X

Künstliche Intelligenz als Treiber für intelligentes Geschäftsprozessmanagement

Die Künstliche Intelligenz (KI) hat bereits heute Einzug in vielzählige Bereiche des täglichen Lebens erhalten. Oftmals wird KI nach häufiger Anwendung schon gar nicht mehr unmittelbar als solche, sondern als funktionierende kleine Assistenten im täglichen Leben angesehen. Beispiele hierfür sind aus dem Alltag nicht mehr wegzudenken:  Navigationssysteme, Sprachassistenten oder zum Beispiel auch die automatisierte Kategorisierung von Urlaubsfotos auf dem Smartphone.

Abseits von den kleinen Alltagshelfern kann Künstliche Intelligenz jedoch auch einen großen Mehrwert innerhalb von Unternehmen, speziell innerhalb der Ausführung von Geschäftsprozessen, liefern. Im Zuge täglich anwachsender Anforderungen und zunehmenden Kostendrucks sind Unternehmen dazu aufgefordert, neue Konzepte hinsichtlich der Effizienzsteigerung und der damit einhergehenden Automatisierung von Routinetätigkeiten zu etablieren. Aber wie können diese Potenziale innerhalb eines Unternehmens effizient erkannt, ausgeschöpft und anschließend zielgerichtet in die operativ wichtigen Prozesse der Wertschöpfung integriert werden?

Hierzu werden im Allgemeinen neuste Technologien zur Analyse von Schwachstellen innerhalb eines Unternehmens, Softwareroboter zur Automatisierung von Routineaufgaben sowie die automatisierte Entscheidungsfindung auf der Basis von Künstlicher Intelligenz für dedizierte Use Cases eingesetzt. Diese Aspekte sind heutzutage Teil jeder strategischen Unternehmensausrichtung, die Wachstum und Ressourcenoptimierung verfolgt.

As soon as it works, nobody calls it AI anymore

– John McCarthy

Intelligent Robotic Process Automation

Robotic Process Automation wird in Kombination mit KI-Techniken künftig dazu beitragen, dass einfach geartete, häufig wiederholt auftretende Aufgabenstellungen voll automatisiert abgearbeitet werden. Diese intelligenten Softwareroboter haben enorme Einflüsse auf viele bestehende Prozesse der aktuellen Arbeitswelt. Einfache Prozesse, beispielsweise aus dem Bereich der Sachbearbeitung, die in jedem Unternehmen im kaufmännischen Bereich oder auch in der öffentlichen Verwaltung vorzufinden sind, werden künftig durch KI-gestützte Softwareroboter automatisiert und können so rund um die Uhr ohne Ausfälle abgearbeitet werden.

Durch große Fallzahlen der auftretenden Standardprozesse werden enorme Ressourcen freigesetzt. Diese können sinnvoller eingesetzt werden, zum Beispiel für Aufgaben der Sondersachbearbeitung. Intelligente Softwareroboter, die auch zu einem Netzwerk zusammengeschlossen werden können, tragen somit effizient und gleichzeitig kostengünstig zu einer Prozessautomatisierung bei.

Für Berufsgruppen, deren Arbeit zum einen aus der klassischen Sachbearbeitung besteht und zum anderen aus der Betreuung von Kunden, etwa im Bankenumfeld, können so enorme Effizienzgewinne erzielt werden. Somit können die einfachen Prozessschritte wie die Freigabe von Buchungen bei einem kritischen Kontostand schon heute automatisiert abgearbeitet werden, sprich die Entscheidungsfindung wird durch eine sogenannte schwache KI ermöglicht.

EXKURS: Schwache KI vs. starke KI

Anders als gedacht kann eine Künstliche Intelligenz heutzutage lediglich kleine dedizierte Problemstellungen automatisiert lösen. Ein einfaches Beispiel hierzu ist, dass eine Künstliche Intelligenz, die für eine Spracherkennung konzipiert wurde, auch lediglich dieses Problem entsprechend lösen und nicht zur Vorhersage von möglichen nächsten Prozessschritten oder Vorhersagen von künftigen Absatzzahlen eingesetzt werden kann. Diese für sich genommen gut funktionierenden trainierten KI-Services zählen somit zu der Kategorie schwache KI. Vor allem im Geschäftskontext können solche Entscheidungshilfen schon heute zu enormen Effizienzsteigerungen führen. Eine sogenannte starke KI die autonom wie ein Mensch auf verschiedenste Problemstellungen individuell und in kausalem Zusammenhang reagieren kann, ist noch Gegenstand aktueller Forschung.

