Was ist der Unterschied zwischen RPA, intelligenter Automatisierung und Hyperautomatisierung?

Rund um das Thema Automatisierungssoftware herrscht einige Verwirrung am Markt. Hier geht es um die gängigsten Begriffe und was hinter ihnen steckt.

Robotergesteuerte Prozessautomatisierung (RPA)

Dieser Begriff war einer der ersten in der Welt der Automatisierung. Bei der RPA kommen Roboter bzw. „Bots“ zum Einsatz. Dabei handelt es sich um Software-Agenten, die so mit Anwendungen interagieren, wie es ein Mensch tun würde. Ein Prozessanalyst kann, ohne auf spezifische Programmierschnittstellen angewiesen zu sein, genau bezeichnen, welche Teile einer Anwendung von einem Prozess verwendet werden, um anschließend dem Roboter „beizubringen“, die Änderungen nach ganz bestimmten Regeln zu übermitteln.

Automatisierung nach Regeln

Diese Anwendungen können beispielsweise auf Windows-Anwendungen, Webseiten, Mainframe-Anwendungen oder Java-Apps basieren. Oder sogar auf Anwendungen Marke Eigenbau, die auf längst nicht mehr existierenden Technologieplattformen entwickelt wurden. Die Bots befolgen Regeln, um mit den Anwendungen zu interagieren – entweder einfache Regeln wie „Bericht erstellen und per E-Mail senden“ oder komplexe Regeln, die zahlreiche Schritte beinhalten. Dazu kann beispielsweise zählen, bestimmte Felder in der Anwendung auszuwerten und dann die zugehörigen Regeln zu befolgen. Ein Beispiel: „Vorhandenen Bestand prüfen. Wenn dieser eine bestimmte Menge unterschreitet, eine Warn-E-Mail ausgeben, anderenfalls die Transaktion bearbeiten und die Verbringung an den in der Bestellung angegebenen Ort veranlassen.“

RPA ist Grundlage für intelligente Automatisierung und Hyperautomatisierung

Für diese Konzepte ist eine RPA-Plattform erforderlich, die die Interaktion mit den Anwendungen ermöglicht, ohne die Interaktionen programmieren zu müssen. Ohne RPA wären für die Automatisierung der Kommunikation zahlreiche neue Konnektoren erforderlich, um Künstliche Intelligenz (KI) dazu in die Lage zu versetzen, Daten aus den verschiedenen Unternehmenssystemen, welche die für die Bearbeitung benötigten Informationen enthalten, zu extrahieren und entsprechende Aktionen zu veranlassen.

Intelligente Automatisierung

Intelligente Automatisierung (IA), auch kognitive Automatisierung, verbindet Künstliche Intelligenz mit den interaktiven Funktionen der RPA. Die beiden grundlegenden Konzepte, die die intelligente Automatisierung miteinander verknüpft, sind Denken und Handeln.

RPA ist Meister im Handeln und verfügt über mehrere Funktionen, um Aufgaben mithilfe von Regeln zu verwalten. Jedoch gibt es einige Aspekte bezüglich der Ausführung von Aufgaben, die ohne vorheriges Denken nicht möglich sind. Diese Denkarbeit besteht unter anderem aus dem Lesen von Dokumenten, wobei mithilfe von optischer Zeichenerkennung (OCR) Daten extrahiert und in eine Form gebracht werden, die der Computer verstehen kann. Anschließend kann die intelligente Dokumentenverarbeitung (Intelligent Document Processing, IDP) zum Einsatz kommen, um den Dokumenttyp zu bestimmen. Dies ist wichtig, damit das Dokument ordnungsgemäß weiterverarbeitet werden kann.

Einsatz intelligenter Dokumentverarbeitung

Beispielsweise wird Ihnen jeder, der mit der Bearbeitung von Rechnungen vertraut ist, sagen, dass fast alle Unternehmen ihr eigenes Format verwenden, um Rechnungen an ihre Kunden zu senden. Aus diesem Grund beschäftigen Unternehmen in der Regel Mitarbeiter, deren Aufgabe es ist, die in diesen Dokumenten enthaltenen Informationen manuell in die entsprechenden Abrechnungssysteme einzugeben.

