Durchgängige Automatisierung soll schnellere Prozesse und neue Geschäftsmodelle ermöglichen. Einige Hürden müssen jedoch noch beseitigt werden. [...]
Nach Ansicht des Marktforschungsunternehmens Gartner ist sie einer der wichtigsten Technologietrends im Jahr 2020: Hyperautomation. „Alles, was automatisiert werden kann, wird auch automatisiert werden“, sagt Distinguished VP Analyst David W. Cearley. Damit aber nicht genug: Automatisierung soll auch intelligenter und strategischer werden. „Der Schwachpunkt vieler bisheriger Automatisierungsprojekte liegt darin, dass nur taktisch einzelne Aufgaben automatisiert wurden“, konstatiert Gerrit de Veer, SVP Sales MEE bei Signavio, einem Unternehmen, das mit der Business Transformation Suite ein cloudbasiertes BPM-System (Business Process Management) anbietet. „Bei der Hyperautomatisierung werden dagegen Prozesse durchgängig Ende-zu-Ende automatisiert – unter Einsatz von Künstlicher Intelligenz und Machine Learning.
“Der Trend wird nicht nur von Gartner erkannt. Bei Forrester Research heißt er „Digital Process Automation“, IDC nennt ihn „Intelligent Process Automation“. „Die Lösung, die hinter der jeweiligen Bezeichnung steht, ist jedoch dieselbe“, sagt Dirk Pohla, Regional Vice President bei Appian, Anbieter einer Low-Code-Automatisierungsplattform.
Viele Firmenlenker sehen das ähnlich, wie eine von Forbes Insights im Auftrag des Automatisierungsspezialisten Kofax durchgeführte Umfrage unter mehr als 300 Führungskräften großer Unternehmen zeigt. Demnach möchten 23 Prozent ihre Prozesse vollständig automatisieren, bisher gelingt dies nur 9 Prozent. „Hyperautomation ist die nächste Phase der digitalen Transformation für Unternehmen, die wettbewerbsfähig bleiben wollen“, so Mark Sturzenegger, Regional Sales Director DACH beim Anbieter Automation Anywhere.
Mehr als RPA
Die Automatisierung regelbasierter Prozesse durch Robotics Process Automation (RPA) ist in Unternehmen mittlerweile weit verbreitet. Laut einer Studie des Marktforschungsunternehmens IDC aus dem vergangenen Jahr nutzt fast die Hälfte der Unternehmen bereits Software-Roboter, um repetitive Aufgaben erledigen zu lassen. Deloitte schätzt den weltweiten Anteil sogar auf 72 Prozent. Nach Anfangserfolgen tritt in vielen Fällen allerdings oft Ernüchterung ein. „Wenn RPA nicht strategisch eingesetzt wird, sondern nur taktisch, um einzelne Aufgaben zu erledigen, kommen Unternehmen schnell an Grenzen“, sagt Gerrit de Veer. Skriptbasierte Roboter sind darüber hinaus sehr pflegeaufwendig. Wird eine Applikation aktualisiert oder durch eine andere ersetzt, müssen alle Automatisierungsskripte, die darauf zugreifen, angepasst werden. Änderungen in Formularfeldern oder der Reihenfolge von Eingaben ziehen ebenfalls hohe Wartungsaufwände nach sich.
Hersteller von Automationslösungen und -plattformen bieten deshalb schon seit geraumer Zeit unter Begriffen wie „Cognitive RPA“, „Intelligent Automation“ oder „Kognitive Automatisierung“ Lösungen an, die RPA mit Hilfe von Machine Learning und KI flexibler, anpassungsfähiger und wartungsfreundlicher machen sollen. Hyperautomation geht allerdings noch einen Schritt weiter, sagt Milad Safar, Managing Partner der Weissenberg Group, die Unternehmen unter anderem bei der Einführung von Automatisierungslösungen berät: „Hyperautomation ist mehr als nur die Automatisierung einzelner Prozesse und reiner Routineaufgaben. Sie geht über RPA und Intelligent Automation hinaus, indem sie komplementäre Technologien kombiniert, um die Geschäftsprozesse zu erweitern und um die Automatisierung mit taktischen und strategischen Zielen zu skalieren.
