Die intelligente Zusammenarbeit von Menschen und Robotern kann hohe Potenziale ausschöpfen. Dabei gilt es nicht, Arbeitskräfte zu ersetzen, sondern mittels wertvollem Nutzerfeedback bestehende Prozesslücken zu schließen und komplexe Prozesse handhabbar zu gestalten. Der organisatorischen Steuerung von Hyperautomation kommt im Rahmen unseres Ansatzes der Hyperconnectivity Transformation eine wichtige Rolle zu.
Was sich in erfolgreichen Unternehmen bewährt hat, sollte mit der Zeit als unternehmenseigener Prozess formalisiert werden. Bis zu einem gewissen Grad läuft dies völlig organisch ab. Um allerdings trotz der eigens aufgestellten Prozesse schnell und schlagkräftig zu bleiben, empfiehlt es sich, den Fokus auf die Teilautomatisierung verschiedener Prozesse zu lenken und dies in den strategischen Zielen zu verankern. Hierbei hat sich Robotic Process Automation (RPA) als eine industrieweit anerkannte Technologie erwiesen, die einzelne Prozesse kurzfristig auf einfache Art und Weise automatisieren kann.
Häufig lässt sich diese Art der Automatisierung aufgrund hoher Komplexitäten jedoch nicht end-to-end in die bisherigen Geschäftsprozessen einbauen, was dazu führt, dass bei einer Umsetzung Skalierungspotenziale verloren gehen. Des Weiteren ist die fortwährende Wartung der bereits implementierten Prozesse ab dem Erreichen einer kritischen Masse extrem aufwendig.
Hyperautomation ist der nächste evolutionäre Schritt zu einer vollumfänglichen Automatisierung und vereint RPA mit intelligenten Technologien. Einfache RPA-Komponenten werden hierbei mit künstlicher Intelligenz, Process Mining und anderen integrierten Advanced Analytics Tools angereichert, sodass genau jene Prozessverkettung entsteht, die auf das Endergebnis einzahlen soll. Neben Abbildungen von zuvor manuell ausgeführten Maus und -Tastaturaktionen kann so beispielsweise auch ein Software Roboter Entscheidungen anhand statistischer Modelle treffen. Der hieraus resultierende Automatisierungsgrad übersteigt das Potential simpler Prozessautomatisierungen um ein Vielfaches.
Hyperautomation ist gemäß Gartner ein Konzept, beziehungsweise ein Zustand, den Unternehmen für ihre künftige Wettbewerbsfähigkeit benötigen. Es verspricht Organisationen einen höheren Automatisierungsgrad und eine höhere Automatisierungstiefe (also auch die Automatisierung komplexer Sachverhalte) sowie eine höhere Agilität bei der Prozessoptimierung und Prozesskonfiguration. Damit ist Hyperautomation Aufgabe des Managements, ist holistisch anzugehen und sollte in der Strategie verankert sein.
Hyperautomation wird optimalerweise mit Hilfe von iterativen Bausteinen integriert, um sich vom großen Gesamtprozess auf immer kleinere Teilprozesse zu fokussieren – und somit Skalierbarkeit zu gewährleisten. Es ergibt sich stets ein Tandem aus einer Prozess- und einer Automatisierungskomponente. Zentraler Steuerpunkt ist hierbei das Target Operating Model (TOM), welches als Gravitationsursprung alle Bestandteile zusammenhält. Neben einer zentralen Governance werden durch das TOM die Wiederverwendung von Komponenten, die Bündelung von Kompetenzen und weitere organisatorische Bausteine verankert.
Im Detail durchläuft der Automation Cycle folgende Phasen:
1. Discover & Monitor
Im ersten Schritt ist es notwendig, den richtigen Startpunkt für die Automatisierung zu bestimmen. Hierzu wird in der Discover- & Monitor-Phase eine Potenzialanalyse eines ersten Prozesses mittels Process Mining vorgenommen. Die direkte Anbindung von Process Mining Software an bestehende Systeme ermöglicht detaillierte Auswertungen des Prozessworkflows. Zum Beispiel wie lang die Ausführungszeit eines Prozesses ist und wie sich die Verweildauer in den jeweiligen Systemen verhält. Hierbei ist zu berücksichtigen, dass mittels Process Mining nicht nur ein Snapshot des aktuellen Zustands erfasst wird. Vielmehr wird ein Instrument geschaffen, um fortwährend die Qualität des beleuchteten Prozesses zu monitoren. Nur so können auch später durchgeführte Maßnahmen bewertet werden.
Unternehmen mit besonderer Awareness für ihre eigenen Prozesse und deren Durchlaufzeiten wissen oftmals, wo besonderer Optimierungsbedarf besteht. In jedem Fall liefert Process Mining wichtige Informationen, die es ermöglichen, zielgerichtete und quantifizierbare Automatisierungsentscheidungen zu treffen. Welche Werkzeuge und Tools in diesem Prozessschritt verwendet werden, hängt stark von der individuellen Situation des Unternehmens ab und muss stets passgenau evaluiert werden. So ist zum Beispiel für ein Fertigungsunternehmen die Dauer zwischen Auftragseingang und Beginn der Fertigung von Interesse. Ein weiteres Beispiel sind die Durchlaufzeiten für Freigaben im Rahmen bestehender Approval-Prozesse.
