Detecon
DE

11.04.2019

Zusammenspiel von RPA und AI für die Prozessautomatisierung

RPA ist ein derzeitiger Hype und geistert durch die Unternehmen. Erste „low hanging fruits“ sind schnell geerntet. Aber was kommt dann? Wir möchten in diesem Artikel aufzeigen, wie die Reise für Unternehmen weitergehen kann und stellen praktisch dar, wie AI Funktionalitäten in ein RPA System einfach integriert werden können. 

Mit RPA lassen sich heute schnell erste Erfolge erzielen

Viele Unternehmen starten heute ein RPA Projekt. Der schnelle ROI und die einfache Umsetzung sind die wesentlichen Treiber. RPA ermächtigt direkt Fachbereiche und die IT Abteilung, über eine Automatisierung von einfachen bis komplexen Anwendungsfällen nachzudenken. Dabei ist es egal, welche Business Prozesse oder welche Applikationen automatisiert werden sollen. Es lässt sich nahezu in jedem Bereich Anwendungsfälle finden.

UIPATH SKRIPT, RPA-Artikel, Detecon International
Abb. 1: Einfaches regelbasiertes UiPath Skript

Zu beachten gilt jedoch der Komplexitätsgrad. Dieser wird i.d.R. dreistufig (leicht, mittel, schwer) gemessen und wird bestimmt durch z.B.:
•    Anzahl und Qualität der IT Anwendungen
•    Authentifizierungsarten z.B. zwei-faktoren
•    Anzahl der Aktivitäten
•    Anzahl von Wiederholungen und Schleifen
•    Verschachtelungen
•    Nutzung vieler unterschiedlicher Trigger
Die Komplexität hat Einfluss auf die Entwicklungsdauer der Bots und somit natürlich auch auf den Business Case. Es gibt Bots, die mit dem Nutzer interagieren, oder welche, die alles im Hintergrund wegarbeiten. 

RPA KOMPLEXITÄTSSTUFEN, RPA-Artikel, Detecon International
Abb. 2: RPA Komplexitätsstufen

Eine sich stärker ergebende Komplexitätsstufe ist bei manchen Kunden der Einsatz von Künstlicher Intelligenz (siehe Abbildung 2). Hierbei kann noch unterschieden werden, ob es zuverlässige, existierende AI Modelle gibt, oder ob man eigene AI Modelle entwickelt. 

Unternehmen sind in der Lage mit Hilfe von AI Methoden, kognitive Aufgaben und menschliche Entscheidungen zu automatisieren. Viele sprechen hier von der Zukunft, wir automatisieren bereits heute Prozesse mit intelligenten Bots und möchten deshalb die generelle Funktionsweise zeigen und die Vorteile darstellen, wenn RPA mit AI als Technologien kombiniert werden.

Unternehmen begeben sich mit den kommerziellen AI Plattformen in eine teure Abhängigkeit

Künstliche Intelligenz (KI), oder Artificial Intelligence (AI), kann heutzutage in fast jedes IT Produkt und Dienstleistung integriert werden. Heutige Anwendungsfelder für die Verwendung von AI sind z.B. Gesichtserkennung, Recommendation Engines, Betrugserkennung, Chatbots, Sprachsteuerungen wie Siri, Alexa oder automatische Übersetzungen. Dabei wird sowohl „supervised learning“, als auch „unsupervised learning“ genutzt.

Unternehmen sind aufgefordert Anwendungsfälle für AI zu finden und Lösungen für das Business zu entwickeln. Dabei kann beobachtet werden, dass Unternehmen größere Projekte starten. Viele Konzernlenker denken groß, wollen viel und beschäftigen sich mit Big Data und der damit verbundenen Datenanalyse. Man versucht, unbekannte Datenkorrelationen herauszufinden, um diese dann für „intelligente Entscheidungen“ nutzen zu können.  Somit wäre die Maschine sogar intelligenter als der heutige Mitarbeiter, der dieses Wissen nicht hat. 

Es ist nicht selten, dass Projekte teuer sind, lange dauern bzw. schon vor dem Ende scheitern. Dabei sind auch die kommerziellen AI Frameworks ein wesentlicher Kostentreiber. Unternehmen versuchen mit einer AI Plattform von z.B. IBM, Microsoft den Durchbruch zu erzielen und begeben sich damit in eine teure Abhängigkeit.

