Technik · Automatisierung

Prozessautomatisierung: Entscheidungen aus Daten vorbereiten, Ausnahmen beim Menschen lassen

Prozessautomatisierung beginnt mit einer Messung, denn ein schlechter Prozess bleibt auch automatisiert schlecht und läuft lediglich schneller.

Kurz gefasst
  • Was es bringt: In unserer Modellrechnung über ein fiktives Unternehmen spart der neue Ablauf im mittleren Szenario 54.600 Euro von den heutigen 135.000 Euro Prüfkosten im Jahr. Überwachung und Betrieb des Modells sind darin bereits abgezogen, der Einmalaufwand noch nicht. Die Schönrechnung über den Automatisierungsgrad hätte 108.000 Euro versprochen. Im vorsichtigen Szenario wird der neue Ablauf teurer als der heutige.
  • Was es voraussetzt: viele gleichartige Vorgänge, gespeicherte Entscheidungen und ein Ergebnis, das sich später überprüfen lässt.
  • Wann es sich nicht lohnt: wenn eine feste Regel genügt, die Mengen klein sind oder der Ablauf selbst strittig ist.

Prozessautomatisierung: Definition und Abgrenzung

Prozessautomatisierung heißt, wiederkehrende Schritte eines Geschäftsprozesses einem System zu übertragen, das entweder feste Regeln abarbeitet oder ein aus Daten gelerntes Modell nutzt. Diese Seite behandelt den zweiten Fall, also Schritte, in denen heute ein Mensch prüft, freigibt oder disponiert und in denen die richtige Entscheidung von Daten abhängt.

Vier Begriffe werden häufig verwechselt. Die regelbasierte Automatisierung führt aus, was sich als Wenn-dann-Regel schreiben lässt. Robotic Process Automation, kurz RPA, bezeichnet Software, die regelbasierte Routineaufgaben auf strukturierten Daten ausführt [1]. Die intelligente Automatisierung verbindet RPA mit künstlicher Intelligenz, etwa maschinellem Lernen [1]. Mit KI-Automatisierung ist auf dieser Seite der Teil gemeint, in dem ein Modell eine Entscheidung aus Daten vorbereitet: mit einer Prognose, einer Klassifikation oder einer Anomalieerkennung.

Wo Regeln reichen, sind Regeln die bessere Wahl, denn sie sind billiger und nachvollziehbar. Ein Modell lohnt sich erst dort, wo eine feste Regel in zu vielen Fällen falsch läge. Wir verkaufen weder RPA-Lizenzen noch Software zur Ablaufsteuerung. Unser Beitrag ist das Modell hinter der Entscheidung und seine Anbindung an Ihr Fachsystem. Vorher prüfen wir, ob das Modell besser entscheidet als der heutige Ablauf, und teilen Ihnen das Ergebnis auch dann mit, wenn es negativ ausfällt.

Die Forderung, zuerst den Ablauf neu zu gestalten, ist alt. Michael Hammer verlangte 1990 in der Harvard Business Review, Abläufe neu zu gestalten, statt die bestehenden bloß zu automatisieren [2]. Lisanne Bainbridge hatte schon 1983 an Industrieanlagen beschrieben, dass Automatisierung die Probleme mit dem menschlichen Bediener vergrößern kann [3].

So funktioniert Prozessautomatisierung mit KI

Wer Geschäftsprozesse automatisieren will, braucht zuerst Zahlen über den heutigen Ablauf. Ohne Ausgangswert lässt sich später weder ein Nutzen belegen noch ein Schaden bemerken.

SchrittWas passiertWas dabei herauskommt
1. Prozess messenMengen, Bearbeitungszeiten, Fehlerquote und Varianten werden aus den Systemdaten ermitteltder Ausgangswert für jeden Vergleich
2. Entscheidungen abgrenzenje Schritt wird festgelegt, ob eine feste Regel genügt oder ob die Entscheidung von Daten abhängteine Liste, die jeden Schritt Regeln, einem Modell oder einem Menschen zuordnet
3. Modell bauenaus früheren Entscheidungen und ihren Ergebnissen lernt ein Modell, wie ein Vorgang einzuordnen istein Vorschlag je Vorgang mit einer Angabe, wie sicher er ist
4. Gegen den heutigen Ablauf prüfendas Modell wird an zurückgehaltenen Fällen mit der Sachbearbeitung und mit einer einfachen Regel verglichender Vergleich und die Schwelle, ab der ein Vorgang als Ausnahme gilt
5. In den Prozess einbindendas Ergebnis erscheint im Fachsystem als Vorschlag, den ein Mensch bestätigteine vorbereitete Entscheidung am Arbeitsplatz
6. Überwachen und nachtrainierenStichproben und der Abgleich mit den späteren Ist-Ergebnissen laufen weiterein Modell, dessen Güte laufend gemessen wird

