sdecoret - stock.adobe.com

RPA versus KI: Was unterscheidet die Technologien

Der Einsatz von RPA und KI nimmt rapide zu, doch es gibt immer noch Verwirrung über die sich gemeinsam entwickelnden Technologien. Die Unterschiede und Gemeinsamkeiten erklärt.

CIOs implementieren sowohl Automatisierung als auch KI in immer schnellerem Tempo. Sie werden durch die Geschwindigkeit und die Kosteneinsparungen, die sie jeweils bieten, zu einer Ausweitung und Beschleunigung des Einsatzes gedrängt.

Jüngste Zahlen belegen die zunehmende Verbreitung. Laut einem Bericht der Everest Group haben bereits mehr als 72 Prozent der Unternehmen weltweit mit der Implementierung von künstlicher Intelligenz (KI) begonnen. Das Unternehmen erwartet, dass die weltweiten Ausgaben für KI-Dienstleistungen um 32 Prozent steigen werden, von 25 Milliarden US-Dollar im Jahr 2019 auf 95 Milliarden US-Dollar im Jahr 2024.

Der globale Markt für Software zur robotergestützten Prozessautomatisierung (Robotic Process Automation, RPA) erreichte Ende 2019 ein Volumen von 1,2 Milliarden US-Dollar und verzeichnete damit ein Wachstum von mehr als 75 Prozent im Vergleich zum Vorjahr.

Obwohl sich das Wachstum im Jahr 2020 aufgrund der Pandemie verlangsamt hat, wird es 2021 wieder ansteigen. Die Everest Group prognostiziert, dass der Nachholbedarf an Automatisierung den RPA-Markt mit einer erwarteten jährlichen Wachstumsrate von fast 50 Prozent in den nächsten zwei Jahren antreiben wird.

Dies ist nicht überraschend, da RPA und KI zahlreiche Vorteile für ein Unternehmen mit sich bringen: gestraffte Prozesse, Verkürzung der Zyklen und letztendlich bessere Geschäftsergebnisse. Die übergreifende Rendite besteht nicht nur in einer schnelleren Verarbeitung des gesamten Geschäftszyklus, sondern auch in einem reaktionsfähigeren Unternehmen insgesamt.

Obwohl Unternehmen Vorteile erwarten können, wenn sie jede Technologie für sich und unabhängig von der anderen einsetzen, erreichen Unternehmen, die RPA- und KI-Technologien zusammen einsetzen, eine höhere Rendite und eine wettbewerbsfähigere Position auf dem digitalen Markt.

Ziele von RPA
Abbildung 1: Ziele von RPA

„Für uns ist es immer KI plus RPA; es ist ein Teil der End-to-End-Transformation“, sagt Bhooma Chutani, Head of Digital Transformation Consulting bei Larsen & Toubro Infotech Ltd.

Doch was sind die Fähigkeiten von RPA und wie unterscheidet es sich von KI?

Einsatz von RPA

RPA ist der Einsatz von Softwarerobotern – oder Bots – zur Ausführung standardisierter, wiederholbarer Aufgaben innerhalb eines Geschäftsprozesses. Diese Bots führen jedes Mal die gleichen Aufgaben aus und können dies schneller und zuverlässiger als menschliche Mitarbeiter. Das bringt Geschwindigkeit und Effizienz, während Kosten und Fehler reduziert werden und Menschen die komplexeren, höherwertigen Aufgaben erledigen, die nur von Menschen erledigt werden können.

„Es ist einfach zu implementieren für Prozesse, die sehr strukturiert, sehr handlungsorientiert sind. Es ist einfach, schnell Vorteile zu erzielen“, fügt Chutani hinzu und merkt an, dass viele Unternehmen RPA bereits einsetzen, um zumindest einige ihrer sich wiederholenden Aufgaben zu erledigen.

Die Möglichkeiten und der Wert von RPA haben jedoch ihre Grenzen. Zwar kann die Software wiederholende Aufgaben mit einer Geschwindigkeit, einem Umfang und einer Genauigkeit ausführen, die menschliche Mitarbeiter bei weitem übertreffen, aber RPA kann nicht von den Aufgaben abweichen, für die es programmiert wurde.

„Man kann RPA für viele Prozesse einsetzen. Aber irgendwann braucht man eine Entscheidung; die meisten Prozesse [werden] eine intelligente Komponente benötigen. Das ist der Punkt, an dem wir darüber sprechen, dass wir einen Menschen in der Schleife brauchen“, sagt Chutani.

Die Rolle von KI in Prozessen

An dieser Stelle kommt KI ins Spiel: KI kann die menschliche Entscheidungsfindung imitieren, wozu RPA nicht in der Lage ist. Darüber hinaus kann KI lernen, wie sie ihre Arbeit verbessern kann, während sie diese Entscheidungen trifft, indem sie Muster in Daten in einer Geschwindigkeit und in einem Umfang identifiziert und analysiert, die für Menschen unmöglich zu erreichen sind.

