Die Robotic Process Automation entfaltet sein volles Potential erst durch Künstliche Intelligenz: Dann ist eine End-to-End-Automatisierung der Prozesse und damit eine holistische Optimierung der Wertschöpfungskette möglich. Die Umsetzung via Top-down-Ansatz ist am vielversprechendsten.

Da Menschen von Natur aus nicht perfekt sind, neigen sie dazu, Fehler zu begehen. RPA (Robotic Process Automation)-Anwendungen sind, nicht zuletzt wegen ihrer einfachen Implementierung, bei vielen Unternehmen im Einsatz, um dieses Problem zu lösen: Die Automatisierung manueller oder standardisierter Prozesse sorgt für eine geringere Fehlerquote, da Bots anstelle des Menschen redundante und auf Regeln basierende Tätigkeiten ausüben.

Das ist effizienter und spart zudem Geld, weswegen sich auch der Return on Investment von RPA sehen lassen kann. Freilich gilt das zunächst nur für einfache Aufgaben, komplexere Anwendungsfälle kann ein klassischer Bot allerdings nicht ohne weiteres übernehmen.

Spätestens an dieser Stelle sollten Unternehmen sich mit dem zusätzlichen Einsatz von Künstlicher Intelligenz bei ihren RPA-Anwendungen auseinandersetzen. Durch smarte Booster, wie Bild- oder Spracherkennung, können Roboter lernen, auch komplexere Entscheidungen zu übernehmen. Anders als herkömmliche Bots, bieten KI-gestützte RPA-Anwendungen Unternehmen die Möglichkeit zur grundlegenden Optimierung und Neugestaltung von Geschäftsprozessen. Durch ganzheitliches Automatisieren aller Prozesse – inklusive sämtlicher Unternehmenssysteme und Mitarbeiter – rückt das Ziel „Intelligent Automation“ in greifbare Nähe.

Der Top-down-Ansatz spielt bei der erfolgreichen Umsetzung jeder Intelligent-Automation-Strategie eine entscheidende Rolle, denn die Voraussetzung für den Erfolg ist ein Wandel der Unternehmenskultur. Daher ist es enorm wichtig, dass das Management die nötigen Veränderungen transparent festlegt sowie Ziele und neue Strukturen klar kommuniziert und schließlich aktiv vorantreibt.

Diese Maßnahmen sind auch präventiver Natur und beugen möglichen Bedenken der Mitarbeiter und Kollegen vor. Insbesondere dient die Offenheit darüber hinaus auch dem Zusammenwachsen der einzelnen Abteilungen und dem Abbau von Wissenssilos. Dieser von DevOps bekannte Ansatz ist essentiell, denn nur wenn alle an Bord sind, kann eine Automatisierungsstrategie am Ende auch für alle funktionieren.

Große Datenmengen sind das A und O

Die erste Frage, die sich Unternehmen stellen müssen, ist: Welche Lösung soll zum Einsatz kommen? Der Markt boomt in der Hinsicht, sowohl RPA- als auch KI-Angebote gibt es reichlich. Natürlich auch von großen und bekannten Firmen, doch auch Start-ups haben sich am Markt mittlerweile mit innovativen Lösungen, insbesondere im KI-Bereich, etabliert.

Quelle: CGI

Intelligent Automation besteht im Wesentlichen aus Prozessautomatisierung, RPA und KI sowie der System- und Datenintegration.

Beim praktischen Vorgehen sollten Unternehmen im Kleinen starten und nicht gleich versuchen sämtliche Prozesse durchgängig zu automatisieren. Ein Chatbot kann beispielsweise ein günstiges erstes Projekt sein, da er nicht zu komplex ist. Einfache Ziele zu Beginn der Transformation schaffen eine gewisse Sicherheit und ein iteratives Vorgehen sorgt dafür, dass nicht zu viele Baustellen auf einmal zu bearbeiten sind. Nach und nach sollten Unternehmen dann KI einsetzen, um dem Ziel der intelligenten End-to-End-Automatisierung schrittweise näher zu kommen.

Mit der KI geht dann auch die Frage nach der Datenmenge und -qualität einher. Ohne richtige Daten kann selbst der beste Bot mit der besten KI keine richtigen Entscheidungen treffen. Es gibt, falls die Datenlage eher dünn und qualitativ mangelhaft ist, auch Provider-Angebote, die Datenmodelle „as-a-Service“ zur Verfügung stellen. Weniger kompliziert wird es dadurch allerdings nicht zwangsläufig, denn KI-Anwendungen sind selten schnell und einfach nutzbar. Unternehmen müssen sich genug Zeit nehmen, um die Erfolgsaussichten des Einsatzes einer solchen Lösung zu evaluieren. Die eigenen konkreten Anforderungen sollten dazu ausreichend bekannt sein, woraufhin die Prüfung folgt, ob die potentielle Lösung von der Stange für diesen Anwendungsfall geeignet ist.

