RPA und KI erfolgreich kombinieren: So geht Prozess-Automatisierung

Robotic Process Automation (RPA) ist eine Technologie, die zahlreiche Unternehmen in den letzten Jahren erfolgreich eingeführt haben. In vielen dieser Projekte realisierten die Verantwortlichen schnelle Projektstarts, tolle Ergebnisse und hatten nur wenig Aufwand – absolute „Quick Wins“ also. Die Begeisterung ist hoch – RPA wird laut Gartner auch in den kommenden Jahren stark gefragt sein. Das ist die eine Seite.

Auf der anderen Seite erleben viele Unternehmen, dass es nach einer Weile der Anwendung immer schwieriger wird, geeignete Prozesse für eine Automatisierung mit RPA zu finden. Die Technologie scheint ab einem gewissen Punkt an ihre technischen und wirtschaftlichen Grenzen zu stoßen. Die hauptsächliche Ursache: unstrukturierte Daten.

RPA und ihre Stärken

RPA macht eines außergewöhnlich gut: Auf der Basis von Regeln verarbeitet die Technologie strukturierte Daten schnell, zuverlässig und präzise. Ein großer Vorteil von RPA ist, dass sie keine tiefe Integration in unterschiedlich Systeme benötigt, sondern über die bestehenden Benutzer- beziehungsweise Desktop-Oberflächen der jeweiligen Applikationen arbeitet.

Verschiedene Systeme lassen sich so sehr schnell miteinander verbinden – man spricht bei RPA auch von einer Brückentechnologie. Und weil RPA ähnlich operiert wie menschliche Nutzer, besteht nicht die Notwendigkeit, Systemtests durchzuführen. 

So können mithilfe von RPA zahlreiche Prozesse automatisiert und Kosten gesenkt werden, ohne bestehende Anwendungen verändern oder ersetzen zu müssen. Im Einsatz ist RPA unter anderem bei wiederholten Dateneingabe-Funktionen sowie bei Downloads und Uploads im Bereich Enterprise Ressource Planning (ERP). 

Das alles macht RPA zu einer Kernanwendung bei der Transformation der Informations- und Prozess-Infrastruktur in eine digitale Welt. Ein Grund warum insbesondere Banken und Versicherungen, aber auch Energieversorger und Handelsunternehmen längst nicht nur mit RPA Anwendungen experimentieren, sondern sie auch in der Praxis einsetzen. So weit, so gut.

Die Voraussetzungen von RPA

Was RPA aber zwingend braucht, um gut arbeiten zu können, sind:

  • Möglichst hohe Fallhäufigkeiten: Damit ein hoher ROI (Return-on-Investment) für Unternehmen entsteht, muss eine relativ hohe Anzahl an Kundenvorgängen gegeben sein.
  • Regelbasierte Prozesse: RPA-Bots können nicht aus dem Bauch heraus entscheiden. Sie brauchen ein klares Regelwerk, nach dem sie operieren.
  • Strukturierte Daten: RPR-Bots benötigen strukturierte Datensätzen, damit sie arbeiten können.

Hier liegt das Problem: Daten liegen sehr häufig nicht so strukturiert vor, wie RPA es braucht. Denken Sie an die Kommunikation mit Kunden. Mit einer E-Mail - als klassisches Beispiel für einen unstrukturierten Kommunikationsinhalt - kann die Technologie nichts anfangen. Das heißt: Die vorliegenden Daten müssen erst einmal gesichtet, ausgewertet und in eine strukturierte Form gebracht werden. 

Wo RPA schwächelt, übernimmt KI

Und das funktioniert so: Bevor bestimmte Daten an die RPA (beziehungsweise den RPA-Anbieter) übergeben werden, gelangen Sie erst einmal an eine KI-Anwendung (beziehungsweise den KI-Anbieter). 

KI übernimmt im Prozess des Input Managements dann folgende Schritte:

  • Kategorisierung: Worum handelt es sich bei einem eingehenden Datensatz? Eine Beschwerde, eine Bestellung, ein Umstellungsantrag? KI identifiziert das „Problem“.
  • Extraktion: Im Anschluss überträgt die KI relevante Daten in ein System, damit sie weiterverarbeitet und in späteren Prozessen genutzt werden können.
  • Anreicherung: Automatisch reichert KI den Vorgang zudem um zusätzliche Informationen aus Bestandssystemen an.
  • Validierung: Außerdem prüft KI, ob alle Informationen valide sind. Hier greift dann gegebenenfalls auch ein Mitarbeiter wieder ein und schließt die ein oder andere (Wissens)lücke der Technologie.

Im Anschluss geht der nun strukturierte Datensatz per XML, CSV- Datei oder Webservice an einen RPA-Bot heraus, der die weitere Automatisierung des Prozesses übernimmt.

Zusammengefasst ergeben sich aus der zusätzlichen Integration von KI drei Vorteile für Unternehmen:

KI liefert erweiterten Input: Die Technologie macht für bestehende RPA-Prozesse unstrukturierten Input verfügbar zum Beispiel bei Bankdatenänderungen / SEPA Mandat-Erfassungen per E-Mail.

KI baut Brücken zu Prozessen, die komplett auf unstrukturierten Daten bestehen. Denken Sie zum Beispiel an die Erstellung von Bescheinigungen, die auf längeren Fließtexten basieren. Solche Prozesse kann RPA nicht bearbeiten. Weitere Beispiele sind Vertragsdaten, wo längere Verträge gesichtet und ausgelesen werden müssen. Sie können von RPA nicht angegangen werden. Mit KI lassen sich solche Prozesse RPA-fähig machen.

KI unterstützt bei der Teilautomatisierung von Prozessen, auch Robotic Desktop Automation genannt, bei denen der Mensch aus juristischen Gründen zwingend involviert sein muss. Hier kann KI die Daten dennoch extrahieren und den Menschen angereichert zur Verfügung stellen. Er erhält dann die Quintessenz der Extraktion. Bekannte Beispiele sind Klageschriften und Verträge.

Hört sich einfach ein? Ist es auch. Das Positive an dieser Zusammenarbeit von RPA und KI: Die Investition in RPA ist weiterhin absolut lohnenswert. Bestehende Systemlandschaften können erhalten bleiben. KI greift flexibel und nur da ein, wo Prozesse weiter gezielt verbessert werden können. Eine perfekte Kombination!

Mehr zum Thema RPA finden Sie unter anderem hier in unserem Blog.

Der Artikel hat gefallen? Dann gerne teilen!