Autor: Andreas Klug, CMO der ITyX AG
In den letzten Jahren haben sich viele Unternehmen für die Einführung von Robotic Process Automation (RPA) entschieden, 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 dies zuverlässig, präzise und schnell. Ein weiterer Vorteil von RPA ist, dass keine tiefe Integration in unterschiedlich Systeme nötig ist, 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 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 zugleich die erste Herausforderung, denn 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 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:
- KI liefert erweiterten Input: Die Technologie macht für bestehende RPA-Prozesse unstrukturierten Input verfügbar zum Beispiel bei Bankdatenänderungen / SEPA Mandat-Erfassungen per E-Mail.
- 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.
- 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 ist, dass die Investition in RPA weiterhin absolut lohnenswert ist. Bestehende Systemlandschaften können erhalten bleiben. KI greift flexibel und nur da ein, wo Prozesse weiter gezielt verbessert werden können. Eine perfekte Kombination!
RPA & KI kombinieren: die wichtigsten Begriffe finden Sie unter folgenem Link
https://www.ityx.de/blog/ki-rpa-begriffe-die-sie-kennen-sollten
Über den Autor
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.