Einen seriösen Anbieter erkennen Sie an den ersten beiden Schritten: Er misst Ihren heutigen Ablauf vor dem Angebot und sagt Ihnen, welche Schritte ohne Modell auskommen.

Wie Schritt 5 aussehen kann, zeigt unser Produktionsbeispiel aus einem fiktiven Musterbetrieb. Dort erscheint das Ergebnis des Modells als Wartungsmeldung im Instandhaltungssystem: „Anlage 14 hat ein Ausfallrisiko in neun Tagen, empfohlenes Wartungsfenster: Sonntag, Nachtschicht.“

Rechenbeispiel: KI-Automatisierung in der Disposition, 60.000 Bestellvorschläge

Das folgende Beispiel ist eine Modellrechnung über ein fiktives Unternehmen. Ein mittelständischer Großhändler disponiert über ein Warenwirtschaftssystem, das nach festen Regeln Bestellvorschläge erzeugt. Ein Vorgang ist hier ein einzelner Bestellvorschlag, also ein Artikel mit Menge, Termin und Lieferant, den ein Disponent prüft, bei Bedarf ändert und freigibt.

Das Modell ordnet jeden Vorschlag entweder als Standardfall ein, wenn es keine Auffälligkeit meldet, oder als Ausnahme mit einer Begründung, etwa einem ungewöhnlichen Bedarf. Die Freigabe bleibt beim Disponenten, der die Standardfälle gesammelt freigibt und die Ausnahmen einzeln bearbeitet. Automatisierungsgrad heißt hier der Anteil der Vorschläge ohne Einzelprüfung.

Annahmevorsichtigmittelgünstig
Bestellvorschläge im Jahr (Vorgänge)60.00060.00060.000
Prüfzeit je Vorschlag heute, in Minuten333
Kostensatz je Arbeitsstunde, in Euro454545
Automatisierungsgrad (Anteil der Standardfälle), in Prozent708090
Ausnahmen mit Einzelprüfung, in Prozent302010
Zeit je Ausnahme, in Minuten864
Überwachung im Jahr, in Stunden (Sammelfreigabe, Stichproben, Abgleich mit den Ist-Werten)480320160
Laufender Betrieb des Modells im Jahr, in Euro (Rechenleistung, Nachtraining, Schnittstelle)18.00012.0009.000

Heute kostet die Prüfung 3.000 Stunden im Jahr, bei 45 Euro je Stunde also 135.000 Euro. Eine Schönrechnung multipliziert diesen Betrag mit dem Automatisierungsgrad und kommt im mittleren Szenario auf 108.000 Euro. Darin fehlen drei Posten.

Der erste sind die Ausnahmen. Die 12.000 einzeln geprüften Vorschläge sind die schwierigen und dauern 6 statt 3 Minuten, weil der Disponent die Begründung des Modells nachvollziehen muss. Daraus ergeben sich 1.200 Stunden oder 54.000 Euro. Der zweite Posten ist die Überwachung mit 320 Stunden, also 14.400 Euro. Der dritte ist der laufende Betrieb des Modells mit 12.000 Euro. Dieser Betrag ist eine gesetzte Annahme, aus der sich kein Preis ableiten lässt. Von 135.000 Euro bleiben damit 54.600 Euro Nettoeffekt im Jahr, also rund die Hälfte der Schönrechnung.

Szenario (Beträge in Euro)SchönrechnungAusnahmenÜberwachungBetriebNettoeffekt im Jahr
vorsichtig94.500108.00021.60018.000−12.600
mittel108.00054.00014.40012.00054.600
günstig121.50018.0007.2009.000100.800

In jedem Szenario liegt der Nettoeffekt unter der Schönrechnung, weil Überwachung und Betrieb hinzukommen und eine Ausnahme länger dauert als die heutige Prüfung. Im vorsichtigen Szenario wird der neue Ablauf sogar teurer als der heutige. Ausnahmen und Überwachung brauchen dort zusammen 2.880 Stunden, fast so viel wie die heutige Prüfung, und erst mit dem Betrieb des Modells fällt der Nettoeffekt negativ aus.

