Definitionen durchsuchen :
Definition

Hyperautomation

Hyperautomation ist ein Rahmenwerk und eine Reihe von fortschrittlichen Technologien für die Skalierung der Automatisierung im Unternehmen. Das ultimative Ziel von Hyperautomation ist die Entwicklung eines Prozesses für die Automatisierung von Unternehmen.

Fortsetzung des Inhalts unten

Zu den fortschrittlichen Technologien, die in der Hyperautomation verwendet werden, gehören die folgenden:

  • Process Mining- und Task Mining-Tools zur Identifizierung und Priorisierung von Automatisierungsmöglichkeiten.
  • Tools für die Automatisierungsentwicklung, um den Aufwand und die Kosten für die Erstellung von Automatisierungen zu reduzieren. Dazu gehören RPA, No-Code/Low-Code-Entwicklungs-Tools, iPaaS für Integrationen und Workload-Automatisierungstools.
  • Geschäftslogik-Tools, um die Anpassung und Wiederverwendung von Automatisierungen zu erleichtern, einschließlich intelligentem Geschäftsprozessmanagement, Entscheidungsmanagement und Geschäftsregelmanagement.
  • KI- und Machine-Learning-Tools zur Erweiterung der Fähigkeiten von Automatisierungen. Die Palette der Werkzeuge in diesem Bereich umfasst die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), optische Zeichenerkennung (OCR), maschinelles Sehen, virtuelle Agenten und Chatbots.

Der Begriff Hyperautomation wurde 2019 von dem IT-Forschungs- und Beratungsunternehmen Gartner geprägt. Das Konzept spiegelt die Erkenntnis wider, dass die Technologie der robotergestützten Prozessautomatisierung (Robotic Process Automation, RPA), ein relativ neuer und massiv verbreiteter Ansatz zur Automatisierung computergestützter Prozesse, auf Unternehmensebene schwer zu skalieren und in den Arten der Automatisierung, die sie erreichen kann, begrenzt ist. Hyperautomation bietet einen Rahmen für den strategischen Einsatz verschiedener Automatisierungstechnologien (einschließlich RPA) separat oder im Tandem und ergänzt durch Künstliche Intelligenz und maschinelles Lernen.

Hyperautomation impliziert einen durchdachten Ansatz zur Automatisierung. Eine Hyperautomatisierungspraxis umfasst die Identifizierung der zu automatisierenden Arbeit, die Auswahl der geeigneten Automatisierungstools, die Förderung der Agilität durch die Wiederverwendung der automatisierten Prozesse und die Erweiterung ihrer Fähigkeiten durch verschiedene Arten von KI und maschinellem Lernen. Hyperautomatisierungsinitiativen werden oft durch ein Center of Excellence (CoE) koordiniert, das dabei hilft, die Automatisierungsbemühungen voranzutreiben.

Das Ziel der Hyperautomatisierung ist nicht nur, durch die Automatisierung Kosten zu sparen, die Produktivität zu steigern und Effizienzgewinne zu erzielen, sondern auch, die durch digitalisierte Prozesse gesammelten und generierten Daten zu nutzen. Unternehmen können diese Daten ausloten, um bessere und schnellere Geschäftsentscheidungen zu treffen.

Abbildung 1: Hyperautomation nutzt viele Technologien, von Process-Mining-Tools bis hin zu Künstlicher Intelligenz.
Abbildung 1: Hyperautomation nutzt viele Technologien, von Process-Mining-Tools bis hin zu Künstlicher Intelligenz.

Warum ist Hyperautomation wichtig?

Hyperautomation bietet Unternehmen einen Rahmen für die Erweiterung, Integration und Optimierung der Unternehmensautomatisierung. Sie baut auf dem Erfolg von RPA-Tools auf und adressiert deren Grenzen.

