 42 (2).
-
Die cloudbasierte Computerumgebung 34 ist unter anderem zur Kommunikation mit dem Fahrzeug 14 vorgesehen (1). Dazu ist im KI-unterstützten System 10 eine fahrzeugbasierte drahtlose Datenkommunikationsvorrichtung zur drahtlosen Datenkommunikation mit der cloudbasierten Computerumgebung 34 eingerichtet. Die Kommunikation zwischen der fahrzeugbasierten drahtlosen Datenkommunikationsvorrichtung und der cloudbasierten Computerumgebung 34 kann beispielsweise, ohne darauf beschränkt zu sein, auf der Basis eines funkzellenbasierten Mobilfunkstandards wie GSM („Global System for Mobile Communications“) oder einer Weiterentwicklung davon (3G, 4G, 5G, ...) erfolgen.
-
Die fahrzeugbasierte Computereinheit 24 ist zur Datenkommunikation mit der cloudbasierten Computerumgebung 34 vorgesehen. Zu diesem Zweck kann sie mit der fahrzeugbasierten drahtlosen Datenkommunikationsvorrichtung operativ verbunden sein.
-
Die fahrzeugbasierte Vorrichtung 16 zur Ausführung von elektronischen Zahlungen ist dazu vorgesehen, Zahlungsdaten 49 zu erzeugen und der cloudbasierten Computerumgebung 34 zur Verfügung zu stellen. Zu diesem Zweck ist sie zu einer drahtlosen Datenkommunikation mit der cloudbasierten Computerumgebung 34 vorgesehen.
-
Ferner ist das KI-unterstützte System 10 mit einem fahrzeugeigenen Sensorsystem 32 ausgestattet, das ein Positionsbestimmungssystem 26 beinhaltet, dass beispielsweise als GPS („Global Positioning System“) ausgebildet ist. Das fahrzeugeigene Sensorsystem 32 enthält weitere Sensoren, die Teil einer Objektverfolgungsvorrichtung 30 des KI-unterstützten Systems 10 sind. Das Positionsbestimmungssystem 26 des fahrzeugeigenen Sensorsystems 32 ist zu einer Datenkommunikation mit der fahrzeugbasierten Computereinheit 24 vorgesehen.
-
Die der Objektverfolgungsvorrichtung 30 zugeordneten Sensoren beinhalten Detektionsmittel 20, die jeweils zum optischen Erfassen eines Teils eines Fahrzeugladeraums des Fahrzeugs 14 aus unterschiedlichen Winkeln angeordnet sind (nicht dargestellt). Die Detektionsmittel 20 sind der Art der Handwerker-Dienstleistung angepasst und können als Stereokamera, als LIDAR-System und/oder als Bluetooth-Empfänger ausgebildet sein.
-
Dabei sind die Detektionsmittel 20 dazu vorgesehen, einer Bildverarbeitungseinheit der Objektverfolgungsvorrichtung 30 digitale Bilddaten bereitzustellen. Die Bildverarbeitungseinheit ist zum Empfang digitaler Bilddaten der Detektionsmittel 20 und zur Objekterkennung von Objekten innerhalb des Fahrzeugladeraums aus den Bilddaten vorgesehen. Die Objektverfolgungsvorrichtung 30 ist ferner zu einer zeitlichen Verfolgung der erkannten Objekte innerhalb des Fahrzeugladeraums vorgesehen sowie zu einer Datenkommunikation mit der cloudbasierten Computerumgebung 34 bezüglich eines Entfernens von Objekten aus dem Fahrzeugladeraum.
-
Das fahrzeugeigene Sensorsystem 32 kann abhängig von der Handwerker-Dienstleistung auch andere Sensoren wie beispielsweise eine elektronische Waage aufweisen. Auch diese ist dann zu einer Datenkommunikation mit der fahrzeugbasierten Computereinheit 24 oder mit der cloudbasierten Computerumgebung 34 ausgestattet.
-
Das DNN 38 (2) ist dazu trainiert und vorgesehen, basierend zumindest auf empfangenen Daten, die die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen enthalten, eine Vorhersage zumindest bezüglich eines Preises einer Handwerker-Dienstleistung zu berechnen und in Form von kommunizierbaren Daten auszugeben.