“Zu den Komponenten einer Hyperautomatisierung gehören laut Safar das Entdecken und Analysieren von Prozessen ebenso wie das Bewerten, Messen und Überwachen der Automatisierungsleistung. „Hyperautomation automatisiert Prozesse nicht nur, sondern macht sie auch intelligenter“, erklärt der Experte. Für Appian-Manager Pohla besteht das Hyperautomation-Gesamtpaket aus RPA, Process Management, KI, einer Rules Engine, einer iBPMS (Intelligent Business Process Management Software) sowie Case Management: „Hyperautomatisierung kombiniert die richtigen Technologien, um Arbeitsabläufe und Prozesse im gesamten Unternehmen zu automatisieren, zu vereinfachen, zu entdecken, zu entwerfen, zu messen und zu verwalten“, so Pohla.
Warum automatisieren?
Automatisierungsinitiativen werden von den Mitarbeitern häufig kritisch gesehen. Sie befürchten, dass ihre Jobs von Robotern übernommen werden. Tatsächlich entwerfen Studien düstere Szenarien für den Arbeitsmarkt. McKinsey prognostiziert, dass bis 2030 weltweit rund 400 Millionen Arbeitsplätze durch Automation verloren gehen könnten, PwC erwartet, dass 37 Prozent aller Jobs in Deutschland bis Mitte der 2030er-Jahre überflüssig werden.
Personaleinsparungen stehen allerdings bei Automatisierungsprojekten nur in den wenigsten Fällen im Fokus. Viel wichtiger ist es, Mitarbeiter von lästigen und zeitraubenden Routineaufgaben zu entlasten, sagt Signavio-SVP de Veer: „Die meisten Unternehmen leiden unter Ressourcenengpässen. Sie haben zu wenig Personal, um geplante Projekte in der gewünschten Geschwindigkeit umzusetzen.“ Das bestätigt auch eine Umfrage unter fast 600 Unternehmensleitern durch die Wirtschaftsprüfungsgesellschaft KPMG und das Marktforschungsinstitut HfS Research. Nur 1 Prozent der Befragten nannte eine Kostenreduktion durch Personalabbau als Ziel. Weit vorne standen dagegen Verbesserung des Kundenservice (30 Prozent), Umsatzsteigerung (24 Prozent), Verschlankung von Frontoffice-Prozessen (23 Prozent) und Effektivitätssteigerungen bei Datenanalysen (18 Prozent).
Mit Hyperautomatisierung kommen Unternehmen diesen Zielen einen entscheidenden Schritt näher, verspricht Walter Obermeier, Area Vice President of Sales Central Europe beim Automation-Plattformanbieter UiPath: „Mit Hilfe von Hyperautomation können Unternehmen auch unstrukturierte Inputdaten bearbeiten und so eine zunehmend KI-gestützte Entscheidungsfindung erreichen. Die Kombination der unterschiedlichen Technologien sorgt dabei für rapide Fortschritte.“ Die bessere Einbindung der Mitarbeiter in Automatisierungsprozesse, wie sie Low- und Now-Code-Plattformen und Human-Bot-Schnittstellen bieten, könnte zudem die Akzeptanz von Automatisierungsprojekten erhöhen: „Mitarbeiter arbeiten nicht nur Seite an Seite mit der Technologie, sondern mit ihr“, sagt Obermeier. „Dementsprechend trägt die Hyperautomation zu einer höheren Produktivität im Unternehmen bei.“
Die durchgängige Automatisierung ermöglicht laut Milad Safar von der Weissenberg Group zudem eine kontinuierliche Überwachung und Messung des Return on Investment (RoI): „Hyperautomation hilft Unternehmen dabei, ihre Geschäftsprozesse digital zu transformieren, indem sie mit Hilfe von KI eine End-to-End-Automatisierung ermöglicht und wichtige Einblicke in den RoI der Automatisierung gibt“, erklärt der Managing Partner. Darüber hinaus profitierten Unternehmen von den Möglichkeiten einer Echtzeitanalyse, die tiefe Einblicke in die Prozessqualität ermögliche. Daraus resultiere eine erhöhte Produktivität, eine geringere Fehlerwahrscheinlichkeit, bessere Compliance, reduzierte Risiken und eine höhere Mitarbeiterzufriedenheit. „Alles mit dem Ziel, die Geschäftsprozesse effizienter zu gestalten“, so Safar.
Elemente der Hyperautomatisierung
Die Kombination dieser Bestandteile führt zum hyperautomatisierten Unternehmen:
- Business Rules Engine: Software-System, das eine oder mehrere Geschäftsregeln ausführt. Dabei kann es sich um gesetzliche Bestimmungen, Unternehmensrichtlinien, Workflow-Definitionen und andere vorgegebene betriebliche Abläufe handeln. Eine Business Rules Engine ermöglicht es, Entscheidungswege unabhängig von konkreten Anwendungen zu implementieren, auszuführen und zu pflegen.
- Case Management: Ein Fallmanagement verbindet und koordiniert alle Menschen, Prozesse, Daten und sonstigen Ressourcen, die für einen bestimmten Anwendungsfall benötigt werden.
Ein automatisiertes Case Management kann beispielsweise die Bearbeitung von Supportanfragen, Verträgen oder Versicherungsfällen erleichtern und beschleunigen. - Enhanced Optical Character Recognition (OCR): Dokumente, die in Papierform vorliegen, müssen zunächst digitalisiert und dann per OCR auf ihren Inhalt hin analysiert werden, um sie automatisch weiterverarbeiten zu können. Enhanced-OCR-Systeme erkennen dabei nicht nur Buchstaben und Wörter, sondern auch Unterschiede in Textstil und -formatierung, etwa Überschriften, Fußnoten oder Tabellen. In Kombination mit NLU/NLP lässt sich die Genauigkeit der Texterkennung verbessern, da sich beispielsweise unleserliche Ziffern aus dem Sinnzusammenhang heraus rekonstruieren lassen.
- Human/Bot Engagement: Low-Code-/No-Code-Plattformen, gestützte Automatisierung (Attended Automation) und einfache Schnittstellen ermöglichen es Mitarbeitern in den Fachbereichen, selbstständig Bots zu entwickeln oder zu verbessern.
- Intelligent Business Process Management (iBPM): Weiterentwicklung traditioneller BPM-Systeme durch die Integration von KI und Machine Learning. iBPM-Lösungen erfassen und analysieren Daten weitgehend automatisch und ermöglichen es, ohne Programmierkenntnisse durchgängige Workflows zu definieren, die sich an veränderte Umgebungsbedingungen anpassen.
- KI-basierte Entscheidungsfindung: Vor allem bei großen Datenmengen liefern Algorithmen schnellere und bessere Entscheidungen als der Mensch. KI-basierte Entscheidungsfindung kann zum Beispiel dafür eingesetzt werden, um Bestände in Lagern automatisiert zu verwalten oder Investitionen zu steuern.
- Low Code/No Code: Low-Code- und No-Code-Plattformen ermöglichen die Erstellung neuer Applikationen mit wenig oder gar keinem Programmieraufwand. Statt Code zu schreiben, klickt der Programmierer auf einer grafischen Bedienoberfläche per Drag and Drop vorgefertigte Software-Bausteine zusammen. Low Code/No Code ermöglicht es Mitarbeitern in den Fachbereichen, als „Citizen Developer“ eigene Lösungen zu generieren.
- Natural Language Processing (NLP): Computerbasierte Erkennung von Inhalten in gesprochener oder geschriebener natürlicher Sprache. Neben regelbasierten und statistischen Methoden kommt für NLP zunehmend Machine Learning zum Einsatz. In Automatisierungsprozessen lassen sich so zum Beispiel Kundenanfragen oder -eingaben klassifizieren und an das passende Bearbeitungssystem weitergeben.
- Natural Language Understanding (NLU): Semantische Analyse von Nutzereingaben. Sie ermöglicht es, in sprach- oder textbasierten Dialogsystemen den Kontext und die Absicht (Intent)
des Anwenders zu erfassen und situationsgerecht zu reagieren. Natural Language Understanding gehört zu den schwierigsten Herausforderungen für Künstliche Intelligenz. - Process Discovery: Processy-Discovery-Tools analysieren die Aktivitäten von Nutzern, Applikationen und Systemen. Ziel ist es, über Abteilungs- oder Funktionsgrenzen hinweg Zusammenhänge zu identifizieren, um so eine durchgängige Automatisierung von Prozessen zu ermöglichen.
- Process Mining: Analyse der Log-Dateien von Applikationen und Systemen mit dem Ziel, Muster und Trends in der Verarbeitung von Prozessen zu erkennen.
- Robotics Process Automation (RPA): Automatisierung repetitiver Aufgaben durch Software-Roboter. Abläufe können über Skripte definiert oder als Makro aufgezeichnet und dann vom Roboter selbstständig durchgeführt werden.
Unerkanntes Potenzial
In vielen Unternehmen sind die offensichtlichen Automatisierungsmöglichkeiten bereits ausgeschöpft. Auf dem Weg zur Hyperautomatisierung gilt es daher erst einmal, automatisierbare Abläufe zu entdecken. Process Mining und Process Discovery sind deshalb wichtige Tools im Hyperautomation-Baukasten. Die Automatisierungs-Software registriert dazu alle Aktivitäten von Mitarbeitern, Systemen und Anwendungen, erkennt mit Hilfe von Künstlicher Intelligenz Zusammenhänge und kann so scheinbar isolierte Vorgänge über Benutzer und Abteilungen hinweg verketten und einem Geschäftsprozess zuordnen. Auf Grundlage dieser Daten lassen sich Engpässe, Medienbrüche, Fehlerquellen und Sicherheitsprobleme erkennen und das Automatisierungspotenzial ausloten.
Am Ende dieser Analysen steht laut Gartner eine vollständige digitale Repräsentanz aller Geschäftsprozesse in Form einer Digital Twin Organization (DTO). Analog zum bekannten Digital-Twin-Konzept aus dem Industrie-4.0-Umfeld ermöglicht es die DTO, Veränderungen virtuell durchzuspielen, um deren Folgen abschätzen zu können, bevor sie in der Organisation implementiert werden.
Automatisiert durch die Krise
Der Lockdown und die wirtschaftlichen Folgen der Corona-Pandemie haben den Bedarf an Automatisierung laut Andreas F. Lüth, Partner bei der Information Services Group (ISG) um 40 bis 50 Prozent ansteigen lassen (siehe auch Interview auf Seite 18). „In allen Industriezweigen haben Unternehmen durch steigende Nachfrage oder Kurzarbeit mit Produktions- und Lieferrückständen zu kämpfen“, bestätigt Weissenberg-Partner Milad Safar diesen Trend. „In diesem Fall können die betroffenen Unternehmen beaufsichtigte und unbeaufsichtigte Automatisierungen in den Bereichen Finanz- und Rechnungswesen, Logistik, Personalwesen und Personalkontrolle sowie IT einsetzen, um die Geschäftskontinuität mit weniger Mitarbeitern und einer verbesserten Prozesseffizienz sicherzustellen.“
Die Nachfrage sei ungebrochen, beobachtet auch Gerrit de Veer von Signavio: „Die Unternehmen wissen, dass sie trotz aller Kosteneinsparungen dem globalen Wettbewerb standhalten müssen. Viele nutzen die Zeit sogar, um Automatisierungsprojekte voranzutreiben, zu denen sie sonst nicht kommen, und um so nach der Krise vorne mitspielen zu können.“
Weg zur Hyperautomatisierung
Hyperautomatisierung betrifft alle Bereiche und alle Prozesse im Unternehmen. Der klassische Projektansatz mit Pilot und Proof of Concept hat daher wenig Sinn, sagt Milad Safar von der Weissenberg Group: „Ein Schritt-für-Schritt-Konzept wie der Experience-first-Ansatz, der sich auf die Pilotierung von ersten Software-Implementierungen konzentriert und bei dem schrittweise Erfahrungen mit der roboterbasierten Prozessautomatisierung gesammelt werden sollen, wird bei der Einführung einer professionellen Hyperautomatisierungslösung nicht wirklich zielführend sein.
“Stattdessen rät der Experte zu einem Platform-first-Ansatz: „Hierbei wird eine voll funktionsfähige Automatisierungsplattform in einem frühen Automatisierungsstadium bei gleichzeitiger Minimierung des Sicherheitsrisikos und Maximierung der Software-Fähigkeit angestrebt.“ Für die Umsetzung sollten Unternehmen ein Center of Excellence einrichten, empfiehlt Safar: „Nur dieses Organisationsmodell wird dem Platform-first-Modell gerecht, weil es die Entwicklung und Bereitstellung von Automatisierungssystemen für das gesamte Unternehmen nachhaltig garantiert.
“Das Unternehmen hat mit der „Weissenberg-Methode“ ein eigenes Prozessmanagement-Verfahren entwickelt, das die Evaluation und RoI-Berechnung der zur Automatisierung geeigneten Prozesse vereinfachen soll und als Grundlage für die Auswahl der zu automatisierenden Prozesse dient. „Da jede Automatisierungslösung individuell auf die jeweilige Infrastruktur des Unternehmens zugeschnitten sein muss, erstellen unsere erfahrenen Technikberater ein IT-Infrastrukturkonzept für die hardware- und softwaretechnischen Anforderungen, auf dessen Basis eine skalierbare Hyperautomationslösung erfolgreich entwickelt, implementiert und betrieben werden kann“, erklärt Safar.
Dirk Pohla von Appian empfiehlt bei Hyperautomation-Projekten, zunächst manuelle Workflows zu identifizieren, die Mitarbeiter-Ressourcen binden, ein hohes Fehlerpotenzial oder andere Qualitätsprobleme haben, um in der Folge zu definieren, wie diese Workflows sich automatisieren lassen. „Firmen müssen dann entscheiden, wo ihnen eine intelligente Automatisierung die größten Effizienzen und Wettbewerbsvorteile bietet.“ Laut Pohla ist zudem eine detaillierte Projektplanung unerlässlich: „Hierbei müssen Unternehmen Meilensteine und Ziele definieren, die sie durch den Einsatz einer solchen Plattform erreichen wollen. Diese bilden dann die Grundlage für die Auswahl des Lösungsanbieters und der entsprechenden Software-Komponenten.“ Parallel sollten die Mitarbeiter über jeden Schritt des Projekts informiert werden, rät der Manager. „So wächst die Zustimmung beim Thema Hyperautomatisierung ebenso wie der Erfolg der Initiative.“ Ohne Unterstützung aus der Chefetage geht es dabei nicht, betont Walter Obermeier von UiPath: „Die Implementierung sollte von einem Verantwortlichen auf Managementebene geleitet werden, der sich für eine effiziente Einführung einsetzt, sich um die Budgetierung kümmert und die Initiative vorantreibt.“ Eine vollständige Automatisierung ist dabei nicht immer die beste Alternative, warnt Gerrit de Veer von Signavio: „Der Automatisierungsgrad sollte nur so weit erhöht werden, wie es betriebswirtschaftlich sinnvoll ist.“
Hilfe vom Experten
Lösungsanbieter und Berater unterstützen Unternehmen bei der Umsetzung von Hyperautomation auf unterschiedliche Weise. „Wir verbinden die Silos von Anwendungen, Systemen und Daten nahtlos miteinander, um Prozesse einfach und effizient zu verbessern“, sagt Mark Sturzenegger von Automation Anywhere. „Traditionelle Methoden zur Verbindung von Anwendungen sind nicht mehr schnell genug.
“Appian bietet nach eigenen Angaben ein Portfolio, das von der Automatisierungsplattform über Business Process und Case Management sowie RPA und Rules Engine bis hin zur Integration von KI und Machine Learning reicht.
Die UiPath-Plattform für Hyperautomation ermöglicht laut Hersteller einen End-to-End-Automatisierungszyklus. Sie nutzt Prozesserkennungs-Tools und Mitarbeiter-Crowdsourcing, um automatisierbare Prozesse zu erkennen. KI-Funktionen wie Document Understanding erlauben komplexere Automatisierungen und Analysen. Area Vice President Obermeier betont, dass es sich bei Hyperautomation nicht um eine einmalige Aufgabe, sondern um eine nachhaltige Veränderung handelt: „Automatisierung und im besten Fall Hyperautomatisierung zahlen sich mittel- bis langfristig aus.“
Signavio bietet nach eigenen Angaben eine Business-Management-Plattform, auf der Prozesse und Entscheidungen für eine breite Nutzerschaft visualisiert und automatisiert werden können. Gerrit der Veer: „Auf der einen Seite erhöht sich so die Transparenz und Nachvollziehbarkeit für alle Beteiligten, auf der anderen bilden diese Informationen eine wichtige Grundlage dafür, den Automatisierungsgrad weiter erhöhen zu können.“ Die Verbindung von Process Mining mit der Operationalisierung der Prozesse und einer kontinuierlichen Überwachung der Performance führe zur „Prozessintelligenz“, so de Veer weiter: „Aufgrund der Datenflüsse können wir erkennen, wo Optimierungsbedarf besteht.“
Fazit & Ausblick
Ähnlich wie Digitalisierung ist auch Hyperautomation ein Begriff, der individuell mit Leben gefüllt werden muss. Auf dem Weg zum durchautomatisierten Unternehmen, das sich per Digital Twin steuern lässt, gibt es allerdings Hürden verschiedenster Art.
Das beginnt bei der Technologie, etwa wenn sich Prozesse und Applikationen mangels Schnittstellen nur schwer miteinander verbinden lassen. Vor allem aber können kulturelle Herausforderungen Hyperautomation-Projekte erschweren. Eine durchgängige Automatisierung funktioniert schließlich nur, wenn sämtliche Fachabteilungen an einem Strang ziehen. Dafür ist eine klare Ansage von oben notwendig, aber eben auch eine klare Kommunikation, die den Mitarbeitern nicht nur die Angst vor Jobverlust und Arbeitsverdichtung nimmt, sondern ihnen darüber hinaus die Mehrwerte eines hyperautomatisierten Unternehmens deutlich vor Augen führt.
Be the first to comment