Im Kontext der Digitalisierung gewinnt die Automatisierung von Prozessen weiter an Bedeutung. Gleichzeitig steigt die Vielfalt an Automatisierungstechnologien und -tools, beginnend mit Engines zur Prozessautomatisierung, Rule Engines über Robotic Process Automation bis hin zu Technologien aus dem Bereich der künstlichen Intelligenz. In unserer Blog- und Webinarreihe unternehmen wir zusammen mit Ihnen einen Streifzug durch den Dschungel dieser Technologien und stellen ihre jeweiligen Möglichkeiten und Chancen sowie Anwendungsfälle für deren Einsatz für eine intelligente Automatisierung vor.
Intelligente Automatisierung bedeutet für uns, dass in Abhängigkeit vom konkreten Problem und den Rahmenbedingungen die geeignete Technologie für die Automatisierung eingesetzt wird. Für die Mitarbeiter eines Unternehmens bedeutet Intelligente Automatisierung, dass sie mehr Zeit für Prozesse und Tätigkeiten haben, welche wirklich wertschöpfend sind. Die Mitarbeiter haben dadurch die Chance, sich effizienter als bisher weiterzuentwickeln und werden nicht mehr unnötig mit repetitiven, zeitfressenden Routineaufgaben beschäftigt. Das erreichen wir über verschiedene Technologien, welche Hand in Hand gehen können und auch aufeinander aufbauen. Dazu betrachten wir im Folgenden die Automatisierung mittels Process- und Rule Engines, Robotic Process Automation (RPA) und Machine Learning.
Welche der Technologien eingesetzt werden kann und sollte, hängt von den aktuellen Gegebenheiten im Unternehmen ab. Wir konzentrieren uns im Rahmen dieser Blogreihe auf eine prozessorientierte Vorgehensweise. Grundlage einer Automatisierung sind modellierte Prozesse. Das fachliche Prozessmodell wird für die Automatisierung weiterverwendet und mit technischen Details angereichert, sodass die Prozesslogik im eigentlichen Prozess und nicht mit Code nachgebildet ist. Das Geschäftsprozessmanagement ist somit eng verknüpft mit der Entwicklung der Software, es finden keine getrennten Entwicklungen statt. Doch wie kann nun bei einem Prozess entschieden werden, welche Technologie die richtige Lösung eines konkreten Problems ist?
Process- und Rule Engines finden zunehmend eine größere Verbreitung und bieten einen großen Nutzen. Sie sind einsetzbar zur Abarbeitung von Prozesslogik und für die automatisierte Entscheidungsfindung. Sie bieten die Möglichkeit, einzelne IT-Anwendungen prozessorientiert miteinander zu verbinden. Die Prozesse und Entscheidungen werden modelliert und in der Engine zur Ausführung gebracht. Anwendungslogik, die nicht direkt im Prozess abgebildet werden kann, wird ergänzend mit herkömmlichen Mitteln programmiert. Der Nutzer ist lediglich bei Aufgaben gefordert, welche (noch) nicht automatisiert sind und die Engine die Aufgaben, welche bereits automatisiert sind.
Robotic Process Automation (RPA) ist eine eher neue Technologie, welche in den Jahren eine rasante Entwicklung und Marktdurchdringung erreicht hat. Sie ist bereits in zahlreichen Unternehmen im Einsatz um Aufgaben mit maschinellen Ressourcen zu automatisieren, denn sie liefert schnelle Ergebnisse in der Automatisierung. Diese Technologie kann eingesetzt werden bei sich wiederholenden Aufgaben mit hohem manuellem Aufwand oder auch bei Prozessen, welche Systeme beteiligen, die nicht per Schnittstelle ansprechbar sind, wo es also keine einfache technische Möglichkeit gibt, ein bestimmtes System mit den anderen kommunizieren zu lassen. Einfache RPA-Prozesse sind beispielsweise Stammdatenpflege oder Übertragen von Kundendaten zwischen Systemen.
Machine Learning ist – anders als bspw. RPA – ein sehr viel mehr technisch getriebene Technologie und ist ein maßgebliches Teilgebiet hinter „Artificial Intelligence“ (Künstliche Intelligenz). Mithilfe von Machine Learning werden Entscheidungen bzw. Wissen aus der Vergangenheit genutzt, um das System zu trainieren und die richtigen – intelligenten – Entscheidungen in Zukunft zu treffen. Ein Beispiel für Machine Learning-Prozess ist die Preiskalkulation für den Mieter eines Mietwagens. Der Mieter wird anhand verschiedener Werte wie Alter, Miethistorie, Schadenshistorie, Fahrzeugtyp und sich ändernder Faktoren wie bspw. aktueller Standort etc. bewertet und der Preis entsprechend angepasst. In Abgrenzung zur Rule Engine bzw. DMN, wo Input und Output klar definiert werden, wird bei Machine Learning das System anhand von einer Kombination aus Input- und Outputwerten vergangener Entscheidungen trainiert. Die innere Struktur der Entscheidung ist unbekannt und wird auch nicht betrachtet.
Die Intelligente Automatisierung von Prozessen hat enormes Potential, denn intelligent automatisierte Prozesse sind besser skalierbar, helfen bei der Umsetzung neuer Geschäftsmodelle und sparen dem Unternehmen an vielen Stellen Zeit und damit auch Geld. Eine Potentialanalyse zur Identifikation der geeigneten Prozesse dient der Erfolgsabsicherung. Seien Sie also gespannt auf unsere Beiträge in den nächsten Wochen, wo wir Ihnen die einzelnen Technologien näherbringen und erläutern, wie die Technologie intelligent eingesetzt werden kann.
In unseren Webinaren dieser Reihe erhalten Sie außerdem Einblicke, wie die Technologien angewendet werden und praktisch funktionieren.
Hier können Sie sich die Aufzeichnungen ansehen.
"Vom Prozessmodell zur Engine"
"Robotic Process Automation: Prozessautomatisierung mit Software-Robotern richtig gemacht (RPA").
----------------------------------------------------------------------------
Diese Blogartikel könnten Sie auch interessieren:
Prozesse intelligent automatisieren mit der Process Engine
Robotic Process Automation: Prozessautomatisierung mit Software-Robotern richtig gemacht
MID Blog Newsletter abonnieren