RPA verdankt sein schnelles Wachstum im Vergleich zu anderen Automatisierungstechnologien seiner Benutzerfreundlichkeit und intuitiven Natur. Da RPA beispielsweise spiegelt, wie Menschen mit Anwendungen interagieren, können Mitarbeiter einen Teil oder ihre gesamte Arbeit automatisieren, indem sie aufzeichnen, wie sie eine Aufgabe ausführen. Und da Bots die menschlichen Handlungen widerspiegeln, können die automatisierten Arbeitsaufgaben auf Geschwindigkeit, Genauigkeit oder andere Metriken gemessen werden, die von Unternehmen verwendet werden, um die Leistung von Mitarbeitern bei denselben Aufgaben zu bewerten.

Frühe RPA-Ansätze hatten jedoch einen gravierenden Nachteil für den Einsatz in Unternehmen: Die Technologie ließ sich nicht einfach skalieren. Nur etwa 13 Prozent der Unternehmen waren in der Lage, frühe RPA-Initiativen zu skalieren, so eine Einschätzung von Gartner aus dem Jahr 2019. Hyperautomation zwingt Unternehmen dazu, über die Art und den Reifegrad der Technologien und Prozesse nachzudenken, die für die Skalierung von Automatisierungsinitiativen erforderlich sind.

In Gartners Sicht auf Hyperautomation liegt der Fokus darauf, wie Unternehmen einen Prozess für die Automatisierung aufbauen können. Dies unterscheidet Hyperautomation von anderen Automatisierungs-Frameworks, die sich lediglich auf die Verbesserung von Automatisierungs-Tools konzentrieren, oder von Automatisierungskonzepten wie Digital Process Automation (DPA), Intelligent Process Automation (IPA) und Cognitive Automation, die sich auf die Automatisierung selbst konzentrieren.

Hyperautomation tritt einen Schritt zurück, um zu überlegen, wie man den Prozess der Identifizierung von Automatisierungsmöglichkeiten und der anschließenden automatischen Generierung der entsprechenden Automatisierungsartefakte, einschließlich Bots, Skripte oder Workflows, die DPA-, IPA- oder kognitive Automatisierungskomponenten nutzen können, beschleunigen kann.

Eine ergänzende Idee zur Hyperautomatisierung ist das, was Forrester Research als Digital Worker Analytics bezeichnet, das sich ebenfalls auf die Leistung und den Prozess konzentriert: zum Beispiel wie man die Kosten für die Entwicklung, Bereitstellung und Verwaltung von Automatisierungen verfolgen kann, um die Kosten mit dem gelieferten Wert zu vergleichen. Diese Analyse ist wichtig für die Priorisierung zukünftiger Automatisierungsbemühungen. Die meisten RPA- und Enterprise-Automatisierungsanbieter beginnen damit, Digital Worker Analytics in ihre Tools zu integrieren.

Wie funktioniert Hyperautomation?

Hyperautomatisierung bezieht sich nicht auf eine einzelne, sofort einsatzbereite Technologie oder ein Tool, sondern konzentriert sich auf das Hinzufügen von mehr Intelligenz und die Anwendung eines breiteren systembasierten Ansatzes zur Skalierung der Automatisierungsbemühungen. Der Ansatz unterstreicht, wie wichtig es ist, die richtige Balance zwischen dem Ersetzen manueller Tätigkeiten durch Automatisierung und der Optimierung komplexer Prozesse zu finden, um Schritte zu eliminieren.

Eine Schlüsselfrage liegt darin, wer für die Automatisierung verantwortlich sein soll und wie sie durchgeführt werden soll. Frontline-Mitarbeiter sind in einer besseren Position, um langweilige Aufgaben zu identifizieren, die automatisiert werden könnten. Geschäftsprozessexperten sind in einer besseren Position, um Automatisierungsmöglichkeiten zu identifizieren, die von vielen Menschen erledigt werden.

Gartner hat die Idee eines digitalen Zwillings der Organisation (DTO) eingeführt. Dabei handelt es sich um eine virtuelle Darstellung, wie Geschäftsprozesse funktionieren. Die Darstellung des Prozesses wird durch eine Kombination aus Process Mining und Task Mining automatisch erstellt und aktualisiert. Process Mining analysiert Unternehmenssoftware-Protokolle von betriebswirtschaftlicher Software wie CRM- und ERP-Systemen, um eine Darstellung der Prozessabläufe zu erstellen. Task Mining verwendet Bildverarbeitungssoftware, die auf dem Desktop eines jeden Benutzers läuft, um eine Ansicht von Prozessen zu erstellen, die sich über mehrere Anwendungen erstrecken.