2. Build & Run
Geschäftsprozesse werden in den meisten Fällen von mehreren Anwendungen gestützt. Falls dedizierte Schnittstellen zwischen diesen Anwendungen fehlen, kann Automatisierung über diese Grenzen hinweg entworfen werden. Robotic Process Automation löst diese Aufgabe durch die Konfiguration virtueller Softwareroboter, die Anwendungen wie menschliche Nutzer bedienen, jedoch deutlich schneller und ohne Pausen arbeiten. Proof-of-Concept- Umsetzungen kleinerer Teilprozesse ermöglichen schnelle Produktivtests im Unternehmen hinsichtlich Robustheit, Werthaltigkeit und Umgang mit RPA-Anwendungen. In dieser Phase ist es von großer Bedeutung die Erwartungshaltung der Nutzer zu kontrollieren, denn in ihrer Rohform sind Roboter „dumm“. Menschliche Transferleistungen, die nicht im Prozess und dementsprechend nicht im Programmcode festgehalten sind, wird der Roboter nicht ohne menschliche Hilfe erlernen. Die Entscheidung, ob die Entwicklung und Inbetriebnahme von dem jeweiligen Fachbereich im Self Service oder der eigenen IT durchgeführt wird, ist abhängig vom Target Operating Model.
3. Optimize
Ziel der Optimierung ist es, Prozesse fortlaufend auf ihre Skalierbarkeit zu prüfen und Änderungen im Betrieb kontinuierlich einzubauen. Geschieht dies nicht, entsteht die Gefahr, dass sich Mitarbeiter von der Automatisierung abwenden und anfangen, erneut eigene Prozesse aufzubauen. Vor allem neue Technologien im Rahmen künstlicher Intelligenz versprechen enorme Steigerungen der Prozesseffizienz und -qualität. Intelligente Automatisierung wird mit zunehmendem Zeithorizont ein verpflichtendes Element für jedes Unternehmen. Es ist Aufgabe des TOMs, durch ein kontinuierliches Prozessreview ein Mapping des aktuellsten Standes vorzuhalten und Optimierungen über dieses Mapping anzustreben.
4. Enable/Integrate
Die gesamte Technologiekette kann oftmals durch sogenannte „Low-Code“-Skripte bestehend aus vordefinierten Anwendungsblöcken implementiert werden. Durch nutzerfreundliche Tools wurde der Grad an notwendiger Entwicklungsexpertise stark reduziert. Dennoch sollte der Endnutzer als Auslöser eines automatisierten Teilprozesses nicht in Berührung mit technologischen Komponenten und möglichst nicht aus seiner gewohnten Arbeitsumgebung gerissen werden. Eine Workflow Engine ermöglicht die Integration von Process Mining bis zu Intelligent-Process-Automation-Komponenten über anwenderfreundliche Prozessabbildungen auf einer zentralen Plattform. Über diese kann Automatisierung gestartet, überwacht und durch fachliches Feedback der Nutzer optimiert werden. Die Integration der unterschiedlichen Technologien ermöglicht smarte End2End- Automatisierungen und liefert nebenbei ein digitalisiertes Abbild der Geschäftsprozesse im Sinne eines „Digital Twins“.
5. Plan & Engage
Plan & Engage bezieht sich auf die oftmals vergessene, aber wichtigste Komponente in Automatisierungsinitiativen: Den Menschen. Die Mitarbeit der Stakeholder ist in allen Hyperautomationphasen von höchster Priorität. Bevor die Automatisierungsschleife erneut mit der Discover- & Monitor-Phase startet, sollte vor allem die Zusammenarbeit von Mensch und Maschine sichergestellt sein. Diejenigen Unternehmen, welche intelligente Automatisierung hauptsächlich zur Verdrängung von Mitarbeitern einsetzen, werden nur kurzfristig Produktivitätsgewinne erzielen. Es gilt vielmehr, die Vorteile zu verdeutlichen, Veränderungen in der Arbeitsweise zu unterstützen und Geschäftsprozesse dahingehend anzupassen. In den Planungsprozess von Hyperautomation-Iterationen sollte kontinuierlich wertvolles Nutzerfeedback einfließen.
6. TOM Implementation
Die Entwicklung einer Hyperautomation-Strategie und des Target Operating Models (TOM) ist ein entscheidender Schritt für eine nachhaltige und skalierbare Integration von intelligenten Prozessen. Hierbei organisiert sich das Hyperautomation Cluster anhand von Prinzipien der Unternehmenssteuerung und strukturiert damit die Elemente, die zur Implementierung notwendig sind. Hierzu gehören etwa agile Steuerungsfunktionen des Projektmanagements sowie Governance. Bei allen Aktivitäten sollte zudem das Veränderungsmanagement eine zentrale Rolle spielen. Darunter fällt besonders das gezielte Schulen von Mitarbeitern, ihre Fähigkeiten mit denen von intelligenten Maschinen zu komplementieren und nicht zu ersetzen.
Training intelligenter Agenten
Die Beschäftigten eines Unternehmens sollten in der Lage sein, intelligenten Agenten neue Fähigkeiten beizubringen. Schulungen sind wichtig, um in AI-verbesserten Prozessen gut agieren zu können. Mitarbeiter, die als Digital Stewards wirken, stellen sicher, dass die KI-Systeme ihrer Unternehmen verantwortungsbewusst und nicht für illegale oder unethische Zwecke verwendet werden.
Unternehmen, die Maschinen lediglich verwenden, um Mitarbeiter durch Automatisierung zu verdrängen, werden das volle Potenzial der KI verpassen. Eine solche Strategie ist zum Scheitern verurteilt. Die Führungskräfte von morgen werden stattdessen diejenigen sein, die auf kollaborative Intelligenz setzen und ihre Geschäftstätigkeit, ihre Märkte, ihre Branchen und - nicht weniger wichtig - ihre Belegschaft verändern.