-
Nachfolgend wird anhand eines Flussdiagramms, das in 3 gezeigt ist, und der 1 eine mögliche Ausführungsform eines erfindungsgemäßen Verfahrens zur Rechnungsstellung und Bezahlung von an betriebsfremden Einsatzorten ausgeführten Handwerker-Dienstleistungen mittels des Künstliche Intelligenz-unterstützten Systems 10 gemäß der 1 beschrieben.
-
In Vorbereitung einer Durchführung des Verfahrens wird unterstellt, dass alle beteiligten Vorrichtungen und Komponenten sich in einem betriebsbereiten Zustand befinden.
-
Des Weiteren geht der Durchführung des erfindungsgemäßen Verfahrens zu dessen Vorbereitung das Ausführen einer Trainingsphase mit dem DNN zum Erlernen der Berechnung einer Vorhersage bezüglich eines Preises einer Handwerker-Dienstleistung voraus. Das Training des DNN basiert auf Daten, die die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen enthalten. Dabei wird die Trainingsphase unter Verwendung von Daten ausgeführt, die aus Dienstleistungen stammen, die zu einem früheren Zeitpunkt erbracht und bereits abgerechnet wurden. Alternativ können in der Trainingsphase fiktive Daten aus Dienstleistungen verwendet werden, die typisch oder erwünscht sind.
-
Im Stand der Technik ist eine Vielzahl von verschiedenen Verfahren zum Trainieren eines künstlichen neuronalen Netzes bekannt. Für das Training des DNN kann beispielsweise als Algorithmus ein Regressionsalgorithmus verwendet werden, der mehrere Schichten von neuronalen Netzwerkknoten einbezieht. Der Algorithmus wird durch Vorwärtsausbreitung (für eine Vorhersage) und Rückwärtsausbreitung (für eine Vorhersage und das Training), beispielsweise unter Verwendung einer optimierten Version des Gradientenabstiegsalgorithmus („stochastic gradient descent“, SGD) wie etwa RMS Prop („Root Mean Square Propagation“) oder Adams („Adaptive Moment Estimation“) ausgeführt. Die Algorithmen können auch Dropout- oder L2-Regelverfahren beinhalten.
-
Ein erster Schritt 60 des erfindungsgemäßen Verfahrens betrifft ein Erreichen des betriebsfremden Einsatzortes mit dem Handwerker-Fahrzeug 14. Im nächsten Schritt 62 wird eine Handwerker-Dienstleistung an dem betriebsfremden Einsatzort ausgeführt.
-
In einem weiteren Schritt 64 wird geprüft, ob die Handwerker-Dienstleistung im Voraus bezahlt ist und/oder ob keinerlei Zusatzleistungen außerhalb einer als Pauschale beauftragten Handwerker-Dienstleistung angefallen sind. Ist zumindest eine dieser Bedingungen erfüllt, wird das Verfahren zur Rechnungsstellung beendet. Wenn beide Beziehungen nicht zutreffen, wird das Verfahren zur Rechnungsstellung im nächsten Schritt fortgeführt.
-
In einem weiteren Schritt 66 werden die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen als dienstleistungsbezogene Daten 44 mittels der Mensch-Maschine-Schnittstelle 22 manuell eingegeben. Als typisches Beispiel für derartige Kenngrößen seien die Art der Dienstleistung, das Datum, die geleistete Arbeitszeit und die Anfangs- und Endtageszeiten genannt, die dem betreffenden Auftrag zugeordnet werden.
-
Anschließend werden die manuell eingegebenen, dienstleistungsbezogenen Daten 44 und die Daten 46, 48 des fahrzeugeigenen Sensorsystems 32 in einem Schritt 68 erfasst und in einem weiteren Schritt 70 an die cloudbasierte Computerumgebung 34 übertragen, wo sie dem künstlichen neuronalen Netz 36 als Eingangsgrößen zugeführt werden.