Process Mining- und Task Mining-Tools können automatisch einen DTO generieren, der es Unternehmen ermöglicht, zu visualisieren, wie Funktionen, Prozesse und Key Performance Indicators (KPI) zusammenwirken, um Wert zu schaffen. Die DTO kann Unternehmen dabei helfen, zu beurteilen, wie neue Automatisierungen den Wert steigern, neue Möglichkeiten eröffnen oder neue Engpässe schaffen, die behoben werden müssen.

Komponenten für KI und maschinelles Lernen ermöglichen es Automatisierungen, auf mehr Arten mit der Welt zu interagieren. Mit OCR kann eine Automatisierung zum Beispiel Text oder Zahlen aus Papier- oder PDF-Dokumenten verarbeiten. Die Verarbeitung natürlicher Sprache (NLP) kann Informationen aus den Dokumenten extrahieren und organisieren, beispielsweise erkennen, von welchem Unternehmen eine Rechnung stammt und wofür sie ausgestellt wurde, und diese Daten automatisch im Buchhaltungssystem erfassen.

Eine Hyperautomationsplattform kann direkt auf die Technologien aufsetzen, die Unternehmen bereits haben. Ein Einfallstor für Hyperautomation ist RPA, und alle führenden RPA-Anbieter bieten Unterstützung für Process Mining, Digital Worker Analytics und KI-Integration.

Darüber hinaus unterstützen auch andere Arten von Low-Code-Automatisierungsplattformen, einschließlich Business Process Management Suites (BPMS/intelligente BPMS), Integrationsplattformen als Service (iPaaS) und Low-Code-Entwicklungs-Tools, immer mehr Komponenten der Hyperautomationstechnologie.

Hyperautomation vs. Automatisierung

Traditionelle Ansätze zur Unternehmensautomatisierung konzentrierten sich auf die beste Art und Weise, Automatisierung in einem bestimmten Kontext zu implementieren. Diese Automatisierungen waren sehr spezifisch für ein bestimmtes Stück Software. Die Workload-Automatisierung verwendet beispielsweise Skripte, um viele sich stark wiederholende Prozesse zu automatisieren. BPM-Tools können Aufgaben im Kontext eines bestimmten Workflows automatisieren.

KI erweitert die traditionelle Automatisierung, um mehr Aufgaben zu übernehmen, zum Beispiel OCR zum Lesen von Dokumenten, natürliche Sprachverarbeitung (NLP), um sie zu verstehen, oder natürliche Sprachgenerierung (Natural Language Generation, NLG), um Zusammenfassungen für Menschen bereitzustellen. Hyperautomation erleichtert die Einbindung von KI- und maschinellen Lernfunktionen in Automatisierungen durch vorgefertigte Module, die über einen App-Store oder ein Unternehmens-Repository bereitgestellt werden.

Low-Code-Entwicklungs-Tools reduzieren die für die Erstellung von Automatisierungen erforderliche Expertise. Hyperautomation könnte die Entwicklung von Automatisierungen noch weiter vereinfachen, indem Process Mining eingesetzt wird, um neue Automatisierungsprototypen zu identifizieren und automatisch zu generieren. Heute müssen diese automatisch generierten Vorlagen von Menschen weiter verbessert werden, um die Qualität zu erhöhen. Verbesserungen in der Hyperautomation werden diesen manuellen Aufwand jedoch reduzieren.

Was sind die Vorteile der Hyperautomation?

Zu den wichtigsten Vorteilen der Hyperautomation gehören die folgenden

  • senkt die Kosten der Automatisierung
  • verbessert die Abstimmung zwischen IT und Business
  • reduziert den Bedarf an Schatten-IT, was die Sicherheit und Governance verbessert
  • Verbessert die Einführung von KI und maschinellem Lernen in Geschäftsprozesse
  • verbessert die Fähigkeit, die Auswirkungen der digitalen Transformation zu messen
  • hilft bei der Priorisierung zukünftiger Automatisierungsbemühungen

Wenn Unternehmen die Hyperautomation beherrschen, gibt es viele Möglichkeiten, wie diese Disziplin zur Verbesserung der Geschäftsabläufe eingesetzt werden kann.

