This blog post is currently only available in German.

Zum Einstieg ein Bild aus der Fachwelt:

Die Befragung des britischen Marktforschungsunternehmens Loudhouse stammt zwar aus dem Jahr 2016, doch kann diese nach wie vor als ein valider Indikator im Hinblick auf die Automatisierung von Geschäftsprozessen betrachtet werden.

Über 1000 Personen, Customer-Experience-Experten und IT-Entscheider in Unternehmen mit über 500 Mitarbeitern, wurden zum digitalen Wandel befragt.

Was war das Ergebnis?

87 Prozent der Befragten sahen den digitalen Wandel als erhebliche strategische Herausforderung. 82 Prozent wussten, dass der Wandel schnell gehen muss und hielten Geschäftsagilität für den entscheidenden Faktor, um mit der Transformation die Kundenzufriedenheit zu steigern. Doch zugleich waren 70 Prozent der Ansicht, dass ihre Bemühungen zur externen Unternehmenstransformation durch komplexe interne Organisationsstrukturen erschwert werden.

Und glaubt man der soeben veröffentlichten Studie von A.T. Kearney und Arvato CRM Solutions, werden bis 2028 über 50 Prozent der Back-Office-Arbeiten von Robotern durchgeführt werden.

Der Druck der Prozesstransformation zu höheren Frequenzen steigt also.

Wie können hier also digitale Prozesse zu einer digitalen Wertschöpfung führen?

Dazu vorab eine Begriffsabgrenzung:

Was bedeutet überhaupt Digitale Produktivität?

Digitale Produktivität (auch digitale Effizienz genannt) beschreibt die Digitalisierung von administrativen und wertschöpfenden Prozessen über Abteilungsgrenzen und auch über Unternehmensgrenzen hinaus vom Lieferanten bis zum Kunden. Eine Prozessdigitalisierung wird erreicht durch die Vernetzung von Systemen und Anwendungen auf Basis regelbasierter Prozesse. Ziel ist dabei nicht nur die Steigerung des Durchsatzes, sondern auch die Erhöhung der Zuverlässigkeit, mehr Übersichtlichkeit sowie eine Reduktion der Fehlerquote.

Welche Prozesse sind geeignet?

Grundsätzlich sind alle Prozesse eines Unternehmens geeignet. D.h. angefangen von der Akquisition, Sales, Einkauf, Produktion, Logistik, Planung bis hin zur Buchhaltung, Mitarbeiterführung oder auch Projektmanagement. Für alle Prozesse gibt es digitale Hilfsmittel, die je nach Komplexität und Zieldefinition des Use Cases mit unterschiedlich hohen Aufwand implementiert werden können. 

Machen wir einen kurzen Ausflug in die Robotergesteuerte Prozessautomatisierung (RPA). Um was handelt es sich hierbei?

Hierbei bedient man sich der Fähigkeit von Softwarerobotern bzw. durch künstliche Intelligenz getriebene Softwareanwendungen, also Algorithmen und Methoden, die menschliche Interaktion mit Benutzerschnittstellen von Softwaresystemen nachahmen. Sie dienen der Entscheidungsunterstützung und –automation. Dabei arbeiten die Softwareroboter in einer vergleichbaren Art und Weise auf dem User Interface, wie es ein Mensch tun würde. Programmierfähigkeiten zur Anwendung von Softwarerobotern bedarf es keiner.

Als Beispiele für Softwareroboter können die Ausführung einer Dateneingabe in ein ERP-System, die semantische Prüfung von Rechnungen oder sogar die Ausführung eines gesamten Geschäftsprozesses genannt werden. Softwareroboter können aber auch der Systemüberwachung im Hinblick auf Fehler, Effizienz und Vermeidung von Systemabbrüchen dienen, sodass es den Mitarbeitern möglich ist, sich auf die proaktive Arbeit zu konzentrieren.

Künstliche Systeme für die digitale Produktivität sind vor allem lernende Systeme, auch unter dem Begriff „Machine Learning“ bekannt. Das System lernt dabei mit jedem Anwendungsfall und kann das Erlernte nach Beendigung der Lernphase verallgemeinern. D.h. Das System erkennt Muster und Gesetzmäßigkeiten, was zum Beispiel bei der Rechnungskontrolle, Aktienmarktanalysen oder automatisierten Diagnoseverfahren immer mehr zur Anwendung kommt.

Zurück zu den digitalen Geschäftsprozessen im Allgemeinen…

Worauf sollten Sie bei der der Auswahl der richtigen Algorithmen und Methoden achten?