Schnell und erfolgreich: Mit RPA plus AI können intelligente Automatisierungen produktiv genutzt werden

Mit dem Zusammenspiel von RPA und AI generell und diesem Artikel im Besonderen, möchten wir zeigen, dass man AI-basierte Lösungen auch schnell und kostengünstig für die produktive Prozessautomatisierung realisieren kann. Das Zusammenbringen der beiden Technologien ist bereits in bestehenden RPA Plattformlösungen vorgesehen. So gibt es beispielweise bei UiPath oder Blueprism Funktionen zur Integration von kognitiven Aktivitäten wie z.B. Textanalyse, Sentimentanalyse, und Übersetzung. Diese beruhen auf den APIs von Google, Stanford, IBM und Microsoft und nutzen somit diese Services, die mit einer entsprechenden Lizensierung verbunden sind. 

Es gibt allerdings auch die Möglichkeit über Programmierbausteine eigene Skripte einzubinden. Die Programmiersprache Python ist mit ihrer Vielfalt von AI-Bibliotheken hervorzuheben, die größtenteils zur freien Nutzung zur Verfügung stehen. 

Wir wollen uns hier auf die o.g. kognitiven Funktionen konzentrieren und diese im RPA-System mit Open-Source-Produkten realisieren.

Kognitives Automatisierungsbeispiel mit UI Path und Python

Die Integration von AI ist nach den oben vorgestellten Methoden einfach möglich. Das große Spektrum an kognitiven Funktionen von Python ermöglicht eine schnelle Implementierung. Mit der Vielzahl von Python AI Bibliotheken können verschiedene Anwendungsszenarien wie die Suche mit maschinellem Lernen, Daten-Pipelines für maschinelles Lernen, Datenprüfung (Data Mining), Neuronale Netzte, semantische Analyse oder Algorithmenüberprüfung realisiert werden. 

Im folgenden Beispiel wird die Bibliothek „TextBlob“ verwendet. Diese greift auf das Natural Language Processing Toolkit zurück, womit, unter anderem, die Stimmungslage eingeschätzt werden kann. 

Im Showcase kann ein Nutzer einen Text eingeben, der gegebenenfalls in Englisch übersetzt wird. Über die Integration eines Python-Skriptes wird die Stimmungslage analysiert und ausgegeben.

Der folgende Showcase soll demonstrieren, wie eine sehr einfache Implementierung von Python-AI-Funktionalitäten in RPA-Skripten mithilfe der direkten Einbindung dieser Skripte umgesetzt werden können.

PYTHON SKRIPT, RPA-Artikel, Detecon International
Abb. 3: Links: UiPath Implementierung; Rechts: Python Skript

Ein Einsatzszenario ist die Analyse von Social-Media-Kanälen (Social Listening) und die Überwachung neuer Produkt- oder Serviceeinführungen. Die Marktstimmungen werden direkt erkannt, das Unternehmen kann darauf sofort reagieren. Ebenfalls wird eine Sentimentanalyse im Kundenservice eingesetzt, um Kundenanfragen im Freitextformat zu sortieren und ebenfalls eine schnelle Reaktionszeit auf Kundenfeedbacks zu erreichen. 

Derzeit erlauben kognitive Bots auch eine standardisierte Verarbeitung von Anfragen, indem menschlicher Freitext analysiert und das primäre Anliegen erkannt wird. Es werden also aus unstrukturierten Informationen Daten, die strukturiert verarbeitet werden.

Fazit

Der Einsatz von AI ist mit Hilfe von RPA einfach und schnell umsetzbar. Außerdem öffnet die Kombination der Technologien den jeweiligen Einsatzbereich, d.h. es gibt mehr Usecases und damit einen potenziell höheren Automatisierungsgrad. Der Vorteil ist, dass diese Lösungen sehr schlank und in kurzer Zeit entwickelt werden können. Existierende AI-Modelle werden direkt eingesetzt und neue AI-Modelle können mit einer begrenzten, auf den Prozess passenden Datenbasis entwickelt werden. Somit lässt sich AI in kurzer Zeit produktiv einsetzen. Potenziale können agil erschlossen werden, ohne große Projekte aufzuziehen. Selbst Unternehmen, die RPA als Interimslösung einsetzen, profitieren von den Anwendungsfällen, denn einmal eingesetzte und gut funktionierende Modelle können auch ohne Probleme in eine langfristige Automatisierungslösung integriert werden.

Diese Seite teilen