Die an dieser Stelle freigesetzten Kapazitäten können dann zum Beispiel in der intensiveren Betreuung von Kunden genutzt und somit die wesentlichen Zielsetzungen des Unternehmens unterstützt werden. Aktuell gibt es zahlreiche Beispiele, in denen die Sachbearbeitung durch Softwareroboter unterstützt werden kann. Jedoch kommt es schnell dazu, dass KI-Techniken zwingend eingesetzt werden müssen, um den gewünschten Automatisierungsgrad zu erreichen. Somit kann durch den weiteren Einsatz sich ständig verbessernder KI-Methoden auch künftig mehr und mehr dazu beigetragen werden, mehr und auch komplexere Sachverhalte zu automatisieren.

Digitalisierungsstrategien werden zukünftig bestimmt von neuen Softwarekonzepten zur Unternehmenssteuerung. Dazu gehören Robotic Process Automation und Process Mining, verbunden mit Künstlicher Intelligenz.

– Prof. Dr. Dr. h.c. August-Wilhelm Scheer

Intelligent Process Mining

Process Mining stellt eine spezielle Disziplin innerhalb der Data Science dar. Konkret werden Algorithmen auf sogenannten Log-Dateien – die den Prozessablauf eines Workflow- oder ERP-Systems wiedergeben – angewendet. Dadurch können tatsächliche Abläufe aus den Systemen automatisiert abgeleitet und unter anderem auf Effizienz geprüft werden. Somit können tatsächliche Prozesse aus einem System auf Knopfdruck visualisiert werden und bieten eine Ausgangsbasis für Projekte zur Prozessautomatisierung (z.B. Robotic Process Automation) oder Systemtransformationen (z.B. Umstieg von SAP R3 auf S/4-HANA). Im klassischen Process Mining können drei verschiedene Typen von Analysen unterschieden werden (vgl. Dadashnia 2017):

  • Discovery
    Discovery bezeichnet das Vorgehen, welches eine Event-Log-Datei als Basis verwendet und daraus mittels dedizierter Algorithmen ein Prozessmodell erzeugt. Process Discovery ist eine häufig verwendete Technik beim Process Mining, da sie ein sehr wirksames Vorgehen darstellt, um in Unternehmen die tatsächlich ablaufenden Geschäftstätigkeiten und Prozesse zu erheben.
  • Conformance Checking
    Beim Conformance Checking wird ein bereits existierendes Prozessmodell (z. B. ein Soll-Modell) mit einem durch Process Mining auf Grundlage von Event-Logs erhobenen Modell (Ist-Modell) verglichen. Mit Hilfe dieser Methode können Abweichungen innerhalb von definierten und tatsächlich ablaufenden Prozessen erkannt werden.
  • Enhancement
    Die grundlegende Funktionsweise dieses Ansatzes liegt darin, dass die bestehenden modellierten Prozesse durch die Erkenntnisse aus einer Analyse der Event-Logs mit entsprechenden Informationen angereichert werden und somit das Modell verbessert werden kann.

Vor dem Hintergrund der aktuellen Entwicklungen und dem Einsatz von KI-Algorithmen können bisherige Process-Mining-Analysen künftig erweitert werden. Somit können beispielsweise aktuell ablaufende Geschäftsprozesse nicht nur retrospektiv nach deren Beendigung betrachtet werden, sondern es können schon direkt während der Prozessausführung entsprechende Handlungsempfehlungen ausgesprochen werden, die dazu beitragen, dass beispielsweise ein Produktionsfehler schon während der Fertigung aufgedeckt und behoben werden kann. Man spricht im Zuge dieser Verknüpfung auch von In-Instance Prozessverbesserung.

Durch die ständig anwachsende Datenmenge, die verbesserte Rechenleistung sowie gleichzeitig immer besser werdende KI-Algorithmen können bisherige Methoden und Konzepte des Geschäftsprozessmanagements teilweise mit disruptivem Charakter verbessert werden. Durch die hohe Nachfrage und bereits gezeigte Anwendung birgt das intelligente Geschäftsprozessmanagement starke Einsatzpotenziale und wird zunehmend Einzug in Unternehmensprozesse in durchweg allen Branchen erhalten.

– Sharam Dadashnia

Sharam-Dadashnia-bild

Sharam Dadashnia

Chief Data Scientist | Head of Innovation Circle

Scheer GmbH
Uni-Campus Nord
66123 Saarbrücken

T +49 681 96777-0
Kontakt

Facebook Icon Twitter icon - Logo Xing Icon - Logo Linkedin Logo - Icon Icon von Youtube Contact icon