Interview: Robotic Process Automation löst keine Probleme

Ist Hyperautomation eine Fortführung von Robotic Process Automation oder eine Erweiterung?

Wenn man von Automatisierung spricht, heißt das immer „End-to-End“. Es gibt natürlich verschiedene Tools, die das in der gesamten Automatisierungskette zur Verfügung stellen. Robotic Process Automation ist dabei das dümmste Tool von allen, was schon der Begriff „Robotic“ nahelegt. Das sind ja oft sehr simple Aktionen, wie Copy-Paste oder einfache Ausfüllaktionen von Formularfelder. Dahinter stehen simple Tools, die keine komplexen Entscheidungen fällen können. Wenn es also um einfache Dinge geht, ist Robotic Process Automation ganz gut geeignet. Das heißt aber auch, dass die Einsparungen, die man durch Robotic Process Automation erzielen kann, überschaubar sind. Es deckt eben nur einen kleinen Teil der Automatisierungskette ab.

Das nächste Problem bei Robotic Process Automation ist, dass es häufig aufgrund kurzfristiger Entscheidungen eingeführt wird. Wenn man Robotic Process Automation in die IT einbinden will, wird es schnell komplex. Weil die Tools so einfach sind, werden sie häufig nicht von der IT, sondern den Business-Leuten in den Fachabteilungen gehandhabt. Wenn dann aber durch einen Prozess die Entscheidungskette geändert wird, darf man nicht vergessen das RPA-Element entsprechend anzupassen – sonst kracht es. Häufig wird Robotic Process Automation eingesetzt, um etwas zu überbrücken, was eine klassische ERP-Software nicht bietet; es wird auch nicht sauber über die IT als Projekt durchgeführt. Dahinter stecken meist Kostengründe, um mit Robotic Process Automation schnell einen Bedarf zu decken.

Robotic Process Automation ist also eine Brückentechnologie, um sich in einem ersten Schritt mit dem Thema Automatisierung auseinanderzusetzen und die Entscheidungsketten in Richtung Business zu verlagern. Kritisch wird es, wenn man beispielsweise Hunderte oder mehr von solchen kleinen RPA-Prozessen im Einsatz hat, weil die Übersicht schnell verloren geht. Dann wird es hochkomplex; dieses vernetzte RPA-System im Zaum zu halten, ist eine echte Herausforderung. Letztlich braucht man dafür eine Verwaltung dieser RPA-Schnipsel und -Skripte. Ad hoc liefern RPA-Skripte natürlich eine schnelle Lösung, aber durch die Masse erzeugen sie neue Probleme, weil sie zu einer hohen Komplexität führen.

Spielt da auch die Mitarbeiterfluktuation eine Rolle? Wenn die Leute gehen, die die RPA-Skripte geschrieben haben?

An sich sind die Skripte relativ klein und gut zu lesen. Die Masse an Skripten erzeugt die Probleme. Sie führen ja Robotic Process Automation ein, um Kosten und damit Mitarbeiter einzusparen – für relativ einfache Tätigkeiten. Wenn dann Hunderte, wenn nicht Tausende solch kleiner Skripte im Einsatz sind, müssen sie bei Veränderungen alle durchschauen und verstehen, was sie machen. Das kostet enorm viel Zeit und Geld und spart im Endeffekt nicht viel. Die Komplexität erzeugt einen enormen Overhead. Deswegen bin ich kein Freund von Robotic Process Automation.

An sich ändern RPA-Skripte auch kaum etwas in bestehenden Prozessen. Sie schaffen keine Effizienz per se, sondern übernehmen nur die Aufgaben, die vorher Menschen erledigt haben. Sie ersetzen Mitarbeiter durch simplen Automatismus. Die Logik ist aber immer noch dieselbe. Sie können die Effizienz wesentlich besser steigern, wenn Sie sich die ganze Entscheidungskette End-to-End anschauen – was man sowieso regelmäßig tun sollte.

Und wenn die Menschen dann nicht mehr da sind, gibt es auch niemanden, der sich darüber Gedanken macht, ob die einzelnen Schritte noch sinnvoll sind. Das System blubbert dann einfach vor sich hin. Das Wissen geht verloren und niemand kümmert sich mehr um die Verarbeitungskette. Die Ernüchterung beim Thema Robotic Process Automation ist in Unternehmen teilweise schon eingetreten, wird aber noch viel größer werden.

