Menü
Der Einsatz von RPA und KI nimmt rapide zu, aber es gibt immer noch einige Verwirrung über die sich gemeinsam entwickelnden Technologien. Hier erfahren Sie mehr über ihre Fähigkeiten und wie beide zusammenarbeiten können.
CIOs implementieren sowohl Automatisierung als auch KI in einem rasanten Tempo. Sie werden durch die Geschwindigkeit und die Kosteneinsparungen, welche beide Technologien bieten, zu einer Ausweitung und Beschleunigung des Einsatzes gedrängt.
Kürzlich veröffentlichte Zahlen belegen die zunehmende Verbreitung. Laut einem Bericht der Everest Group vom Januar haben bereits mehr als 72 % der Unternehmen weltweit mit der Implementierung von KI begonnen. Das Unternehmen erwartet, dass die weltweiten Ausgaben für KI-Dienstleistungen um 32 % steigen werden, von 25 Mrd. US-Dollar im Jahr 2019 auf 95 Mrd. US-Dollar im Jahr 2024.
Der globale Markt für Software zur robotergestützten Prozessautomatisierung (RPA; engl. robotic process automation) erreichte Ende 2019 ein Volumen von 1,2 Mrd. US-Dollar und verzeichnete damit ein Wachstum von mehr als 75 % im Vergleich zum Vorjahr. Ob-wohl sich das Wachstum im Jahr 2020 aufgrund der Pandemie verlangsamt hat, wird es bis 2021 wieder ansteigen. Die Everest Group prognostiziert, dass der Nachholbedarf an Automatisierung den RPA-Markt mit einer erwarteten jährlichen Wachstumsrate von fast 50 % in den nächsten zwei Jahren antreiben wird.
Dies ist nicht überraschend, da RPA und KI zahlreiche Vorteile für ein Unternehmen mit sich bringen: gestraffte Prozesse, Verkürzung der Zykluszeiten und letztendlich bessere Geschäftsergebnisse. Die übergreifende Rendite besteht laut Experten nicht nur in einer schnelleren Verarbeitung des gesamten Geschäftszyklus, sondern auch in einem reaktionsfähigeren Unternehmen insgesamt.
Obwohl Unternehmen Vorteile erwarten können, wenn sie jede Technologie für sich und unabhängig von der anderen einsetzen, betonen Experten, dass Unternehmen, welche RPA- und KI-Technologien zusammen einsetzen, als Ergebnis größere Renditen und eine wettbewerbsfähige Position auf dem modernen digitalen Markt erwarten können.
Diese Vorteile bieten RPA und KI:
„Für uns ist es immer KI plus RPA; es ist ein Teil der End-to-End-Transformation“, sagte Bhooma Chutani, Leiter der digitalen Transformationsberatung bei Larsen & Toubro Infotech Ltd..
Aber was sind die Fähigkeiten von RPA und wie unterscheidet es sich von KI?
RPA ist der Einsatz von Software-Robotern – oder Bots – um standardisierte, wiederholbare Aufgaben innerhalb eines Geschäftsprozesses auszuführen. Diese Bots führen jedes Mal die gleichen Aufgaben aus und können dies schneller und zuverlässiger tun als menschliche Mitarbeiter. Das bringt Geschwindigkeit und Effizienz, während Kosten und Fehler reduziert werden und Menschen die komplexeren, höherwertigen Aufgaben erledigen, welche ausschließlich von Menschen erledigt werden können.
„Es ist einfach RPA für Prozesse zu implementieren, die sehr strukturiert, sehr handlungsorientiert sind. Es ist einfach, schnell Vorteile zu erzielen – es ist ein einfacher Gewinn“, fügte Chutani hinzu und bemerkte, dass viele Unternehmen RPA bereits eingesetzt haben, um zumindest einige ihrer sich wiederholenden Aufgaben zu erledigen.
Die Möglichkeiten und der Wert von Robotic Process Automation haben jedoch ihre Grenzen. Zwar kann die Software sich wiederholende Aufgaben mit einer Geschwindigkeit, einem Umfang und einer Genauigkeit ausführen, die menschliche Mitarbeiter bei weitem übertreffen, aber RPA kann nicht von den Aufgaben abweichen, für die sie programmiert wurde.
„Man kann RPA für viele Prozesse einsetzen. Aber irgendwann braucht man eine Entscheidung; die meisten Prozesse [werden] eine intelligente Komponente benötigen. Das ist der Punkt, an dem wir darüber sprechen, dass wir einen Menschen in der Schleife brauchen“, sagte Chutani.
An dieser Stelle kommt die KI ins Spiel: KI kann die menschliche Entscheidungsfindung imitieren, wozu RPA nicht in der Lage ist. Darüber hinaus kann KI lernen, wie sie ihre Arbeit verbessern kann, während sie diese Entscheidungen trifft, indem sie Muster in Daten in einer Geschwindigkeit und in einem Umfang identifiziert und analysiert, die für Menschen unmöglich zu erreichen sind.
