KI in der Robotic Process Automation (RPA)

Cloud oder On-Premise

von - 10.01.2019
Auf welche Weise sie Robotic Process Automation nutzen möchten, ob im eigenen Rechenzentrum oder als Cloud-Service, können die Anwender bei den meisten Lösungen selbst entscheiden. Die Mehrzahl der RPA-Lösungen steht als Software as a Service (SaaS) aus der Cloud zur Verfügung, lässt sich jedoch auch On-Premise im hauseigenen Data-Center implementieren.
„Die Entscheidung für das jeweilige Modell ist abhängig von den Anforderungen des Kunden und vom jeweiligen Prozess“, sagt Walter Obermeier von UiPath. „Bei Kernprozessen mit eigenen Kundendaten wird oftmals der On-Pre­mise-Ansatz vorgezogen. Soll hingegen die gesamte Bandbreite der Automatisierung genutzt werden können, ist eine Öffnung in Richtung Cloud- und Artificial-Intelligence-Lösungen, beispielsweise für Admin- und Support-Funktionen, fast unumgänglich.“ Eine dritte Option ist, alle RPA-Komponenten selbst zu entwickeln. In diesem Fall ist es von Vorteil, wenn die RPA-Plattform über eine große und agile Community verfügt. „Idealerweise stellt der Anbieter einer Plattform einen gemeinsamen Marktplatz zur Verfügung, auf den Nutzer ihre Automatisierungslösungen hochladen. Der Anbieter der Plattform prüft die Angebote und stellt sie anschließend anderen Nutzern zum Herunterladen bereit“, so Obermeier. In diesem Fall profitieren Unternehmen nicht nur von den Ideen ihrer eigenen Mitarbeiter, sondern auch von denen der gesamten Community.
Bui Dinh Giap
Bui Dinh Giap
Head of RPA Center of Excellence bei FPT Software
Foto: FPT Software
„RPA ist kein Allheilmittel. Die Technik sollte beispielsweise nicht bei fragmentierten und ineffizienten Prozessen zum Zuge kommen, sondern nur bei Prozess-Schritten mit einem hohen Mehrwert.“

Fragmentierter Markt

Wer eine RPA-Lösung einsetzen möchte, der hat die Wahl zwischen einer Vielzahl von Produkten. Marktforschungsunternehmen wie Gartner und Forrester zählen rund 25 Firmen zu den führenden Anbietern. Nimmt man regional aktive Anbieter hinzu, kommt man leicht auf die doppelte Zahl von RPA-Spezialisten. Bei einem Großteil von ihnen handelt es sich um kleine Unternehmen. Wie in vielen anderen Technologiebereichen zeichnet sich allerdings eine Konsolidierung des Marktes ab. Ein Beispiel ist die Übernahme des RPA-Spezialisten Syntel durch den französischen IT-Konzern Atos. Dagegen wilderte das deutsche Software-Unternehmen SAP wie erwähnt in Frankreich und übernahm mit Contextor ebenfalls einen Anbieter von Lösungen für Robotic Process Automation: „Die Übernahme ist ein wichtiger Schritt hin zu einer durchgängigen Prozessautomatisierung in unseren Anwendungen – allen voran natürlich SAP S/4 HANA“, kommentiert Markus Noga, Leiter des Bereichs Machine Learning bei SAP, die Akquisition.

Intelligente Automatisierung

Die Integration von Contextor in die Sparte maschinelles Lernen von SAP ist ein Indiz dafür, wohin die Reise geht: Die Automatisierung von IT-bezogenen Geschäftsprozessen wird immer stärker mit Technologien wie Künstlicher Intelligenz (KI) und maschinellem Lernen (ML) verknüpft.
„RPA ist aus der klassischen Prozessautomatisierung hervorgegangen. Kognitive Lösungen stellen den nächsten Schritt dar. Er soll es ermöglichen, durch Lernen selbstständig Entscheidungen zu treffen“, erläutert Thorsten Schlack von TCS. „Dadurch lassen sich Probleme lösen, die die traditionelle Analytik nicht bewältigen kann.“
Nach Einschätzung der Berater von McKinsey kommen bei der intelligenten Prozessautomatisierung fünf Technologien zum Zuge:
  • Robotic Process Automation als Basis.
  • Smarte Arbeitsprozesse und entsprechende Management-Tools: Sie verwalten alle Aufgaben, die Menschen und Maschinen durchführen. Das gilt vor allem für Tätigkeiten, in die beide Gruppen involviert sind.
  • Maschinelles Lernen und Analysefunktionen auf Grund­lage von überwachtem und nicht überwachtem Lernen: Damit lassen sich große Datenbestände auf Muster durchsuchen.
  • Die Verarbeitung von natürlicher Sprache (Natural Language Processing und Natural Language Generation, NLG): Software-Roboter setzen beispielsweise strukturierte Finanzdaten eigenständig in einen Wochen- oder Monatsreport um. Das übernimmt eine Natural Language Engine.
  • Kognitive Agenten: Sie verwenden maschinelles Lernen und Natural Language Generation. Solche Agents führen nicht nur Aufgaben aus. Sie sind zudem lernfähig und können auf Basis des Gelernten Entscheidungen treffen. Beispielsweise setzen Ver­sicherungsunternehmen solche Lösungen bei der Beratung von Kunden ein. Außerdem können sie Anfragen von Mitarbeitern in einem Unternehmen beantworten.
Die Optimierung und Automatisierung von Prozessen mit Hilfe kognitiver Verfahren ist ein vielversprechender Ansatz. Entsprechende Lösungen benötigen allerdings noch Feinschliff, wie Murat Bayram, Head of IoT & Industrie 4.0 beim ICT-Dienstleister Axians IT, bestätigt: „Zwar gibt es bereits Demos, die zeigen, wie Machine Learning beispielsweise beim Ausfüllen einer Maske die passenden Werte wählt und einträgt. Jedoch sind diese Ansätze noch nicht zu 100 Prozent verlässlich, vor allem bei komplexen Themen.“
Verwandte Themen