Anzeige

Roboter

In den letzten Jahren haben sich viele Unternehmen für die Einführung von Robotic Process Automation (RPA) entschieden und eingeführt, um die Prozessoptimierung voranzutreiben. Es ist davon auszugehen, dass der Trend zu RPA nicht abreißen wird, denn mit wenig Aufwand sind herausragende Ergebnisse möglich. Das steht auf der Haben Seite.

Auf der anderen Seite wird es für viele Unternehmen nach einer gewissen Zeit der Anwendung schwieriger, geeignete Prozesse für die Automatisierung mit RPA zu finden. Unstrukturierte Daten sind die Hauptursache dafür, dass die Technologie an wirtschaftliche und technische Grenzen stößt. 

Das kann RPA

Die große Stärke von RPA ist die Verarbeitung strukturierter Daten. Auf Basis definierter Regeln macht sie das zuverlässig, präzise und schnell. Ein großer Vorteil von RPA ist, dass sie keine tiefe Integration in unterschiedlich Systeme benötigt, sondern über die bestehenden Benutzer- beziehungsweise Desktop-Oberflächen der jeweiligen Applikationen arbeitet. RPA wird auch als Brückentechnologie bezeichnet, da sich mit ihr verschiedene Systeme schnell miteinander verbinden lassen. 

RPA unterstützt so dabei, zahlreiche Prozesse zu automatisieren und somit Kosten zu senken, ohne bestehende Anwendungen verändern oder ersetzen zu müssen. Im Einsatz ist RPA unter anderem bei wiederholten Dateneingabe-Funktionen sowie bei Downloads und Uploads im Bereich Enterprise Ressource Planning (ERP)

In einer digitalen Welt wird RPA so zu einer Schlüsselanwendung, wenn es um die Transformation von Prozess- und Informationsstrukturen geht. Aus diesem Grund arbeiten insbesondere Unternehmen, die aufgrund ihrer Geschäftstätigkeit auf eine Vielzahl von Daten zurückgreifen, schon länger mit RPA: Finanzdienstleister, Versicherungen, Energieversorger und Handelsunternehmen - um nur einige Beispiele zu nennen.

Das braucht es für RPA

Folgende Voraussetzungen braucht es um mit RPA arbeiten zu können:

  • Möglichst hohe Fallhäufigkeiten: Damit ein hoher ROI (Return-on-Investment) für Unternehmen entsteht, muss eine relativ hohe Anzahl an Kundenvorgängen gegeben sein.

  • Regelbasierte Prozesse: RPA-Bots können nicht aus dem Bauch heraus entscheiden. Sie brauchen ein klares Regelwerk, nach dem sie operieren.

  • Strukturierte Daten: RPR-Bots benötigen strukturierte Datensätzen, damit sie arbeiten können.

Hier liegt die erste Herausforderung: RPA benötigt Struktur. Häufig liegt diese jedoch nicht vor. Ein Großteil der Kommunikation mit Kunden läuft eben nicht strukturiert ab. Und eine E-Mail kann mit RPA alleine nicht ausgewertet, geschweige denn verarbeitet werden. Das bedeutet, dass die Daten zunächst gesichtet, validiert und in eine strukturierte Form gebracht werden müssen.

Wo RPA schwächelt, übernimmt KI

So funktioniert es: Die KI (künstliche Intelligenz) übernimmt die Initialarbeit, bevor Daten an die RPA übergeben werden. 

KI übernimmt im Prozess des Input Managements dann folgende Schritte:

  • Kategorisierung: Worum handelt es sich bei einem eingehenden Datensatz? Eine Beschwerde, eine Bestellung, ein Umstellungsantrag? KI identifiziert das „Problem“.

  • Extraktion: Im Anschluss überträgt die KI relevante Daten in ein System, damit sie weiterverarbeitet und in späteren Prozessen genutzt werden können.

  • Anreicherung: Automatisch reichert KI den Vorgang zudem um zusätzliche Informationen aus Bestandssystemen an.

  • Validierung: Außerdem prüft KI, ob alle Informationen valide sind. Hier greift dann gegebenenfalls auch ein Mitarbeiter wieder ein und schließt die ein oder andere (Wissens-)Lücke der Technologie.

An den RPA-Bot wird anschließend strukturierte Datensatz per XML, CSV- Datei oder Webservice übermittelt. Dieser übernimmt die weitere Automatisierung des Prozesses.