Die Implementierung von künstlicher Intelligenz ist jedoch eine größere Aufgabe als der Einsatz von Robotic Process Automation. Vor allem die Beschaffung der Daten, die zum Trainieren der KI benötigt werden, ist eine Herausforderung.
„KI benötigt eine Menge Daten, um Modelle zu entwickeln, und die meisten Unternehmen haben ihre Daten nicht gut im Griff, um KI schnell und einfach einzuführen“, so Chutani.
Und dann sind da noch die Kosten. KI-Initiativen sind mit höheren Kosten verbunden als RPA-Projekte, da die Schulung von KI-Systemen Monate oder länger dauert, bevor sie in Betrieb genommen werden können. KI-Projekte erfordern auch mehr Fachwissen für die Entwicklung, Bereitstellung und Wartung, was teuer und schwer zu finden sein kann.
Hinzu kommt, dass CIOs und andere Führungskräfte oft kein vollständiges Verständnis ihrer Geschäftsprozesse haben, und das ist etwas, das sie in Angriff nehmen müssen, um mit ihren KI-Programmen voranzukommen.
„Wenn ich CIOs nur eines raten könnte, dann ist es die vollständige Transparenz der Prozesse, die sie automatisieren wollen; sie brauchen diese End-to-End-Transparenz“, sagt Cathy Tornbohm, Analystin bei Gartner.
Experten merkten auch an, dass viele Führungskräfte nach wie vor vorsichtig – wenn nicht gar ablehnend – sind, wenn es darum geht, Entscheidungsbefugnisse an Computer abzugeben, vor allem in Bereichen, die unter staatliche Kontrollen fallen oder in denen ihre eigenen Arbeitsplätze oder die von anderen gefährdet werden könnten.
In Anbetracht all dessen sehen Experten eine langsamere Akzeptanz von KI als von RPA.
Dennoch bleibt die Technologie eine Top-Priorität unter Geschäfts- und IT-Führungskräften. Eine Umfrage des Softwareanbieters IFS aus dem Jahr 2020 ergab, dass KI die Liste der von Führungskräften priorisierten Technologien anführt. 24 % der Befragten erwarten, dass sie in den nächsten zwei Jahren eine führende Technologie sein wird, noch vor anderen Trendtechnologien wie Virtual und Augmented Reality, IoT, Blockchain und 5G.
Chutani wies auf die Rechnungsbearbeitung als Beispiel dafür hin, wie Unternehmen sowohl Robotic Process Automation als auch KI in einem Geschäftsprozess einsetzen können, um die Ergebnisse zu maximieren.
Anstatt dass menschliche Mitarbeiter Daten manuell von einer Datei oder einem System in ein anderes übertragen, kann RPA-Software die erforderlichen Daten aus vorgegebenen Feldern auf eingereichten Rechnungsformularen abrufen und an die vorgegebenen Unternehmenssysteme senden.
KI wird dann eingesetzt, um die komplexen Aufgaben entlang dieses Geschäftsprozesses zu erledigen. Zum Beispiel kann die Verarbeitung natürlicher Sprache – eine Art von KI, die in der Lage ist, menschliche Sprache zu verstehen – E-Mails identifizieren, welche Rechnungen enthalten, und diese an Bots zur Verarbeitung senden. Die KI würde dann den Prozess wieder aufnehmen, um zu bestimmen, welche Rechnungen die Anforderungen für ausgestellte Zahlungen erfüllen, indem sie die genehmigten Rechnungen an Zahlungssysteme weiterleitet und die abgelehnten Rechnungen an menschliche Manager weiterleitet, welche die nächsten Schritte festlegen.
Laut Tornbohm führt der Einsatz von RPA zusammen mit KI Unternehmen in den Bereich der Hyperautomatisierung, die verschiedene Technologien vereint, um nicht nur Aufgaben innerhalb von Geschäftsprozessen zu automatisieren, sondern auch so viele Aspekte der Entscheidungsfindung innerhalb der Prozesse wie möglich zu berücksichtigen.
„Im Wesentlichen bedeutet es, dass man den Menschen aus dem Prozess herausnimmt“, so Tornbohm.
Experten glauben, dass die meisten Unternehmen noch einen weiten Weg vor sich haben, bevor sie diesen Zustand erreichen, da IT-Führungskräfte, die sich in Richtung Hyperautomatisierung bewegt haben, immer noch dabei sind, ihre RPA- und KI-Fähigkeiten zusammenzusetzen.
Der Markt verändert sich jedoch, da einige Anbieter sowohl Automatisierungs- als auch KI-Funktionen zusammen anbieten – ein Schritt, der zusammen mit dem zunehmenden Interesse und Druck nach Geschwindigkeit und Agilität zu mehr Implementierungen führen könnte.
„All das“, so Chutani, „sollte bei der KI-Akzeptanz helfen.“