Sind sehr viele Rechnungen zu bearbeiten, müssen entsprechend viele Mitarbeiter eingestellt oder ein Outsourcing-Unternehmen beauftragt werden, um das Arbeitspensum zu bewältigen. Durch intelligente Automatisierung mit IDP und die entsprechende Weiterverarbeitung der Ergebnisse mit RPA erhalten wir eine Lösung, die den erforderlichen Zeitaufwand erheblich reduzieren kann.

Intelligente Spracherkennung

Neben der automatisierten Bearbeitung von Rechnungen gibt es jedoch zahlreiche weitere Einsatzmöglichkeiten, bei denen sich die intelligente Automatisierung bewährt hat. Im Rahmen einer Plattform für natürliche Sprachverarbeitung (NLP-Plattform) kann ein automatisierter Prozess beispielsweise E-Mails lesen, die Einblicke in Fragen geben, die einem Support-Team oder Chatbot gestellt werden. Dieser bietet Kunden die Möglichkeit, in Echtzeit mit dem Unternehmen zu interagieren.

Die NLP-Plattform versteht sowohl das, wonach der Kunde fragt (die Absicht des Gesprächs), als auch die emotionale Energie (das sogenannte Sentiment), die sich hinter der Wortwahl des Kunden in der E-Mail oder dem Chat verbirgt. Dies ermöglicht es, die Nachricht mithilfe von RPA zu verarbeiten, indem bestimmte häufig verwendete Antworten, die individuell auf den Kunden zugeschnitten werden können, zum Einsatz kommen. Alternativ besteht die Möglichkeit, das Gespräch an einen Mitarbeiter weiterzuleiten, der der Interaktion eine persönlichere Note geben kann, um das Kundenerlebnis zu verbessern.

Dies sind nur einige Beispiele für die Kombination von RPA mit einer weiteren Technologie zwecks Optimierung des Benutzererlebnisses. Ein weiteres Beispiel ist die automatische Auswertung des Bestellverlaufs, bei der KI zum Einsatz kommen könnte, um bestimmte Muster während der zugehörigen Interaktionen zu erkennen. Die so gewonnenen Erkenntnisse können als Grundlage für die Verbesserung von Marketingkampagnen dienen oder als Entscheidungshilfe, um geeignete zusätzliche Produkte und Dienstleistungen anzubieten. Die Möglichkeit zur automatischen Datenerfassung, die die RPA-Plattform in Verbindung mit einer oder mehreren KI-Engines bietet, trägt sowohl zur internen als auch zur externen Optimierung des Geschäftsbetriebs bei. Intern, indem die bisherige Abwicklung von Transaktionen überprüft wird, und extern, indem Daten von Lieferanten und Logistikunternehmen bezogen werden, um das Lieferkettenmanagement zu verbessern.

Intelligente Automatisierung ist eine leistungsstarke Kombination aus RPA und KI

Neben der Unterstützung von Entscheidungen, die der sozusagen denkende Teil der intelligenten Automatisierung bietet, ist auch der handelnde Teil eine entscheidende Komponente, die nicht vernachlässigt werden darf. RPA und KI ergeben zusammen ein starkes Team, um Informationen aus den unterschiedlichsten Unternehmenssystemen zu extrahieren und die Daten mithilfe leistungsstarker Algorithmen zu analysieren. Der wahre Zauber liegt jedoch darin, die von den KI-Engines getroffenen Entscheidungen dann auch tatsächlich umzusetzen. Für sich genommen erinnert die KI eher an ein abgekoppeltes Gehirn. Ohne die verfügbaren RPA-Funktionen wäre die KI auf spezielle Verbindungen zu Datenbanksystemen angewiesen, um auf die für die Auswertung erforderlichen Daten zuzugreifen, sowie auf die Programmierung von APIs, um die von der KI getroffenen Entscheidungen umzusetzen.

Nehmen wir als Beispiel ein Banksystem, das Transaktionen auf Betrug überprüft. In diesem Fall werden Daten aus Konten abgerufen und anschließend in einen KI-Algorithmus eingegeben. Die KI-Engine prüft, ob die Transaktionen dem Muster entsprechen, nach dem der Kunde normalerweise sein Geld ausgibt, und ob der Kunde gegen Gesetze verstößt, indem er illegale Aktivitäten finanziert. Mit der reinen Identifizierung dieser Aktivitäten ist es jedoch nicht getan.