Damit der erforderliche Wettbewerbsvorteil erreicht wird, gibt es ein paar essentielle Faktoren, die im Vorfeld beachtet werden sollten:

• Lernkurve des Systems: Algorithmen müssen Funktionen teilweise „erlernen“. Das bedeutet, dass Sie hierfür eine angemessene „Lernzeit“ einkalkulieren müssen und somit einen Abgleich mit den zu erwartenden Zielen vornehmen müssen.
• Interface: Die Schnittstellen müssen einfach und benutzerfreundlich sein, sodass in Summe die Leistungsfähigkeit der Systems bei der Bewältigung komplexer Aufgabenstellungen gewährleistet ist. D.h. Prüfen Sie die Möglichkeiten der Schnittstellen im Vorfeld ausreichend!
• Integration: Das bedeutet in Folge, dass das System mit den übrigen Systemen im Unternehmen, seien es beispielsweise Planungs- oder Dispositionssysteme, mühelos miteinander interagieren muss.
• Teilweise oder vollständig Cloud-basiert: Cloud-Lösungen benötigen keine eigene IT-Infrastruktur, da die Programme auf den Servern des Anbieters laufen. Das senkt Kosten. Zudem sind die Daten bei den Profis besser aufgehoben als in kleinen Unternehmen ohne IT-Kompetenz. Wichtig ist zu wissen, dass auch sensible Daten mit entsprechenden Verschlüsselungen gespeichert werden können.

• Mobil nutzbar: Die Zeiten, in denen Programme fest auf einzelnen Büro-Rechnern installiert sind und nur dort abgerufen werden können, sind vorbei. Mobile Programme (Apps) können nicht nur von unterwegs via Smartphone oder Tablet genutzt werden, sondern auch von unterschiedlichen Mitarbeitern an unterschiedlichen Orten, so dass jeder auf alle nötigen Informationen zugreifen kann.

• Workload: Oft gerne zu wenig beachtet, aber relevant - die Implementierung eines lernenden Systems bindet während dieser Phase Ressourcen an Zeit und Kapazität im Unternehmen.
• Budget: Last but not least! Achten Sie hierbei nicht nur auf die Anschaffungskosten, sondern vor allem auch die Kosten für Lizenzen und Add-Ons. Nutzen Sie Open-Source Technologien!

Abschließend die zentrale Frage – Wie am besten vorgehen?

Natürlich hat jeder Use Case sein eigenes Spezifikum und oft verlangt es individuelle Vorgehensweisen, doch in aller Regel sollte bei der (robotergesteuerten) Prozessautomatisierung zu Beginn der grundsätzlichen Frage nachgegangen werden, welche der Geschäftsprozesse überhaupt und wie digitalisiert werden sollen bzw. eine Reihenfolge festgelegt werden. D.h. der zu erwartende Business Value sollte definiert werden. Dabei zählt die Berücksichtigung wirtschaftlicher sowie personeller und technischer Parameter eine Rolle. Je nach Komplexität der Fragestellung wird dieses Assessment gegebenenfalls auch mit einem Digitalisierungsberater durchgeführt. Dieser wird dann meist auch als Experte für die technische Evaluierung herangezogen, im Rahmen derer dann ein konkreten Data Screening, Methoden und Tools, die Architektur, Data Sources sowie die Skills geprüft werden. Erst, wenn die Herausforderung verstanden ist und die strategischen Ziele herausgearbeitet wurden, kann die Road Map entwickelt und die Implementierung gestartet werden.  In der Regel kümmert sich das Dreiergespann

• Business Expert
• Data Scientist
• Technology Expert

für die erfolgreiche Umsetzung des Vorhabens. Je nach Use Case erfolgt dabei ein Data Profiling, die Errichtung eines Piloten und schließlich der Big Data Infrastruktur als Grundlage für die Automatisierung.  Eine

• erfolgreich eingerichtete Prozessautomatisierung ist aber erst dann
• erfolgreich, wenn ihre Schnittstellen sich
• erfolgreich mit jenen des Menschen zusammenfügen, denn der Mensch wird es auch in Zukunft sein, der diese Schnittstellen managen und komplexe, dynamische sowie unvorhersehbare Umgebungen manövrieren wird.

Wir von the tean® nennen diese Phase „Organizational Transformation“.  Es geht darum, die Automatisierung in die Gesamtorganisation zu integrieren, das Zusammenspiel Mensch / Maschine zu gestalten, die Erfahrungen zu transportieren und letztlich auch die Digitalisierungskultur im Unternehmen zu verankern.

Wie heißt es so schön: << Es ist Zeit, das zweite Pferd zu satteln >>

Und wir wünschen Ihnen: Sitzen Sie gut darin!