Bevor das Projekt schließlich startet, ist es unabdingbar, gewisse Basics zu klären. Es sollten der Status Quo, Handlungszwänge, Risiken und Ziele möglichst klar sein. Auch die möglichen Einsparungen und eine Kosten-Nutzen-Abwägung müssen Unternehmen zu Beginn durchführen.
Es versteht sich von selbst, dass KI-Projekte eine komplizierte Angelegenheit sind, die nur in enger Zusammenarbeit mit Experten erfolgreich sein können. Die Bildung interdisziplinärer Teams, bestehend aus Mitgliedern der IT und den Fachabteilungen, begünstigt die Erfolgsaussichten. Kümmert sich nur die IT-Abteilung um die KI, ist die Katastrophe vorprogrammiert, denn die Fachabteilungen müssen am Ende mit den Prozessen zurechtkommen.

Die IT übernimmt im besten Fall nicht nur die technische Umsetzung, sondern dient auch als Vermittler von Vertrauen in die Technik. Viele Mitarbeiter aus dem Business-Bereich werden zunächst skeptisch sein, was die neuen Technologien angeht, Entwickler können mit ihrer Fachkenntnis für den Abbau dieser Vorbehalte sorgen. Wichtig ist allerdings auch, dass die IT verantwortungsvoll und nachvollziehbar Künstliche Intelligenz einsetzt.

Widerstand gegen KI ist zwecklos

Je mehr Daten Unternehmen sammeln, desto lukrativer wird auch der Einsatz von KI – für Unternehmen und Kunden gleichermaßen. Es verwundert daher nicht, dass Künstliche Intelligenz sich immer größerer Beliebtheit erfreut. KI-Lösungen kommen vor allem zur Auswertung von Daten und Informationen zum Einsatz, moderne Lösungen können dazu erkannte Bilder oder ausgelesene Informationen heranziehen. Etwas diffiziler aber keineswegs weniger üblich ist eine KI, die Workflows und Prozesse steuert und automatisiert Entscheidungen trifft. Manche KI-Lösungen beherrschen sogar das eigenständige Lernen und entwickeln Modelle und Muster, um Prozesse zu optimieren.

Ein beliebtes und mittlerweile von vielen Unternehmensseiten bekanntes Beispiel sind automatisierte und von Künstlicher Intelligenz unterstützte Dialogsysteme, im Fachjargon Conversational AI (Artificial Intelligence) genannt. Die findigen Programme sind sehr viel ausgeklügelter, als Nutzer das vielleicht noch von den früheren Generationen kennen: Sie verstehen mittlerweile komplexe Ausdrücke in natürlicher Sprache und können frei formulierte Texte verarbeiten. Der Dialog vom Menschen mit der Maschine gleicht so einem Gespräch zwischen realen Personen.

Doch wie kann sich ein Unternehmen nun die unbestrittenen Vorteile von RPA und KI zunutze machen? Eine KI-basierte Hyperautomations-Plattform wie PULSE von CGI ist eine mögliche Lösung. Das Tool unterstützt via APIs eine nahtlose Integration mit RPA-Anwendungen zahlreicher Hersteller und enthält mehr als 15 KI-Modelle, die Unternehmen für verschiedenste Szenarien nutzen können. Die Klassifizierung von Bildern oder Dokumenten, Extraktionen von Informationen, Anomalie-Erkennung und -bewertung so-wie Speech-to-Text-Umwandlungen sind mit PULSE beispielsweise möglich.

Das richtige Mindset ist entscheidend

Auch in der Automobilbranche hat CGI bereits Fuß gefasst und ei-ne RPA-Initiative starten können: Hunderte von Bots sollen in den kommenden Jahren bei einem der fünf größten Konzerne implementiert werden, um die Effizienz zu steigern und die Kosten zu reduzieren. Neue und flexibel an Veränderungen anpassbare Betriebsmodelle sollen diese Bemühungen unterstützen und zahlreiche Prozessverbesserungen ermöglichen.

Denkbar ist, dass der Automobilhersteller durch optimierte Prozesse Fehler bei internationalen Vertriebshändlern schneller bearbeiten kann. Durch den Aufbau einer Wissensdatenbank, die entsprechende Fehlertickets enthält, kann RPA für kommende Modelle Optimierungspotenziale identifizieren und somit mögliche Kosten für zukünftige Reparaturen vermeiden.

Im Zentrum jeder Intelligent Automation, in Verbindung mit dem Einsatz von Künstlicher Intelligenz, steht immer ein holistischer Ansatz. Ein guter Überblick über das Unternehmen, die Mitarbeiter und letztendlich sämtliche Prozesse ist daher unabdingbar. Wer nur Lösungen für kleine und voneinander abgeschottete Teilbereiche anstrebt, wird nie eine vollständige End-to-End-Automatisierung umsetzen, sondern sich weiter in Silos bewegen. Das richtige Mindset im Unternehmen ist daher für eine ganzheitliche RPA-Lösung von äußerster Wichtigkeit.

Niklas Bläsing ist Practice Head für Intelligent Automation bei CGI in Deutschland.

CGI