Warum nutzen Firmen dann überhaupt noch Robotic Process Automation?

Robotic Process Automations können vom Business selbst erstellt werden. Sie brauchen dazu keine IT mehr. Die Tools sind heutzutage sehr benutzerfreundlich. Aber Sie entkoppeln damit die IT von klassischen IT-Anwendungen. Wenn die IT Veränderungen vornimmt, bekommt das Business diese eventuell nicht mit (und umgekehrt). Die Frage ist also, wenn ich Robotic Process Automation einsetze: „Wie muss ich mich als Unternehmen intelligenter aufstellen?“ Ich muss meine Organisation überdenken, muss sicherstellen, dass die einzelnen Teile fachlich genau Bescheid wissen. Intelligent sind Unternehmen meiner Meinung nach, wenn sie sich thematisch nach Clustern aufstellen und in einem Cluster sowohl Business als auch IT-Mitarbeiter sitzen.

Häufig ist Robotic Process Automation allerdings auch eine KPI-Frage (Key Performance Index = eine Leistungskenngröße): Die Anzahl der eingesetzten Roboter ist eine positiv besetzte Kenngröße und wird häufig als Gradmesser für Automatisierung und Effizienz verwendet. Da spielen auch Analysten eine Rolle, die anhand dieser Größe sagen, dass Unternehmen nicht genügend Automatisierung einsetzen – nur weil die Zahl der RPA-Skripte zu klein ist. Wie sinnvoll das ist, habe ich ja gerade erläutert.

Wenn das also kein vielversprechender Automatisierungsansatz ist: Was ist dann intelligente Automatisierung?

Intelligente Automatisierung entsteht über eine Digitale Operations Toolbox. Also, dass man Low-Code-Plattformen einsetzt, eventuell auch ein RPA-Tool (mit allen seinen Nebeneffekten) und ein Decision Management System. Die Frage ist: Wann setzt man welche Technik gewinnbringend ein? Jedes dieser Tools hat seine Daseinsberechtigung. Aber eine Entscheidungsautomatisierung setze ich ein, wenn ich komplizierte Entscheidungen treffen muss, wenn sich diese oft ändern, wenn IT und Business gut zusammenarbeiten müssen und – und das ist der wichtigste Punkt – ich zentral Wissen in einem System ablegen möchte, auf das verschiedene Applikationen zugreifen sollen. Denn das können die anderen Tools (wie RPA) tatsächlich nicht.

Warum das wichtig ist, zeigt ein Beispiel aus der Finanzwelt: Hier spielt die Regulatorik eine wichtige Rolle, weil sie sich permanent ändert (und das auch noch unterschiedlich nach Regionen und Ländern). Es wäre nicht klug, diese Regeln in den einzelnen Applikationen zu hinterlegen.

Denn dann müsste ich bei jeder Änderung der gesetzlichen Vorgaben die Änderungen in allen Anwendungen nachziehen und sicherstellen, dass dabei nichts vergessen wird. Vor allem müsste das in allen Anwendungen nach derselben Logik und den gleichen Prüfungen passieren. Und damit wird klar, dass es intelligent ist, diese Regeln einmal zentral abzulegen. Weil ich sie nur an einer Stelle warten muss und sicher sein kann, dass sie überall Anwendung finden.

IT-technisch gesehen bauen Sie damit einen zentralen IT-Service auf, der auf einer Regeltechnologie basiert. Intelligent wird das System dadurch, dass es Low-Code-Elemente einsetzt und grafisch modellierbar ist (weil es dadurch auch für Business-Anwender besser les- und verstehbar ist). Hinzu kommen Analyse- und Statistikdaten, die die Tools aufzeigen sollten. Damit entsteht die – intelligente – End-to-End-Betrachtung, für die sich die ganze Toolbox an Automatisierungstechniken einsetzen lässt.

Und es geht auch darum, Wissen abzulegen. Wenn ich viel automatisiere, sind irgendwann auch die Menschen nicht mehr da, die dieses Wissen hatten (nicht nur durch Einsparung, sondern auch durch Fluktuation). Deshalb ist es wichtig, das Wissen zentral zu speichern, bei Decision-Management-Plattformen in der Form von Regeln. Letztlich speichern auch „normale“ Anwendungen Wissen in Form von Prozessabläufen.

