© Suzanne Tucker/Shutterstock.com
Von RPA zu Intelligent Process Automation

UiPath Advanced


Dank Tools wie UiPath lassen sich Unternehmensprozesse einfach und effizient automatisieren. In der gewachsenen Enterprise-IT können jedoch einige Fallstricke lauern, die das vermeintlich einfache Automatisierungsprojekt schnell zu einem Hürdenlauf machen. Dieser Artikel soll dabei helfen, Hindernisse frühzeitig zu erkennen, und gibt nützliche Tipps, wie zum Beispiel Maschine Learning bei der Realisierung von Robotic-Process-Automation-Projekten helfen kann.

Schenkt man aktuellen Studien zum Thema Automatisierungstrends Glauben, so haben sich 90 Prozent der Unternehmen bereits mit Automatisierungstechnologien wie Robotic Process Automation (RPA) auseinandergesetzt. Bis zum Jahr 2020 wollen rund 90 Prozent der deutschen Unternehmen Softwarebots einsetzen. Die Vorteile dieser Technologie liegen klar auf der Hand. Für einige Unternehmen ist RPA die Antwort auf den immer größer werdenden Mangel an Fachkräften, für andere eine effiziente Möglichkeit der Kosteneinsparung. Gelingt es, wertvolle Mitarbeiterressourcen für höherwertigere Tätigkeiten einzusetzen, kann das in vielfacher Hinsicht einen enormen Gewinn darstellen. Einfache, repetitive und wenig wertschöpfende Tätigkeiten werden statt durch einen Menschen durch Softwareroboter abgearbeitet.

Der Einsatz von Robotic Process Automation kann sich für ein Unternehmen aber nicht nur finanziell auszahlen. Auch aus Sicht der Mitarbeiter stellt RPA einen hohen Nutzen dar. Denn wer kennt sie nicht, die unliebsamen Aufgaben, bei denen verschiedene Applikationen nach einem stetig wiederkehrenden Muster bedient werden müssen, um einen Arbeitsschritt zu erledigen. Ein einfaches Beispiel hierfür ist das manuelle Übertragen von Informationen von einer Applikation in eine andere. Die Gründe für einen händischen Arbeitsschritt dieser Art können vielfältig sein. Möglicherweise ist eine technische Integration nicht möglich oder verhältnismäßig zeitaufwendig und teuer. Gerade in solchen Szenarien spielt Robotic Process Automation ihren Trumpf aus. Dadurch, dass vorwiegend auf Oberflächenautomation gesetzt wird, ist sowohl der Aufwand als auch das Risiko einer Integration in eine bestehende IT-Landschaft überschaubar. Da repetitive Prozesse, die vorgegebenen Mustern oder Regelwerken folgen, in nahezu allen Unternehmenszweigen, wie etwa der Buchhaltung, Human Resources, Logistik oder im IT-Support vorhanden sind, ist das Einsatzpotenzial für RPA enorm.

Jedoch hat auch Robotic Process Automation wie nahezu jede Technologie ihre Grenzen. Für den richtigen Prozess eingesetzt, mag ein Softwareroboter zwar wesentlich produktiver sein als ein menschlicher Mitarbeiter, jedoch fehlen ihm kognitive Fähigkeiten. Für einen Menschen ist es ein Leichtes, Handschrift zu erkennen, eine Rechnung oder Bewerbung anhand bestimmter Merkmale, wie etwa Schlagworten oder einem bestimmten Format, dem entsprechenden Unternehmensbereich zuzuordnen. Eine technische Hürde kann auch bereits dann gegeben sein, wenn der Softwareroboter Applikationen in einer virtuellen Umgebung, wie etwa einem Citrix-Client, bedienen soll. Solche Systeme nutzen häufig Bildübertragungstechnologien, weshalb die virtuelle Umgebung eben nur als Bild auf dem Client vorliegt. Für einen Menschen ist es genauso wenig ein Problem, mit dem virtuellen System zu arbeiten wie mit einem nicht virtuellen Desktop. Ein Softwareroboter tut sich damit schon schwerer.

Die am Markt verfügbaren RPA-Systeme nutzen in der Regel die eindeutigen Control Identifier einer Applikation oder einer Webseite. Bei einer Virtualisierungsumgebung, bei der lediglich Bildinformationen vorliegen, fehlt diese elementare Identifizierungsmöglichkeit. Um die virtuellen Mitarbeiter zu befähigen, auch komplexere Aufgaben verrichten zu können, ist es erforderlich, sie mit einem Mindestmaß an Intelligenz auszustatten.

Machine Learning für RPA

Diese nächste Stufe der Automatisierung wird auch als Intelligent Process Automation (IPA) bezeichnet. Hierfür wird Robotic Process Automation mit Machine-Learning-Technologie kombiniert. Diese Symbiose ertüchtigt einen Softwareroboter, beispielsweise mittels Image Processing, eine virtuelle Umgebung zu bedienen. Ein weiterer einfacher, aber häufig gefragter Use Case ist das Verarbeiten von eingescannten Dokumenten wie etwa Rechnungen. Mittels Optical Character Recognition (OCR) lassen sich die digitalisierten Dokumente in ein für Roboter verarbeitbares Format wandeln. Die RPA-Komponente kann dann wiederum dazu eingesetzt werden, die Rechnungsinformationen in ein anderes System, zum Beispiel SAP, zu übertragen, um einen Buchungsvorgang durchzuführen. Rechnungen enthalten zwar in der Regel ähnliche Informationen, sind aber meist unterschiedlich aufgebaut. Mittels eines trainierten Modells, das Informationen über bereits bearbeitete Rechnungen enthält, lassen sich so die erforderlichen Informationen auslesen.

Machine Learning lässt sich in diesem Kontext auch für das Erkennen von Anomalien einsetzen. Regelmäßig wiederkehrende Buchungen, die einem bestimmten Muster entsprechen, können durch das System komplett autonom bearbeitet werden. Weicht eine Rechnung in bestimmten Kriterien von dem gelernten Schema ab, wird sie durch das IPA-System zur Kontrolle an einen Mitarbeiter delegiert. Diese Form der Zusammenarbeit wird auch als „Human Handover“ bezeichnet. Deklariert der Mitarbeiter die Rechnung als korrekt, können Buchungen dieses Typs bei Bedarf in der Zukunft ebenfalls vollautomatisch bearbeitet werden.

Ein weiteres denkbares Einsatzszenario ist die Bearbeitung von Tickets. Viele Unternehmen setzen Ticketsysteme zur Nachhaltung von Anforderungen oder Problemen ein. Im Retail-Umfeld werden Systeme dieser Art häufig auch für Reklamationen oder das Beschwerdemanagement verwendet. In der Regel enthalten Tickets jedoch unstrukturierte Textinformat...

Neugierig geworden? Wir haben diese Angebote für dich:

Angebote für Gewinner-Teams

Wir bieten Lizenz-Lösungen für Teams jeder Größe: Finden Sie heraus, welche Lösung am besten zu Ihnen passt.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang