Es gibt wenige Technologien, die in den letzten Jahren so viel Aufmerksamkeit erhalten haben, wie Robotic Process Automation (RPA). In unserem Trendmonitor beschäftigen wir uns mit der Frage, wie RPA sich zukünftig entwickeln wird und welche RPA-Innovationen besonders vielversprechend sind.
Erfahren Sie mehr über RPA-Trends in unserer Präsentation auf SlideShare:
Schätzungen zur Folge wird der globale Markt für Robotic Process Automation (RPA) in den kommenden zwei Jahren um bis zu 50% wachsen und damit die Wachstumsgeschwindigkeit der letzten Jahre fortsetzen. Schon heute setzen mehr als 60% aller großen und sehr großen Unternehmen RPA-Anwendungen ein. Bis 2022 wird dieser Anteil voraussichtlich auf über 85% steigen. Mit der steigenden Nachfrage nach RPA steigt auch das Angebot unterschiedlicher RPA-Tools. Von den heute verbreitetsten RPA-Tools wurde der Großteil erst in den letzten 10 Jahren entwickelt.
Durch den Konkurrenzdruck in der Branche sind viele RPA-Anwendungen in den letzten Jahren große Entwicklungsschritte gegangen. Neben der stetigen Erweiterung der Funktionalitäten wurde insbesondere an der Benutzerfreundlichkeit gearbeitet. Der nächste große Schritt scheint die Kombination mit Künstlicher Intelligenz (KI) zu sein. Wir haben die nächste Entwicklungsstufe von RPA genauer betrachtet und dabei sechs konkrete Themen identifiziert, die RPA aus unserer Sicht in den kommenden Jahren prägen werden. Diese lassen sich unter dem Begriff Intelligent Process Automation (IPA) zusammenfassen.
Hintergrund: Was ist Robotic Process Automation (RPA)?
Unter Robotic Process Automation (RPA) versteht man die automatisierte Bearbeitung von Geschäftsprozessen durch Software-Roboter. Die Roboter können auch als virtuelle Mitarbeiter betrachtet werden, die in der Lage sind, klar strukturierte Prozesse systemübergreifend, zuverlässig und ohne Pause abzuarbeiten. Sie arbeiten dabei wie menschliche Anwender auf der Benutzeroberfläche der Systeme.
Einer der Hauptgründe für den Einsatz von RPA liegt darin, Mitarbeiter von repetitiven und zeitaufwendigen Standardaufgaben zu befreien, damit diese sich auf wertschöpfende Aufgaben fokussieren können, in denen Kreativität gefordert ist oder komplexe Entscheidungen getroffen werden müssen. Die Software-Roboter arbeiten schneller als ihre menschlichen Pendants, benötigen keine Pausen und können sowohl am Tag als auch in der Nacht eingesetzt werden. Außerdem kann ihre Anzahl kurzfristig skaliert werden. Typische Probleme manueller Pflege wie vergessene Felder, Zahlendreher und Falscheingaben sind ausgeschlossen. Arbeitsschritte und Entscheidungen innerhalb des Prozesses können problemlos dokumentiert werden.
Da RPA auf der Benutzeroberfläche aufsetzt, sind keine Änderungen an den bestehenden Anwendungen erforderlich. Außerdem kann die Arbeitsweise der Roboter vom Fachbereich in der Regel gut nachvollzogen werden. Während die Umsetzung technischer Schnittstellen häufig in großem Maß vom fachlichen Verständnis der Entwickler abhängt, ist der Fachbereich bei RPA-Projekten ein fester Bestandteil des Projektteams.
Ausblick: Intelligent Process Automation
Den nächsten Schritt in der Weiterentwicklung von RPA sehen wir in der Erweiterung um kognitive Komponenten. Dies umfasst Funktionen aus dem Bereich der Künstlichen Intelligenz wie optische Zeichenerkennung, die Verarbeitung menschlicher Sprache (NLP) und Machine Learning. Die Kombination von RPA mit solchen Komponenten wird als Intelligent Process Automation (IPA) bezeichnet und setzt auf weitere Technologien wie Process Mining und Advanced Analytics auf. Bei einer genaueren Betrachtung lässt sich IPA in sechs konkrete Trends unterteilen.
Trend 1: Text-, Bild- und Spracherkennung
RPA wird zur Automatisierung von wiederkehrenden und klar strukturierten Prozessen genutzt. Dafür ist ein standardisiertes Eingabeformat erforderlich, mit dem die Roboter arbeiten können. Zur Realität vieler Unternehmen gehört allerdings, dass die notwendigen Daten zur Durchführung einer Aufgabe häufig in vielen unterschiedlichen Formaten vorliegen.
Die Erweiterung von RPA durch Technologien zur Text-, Bild- und Spracherkennung könnte die Flexibilität von RPA bei solchen Anwendungsfälle deutlich erhöhen. Ein Prozess zur Belegverarbeitung kann zum Beispiel durch die Erweiterung um Texterkennung (auf Englisch auch OCR, Optical Character Recognition) auch fotografierte Belege verarbeiten. Durch die Erweiterung um NLP (Natural Language Processing), dem Erkennen und Verarbeiten menschlicher Sprache, können auch unterschiedlich strukturierte Belege interpretiert werden.
Trend 2: Machine Learning
Eine häufig unterschätzte Hürde bei der Nachbildung menschlicher Aktivitäten mit RPA ist die große Anzahl an Varianten und Ausnahmen, die Prozesse haben. Während menschliche Anwender die kleinen Abweichungen häufig kaum mitbekommen und auf diese leicht reagieren können, führen diese bei einer Automatisierung über RPA immer wieder zu Fehlern. Machine Learning setzt darauf auf, aus vergangenen Daten automatisiert zu lernen und Zusammenhänge in Daten zu erkennen. Dies kann die Entscheidungsfindung von RPA-Anwendungen verbessern. Hierfür wird häufig ein Trainingsprozess genutzt, in dem vom Roboter verarbeitete Daten vom Menschen beurteilt werden. Aus den Ergebnissen leitet der Algorithmus selbstständig ein eigenes Regelwerk ab.
Trend 3: Native Integration
Die Anzahl und Qualität der Programm- und Schnittstellenbibliotheken, die in RPA-Tools eingebunden werden können, ist in den letzten Jahren rasant gestiegen. Hiervon hat insbesondere die Effizienz bei der Umsetzung von Robotern profitiert. An vielen Stellen greifen die Roboter außerdem bereits direkt auf die Programmierschnittstellen (API) der zu automatisierenden Anwendung zu, was häufig effizienter ist, als diese über die Benutzeroberfläche anzusprechen. Mit der steigenden Verbreitung von RPA wird dieser Trend noch einmal an Fahrt gewinnen.
Trend 4: Long-running Workflows
In Unternehmen, in denen heute bereits einzelne Prozessabschnitte durch einen Roboter übernommen werden, zeichnet sich der Trend zur Automatisierung von „Long-running Workflows“ ab. Dies beschreibt die Automatisierung von längeren, zusammenhängenden Prozessketten über mehrere Systeme hinweg. Da hierbei typischerweise menschliche Eingriffe erforderlich sind, hängt ihr Erfolg maßgeblich davon ab, wie gut die Interaktion zwischen den menschlichen Anwendern und den Robotern gesteuert werden kann, was in vielen Fällen ein intelligentes Verhalten des Roboters voraussetzt.
Im Rechnungseingangsprozess kann dies beispielsweise das Zusammenspiel zwischen dem Roboter, der die Rechnung ins System aufnimmt und den Mitarbeiter per E-Mail darüber informiert, und dem Mitarbeiter, der die Rechnung prüft und im System freigibt, betreffen. Auf die Freigabe hin wird automatisch der RPA-Prozess fortgesetzt, durch den die Rechnung im System weiterverarbeitet und zur Zahlungsabwicklung weitergeleitet wird.
Trend 5: Process Mining
Process Mining ist eine Technologie, die aus den vorhandenen Daten einer Anwendung automatisiert die Verarbeitungsprozesse modelliert. Dieses Modell kann die Prozessaufnahme im Zuge der Roboterentwicklung maßgeblich beschleunigen, aber auch bei der Analyse der Arbeit des Roboters verwendet werden. Process Mining sorgt für Transparenz über den tatsächlichen Prozessverlauf und kann somit standardisierte Prozesse sowie Prozessvarianten offenlegen. Dies kann helfen, Ineffizienzen im Prozess zu identifizieren, oder auch als Werkzeug zur Prozessaufnahme bei einer RPA-Implementierung dienen. Process Mining hilft damit bereits im Vorfeld, die richtigen Prozesse für das RPA-Projekt auszuwählen.
Trend 6: Advanced Analytics
Die Kombination von RPA mit Advanced Analytics verspricht zukünftig ein deutliches Plus an Informationen über den Prozess und den Roboter selbst. Die zusätzlichen Informationen können eingesetzt werden, um die Entscheidungsfindung in Unternehmen zu verbessern. Durch die Möglichkeit, ohne großen Mehraufwand detaillierte Daten über den Prozess zu sammeln, können Roboter die Grundlage für Datenauswertungen mit Advanced Analytics schaffen.
Zusammenfassung
RPA ist ein mächtiges Werkzeug, um klar strukturierte Geschäftsprozesse zu automatisieren. Die dargestellten Trends können dazu führen, dass der Einsatzraum für RPA-Anwendungen in den nächsten Jahren weiter ausgebaut wird. Einige der bekannten Defizite von RPA-Anwendungen, wie die lange Laufzeit im Vergleich zu anderen Automatisierungsalternativen werden in den nächsten Jahren abgeschwächt. Die Kombination mit Künstlicher Intelligenz ist in vielen Bereichen vielsprechend und scheint eine natürliche Ergänzung für RPA zu sein.
Nichtsdestotrotz ist RPA keine Wunderlösung für jeden Anwendungsfall. Der Ausbau von klassischem RPA hin zu IPA kann den Funktionsumfang der Roboter zwar deutlich erhöhen, allerdings erhöht sich damit auch die Komplexität von Implementierungsprojekten. Werden durch Native Integration Programmierschnittstellen direkt angesprochen, ist beispielsweise häufig wieder die technische Expertise über die Funktionsweise der zu automatisierenden Anwendung erforderlich. Ferner stehen Roboter, die die Möglichkeiten Künstlicher Intelligenz vollständig ausschöpfen, noch am Anfang ihrer Entwicklung.
Vor einer RPA-Implementierung sollte somit weiterhin sorgfältig abgewogen werden, ob der zu automatisierende Prozess tatsächlich für RPA geeignet ist. Sollten Sie vor der Frage stehen, ob sich eine RPA-Einführung in Ihrem Unternehmen lohnt, treten Sie gerne mit einem unserer Experten in Kontakt.Er