Die Implementierung von KI ist jedoch eine größere Herausforderung als der Einsatz von RPA. Vor allem die Beschaffung der Daten, die zum Trainieren der KI benötigt werden, ist eine Herausforderung.

„KI benötigt eine Menge Daten, um diese Modelle zu erstellen, und die meisten Unternehmen haben ihre Daten nicht im Griff, um KI schnell und einfach einzuführen“, erklärt Chutani.

Und dann sind da noch die Kosten. KI-Initiativen sind mit höheren Kosten verbunden als RPA-Projekte, da die Schulung von KI-Systemen Monate oder länger dauert, bevor sie in Betrieb gehen. KI-Projekte erfordern außerdem mehr Fachwissen für die Entwicklung, Bereitstellung und Wartung.

Hinzu kommt, dass CIOs und andere Führungskräfte oft kein vollständiges Verständnis ihrer Geschäftsprozesse haben, und das ist etwas, das sie in Angriff nehmen müssen, um mit ihren KI-Programmen voranzukommen.

5 KI-Technologien, die den Geschäftswert steigern
Abbildung 2: 5 KI-Technologien, die den Geschäftswert steigern

„Wenn ich CIOs nur eines raten kann, dann ist es die vollständige Transparenz der Prozesse, die sie automatisieren wollen; sie brauchen diese End-to-End-Transparenz“, sagt Cathy Tornbohm, Analystin bei Gartner.

Viele Führungskräfte sind nach wie vor vorsichtig – wenn nicht sogar gänzlich dagegen –Entscheidungsbefugnisse an Computer abzugeben, insbesondere in Bereichen, die unter behördliche Kontrollen fallen oder die ihre eigenen Arbeitsplätze oder die anderer gefährden.

Dennoch bleibt die Technologie eine Top-Priorität unter Geschäfts- und IT-Führungskräften. Eine Umfrage des Softwareanbieters IFS aus dem Jahr 2020 ergab, dass KI die Liste der von Führungskräften priorisierten Technologien anführt. 24 Prozent der Befragten erwarten, dass sie in den nächsten zwei Jahren eine führende Technologie sein wird, noch vor anderen Trendtechnologien wie Virtual und Augmented Reality, dem Internet der Dinge (Internet of Thing, IoT), Blockchain und 5G.

RPA und KI zusammenbringen

Chutani weist auf die Rechnungsbearbeitung als Beispiel dafür hin, wie Unternehmen sowohl RPA als auch KI in einem Geschäftsprozess einsetzen können, um die Ergebnisse zu maximieren.

Anstatt, dass menschliche Mitarbeiter Daten manuell von einer Datei oder einem System in ein anderes übertragen, kann RPA-Software die erforderlichen Daten aus vorgegebenen Feldern auf eingereichten Rechnungsformularen abrufen und an die vorgegebenen Unternehmenssysteme senden.

KI wird dann eingesetzt, um die komplexen Aufgaben entlang dieses Geschäftsprozesses zu erledigen. Zum Beispiel kann die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) – eine Form von KI, die in der Lage ist, menschliche Sprache zu verstehen – E-Mails identifizieren, die Rechnungen enthalten, und sie zur Verarbeitung an Bots senden.

Die KI nimmt dann den Prozess wieder auf, um zu bestimmen, welche Rechnungen die Anforderungen für ausgestellte Zahlungen erfüllen, indem sie die genehmigten Rechnungen an Zahlungssysteme weiterleitet und die abgelehnten Rechnungen an menschliche Manager sendet, die die nächsten Schritte festlegen.

Laut Tornbohm führt der Einsatz von RPA zusammen mit KI Unternehmen in den Bereich der Hyperautomatisierung, die verschiedene Technologien vereint, um nicht nur Aufgaben innerhalb von Geschäftsprozessen zu automatisieren, sondern auch so viele Aspekte der Entscheidungsfindung innerhalb der Prozesse wie möglich.

„[Im Wesentlichen bedeutet es], dass man einen Menschen aus dem Prozess herausnimmt“, sagt Tornbohm.

Einige Analysten gehen davon aus, dass die meisten Unternehmen noch einen weiten Weg vor sich haben, bevor sie diesen Zustand erreichen, da IT-Führungskräfte, die sich in Richtung Hyperautomatisierung bewegt haben, immer noch dabei sind, ihre RPA- und KI-Fähigkeiten zusammenzusetzen.

Der Markt verändert sich jedoch, da einige Anbieter sowohl Automatisierungs- als auch KI-Funktionen zusammen anbieten – ein Schritt, der zusammen mit dem zunehmenden Interesse und Druck nach Geschwindigkeit und Agilität zu mehr Implementierungen führen kann.

Erfahren Sie mehr über Künstliche Intelligenz (KI) und Machine Learning (ML)

ComputerWeekly.de

Close