-
Die von der cloudbasierten Computerumgebung 34 empfangenen Daten, die die ausgeführte Handwerker-Dienstleistung betreffende Kenngrößen enthalten, können material- oder materialverbrauchsbezogen, dienstleistungsbezogen oder fahrzeugbezogen sein. Die Kenngrößen können neben den bereits genannten Kenngrößen einen oder mehrere Werkzeugtypen (Bohrmaschine, Hammer, Schraubendreher, etc.), Materialtypen, Materialmengen (Anzahl, Gewicht, Volumen), im Falle eines Lieferdienstes Paketdaten (Liefercode, ID des Pakets, Inhalt des Pakets, Anzahl der Stockwerke, etc.), Fahrzeugdaten, Kraftstoffverbrauch zum Erreichen des Einsatzortes, eine Distanz zwischen dem Einsatzort der Dienstleistung und dem zentralen Standort des Handwerkers 12 und auftragsbezogene Daten wie Kundennummer, Auftragsnummer und Online-Buchungslink der Dienstleistung enthalten.
-
2 zeigt eine schematische Darstellung des funktionellen Datenstroms an das künstliche neuronale Netz 36 der cloudbasierten Computerumgebung 34 des KI-unterstützten Systems 10 gemäß der 1. Das DNN 38 verarbeitet die von der cloudbasierten Computerumgebung 34 empfangenen Daten, berechnet auf deren Basis in einem Schritt 72 des Verfahrens als Ausgangsgröße eine Vorhersage bezüglich eines Preises der Handwerker-Dienstleistung, d.h. einen Schätzwert für den Preis, und gibt die Vorhersage in Form von kommunizierbaren Daten aus.
-
Dieser berechnete Schätzwert ist nicht automatisch als endgültige Zahlungssumme zu betrachten, sondern vielmehr als vorläufiger Preis der Handwerker-Dienstleistung, der später von Auftraggeber 18 und Handwerker 12 ggfs. bearbeitet und freigegeben werden kann.
-
Die cloudbasierte Computerumgebung 34 überträgt in einem weiteren Schritt 74 den ermittelten Schätzwert für den Preis der Handwerker-Dienstleistung sowie die anderen, die ausgeführte Handwerker-Dienstleistung betreffenden Kenngrößen und Daten an die für den Handwerker 12 zugängliche Mensch-Maschine-Schnittstelle 22.
-
Der Handwerker 12 prüft die an die Mensch-Maschine-Schnittstelle 22 übertragenen Daten und insbesondere den ermittelten Schätzwert für den Preis der Handwerker-Dienstleistung, bestätigt und überträgt, ggfs. nach erfolgter manueller Änderung, den bestätigten Schätzwert und die übrigen Daten in einem weiteren Schritt 76 an die cloudbasierte Computerumgebung 34.
-
In einem anschließenden Schritt 78 werden der bestätigte Schätzwert und die übrigen Daten durch die cloudbasierte Computerumgebung 34 an ein mobiles Endgerät 28 des Auftraggebers 18 des Handwerkers 12 übertragen.
-
Nach Empfang der Daten wird dem mobilen Endgerät 28 des Auftraggebers 18 ein Datenzugang zu dem bestätigten Schätzwert (Preis) und zu den Kenngrößen der ausgeführten Handwerker-Dienstleistung in der cloudbasierten Computerumgebung 34 in einem Verfahrensschritt 80 bereitgestellt.
-
Nach erfolgter Prüfung und vorhandenem Einverständnis mit dem Preis und den Kenngrößen der ausgeführten Handwerker-Dienstleistung überträgt der Auftraggeber 18 des Handwerkers 12 in einem nächsten Schritt 82 eine Bestätigung 50 an die cloudbasierte Computerumgebung 34.
-
Der Auftraggeber 18 des Handwerkers 12 kann Servicedetails oder zugehörige Zahlungsinformationen genehmigen, wenn eine Zahlungsinformation durch den Dienstleistungsanbieter ausgegeben wird. Darüber hinaus kann dem Auftraggeber 18 des Handwerkers 12 Gelegenheit gegeben werden, über das mobile Endgerät 28 zusätzliche Servicedetails oder Kommentare, Rückmeldungen oder Bewertungen der Servicequalität zu geben. Abhängig davon kann vom Handwerker 12 beispielsweise ein Rabatt für zukünftige Handwerker-Dienstleistungen oder ein Gutschein angeboten werden.