Im Bereich Social Media und Kundenbindung könnte ein Unternehmen RPA und maschinelles Lernen nutzen, um Berichte zu erstellen und Daten aus sozialen Plattformen zu ziehen, um die Stimmung der Kunden zu ermitteln. Es könnte einen Prozess entwickeln, um diese Informationen dem Marketingteam zur Verfügung zu stellen, das dann in Echtzeit gezielte Kundenkampagnen erstellen könnte.

Wenn ein Unternehmen ein Produkt schnell einführt und die Metriken der digitalen Prozessautomatisierung eine starke Kundennachfrage dafür zeigen, könnte das Produkt schnell skaliert werden, um dem Unternehmen zu helfen, seinen Umsatz zu steigern. Umgekehrt könnte das Unternehmen, wenn eine fortgeschrittene Analyse zeigt, dass das Produkt bei den Kunden nicht ankommt, die Verluste minimieren, indem es das Produkt schnell wieder fallen lässt.

Was sind die Herausforderungen der Hyperautomation?

Hyperautomation ist ein neues Konzept und Unternehmen befinden sich in der Anfangsphase, um herauszufinden, wie es in der Praxis funktioniert. Einige der größten Herausforderungen sind die folgenden:

  • Auswahl einer CoE-Strategie für die Organisation. Einige Organisationen sind mit einem zentralisierten Ansatz besser bedient, während andere mit einem föderierten oder verteilten Ansatz zur Verwaltung großer Initiativen bessere Ergebnisse erzielen.
  • Es gibt kein Patentrezept für Hyperautomationssoftware. Obwohl führende Automatisierungsanbieter ihre Hyperautomationsfunktionen ausbauen, werden Unternehmen Schwierigkeiten haben, die Interoperabilität und Integration zwischen diesen Tools sicherzustellen.
  • Sicherheit und Governance. Alle Hyperautomations-Initiativen können von einer detaillierten Überwachung und Analyse von Geschäftsprozessen profitieren, die sich über mehrere Abteilungen, Dienste und sogar Ländergrenzen erstrecken. Dies kann eine Vielzahl neuer Sicherheits- und Datenschutzfragen mit sich bringen. Darüber hinaus müssen Unternehmen geeignete Richtwerte entwickeln, um die Sicherheitsschwachstellen von automatisch generierten Apps zu überprüfen.
  • Unausgereifte Metriken. Die Tools zur Bewertung der Kosten und des potenziellen Werts von Automatisierungen stecken noch in den Kinderschuhen.
  • Manuelle Ergänzungen erforderlich. Eine Forrester-Umfrage ergab, dass nur etwa 40 bis 60 Prozent des Codes für Automatisierungen mit den vorhandenen Tools automatisch generiert werden können. Es ist immer noch viel manueller Aufwand erforderlich, der bei der Erstellung von robusten Automatisierungen in großem Umfang eingeplant werden muss.
  • Menschliche Akzeptanz erreichen. Die meisten Automatisierungsanbieter propagieren, dass die Hyperautomation den Menschen nicht ersetzen, sondern ergänzen wird. Die Arbeiter müssen davon überzeugt werden, dass die Roboter ihre Arbeit nicht übernehmen werden, damit diese Bemühungen Erfolg haben. Außerdem könnten die verschiedenen Überwachungs-Tools, die in Hyperautomationsprojekten eingesetzt werden, zu einer Gegenreaktion von Wissensarbeitern führen, die über den möglichen Missbrauch dieser Daten besorgt sind.

Hyperautomationsbeispiele und Anwendungsfälle

Eine Hyperautomations-Initiative beginnt typischerweise mit einem spezifischen Ziel, eine Metrik oder einen Prozess zu verbessern. Hier sind zwei Beispiele für Anwendungsfälle und wie sie jeweils ablaufen würden.