Wenn eine Transaktion als betrügerisch oder zumindest verdächtig identifiziert wird, muss die KI-Engine dazu in der Lage sein, zu handeln, indem sie die Transaktion unterbindet und jemanden über den potenziellen Betrug benachrichtigt. In diesem Zusammenhang können komplexe Aktionen erforderlich sein, unter anderem die Benachrichtigung der zuständigen Behörden, das Einfrieren der Transaktion, die Kommunikation mit internen Prüfern sowie das Senden einer Mitteilung an den Kunden.

Mit einem RPA-System können diese Aktionen schnell und einfach ausgeführt werden, indem mit den verschiedenen Systemen innerhalb und außerhalb des Unternehmens kommuniziert wird, ohne dass eine entsprechende Programmierung erforderlich wäre. Ohne den Aspekt des Handelns, den die RPA bietet, ist die Komponente des Denkens, den die KI bietet, mit wesentlich mehr Aufwand verbunden. Demzufolge ist intelligente Automatisierung eine leistungsstarke Kombination aus RPA und KI.

Hyperautomatisierung

Der auf Gartner zurückzuführende Begriff „Hyperautomatisierung“ (bzw. „Hyperautomation“) greift das Konzept der intelligenten Automatisierung auf und weitet es auf zusätzliche Anwendungen aus. Verschiedene Technologien – RPA, Geschäftsprozessmanagement-Tools, KI und Analytics – werden miteinander zu einem Workflow-Verarbeitungs-Framework kombiniert, das KI-Algorithmen für Entscheidungsfindung und Analyse einsetzt und gleichzeitig Daten zum Geschäftsbetrieb erfasst. Diese Art von Framework eignet sich für komplexere Interaktionen verschiedener KI-Technologien wie OCR, IDP und NLP mit Unternehmensdaten und Metadaten zu der Art und Weise, wie das Unternehmen Aufgaben weiterleitet und Informationen verarbeitet.

Das allgemeine Ziel besteht darin, einen digitalen Zwilling des Unternehmens (Digital Twin Organization, DTO) zu erschaffen, der den Geschäftsabläufen des Unternehmens so nahe kommt, dass er zusätzliche Modellierungen, die der Verbesserung dieser Abläufe dienen, unterstützt. Beispielsweise könnte ein DTO Daten zur Preisgestaltung und zu den Umsätzen des Unternehmens erfassen, um die Auswirkungen des Profitabilitätsmanagements in bestimmten Märkten zu modellieren. Das digitale Zwillingsmodell könnte ausgehend von historischen Daten die Auswirkungen von Preisänderungen auf Logistik, Lagerkosten und Personalkosten in den Versandabteilungen, Lieferketten-Änderungsanforderungen sowie die Gesamtprofitabilität modellieren. Anschließend könnten diese Änderungen in Echtzeit für das gesamte Unternehmen modelliert werden, selbst unter Anwendung eingeschränkter oder selektiver Marktpreisänderungen. 

Das automatische Feedback der Systeme könnte dann die erforderlichen Anpassungen bei der Personalbesetzung für verschiedene Schichten vornehmen und diese Änderungen auf verschiedene Systeme anwenden, während es alles in Echtzeit verfolgt. Dies ist wie gesagt nur ein Beispiel für das Hyperautomatisierungs-Framework. Es zeigt, dass intelligente Automatisierung so viel mehr sein kann als die einfache Anwendung digitaler Intelligenz auf einen automatisierten Prozess. Es eröffnet die Möglichkeit, geschäftliche Parameter ausgehend von Feedback, das auf die Änderungen und die Entscheidungen aus den KI-Algorithmen zurückgeht, anzupassen.

Automatisierung und die Zukunft der Arbeit

Einhergehend mit den allgemeinen Fortschritten bei Automatisierungstechnologien und zunehmend besseren KI-Engines zur Unterstützung der Entscheidungsfindung im Unternehmensbetrieb werden sich gewiss auch RPA, intelligente Automatisierung und Hyperautomatisierung kontinuierlich weiterentwickeln. Auch wenn der erste Schritt vielleicht beängstigend erscheinen mag: Große Pläne und Ideen zahlen sich häufig aus, während Ihr Unternehmen die Grundlagen für den Einsatz der verschiedenen Automatisierungstechnologien von RPA bis Hyperautomatisierung schafft. Die größte Gefahr besteht darin, lediglich kleine Pläne zu schmieden, während die Konkurrenz diese Technologien großflächig einführt, um sich einen Wettbewerbsvorteil zu verschaffen.