Software-Roboter automatisieren mittlerweile in vielen Unternehmen manuelle Aufgaben und Prozesse. Künstliche Intelligenz wird Systeme für Robotic Process Automation künftig auf eine neue Evolutionsstufe bringen und damit völlig neue Möglichkeiten für die Zusammenarbeit von Mensch und Maschine schaffen.

Sie verschieben Dateien und Ordner, kopieren Kundendaten aus dem CRM-System in Rechnungen, füllen Formulare aus oder antworten auf einfache Kundenanfragen – das Einsatzgebiet von Software-Robotern ist breit gefächert. Die Marktforscher der Gartner Group sagen dem Thema Robotic Process Automation (RPA) eine glänzende Zukunft voraus. Demnach werden bis Ende 2022 mindestens 85 Prozent der großen und sehr großen Unternehmen Software-Roboter einsetzen. Die Vorteile liegen auf der Hand: Firmen können mit Hilfe von RPA ihre Kosten senken, die Fehlerquote reduzieren oder Compliance-Anforderungen leichter erfüllen.

Die Zukunft wird den kognitiven RPA-Systemen gehören. Basierend auf Algorithmen der Künstlichen Intelligenz (KI) werden sie die Einsatzmöglichkeiten von Robotic Process Automation erheblich erweitern. Software-Roboter bearbeiten dann komplexe Prozesse weitgehend selbständig. Fatmir Kqiku, Robotics- und Intelligent-Automation-Experte beim Systemintegrator DXC, sieht eine Evolution in drei Stufen.

 

Stufe 1: Automatisierung des Alltäglichen

 

„In der ersten Stufe nutzen Firmen RPA, um immer wiederkehrende, regelbasierte manuelle Aufgaben schnell und einfach zu automatisieren. Oft handelt es sich hier nur um Skripts für die Automatisierung von Workflows am Desktop“, erklärt Kqiku.

 

Für ein Energie-Unternehmen hat DXC beispielsweise binnen sechs Wochen einen Bot gebaut, um Prozesse im SAP-System zu automatisieren, die im Monat rund 300 mal vorkommen und jeweils 15 Minuten Arbeit nach sich ziehen. Die bisher zuständigen Mitarbeiter sind diese Routineaufgaben damit los und können die entstandenen Freiräume auf andere Aufgaben verwenden. Die entsprechenden Prozesse laufen jetzt im SAP-System entlang vordefinierter Workflows und Designs automatisiert ab.

„Der Software-Roboter ahmt auf dieser Stufe nur das Verhalten eines menschlichen Nutzers nach. Er ist noch nicht intelligent, denkt nicht nach, überprüft nicht und erzeugt kein neues Wissen“, stellt der DXC-Experte klar.

 

Stufe 2: Upgrade per Algorithmus

„In der zweiten Stufe bekommt der Roboter menschliche Züge. Nicht im Sinne von Emotionen und Empathie, sondern er erhält Multi-Skills. Der Bot ist keine Inselbegabung mehr, da Algorithmen neue Fähigkeiten hinzufügen“, erklärt Kqiku. Was heißt das konkret? Software-Roboter bewegen Daten zwischen Systemen hin und her, können Texte lesen, Zusammenhänge in Datenbanken erkennen und bewerten sowie Daten und Prozesse ausführen. Basis dafür sind Texterkennung, Text Mining, Natural Language Analytics und eine Basis-Intelligenz für den Zugriff auf Datentabellen und die Bewertung sowie Analyse von Daten.

Derartig hochwertige RPA-Bots werden zudem mit KI und maschinellem Lernen kombiniert und lernen dazu.

Ein gutes Beispiel dafür ist das Invoice-Management: Normalerweise prüfen geschulte Mitarbeiter Rechnungen auf Korrektheit. Bei internationalen Kunden ist das wegen unterschiedlicher Regularien, vertraglicher Grundlagen, Policies oder Compliance-Vorschriften ein sehr komplexes Unterfangen. Da diese Daten digital vorliegen, kann ein Bot hier Entscheidungen vorbereiten und Rechnungen prüfen. Dabei berücksichtigt er die Rechnungs- und Austauschformate und die internationale Regulatorik. DXC hat etwa für Procter & Gamble eine Lösung entwickelt, in der 357.000 Rechnungen mit 250 unterschiedlichen Formaten regelmäßig geprüft und verarbeitet werden.

Die Bot-Software liest mit Hilfe von Text Mining die Rechnungen, ordnet sie ein und stößt im SAP-System beispielsweise die Prozesse für die Debitoren-Buchhaltung an. Sie kann selbständig Abfragen generieren und „versteht“ im Regelfall auch die gegebenen Antworten. Ist das nicht der Fall, trainiert ein menschlicher Kollege den Bot, bis ihm „klar“ geworden ist, wie er bestimmte Probleme zu lösen hat.

 

Stufe 3: Predictive Services

Mit Hilfe von KI-Algorithmen werden die Software-Roboter komplexe Prozesse weitgehend selbständig bearbeiten können, ohne für einen bestimmten Prozess vorkonfiguriert oder programmiert worden zu sein. „Ein Beispiel sind Predictive Services. Hier erkennt der virtuelle Mitarbeiter Probleme, bevor sie auftreten und kann selbstständig Patches einspielen, wenn es sich etwa um ein Netzwerk-Problem handelt“, verdeutlicht Kqiku. Firmen aus der Industrie überwachen ihre Systeme und erhalten regelmäßig Statusmeldungen. Bei einer Meldung über einen Vorfall oder eine Anomalie sucht dann meist ein Ingenieur nach der Ursache (zum Beispiel „Puffer voll“ oder „Netzwerkproblem“) und behebt das Problem.

Mit Predictive Services lässt sich dieser Vorgang automatisieren. Eine mit KI-Algorithmen arbeitende Analytics-Engine erkennt, dass die Maschine durch das Ereignis mit großer Wahrscheinlichkeit bald ausfallen wird. Ein Bot durchsucht daraufhin als virtueller Ingenieur das System automatisch nach verschiedenen Parametern; dabei kann er 50 Anfragen gleichzeitig starten und verarbeiten. Liegt die Ursache im Netzwerk, beauftragt er den Level 3-Mitarbeiter am Service Desk – oder er benachrichtigt den virtuellen Netzwerkagenten-Bot, der den entsprechenden Patch automatisiert ausrollt. Predictive Services schaffen damit neue Optionen für die Zusammenarbeit zwischen Mensch und Maschine.

So konnte für einen Automobilhersteller die Anzahl, der durch End User erstellten Tickets, erheblich reduziert werden. Jedes Ticket bedeutet, dass der End User sich mit dem System beschäftigt, anstatt sich produktiv um seine Arbeit zu kümmern. Dadurch entstehen Produktivitätsverluste und auch Frust beim Mitarbeiter, da dieser von der Arbeit abgehalten wird. Die AI erkennt Fehler in den Systemen bevor sie passieren und alarmiert automatisch einen IT-Engineer um einzugreifen. Der Fehler wird somit behoben, bevor er wirksam eintritt. Auch Engineering Jobs, die einen physischen Eingriff erfordern, können bereits heute durch eine KI-Engine und seine Aktion Handler abgearbeitet werden. Der Bereich Workplace Services und seine angehörigen Applikationen werden bereits zu einem sehr großen Teil durch dieses Lösungskonzept adressiert.