close
Share with your friends

Laut dem Forschungsinstitut Gartner können bis 2024 die laufenden Kosten der Unternehmen durch Technologieeinsatz um bis zu 30 Prozent gesenkt werden. Als das zentrale Schlagwort zur Realisierung dieser Ziele wird „Hyperautomation“ angeführt. Hyperautomation bietet enormes Potenzial, um Kostensenkungsprogramme, Qualitätsverbesserungen und Agilität in Organisationen zu etablieren.

Hyperautomation wird mit verschiedenen Prinzipien beschrieben und zielt grundsätzlich darauf ab, Aufgaben und Prozesse zu automatisieren, welche aktuell noch menschliche Handlungen und Eingriffe erfordern (regelbasierte Prozesse als auch kognitive). So liegt der Fokus sowohl auf standardisierten regelbasierten Prozessen als auch komplexen End-to-End-Prozessen und Shared Service Center-Dienstleistungen. Hyperautomation beinhaltet den gesamten Automatisierungszyklus von der Ermittlung der Automatisierungsmöglichkeiten bis zur Messung des ROI (Return on Investment) und laufendem Monitoring via Automation-Dashboards. Dies wird durch die Nutzung verschiedener fortgeschrittener Technologien möglich gemacht.

Das zentrale Prinzip von Hyperautomation ist die Kombination der folgenden aktuellsten Technologien und technologischen Ansätzen, um eine möglichst umfangreiche Prozessautomatisierung sicherstellen zu können:

  • Robotics Process Automation und native Integrationen als Kerntechnologie zur einfachen Automatisierung und Ausführung von regelbasierten Aufgaben und Prozessen rund um die Uhr.
  • Technologien im Umfeld von Künstlicher Intelligenz (KI) wie Machine Learning (ML), Natural Language Processing (NLP), Voice-/Chatbots, Intelligent Optical Character Recognition (OCR), Computer Vision und Advanced Analytics Dashboard. Die Einbettung dieser Technologien ist nötig, um den regelbasiert arbeitenden Softwarebots umfangreichere Aufgaben und Tasks (denken, lesen, sprechen) übergeben zu können.
  • Automatisierte Prozesserkennungstools wie Process- oder Desktop-Mining analysieren, wie Mitarbeiter arbeiten, leiten daraus Automatisierungspotenziale ab und helfen Prozessoptimierungen-/automatisierungen laufend zu kontrollieren.
  • Mit einem automatisierten Workflow- und Entscheidungsmanagement werden verschiedene Technologien entlang des End-to-End-Prozessflusses koordiniert und das Zusammenspiel von Mitarbeiter und Bot entlang der Prozessketten sichergestellt.
Phasen des Automatisierungszyklus

Der Automatisierungszyklus besteht aus den Phasen Discover, Build-Manage-Run, Engage und Measure (Abbildung). Als begleitender Rahmen, welcher das organisationale und prozessuale Handeln rund um Hyperautomation vorgibt, wird das Automation Operating Model verwendet. Hierbei werden ua die Rollen und Verantwortlichkeiten innerhalb einer Organisation zum Thema Automatisierung (zB Chief Automation Officer) definiert. Die Phasen sollen die zu etablierende iterative Automatisierungsreise innerhalb einer Organisation verdeutlichen:

  • Unter Discover werden die Ideen gesammelt (ua Mithilfe der KPMG Bot Library) und dokumentiert, sowie mögliche Potenziale mit Task (auf Mitarbeiterebene) and Process Mining (auf Gesamtprozessebene) durchgeführt. Hierbei kann zB eine zentrale softwaregestützte Plattform zur Begleitung des Potenzialerhebungsprozesses etabliert werden.
  • In der Phase Build wird die zentrale Entwicklungsumgebung beleuchtet. Hierzu zählen die Bot-Entwicklung, Entwicklung von Machine Learning-Modellen sowie von Testautomatisierungsfällen.
  • Bei Manage finden die Orchestrierung aller Plattformtechnologien, die Administration der Applikation und ebenso die Wartung und das Testing statt. Neben diesen Aspekten ist es die zentrale Aufgabe der Manage-Komponente, auch die Integration von KI-Ansätzen (zB über OpenSource-Technologien) zu ermöglichen.
  • Unter Run werden die Bots, ML-Modelle und alle weiteren Technologien ausgeführt und produktiv gesetzt.
  • Bei Engage werden die Interaktion und Kommunikation innerhalb einer Organisation ua über selbst erstellte Apps (zB Low Code) und Chatbots inkludiert. Ebenso wird hier die Integration von Workflow-Lösungen (Zusammenspiel von Bot und Mitarbeiter) etabliert und gesteuert.
  • Im letzten Schritt des Automatisierungszyklus Measure wird auf Monitoring und Visualisierung der Automatisierungsinitiativen mittels Dashboard und anderer Data Analytics-Instrumente gesetzt.  

Paradebeispiele im Einsatz

Als eines der zentralen Ziele von Hyperautomation kann die End-to-End-Prozessautomatisierung von zentralen Aufgabenstellungen in einer Organisation, wie zB Finanz, HR oder Kundenservice, genannt werden. Hier können mittels der Kom-bination von unterschiedlichen Technologien gesamte Prozessketten vollumfänglich automatisiert werden. Beispiele hierfür sind Purchase-to-Pay-, Record-to-Report- oder Hire-to-Retire-Prozesse.

Vor allem im Bereich Shared Service Center ändert die Digitalisierung/Automatisierung die klassische Herangehensweise und bietet einen idealen Ansatzpunkt für Hyperautomation. In diesem Kontext geht es vom ursprünglichen Gedanken das Shared Service Center auszulagern, in Richtung eines virtuellen automatisierten Service Centers. Bei diesem findet die Abstimmung von automatisierten Dienstleistungen mit einheitlichen globalen Funktionen in der Unternehmenszentrale statt. Wichtigstes Ziel des Automated Service Centers ist es, Menschen, Prozesse und Technologien als eine Einheit zusammenzuführen und den maximalen Mehrwert zu erzielen. Es wird dabei neben den Automatisierungstechnologien auf Agilität, Vereinfachung und Lean Process Redesign geachtet.

Weg aus der Krise

Hyperautomation ist der Schlüssel zur weiteren Digitalisierung und vollumfänglichen Automatisierung der Prozesslandschaft. Vor allem im Hinblick auf aktuelle gesamtwirtschaftliche Entwicklungen, latente Unsicherheiten und Kostendruck bietet Hyperautomation das ideale Mittel, um diesen Herausforderungen nachhaltig entgegentreten zu können. Zusammenfassend vereint Hyperautomation die Komponenten der Prozessautomatisierung (ua Robotics Process Automation) und integriert verschiedene kognitive Tools und Technologien wie Machine Learning sowie Process Mining. Dabei sind sowohl das Zusammenspiel der Automatisierungstechnologien und der Mitarbeiter als auch die Bereitschaft einer Organisation für eine Transformation (technologisch als auch kulturell) die wichtigsten Erfolgstreiber.

Autor

Michael Ginner

Weitere Artikel der Ausgabe "IT ist alles"

Verwandte Themen