Wenn man eine intelligente Automatisierung aufsetzen möchte, wie geht man das am geschicktesten an? Klar, muss die IT das System aufsetzen, aber wie geht es dann weiter?

Der erste Schritt ist der, sich darüber klarzuwerden, dass man ein zentrales System einsetzen möchte. Das mag trivial erscheinen, ist aber die erste wichtige Entscheidung, automatisierte Entscheidungen als zentralen Service bereitzustellen. Wenn Sie das System dann aufgesetzt haben, geht es Schritt für Schritt und Prozess für Prozess voran. Sie legen die Regeln zentral ab und erzeugen darüber die Automatisierung – auch weil die Erkenntnis da ist, dass ein zentraler Service dafür notwendig ist. Und selbst bei großen Projekten gehen Sie Prozess für Prozess vor. Sie greifen sich zu Anfang ein Beispiel raus, und setzen dieses konkret um.

Letztlich ist das eine Budgetfrage und das Geld in Unternehmen ist endlich. Wenn Sie mit einem Projekt anfangen, haben Sie den ersten Effizienzgewinn schon nach einem oder zwei Monaten. Darüber können Sie sich das nächste Projekt finanzieren und so weiter fortschreiten. Früher hat man in einem großen Transformationsprojekt versucht, alles auf einmal zu stemmen, heutzutage geht man dabei aber anders – eben Schritt für Schritt – vor. Wichtig ist es, schnell zu starten, schnell Werte zu liefern. Für mich ist auch das intelligente Automatisierung.

Selbst wenn Sie diese Erkenntnis – ein zentrales Entscheidungssystem zu benötigen – noch nicht haben, wissen Sie dennoch, dass Sie effizienter werden wollen und beschäftigen sich damit. Und am Ende dieser Überlegung ist zumindest für einen Teil die Lösung immer eine Form der Automatisierung.

Also treiben vor allem die Kosteneinsparpotenziale die Einführung intelligenter Automatisierungssysteme?

Die Kosten sind nur die eine Seite. Die Flexibilität und Schnelligkeit, die solche Systeme ermöglichen, können einen erheblichen Nutzen stiften. Nehmen Sie das häufig zitierte Beispiel einer Kreditentscheidung: Der Anwender kann heutzutage über diverse Internet-Plattformen sofort eine Kreditzu- oder -absage erhalten. Er muss eben nicht mehr in eine Bankfiliale gehen, wo diverse Daten abgefragt werden und später eine Entscheidung fällt. Er erhält mehr oder weniger sofort eine Rückmeldung, ob noch Daten fehlen, oder gleich die Zu- oder Absage.

Und das gilt auch für viele andere Bereiche des normalen Lebens – ob es Online-Einkäufe sind, welche Werbung und Angebote mir online angezeigt werden, welche Preise ich zu sehen bekomme: Das sind alles automatisierte Vorgänge, die auf einen höheren Umsatz und weniger auf Kostenreduktion ausgerichtet sind.

Und es gibt noch nahezu unendliche viele andere Beispiele, wo man intelligente Automatisierung einsetzen kann, sei es in der Produktion und Qualitätssicherung, dem Handel oder in der Verwaltung. Es gibt fast keinen Bereich, in dem es keine Automatisierungspotenziale gibt …

… in denen aber häufig auch schon Robotic Process Automation zum Einsatz kommt?

Ja, aber es geht ja nicht nur darum, einzelne Prozesse zu optimieren, sondern über ein zentrales System eine Übersicht zu gewinnen; ein System zu haben, wo Daten zusammenlaufen, und in dem ich analysieren kann, um eventuelle Probleme auch längerfristig zu lösen, statt sie mit einem kleinen RPA-Skript zu umschiffen. Nur in einem zentralen System sehe ich, wie oft etwas aufgerufen und benötigt wird. Das Ziel ist ja, Sinnvolles zu automatisieren und Blödsinn zu beheben.

Gerade über die statistische Auswertung, welche Regeln häufig oder auch gar nicht angewendet werden, kann ich in einem zentralen System sehen, was Kunden tatsächlich nutzen und was nicht und darüber wieder meine Prozesse optimieren und verfeinern – auch das ist ein Teil intelligenter Automatisierung.

