Usman Azim

Usman Azim

Consultant

Mit der Herausforderung konfrontiert, eine digitale Organisation zu gestalten, die den Anforderungen von Kunden und Bürgern wirklich gerecht wird, suchen viele Führungskräfte nach Möglichkeiten, neue vielversprechende Technologien zu kombinieren, um ihre ganzheitliche Transformation voranzutreiben.

Laut CGI Client Global Insights (2017) ist der zunehmende Einsatz digitaler Technologien (z. B. Robotik, Advanced Analytics, Cloud) ein Top-Trend unter den Business- und IT-Führungskräften. Im Rahmen von Untersuchungen zur intelligenten Automatisierung wird die robotergestützte Prozessautomatisierung (RPA) von 63% der befragten Kunden eingesetzt, um die Effizienz der Abläufe zu steigern und neue Produkte und Dienstleistungen zu schaffen.

In den vergangenen Jahren habe ich viel Zeit damit verbracht, Proofs of Concept (POCs) und Enterprise RPA-Projekte vorzuschlagen und durchzuführen. Basierend auf diesen Erfahrungen stelle ich hier einige Lessons Learned zusammen – für jedes Führungsteam, das sich auf den Weg zur intelligenten Automatisierung machen möchte.

  1. Kleine Ziele, kleine Fehlschläge: Ich persönlich mag es nicht, RPA als die endgültige Lösung für jedes Problem darzustellen, mit dem ein Kunde konfrontiert sein könnte. In seiner jetzigen Form ist RPA erst der Anfang der Automatisierungsreise, die zu wesentlich besseren Lösungen führen kann. Da sich Organisationen an eine andere Denkweise bei der Automatisierung gewöhnen müssen, sollten sie klein anfangen, auf Low Hanging Fruits zielen und von dort aus starten. Dies gilt für alles – vom Vorschlag von RPA-POCs bis hin zur Auswahl von Geschäftsprozessen für eine erstmalige Implementierung.
     
  2. Auswahl, Auswahl, Auswahl: Die erfolgreiche Durchführung von RPA-Projekten hängt ganz von der Auswahl der richtigen Geschäftsprozesse ab. Ganz gleich, ob es sich nun um einen POC oder eine RPA-Unternehmenslösung handelt, die unter Volllast läuft: Das Ergebnis der Automatisierung ist nur so stark wie die Auswahl der zu automatisierenden Geschäftsprozesse. Wenn Sie diesen Schritt falsch machen, wird alles, was im Folgenden geschieht, falsch laufen, sodass Sie versuchen müssen, eine Aufholjagd zu starten. Basierend auf sehr guter Arbeit unserer Teams haben wir ein anpassbares Prozess-Auswahl- und Analyse-Tool entwickelt, mit dem wir ungeeignete Prozesse relativ schnell herausfiltern können.
     
  3. Halten Sie es einfach: Auch für RPA-Projekte gilt nach wie vor ein uraltes Prinzip. Von der Prozessauswahl bis zum Aufbau der Infrastruktur: Versuchen Sie nicht, das Unmögliche zu schaffen. Stattdessen ist ein agiler Ansatz mit einem kontinuierlichen Bereitstellungsmodell am besten geeignet, um das Vertrauen der Organisation zu stärken und eventuelle Fehler im Bereitstellungsmodell zu beseitigen.
     
  4. Niemals unterschätzen: Die Begeisterung für RPA hat mit ihrer einfachen Entwicklung und Implementierung zu tun. Dies ist zwar zutreffend, aber zu oft machen Organisationen und Implementierungspartner den Fehler, den Arbeitsaufwand und die Erfahrung zu unterschätzen, die erforderlich sind, um ein Qualitätsprodukt zu liefern. Ja, es ist einfacher und schneller umzusetzen, aber Sie brauchen immer noch Leute mit Erfahrung, um eine erfolgreiche Implementierung zu erreichen.
     
  5. Stellen Sie die richtige Infrastruktur zur Verfügung: Nachdem ich die Schwierigkeiten bei der Entwicklung eines Ad-hoc-Ansatzes zur Bereitstellung einer „quick and dirty“ Hosting-Lösung miterlebt habe, habe ich gelernt, dass es äußerst wichtig ist, vom ersten Tag an die richtige Infrastrukturlösung zu haben. Virtuelle Arbeiter sind nutzlos, wenn sie sich nicht mit der Engine verbinden können!
     
  6. Messen und Nachverfolgen: Um die Effizienz virtueller Arbeiter zu steigern und weiter zu verbessern, ist es wichtig, dass Sie über Basiskennzahlen verfügen und dann eine kontinuierliche Messung der Effizienz auf täglicher, wöchentlicher und monatlicher Basis durchführen. Die Reportingfunktionalitäten von Enterprise Tools sind begrenzt, aber das ist zumeist durch das Design bedingt. Alle erforderlichen Berichte sollten und können innerhalb der Automatisierung selbst erstellt werden, um maßgeschneiderte Designs zu gewährleisten, die speziell auf die Bedürfnisse und KPIs eines Unternehmens zugeschnitten sind.
     
  7. Das ist erst der Anfang: Wie eingangs erwähnt, ist RPA in seiner jetzigen Form nicht das Ende der intelligenten Automatisierung. Es ist ein Sprungbrett zu größeren Möglichkeiten auf dem Weg zu einer ausgereiften künstlichen Intelligenz (KI). Jede Automatisierung sollte modular genug sein, um in kognitivere und KI-basierte Lösungen zu passen, wie zum Beispiel Gesprächsagenten und Chatbots, intelligente Dokumentenverarbeitung, natürliche Sprachplattformen, Spracherkennung und -synthese, Bildverarbeitung, maschinelles Lernen (einschließlich tiefer neuronaler Netze) und vieles mehr.

Beschäftigen Sie sich mit Automatisierung und KI in Ihrem Unternehmen? Dann freue ich mich darauf, von Ihren Erfahrungen zu hören.

Über diesen Autor

Usman Azim

Usman Azim

Consultant

Usman Azim leitet den Bereich Intelligent Automation (IA) der Technology-Practice von CGI in Belgien. Er trägt dazu bei, die IA-Strategie und das Leistungsangebot von CGI zu definieren, Automatisierungsplattformen voranzutreiben und zu implementieren sowie Best Practices für die IA-Bereitstellung zu entwickeln. Als Experte für Robotic Process ...