IT-basierte Automation in Geschäftsprozessen

Mehr Automatisierung in den Rechenzentren gehört seit jeher zu den zentralen Anliegen der IT-Abteilung. Hier kommen immer mehr Automatisierungs-Tools zum Einsatz, um manuelle, einfach zu definierende Prozesse auszuführen. Die ersten Schritte sind erfolgt und darauf bauen Unternehmen jetzt auf.

Am weitesten fortgeschritten ist der Automatisierungsprozess in der Produktion. Aber auch die Fachabteilungen, egal ob Marketing, Kundenservice oder Vertrieb, befassen sich immer öfter mit der verstärkten Automatisierung von Geschäftsprozessen. Gründe dafür sind die rasante technische Weiterentwicklung von Automatisierungstechnologien und der wachsende Bedarf.

Mit zunehmender Intelligenz sind Automatisierungssysteme in der Lage, komplexere Aufgaben zu übernehmen, da sie die zugrundeliegenden geschäftlichen Fakten und Prozesse immer besser erfassen und verstehen können. Wie genau die Implementierung einer „intelligenten Automation“ aussehen kann, beschreibt beispielsweise das „Intelligent Automation Framework“ von CGI, das fünf Entwicklungsstufen umfasst:

• Basic Automation;
• Robotic Process Automation;
• Enhanced Process Automation;
• Algorithmic Automation;
• Artificial Intelligence

Die grundlegende Form der Automatisierung (Basic Automation) ist in Unternehmen in unterschiedlichem Ausmaß bereits in Betrieb, sowohl in Rechenzentren als auch in Fachabteilungen; Beispiele dafür sind einfache, repetitive Abläufe, die sich mit einem überschaubaren Aufwand automatisieren lassen, beispielsweise Daten erfassen, auf Vollständigkeit überprüfen und weiterleiten.

Robotic Process Automation

Die zweite Stufe ist die Robotic Process Automation (RPA), mit der sich aktuell beispielsweise Banken und Versicherungen befassen. Sie automatisieren Prozesse mit hohem Volumen und klaren Regeln. Durch die Automatisierung manueller oder digitalisierter, standardisierten Prozesse sparen Unternehmen nicht nur Kosten, sondern gewinnen auch operationale Flexibilität.

Die Initiative zu RPA-Projekten geht zumeist von Fachabteilungen aus, die sich frühzeitig mit der IT-Abteilung abstimmen sollten. Die wichtigsten Vorteile von RPA: deutlich schnellere Bearbeitung von Geschäftsprozessen, Kostenreduktion im unteren zweistelligen Bereich und Synergieeffekte durch die Wiederverwendung einzelner Automatisierungsmodule für andere Prozesse.

RPA nutzt die Fähigkeiten von Software-Robotern, greift auf vorhandene Applikationen zu und führt automatisch Workflows, wie Erstellung von Berichten oder die Bearbeitung von Rechnungen, aus. Es sind keine Veränderungen an den bestehenden Systemen notwendig.

Nach einer Bestandsaufnahme, unterstützt durch branchen- und IT-erfahrene Berater, sind erste Ergebnisse bereits nach wenigen Wochen sichtbar. In einem RPA-Projekt in einer Bank etwa wurden 20 Prozesse mit 3.000 Transaktionen am Tag automatisiert und die Prozesseffizienz im niedrigen zweistelligen Bereich gesteigert.

Wird RPA als Startpunkt einer weitergehenden, viele Geschäftsprozesse eines Unternehmens umfassenden, langfristigen Strategie verfolgt, sollte auf IT-Seite eine dafür geeignete Plattform aufgebaut werden, die beispielsweise ein User-Konzept, dedizierte Server, Application Management, SLAs und Defect Handling beinhaltet. Zudem sollte sich die IT-Umgebung darauf einstellen, dass die Prozesse auch nach ihrer Automatisierung im laufenden Betrieb gepflegt und weiterentwickelt werden müssen, etwa aufgrund von Veränderungen in den Applikationen.