Zusammengefasst ergeben sich aus der zusätzlichen Integration von KI drei Vorteile für Unternehmen:

  1. KI liefert erweiterten Input: Die Technologie macht für bestehende RPA-Prozesse unstrukturierten Input verfügbar zum Beispiel bei Bankdatenänderungen / SEPA Mandat-Erfassungen per E-Mail.
     
  2. KI baut Brücken zu Prozessen, die komplett auf unstrukturierten Daten bestehen. Denken Sie zum Beispiel an die Erstellung von Bescheinigungen, die auf längeren Fließtexten basieren. Solche Prozesse kann RPA nicht bearbeiten. Aber auch Vertragsdaten, wo längere Verträge gesichtet und ausgelesen werden müssen, sind Beispiele dafür. Sie können von RPA nicht angegangen werden. Mit KI lassen sich solche Prozesse RPA-fähig machen.
     
  3. KI unterstützt bei der Teilautomatisierung von Prozessen, auch Robotic Desktop Automation genannt, bei denen der Mensch aus juristischen Gründen zwingend involviert sein muss. Hier kann KI die Daten dennoch extrahieren und den Menschen angereichert zur Verfügung stellen. Er erhält dann die Quintessenz der Extraktion. Bekannte Beispiele sind Klageschriften und Verträge.

Hört sich einfach ein? Ist es auch. Das Positive an dieser Zusammenarbeit von RPA und KI: Die Investition in RPA ist weiterhin absolut lohnenswert. Bestehende Systemlandschaften können erhalten bleiben. KI greift flexibel und nur da ein, wo Prozesse weiter gezielt verbessert werden können. Eine perfekte Kombination!

Andreas Klug, CMO
Andreas Klug
CMO, ITyX AG
Andreas Klug, Marketing Vorstand der ITyX AG, gilt als Evangelist für Intelligente Automatisierung und den Digitalen Wandel, mit dessen Ausprägungen er sich in Vorträgen, Blogs und im Podcast „KI-Board“ regelmäßig auseinandersetzt. Er leitet den Arbeitskreis „Artificial Intelligence“ im Digitalverband Bitkom.

Artikel zu diesem Thema

künstliche Intelligenz
Nov 26, 2020

Künstliche Intelligenz: Kommt jetzt der Durchbruch?

Künstliche Intelligenz könnte bald den Alltag in größeren Unternehmen in Deutschland…
Prozesse
Jul 07, 2020

Prozessautomatisierung – aber richtig!

Bereits seit einigen Jahren hält die Automatisierung Einzug in die administrativen…
Prozesse
Jun 16, 2020

RPA der Maschinist - BPM der Ingenieur

Routinejobs am Rechner und Prozesse automatisieren, um die Effizienz zu steigern, den…

Weitere Artikel

Industrie 4.0

Neue Berufsfelder in Produktion und Industrie 4.0

Der Fachkräftemangel ist und bleibt eine der größten Herausforderungen im derzeitigen Arbeitsmarkt. In kaum einer Branche ist diese Problematik so ausgeprägt, wie in der industriellen Fertigung.
Field Service Management KI

Künstliche Intelligenz optimiert Field Service Management

Ein Stau bei der Anfahrt zum Kunden, eine Verzögerung bei der Reparatur vor Ort oder die Absage eines Kunden: täglich werfen spontane Ereignisse die Einsatzplanung von Disponenten im technischen Kundenservice durcheinander und verursachen einen enormen…
Industrie 40

Schritt für Schritt - Aufbau einer Smart Factory

Der Begriff Industrie 4.0 taucht nahezu täglich in den Medien auf und allzu oft können wir ihn nicht mehr hören! Er verspricht viel, dabei ist den meisten Unternehmen längst klar: Die digitale Vernetzung in der Produktion ist zeit­ und kostenintensiv, sie…
Smart Factory

Digitaler Reifegrad in der Fertigungsbranche

Unternehmen der Fertigungsbranche investieren verstärkt in Smart Factory-Projekte – vor allem in solche, die sich mit der Analyse von Daten oder dem Einsatz von künstlicher Intelligenz (KI) befassen.
KI

Die Hälfte der Deutschen würde KI nach heutigem Stand anders angehen

Der Trend zum Einsatz Künstlicher Intelligenz (KI) ist in Deutschland ungebrochen. Besonders im produzierenden Gewerbe weist KI viel Potenzial auf, wird oft sogar als Allheilsbringer angepriesen. Unternehmen erhoffen sich dadurch vorrangig eine erhebliche…

Anzeige

Jetzt die smarten News aus der IT-Welt abonnieren! 💌

Mit Klick auf den Button "Zum Newsletter anmelden" stimme ich der Datenschutzerklärung zu.