Robotic Process Automation

Für die Ausführung ihrer Tätigkeiten benötigen die Roboter Regeln und Vorgaben. Die entsprechenden Arbeitsanweisungen werden entweder im Vorfeld programmiert oder während der Aufgabenbearbeitung selbst mit Hilfe von künstlicher Intelligenz (KI) und Methoden des Machine Learning dynamisch entwickelt. Auf diese Weise sind die Bots dann z.T. auch in der Lage, flexibel auf unterschiedliche Situationen zu reagieren und in Ausnahmefällen eigene Entscheidungen zu treffen.
Die Implementierung von RPA-Software in ein bestehendes System ist vergleichsweise unkompliziert: Die Bots sind nicht Teil der zugrundeliegenden IT-Infrastruktur, sondern werden als Programm von virtuellen Maschinen ausgeführt. Dementsprechend müssen andere Anwendungen nicht verändert und auch keine neue Anwendungsschnittstelle (APIs) programmiert werden. Stattdessen lassen sich die Softwareroboter an jede Schnittstelle und beliebige Workflows anpassen. Dort imitieren die Bots dann das Verhalten menschlicher Anwender und ahmen Eingaben in die Benutzeroberfläche an einem virtuellen Arbeitsplatz nach. So können die Softwareroboter anwendungsübergreifende Aktivitäten im ERP-System ausführen und ihre menschlichen Mitarbeiter entlasten.

RPA liegt derzeit sehr im Trend, da es einen einfachen Einstieg in die Digitalisierung von Geschäftsprozessen bietet und die Effizienz durch das Befreien der Mitarbeiter von lästigen Routinearbeiten erhöht. Weiterhin punkten RPA-Lösungen damit, dass sie einfach skalierbar, prozessunabhängig und in allen Branchen und Unternehmensbereichen anwendbar sind. Dazu kommt die Steigerung der Qualität und Produktivität durch Vermeidung menschlicher Fehler sowie die verkürzte Reaktionszeit auf Kundenanforderungen. Diese Faktoren führen zur zunehmenden Akzeptanz von RPA-Technologien in Unternehmen und treiben das Wachstum des RPA-Marktes stark voran. So soll der weltweite Umsatz mit RPA-Software und -Services in den nächsten Jahren auf über 5 Mrd. USD anwachsen.
Bereits jetzt nutzen viele Unternehmen die Prozessautomatisierung strategisch sehr offensiv und planen die Automatisierung zunehmend größerer Anteile ihrer Geschäftsprozesse. Eine komplette Automatisierung bestimmter Tätigkeiten mit hohem Standardisierungsgrad erscheint innerhalb der nächsten Jahre bei entsprechender Investition realistisch umsetzbar.

Im Zuge ihrer konstanten Weiterentwicklung dürften RPA-Technologien bald ein quasi grenzenloses Potenzial aufweisen: Bereits jetzt können Bots mit künstlicher Intelligenz ausgestattet und durch maschinelles Lernen gezielt für komplexe Tätigkeiten trainiert werden. In Kombination mit Big Data-Technologien ist es möglich, dass diese lernfähigen Roboter als zuverlässige Entscheidungshilfen nach Best-Practice-Modellen fungieren oder zur präzisen Auswertung komplizierter Sachverhalte eingesetzt werden. Das Zusammenspiel aus den Werkzeugen KI, Machine Learning und RPA beschreibt den Ansatz der Hyperautomation der die Prozessautomatisierung heute und in Zukunft noch deutlich voranbringen wird.

Traditionelle Prozessautomatisierung wird weitläufig mit dem Ansatz des Business Process Managements (BPM) umgesetzt. Die Optimierung von Geschäftsprozessen soll dabei mit Hilfe von Business Process Automation (BPA), also technologiegestützter Prozessautomatisierung, erreicht werden. Um dies zu ermöglichen, werden BPM-Plattformen im Backend als fester Bestandteil der Prozesslösungen zur Automatisierung von Workflows eingerichtet. Die Integration von BPM-Systemen setzt das Einrichten neuer Schnittstellen und die extensive Überarbeitung bisheriger Anwendungen voraus, weshalb zunächst umfangreiche Tests für die Systemumstellung ausgeführt werden müssen. Darüber hinaus sind die automatisierten Prozesse relativ statisch und können nur bedingt selbstständig auf veränderte Situationen reagieren. Im Gegensatz dazu verfolgt RPA den Ansatz, Prozesse zu automatisieren, ohne auf Investition in neue Plattformen angewiesen zu sein und ohne bestehende Anwendungen zu verändern. Da die Softwareroboter nicht in grundlegende Backend-Abläufe eingreifen und ähnlich operieren wie menschliche Anwender, gibt es auch keine wirkliche Notwendigkeit für zusätzliche Systemtests vor der Implementierung. Zusätzlich dazu können RPA-Anwendungen dank KI-Technologien flexibel an veränderte Umstände und Ausnahmefälle angepasst werden und flüssig mit anderen Systemen kommunizieren.

