Zeiterfassung mit KI – Von manueller Zuordnung zu automatisierter Effizienz

Mitarbeitende sparen Zeit, Management profitiert von sauberen Daten: eine KI-gestützte Lösung für die Zeiterfassung im Projektmanagement-Tool Monday.com

Kunde

Kundennutzen

Technologie Stack

„Was vorher oft zu Rückfragen oder Fehlern geführt hat, ist heute ein klar strukturierter und teilautomatisierter Prozess. Die Kombination aus KI und Integration in Monday.com hat unseren Arbeitsalltag deutlich vereinfacht.“

Geschäftsführung

Herausforderungen des Kunden

Der Kunde nutzt Monday.com als Projektmanagement-Tool, in dem auch Projektzeiten erfasst werden. Mitarbeitende legen dort täglich Buchungen mit einem Beschreibungstext an und mussten jede Buchung einer passenden Task zuordnen. Über eine Task definieren sich eindeutig Kunde, Projekt und Kostenstelle – das heißt, die richtige Verknüpfung ist entscheidend: sowohl für die spätere Rechnungsstellung als auch für interne Auswertungen im Management.

Die manuelle Zuordnung erwies sich jedoch als aufwendig und fehleranfällig. Mitarbeitende mussten häufig Rücksprache halten oder ließen Tasks unzugeordnet, was zu Mehrarbeit am Monatsende führte. Ziel war es daher, diesen Prozess zu automatisieren und die Datenqualität zu erhöhen.

Unser Vorgehen

jovoco entwickelte einen mehrstufigen Ansatz, der KI-Methoden und Systemintegration kombiniert, um eine verlässliche und effiziente Automatisierung zu erreichen.

Analyse verschiedener Methoden

Zu Beginn wurden die Bestandsdaten in Test- und Trainingsdaten aufgeteilt, dann unterschiedliche Ansätze getestet – von einfachen GPT-Prompts bis hin zu feintrainierten Modellen. Ziel war es, die Beschreibungen der Buchungen möglichst präzise den passenden Tasks zuzuordnen. Zudem wurde der der Ablauf und die Technologien des Zielsystems definiert.

Aufbau der Ähnlichkeitssuche

Es wurde ein semantisches Suchsystem entwickelt, das sowohl aktuelle Buchungen als auch historische Daten durchsucht. Neue Einträge werden mit ähnlichen vergangenen Tasks abgeglichen, um die wahrscheinlichste Zuordnung zu ermitteln. Der Index der historischen Daten wird dabei täglich aktualisiert – auch manuelle Korrekturen fließen automatisch in die künftigen Klassifizierungen ein.

Integration eines spezialisierten Klassifizierungsmodells

Ein für diesen Anwendungsfall optimiertes Modell erhält die Ergebnisse der Ähnlichkeitssuche und trifft auf dieser Basis die finale Zuordnungsentscheidung. Das sorgt für konsistente und kontextbewusste Klassifikationen und reduziert Fehler nachhaltig.

Integration in bestehende Systeme

Die Lösung wurde als API in Azure AI Foundry bereitgestellt und über Microsoft Fabric mit den Buchungsdaten verknüpft. Über die Monday-API werden die automatisch ermittelten Tasks in das Projektmanagement-Tool zurückgespielt. Damit wurde der Automatisierungsgrad und die Qualität erhöht - und gleichzeit die Möglichkeit zur finalen Endkontrolle der Zuweisung ermöglicht.

Testing und Einführung

Vor dem Rollout erfolgte eine Testphase, in der Zuordnungen geprüft und Optimierungen vorgenommen wurden. Anschließend wurde die Lösung vollständig in den Arbeitsalltag integriert – mit hoher Akzeptanz bei den Mitarbeitenden.