Im ersten Anwendungsfall könnte ein Finanzteam das Ziel haben, Rechnungen schneller, mit weniger menschlichem Overhead und weniger Fehlern zu bearbeiten. Ein Projekt könnte damit beginnen, dass eine Task-Mining-Software überwacht, wie menschliche Buchhalter Rechnungen erhalten, welche Daten sie erfassen und welche Felder sie in andere Apps einfügen. Dies könnte als Vorlage für die Erstellung eines grundlegenden Bots dienen.

Diese Vorlage könnte dann an das CoE-Team weitergegeben werden, das mit der Erstellung eines endgültigen Bots beauftragt wird. Dies könnte die Integration einer OCR-Engine zur Verbesserung der Fähigkeit, Rechnungen zu lesen, und einer NLP-Engine zur Interpretation des Zahlungsempfängers oder der Begriffe in der Rechnung enthalten. Das CoE-Team würde auch die anfängliche Qualitätsüberwachung beaufsichtigen, gefolgt von einer Bewertung, wie viel es gekostet hat, den Bot zu erstellen und wie viel er eingespart hat. Diese Daten könnten helfen, andere Automatisierungsmöglichkeiten zu priorisieren.

Ein weiterer Anwendungsfall könnte der Einsatz von Process-Mining-Software sein, um Möglichkeiten zur Reduzierung der Auftragsabwicklungszeiten zu identifizieren. Dies würde mit der Analyse von ERP- und CRM-Datenprotokollen beginnen, um herauszufinden, warum einige Aufträge beispielsweise in vier Stunden erfüllt werden, während andere aufgrund verschiedener Ausnahmen vier Tage brauchen. Die Prozessanalyse könnte Wege aufzeigen, den Prozess zu ändern, um diese Verzögerungen zu reduzieren, wie die Anpassung der Kreditprüfungsanforderungen für Bestandskunden. Sie kann auch Möglichkeiten aufzeigen, einige manuelle Prozesse zu automatisieren, die bei anderen Aufträgen zu Verzögerungen führen. Sobald diese Automatisierungen implementiert sind, könnte das Automatisierungs-CoE-Team die Gesamtkosten für die Implementierung dieser Verbesserungen berechnen und die Gesamteinsparungen über die Zeit verfolgen.

Anbieter von Hyperautomation

Es gibt keine Anbieter, die derzeit eine umfassende Hyperautomationstechnologie anbieten. Verschiedene Automatisierungsanbieter erweitern jedoch ihr Portfolio an Werkzeugen, um eine breitere Palette an Hyperautomationsfunktionen zu unterstützen.

Zu den Anbietern, die ihr Automatisierungsrepertoire erweitern, gehören die folgenden:

  • UiPath hat Process Gold und StepShot gekauft, um seine Process-Mining-Fähigkeiten auszubauen.
  • Automation Anywhere hat seine eigenen Process Mining- und Task Mining-Fähigkeiten zur automatischen Generierung von Bots entwickelt.
  • Blue Prism hat seine eigenen internen Process-Mining-Fähigkeiten entwickelt und eine Partnerschaft mit Celonis angekündigt.
  • Celonis, der führende Anbieter von Process Mining, hat kürzlich Integromat gekauft, um seine Automatisierungsfähigkeiten zu erweitern.
  • Microsoft hat seine Hyperautomationsfähigkeiten mit seiner Power Automate-Reihe von RPA-Tools und Process Advisor für Process Mining schrittweise ausgebaut.
  • Kryon war einer der ersten Anbieter von intelligenten Automatisierungswerkzeugen, der Process Discovery direkt in seine Tools integriert hat.
  • ABBYY war ein führender OCR-Anbieter und hat sein Tool-Portfolio schrittweise erweitert, um eine Vielzahl von intelligenten Prozessautomatisierungsfunktionen zu unterstützen. Kürzlich wurden verschiedene Process-Mining-Funktionen eingeführt, um das Angebot an Hyperautomatisierungs-Tools zu erweitern.
Diese Definition wurde zuletzt im Juli 2021 aktualisiert
ComputerWeekly.de
Close