Mit RPA lässt sich eine Vielzahl von Arbeitsschritten vereinfachen. Allerdings sind längst nicht alle Unternehmensprozesse gleichermaßen für die Automatisierung geeignet und es müssen bestimmte Kriterien erfüllt werden, damit ein sinnvoller Einsatz von RPA ermöglicht werden kann: Da RPA regelbasiert arbeitet, muss der Prozess mit klaren Handlungsanweisungen gut strukturiert sein und durch wiederkehrende Regel wenig Varianz aufweisen. Je nach KI-Ausstattung der Roboter können diese bei der Aufgabenbearbeitung sehr unflexibel sein und bereits mit kleineren Abweichungen Probleme haben, was möglicherweise mehr Aufwand als Zeiteinsparung bedeutet. Bei komplexen Prozessen sollte also abgewogen werden, ob der Einsatz von Bots sinnvoll ist und wie intelligent diese sein müssen. Zur genauen Identifizierung geeigneter Prozesse dienen Tools wie Process Mining und Process Recording. Sie erkennen, wo eine Automatisierung durch RPA sinnvoll ist und ob die Softwareroboter mit der Komplexität der Aufgabe zurechtkommen.

Generell wird zwischen Attended und Unattended (Ro)Bots bzw. dem Grad der Tätigkeitsautomatisierung unterschieden. Bei vollautomatisierten Prozessen (Unattended Automation) arbeitet der Roboter vollkommen selbständig und führt nach Aktivierung eines festgelegten Triggers entsprechende transaktionsbasierte Aktivitäten durch, selbst wenn kein Mitarbeiter im System angemeldet ist. Ein menschliches Eingreifen ist gar nicht oder je nach Kontext nur in Ausnahmefällen nötig. Die Vollautomatisierung wird oftmals in Back-Office-Systemen verwendet und unterstützt das Sammeln, Sortieren und Analysieren großer Datenmengen innerhalb einer Organisation.
Während die Vollautomatisierung auf das selbstständige Arbeiten der Softwareroboter abzielt, richtet die Teilautomatisierung den Fokus auf die Interaktion von Mensch und Bot. In teilautomatisierten Prozessen (Attended Automation) agiert der Bot wie ein digitaler Assistent des Mitarbeiter und unterstützt diesen durch kleinere automatisierte Prozesse, welche durch bestimmte Ereignisse oder direkte Befehle des Nutzers ausgeführt werden. Dabei kann es sich bspw. um Datenbankabfragen, das Zusammenfassen gesuchter Informationen oder das Ausfüllen von Formularen handeln. Dadurch kann sich der Mitarbeiter in Ruhe um analytische Aufgaben kümmern.

• Ausfüllen von Formularen
• Kopieren, Einfügen, Verschieben & Strukturieren von Daten
• Verarbeiten von Daten aus verschiedenen Systemen
• Lesen von strukturierten Dokumenten
• Durchführen von Berechnungen
• Erstellen von Reports
• Bearbeiten von Log-Dateien
• Ausführen von Wenn-Dann-Befehlen
• Zugreifen auf Websites & soziale Netzwerke
• Verarbeiten von Daten aus dem Internet
• Öffnen & Sortieren von E-Mails sowie Verarbeitung von Anhängen
• Einloggen & Bedienen von elektronischen Systemen
• Ticketbearbeitung und Dispatching
• Datenpflege im ERP- & CRM-System