Kommen denn Decision Management Systeme auch im Support wie bei großen Internet-Providern zum Einsatz?

Ja, natürlich. Gerade Support-Prozesse haben sehr viele zentrale Elemente. Wenn Sie dort im Support anrufen, kann ein KI-unterstütztes System mit ein paar Fragen sehr schnell die Ursachen eines Problems ermitteln und mögliche Lösungen vorschlagen. Der Vorteil eines DMS ist hier, dass man schnell neue Attribute und Aspekte in das System aufnehmen und in die Modelle integrieren kann (zum Beispiel, wenn der Anbieter neue Router an seine Kunden ausliefert). Das ist der große Vorteil eines DMS: Für den neuen Router können sie die Logik eventuell einfach kopieren und müssen nur geringe Anpassungen vornehmen.

Ein weiteres gutes Beispiel ist die Lieferlogistik großer Lebensmittelhändler: Hier fallen enorme Datenmengen an (Bestandsdaten, Verkäufe, Lagerbestände, Lieferungszeiten und -Ketten), es muss auf saisonale Schwankungen Rücksicht genommen werden und das Wissen steckt häufig in den Köpfen der Bereichs- und Logistikleiter. Änderungen an der Logistik sind hier an der Tagesordnung. Ein DMS hilft, manuelle Überprüfungen zurückzufahren, mehr Transparenz zu bekommen und Fehllieferungen deutlich zu senken. Von den Fachbereichsleitern wird vor allem unser grafischer ACTICO-Modeler geschätzt, der direkt Java-Code erzeugt, der sich leicht in die bestehende IT-Landschaft einfügen lässt.

Und hier ist der entscheidende Punkt für die Auswahl eines DMS: Wie einfach kann ich Veränderungen vornehmen, wie übersichtlich ist das System und wie schnell lassen sich die angepassten Modelle live nehmen?

Gartner führt für die intelligente Automatisierung ja neben Kosten und Umsatz auch Risikominimierung ins Feld.

Risikomanagement gibt es in vielen Wirtschaftsbereichen, beispielweise auch in der Produktion. Hier dürfen Maschinen nicht ausfallen, weil sonst schnell zusätzliche Kosten in Millionenhöhe entstehen. Durch den Einsatz von Machine Learning und Regeln lassen sich mögliche Ausfälle vorhersagen und vermeiden, Stichwort: Predictive Maintenance. Der Vorteil eines DMS ist hierbei auch, dass die Produktionsleiter als auch die Arbeiter vor Ort ihr Wissen in das Regelsystem einfließen lassen können und anstehende Wechsel von Werkzeugen zum Beispiel automatisch in ein Ticket-System fließen.

Risikomanagement ist natürlich auch für Finanzinstitute ein nicht zu unterschätzendes Thema. Die vielen regulatorischen Anforderungen kosten Finanzinstitute unglaublich große Beträge, die die Unternehmen jährlich für Anpassungen aufwenden müssen. In dem Bereich ist zwar heute auch schon viel automatisiert, aber der Automatisierungsgrad ist von Institut zu Institut sehr unterschiedlich. Bei vielen Banken geht es um Hunderte, wenn nicht Tausende Applikationen, die alle auf Änderungen, die Aufsichtsbehörden wie zum Beispiel die BaFin oder FINMA herausgeben, hin geprüft werden müssen. Häufig sind diese Anwendungen auch miteinander vernetzt und erzeugen eine enorme Komplexität, die in ihrer Gesamtheit auch die Banken wahrscheinlich nicht überblicken.

Müssten Banken dann nicht eigentlich viel mehr DMS einsetzen? Oder ist das utopisch?

Nein, ich finde das überhaupt nicht utopisch, sondern für sehr realistisch. Ich würde es dringend empfehlen, so ein System aufzubauen. Denn dieses Wissen sollten Banken zentralisieren und Stück für Stück umstellen. Utopisch ist es, alle Systeme auf einmal umstellen zu wollen (denn das würde wahrscheinlich Milliarden kosten). Aber immer neue regulatorische Vorgaben in einem neuen System abzubilden und darüber alle Entscheidungen peu à peu zu überführen, halte ich für sehr realistisch.