Enhanced Process Automation

Während sich die ersten Stufen der Automatisierung auf die Verarbeitung strukturierter Daten konzentrieren, befasst sich Enhanced Process Automation schwerpunktmäßig mit unstrukturierten Daten und nicht routinemäßig ablaufenden Prozessen. Hierunter fallen beispielsweise die intelligente Dokumentenverarbeitung und die Neugestaltung von Workflows in Fachabteilungen.

Ein weiteres Beispiel sind Chatbots, wie sie etwa bei Banken zu finden sind. Chatbots sind in der Lage, Eingaben von Kunden und Mitarbeitern weitgehend automatisiert abzuwickeln. Zum Einsatz kommen diverse „Sprachavatare“ von Microsoft oder Amazon – unter anderem auch, um einfache Bankgeschäfte wie Überweisungen auszuführen. In verschiedenen Ausprägungen können solche Lösungen Einsparungen von 20 bis 50 Prozent erzielen.

Chatbots nutzen Decision Engines und durchlaufen bei der Automatisierung oft sogenannte Entscheidungsbäume oder können auch eigenständig Entscheidungen treffen. Die Decision Engines bringen ein rudimentäres maschinelles Lernen mit. Dieser Aspekt verdeutlicht, dass die Automatisierung einen Evolutionsprozess durchläuft, von einfachen, aktuell bereits standardisierten Prozessen bis hin zu hochkomplexen Verfahren des Deep Learning, mit denen völlig neue automatisch ablaufende Prozesse etabliert werden.

Unternehmen sollten jetzt mit einfachen Prozessen starten, um Quick Wins zu erzielen. Anschließend geht es darum, komplexere Prozesse zu analysieren. Modellmäßig durchläuft die Automatisierung einen Reifegrad. Einige Prozesse in den Fachbereichen müssen zunächst für die Automatisierung vorbereitet werden, etwa weil es Mediabrüche gibt. Wer automatisiert, setzt einen Lernprozess in Gang, in dessen Verlauf Neues entsteht.

Ausblick: Algorithmic Automation und Artificial Intelligence

Algorithmische Automation stützt sich auf die Integration interner und externer Datenquellen, etwa auf Basis von Big-Data- und IoT-Technologien (Internet of Things) sowie Natural Language Processing (NLP), und kann auf eine große Faktenvielfalt zugreifen. Mit Methoden der Predictive Analytics erarbeitet die algorithmische Automation mathematisch optimierte Entscheidungen und führt sie dann auch direkt aus.

Im Bereich der Künstlichen Intelligenz (Artificial Intelligence) gibt es große Fortschritte, nicht zuletzt bedingt durch die Verfügbarkeit von immer größeren Cloud-Rechenkapazitäten. Vielversprechend sind die Entwicklungen in der Disziplin „Deep Learning“. Die hier eingesetzten Verfahren nutzen im Prozessverlauf immer weiter verfeinerte Datenanalysen in neuronalen Netzen.

Deep Learning orientiert sich vom Aufbau her an der Arbeit des menschlichen Gehirns, um komplexe Aufgaben der Klassifikation von Objekten sowie der Bild- und Spracherkennung automatisiert zu lösen. Um die Lernmodelle zu trainieren, werden umfangreiche Rechenleistungen benötigt.

Nicht jedes Unternehmen wird in den kommenden Jahren sukzessive alle Automationsstufen von RPA bis KI durchlaufen. Viele beginnen mit RPA oder auch mit Chatbots, werten – unterstützt durch externe Experten – die Erfahrungen aus und entwickeln ihre Projekte weiter oder verzahnen mehrere Automatisierungslösungen.

In den nächsten Jahren nimmt vor allem die Bedeutung von maschinellem und Deep Learning als Anwendungsformen von KI weiter zu. Die Mehrzahl der Initiativen zur Digitalen Transformation werden – beispielsweise zur Verarbeitung natürlicher Sprache oder der automatisierten Auswertung riesiger Mengen unstrukturierter Daten – KI-Technologien nutzen.

Autor: Patrick Becker

(c)2019
Vogel Communications Group