• Keine echte Transformation: Durch die Automatisierung werden lediglich standardisierte Arbeitsabläufe abgearbeitet, was nicht unbedingt zur nachhaltig zukunftsweisenden Transformation von Unternehmen beiträgt.
• Unflexibel gegenüber Änderungen: Wenn es zu Änderungen in Systemanwendungen kommt, müssen Bots angepasst und oft manuell rekonfiguriert werden.
• Ungeeignet für anspruchsvolle Prozesse: Komplexe und unstrukturierte Prozesse lassen sich nicht mit einfachen Workflows und Regeln abbilden, wodurch deren Bearbeitung durch RPA nicht funktioniert.
• Probleme mit Zweideutigkeiten: Generell können Softwareroboter Entscheidungen nur anhand von Kriterien fällen, die in einer linearen Beziehung zueinander stehen. Sobald Dokumente zweideutige Informationen enthalten, können die Bots Entscheidungsprozesse nicht zuverlässig durchführen.
• Mangelhafte Prozessanalyse: In Fällen unzureichender Prozessaufnahmen und Ausnahmenberücksichtigung in der RPA-Software können die Bots auftretende Probleme meist nicht selbständig analysieren und lösen.

Die Implementierung von RPA-Prozessen ist kein außerordentlich aufwendiges Unterfangen und lässt sich in 5 Phasen umsetzen. Von der Planung der automatisierten Arbeitsabläufe bis zur Inbetriebnahme der Bots vergehen meist nur wenige Wochen. Bei der Umsetzung bieten Einrichtungstools, wie sie z. B. von UiPath angeboten werden, die nötige Hilfestellung. Dennoch müssen vorab wichtige Entscheidungen getroffen werden, die den Einsatz der Roboter während des gesamten Zeitraums beeinflussen.
Zunächst muss eine Auswahl der zu automatisierenden Prozesse getroffen werden. Dabei ist es wichtig, dass diese nicht zu komplex sind – aber auch nicht zu unbedeutend, da es sonst zu keiner spürbaren Produktivitätssteigerung kommt. Sobald eine Reihe von geeigneten Prozessen gefunden wurde, müssen diese sauber analysiert werden. Nur so können sie später korrekt in die Software aufgenommen und alle nötigen Schritte und Ausnahmefälle berücksichtigt werden.
Für die Wahl der zu nutzenden RPA-Software sollten Anforderungen des Unternehmens an den Funktionsumfang der Anwendung und den bereitstellenden Lieferanten selbst beachtet werden. Aspekte wie Skalierbarkeit, Geschwindigkeit, Einfachheit und Zuverlässigkeit auch bei Änderungen sollten grundsätzlich gegeben sein, während Punkte wie zusätzliche Ausstattung (z.B. Darstellen einer Produktionsumgebung), Hochsicherheitsverschlüsselung oder Intelligenz der Anwendung je nach Bedarf die Entscheidung beeinflussen können.

Komplexe Enterprise-Software-Architekturen mittlerer und größerer Unternehmen haben hohe Anforderungen an Security, Skalierbarkeit, Revisions- und Ausfallsicherheit, Compliance und Änderungsmanagement. Moderne RPA-Plattformen verfügen mittlerweile über alle erforderlichen Funktionen, um diesen Ansprüchen gerecht zu werden. Dazu zählen z.B. rollenbasierte Zugriffskontrollen, umfangreiche Benutzerverwaltung, ausführliche Protokollierung, Release-Management, Reporting über Realtime Monitoring, Alerting, Auditing bis zum Workload- und Asset-Manager, intelligentes Scheduling oder das Bereitstellen einer Entwicklungs- und Testumgebung.

• Die Vorbereitung auf Künstliche Intelligenz – Teil 1
• Die Vorbereitung auf Künstliche Intelligenz – Teil 2
• Was gibt es vor dem Einsatz von KI zu beachten? – Teil 3
• In 5 Schritten zu Ihrem KI-Modell
• So hilft Ihnen KI beim First Level Support
• 6 Missverständnisse bei Künstlicher Intelligenz
• Überblick über Cloud-Anbieter für Künstliche Intelligenz
• Die historische Entwicklung von KI
• Wie sich die Evolution auf die Entwicklung von KI auswirkt
• Sie glauben nicht, wo Sie bereits KI nutzen
• Natural Language Processing – Wo wird es genutzt?
• Wie funktioniert Machine Learning? – Random Forests
• Wie funktioniert Machine Learning? – Support Vector Machines
• Wie funktioniert Deep Learning?
• Bestärkendes Lernen – ein Agent löst Ihre KI-Probleme
• Supervised und unsupervised Learning: Mit diesen beiden Methoden funktioniert Machine Learning