-
In einem anschließenden Schritt 84 wird die Zahlung des bestätigten Preises der ausgeführten Handwerker-Dienstleistung ausgeführt. Beispielsweise kann der Auftraggeber 18 des Handwerkers 12 die Zahlung direkt mit seinem mobilen Endgerät 28 veranlassen. Alternativ kann der Auftraggeber 18 des Handwerkers 12 die Zahlung aber auch mittels der fahrzeugbasierten Vorrichtung 16 zur Ausführung von elektronischen Zahlungen freigeben.
-
Als weitere, potenziell an dem Verfahren beteiligte Parteien sind in der 1 beispielhaft ein Auftragsverwaltungsdienstleister 52 und verschiedene Finanzdienstleister dargestellt. Der Auftragsverwaltungsdienstleister 52 hat bidirektionalen Zugang zu der cloudbasierten Computerumgebung 34. Einer der Finanzdienstleister 54 erhält einen Zahlungsvorgang betreffende Daten von der cloudbasierten Computerumgebung 34 und stellt zur Durchführung des Geldtransfers eine Verbindung zwischen einer Bank 56 des Handwerkers 12 und einer Bank 58 des Auftraggebers 18 des Handwerker 12 her.
-
Bezugszeichenliste
-
- 10
- KI-unterstütztes System
- 12
- Dienstleister / Handwerker
- 14
- Fahrzeug
- 16
- fahrzeugbasierte Vorrichtung zur Ausführung von elektronischen Zahlungen
- 18
- Auftraggeber
- 20
- Detektionsmittel
- 22
- Mensch-Maschine-Schnittstelle
- 24
- fahrzeugbasierte Computereinheit
- 26
- Positionsbestimmungssystem
- 28
- mobiles Endgerät (Auftraggeber)
- 30
- Objektverfolgungsvorrichtung
- 32
- fahrzeugeigenes Sensorsystem
- 34
- cloudbasierte Computerumgebung
- 36
- künstliches neuronales Netz
- 38
- DNN (tiefes neuronales Netz)
- 40
- Eingangsschicht
- 42
- Ausgangsschicht
- 44
- dienstleistungsbezogene Daten
- 46
- material- oder materialverbrauchsbezogene Daten
- 48
- fahrzeugbezogene Daten
- 49
- Zahlungsdaten
- 50
- Bestätigung des Auftraggebers
- 52
- Auftragsverwaltungsdienstleister
- 54
- Finanzdienstleiste
- 56
- Bank des Handwerkers
- 58
- Bank des Auftraggebers Verfahrensschritte:
- 60
- Erreichen des betriebsfremden Einsatzortes mit dem Handwerker-Fahrzeug
- 62
- Ausführen einer Handwerker-Dienstleistung
- 64
- Bedingungsprüfung
- 66
- manuelle Eingabe von Handwerker-Dienstleistung betreffende Kenngrößen
- 68
- Erfassen von Daten
-
Bezugszeichenliste (Forts.):
-
- 70
- Übertragen der erfassten Daten an die cloudbasierte Computerumgebung
- 72
- Berechnen eines Schätzwertes für den Preis
- 74
- Übertragen des Schätzwertes für den Preis und weiterer Daten an die Mensch-Maschine-Schnittstelle
- 76
- Prüfen/Ändern/Bestätigen/Übertragen von Schätzwert und Daten an cloudbasierte Computerumgebung
- 78
- Übertragen von Schätzwert und Daten an mobiles Endgerät (Auftraggeber)
- 80
- Bereitstellen eines Datenzugangs zur cloudbasierten Computerumgebung für mobiles Endgerät (Auftraggeber)
- 82
- Übertragen einer Bestätigung vom Auftraggeber an cloudbasierte Computerumgebung
- 84
- Ausführen einer Zahlung
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- US 20200104889 A1 [0006]
- US 20190107404 A1 [0008]
- US 10867328 B2 [0010]
- US 10354232 B2 [0011]