Für Ihre eigene Überschlagsrechnung gilt:

Nettoeffekt im Jahr = heutige Prüfkosten − Kosten der Ausnahmen − Überwachung − laufender Betrieb des Modells

Die heutigen Prüfkosten ergeben sich aus Vorgängen mal Prüfzeit mal Kostensatz, die Kosten der Ausnahmen aus Vorgängen mal Ausnahmequote mal Zeit je Ausnahme mal Kostensatz.

Drei Einschränkungen gehören dazu. Der Einmalaufwand für Aufbau und Einbindung steht außerhalb der Formel und wird dem Nettoeffekt gegenübergestellt. Außerdem ergibt die Rechnung zunächst nur freie Stunden. Im mittleren Szenario werden 1.480 von 3.000 Stunden frei, und ob daraus Geld wird, hängt davon ab, wofür sie verwendet werden. Schließlich zählt die Rechnung nur, was in den heutigen Prüfkosten steckt, und nennt deshalb für Fehlbestand und Überbestand keinen Euro-Betrag. Messbar sind beide dennoch, weil sich für jede Bestellung später zeigt, ob der Artikel fehlte oder liegen blieb. Der Pilot vergleicht beide Größen mit dem Stand vor dem Modell, und wie dieser Vergleich ausgeht, ist offen.

Bei 6.000 Vorschlägen im Jahr betragen die heutigen Prüfkosten 13.500 Euro, und bleibt der Betrieb des Modells so teuer wie im mittleren Szenario, kostet er allein 12.000 Euro. Dann bleibt die Einzelprüfung die wirtschaftlichere Lösung.

Wie ein Modell vorsortiert und ein Mensch entscheidet, zeigt Modul 8 unserer Schokoladenserie an einem Nachweisfall.

Wann sich Prozessautomatisierung lohnt und wann nicht

Prozessautomatisierung mit einem Modell lohnt sich, wenn drei Bedingungen zusammenkommen: Der Vorgang fällt in großer Zahl an, die früheren Entscheidungen sind samt Ergebnis gespeichert, und es lässt sich nachträglich feststellen, ob eine Entscheidung richtig war. Fehlt die dritte Bedingung, kann niemand messen, ob das Modell gut arbeitet. Im Rechenbeispiel ist sie erfüllt, weil Fehlbestand und Überbestand für jede Bestellung zeigen, wie gut die Entscheidung war.

Vier Fehlschlüsse liegen nahe:

  • Der Automatisierungsgrad ist nicht die Einsparung. Ohne Einzelprüfung laufen die leichten Fälle durch, während die teuren beim Disponenten bleiben.
  • Ein strittiger Prozess bleibt auch mit Modell strittig. Entscheiden zwei Disponenten denselben Vorgang verschieden, lernt das Modell den Widerspruch mit.
  • Vollautomatik steht frühestens am Ende. Zuerst macht das Modell Vorschläge, die ein Mensch bestätigt. Der Anteil ohne Einzelprüfung wächst mit den gemessenen Ergebnissen.
  • Die Verantwortung bleibt bei einem Menschen. Wer für eine falsche Entscheidung einsteht und wer die Ausnahmen bearbeitet, muss vor dem Start feststehen.

Betrifft eine Entscheidung natürliche Personen, etwa Privatkunden oder Beschäftigte, kommen rechtliche Grenzen hinzu. Artikel 22 der Datenschutz-Grundverordnung schränkt Entscheidungen ein, die ausschließlich automatisiert fallen und für die betroffene Person rechtliche Wirkung haben oder sie ähnlich erheblich beeinträchtigen [4]. Ob ein Vorhaben darunter fällt, ist im Einzelfall juristisch zu prüfen.

Wir raten ab, wenn eine feste Regel den Vorgang ebenso gut entscheidet, wenn die Mengen klein sind oder wenn der Prozess selbst noch strittig ist.

Prozessautomatisierung im Data-Science-Prozess

Ein Vorhaben zur Prozessautomatisierung durchläuft die sechs Phasen von CRISP-DM, dem verbreiteten Vorgehensmodell für Data-Science-Projekte [5]. Drei davon sind für ein solches Vorhaben entscheidend. Phase 1 legt fest, welche Entscheidung das Modell vorbereitet und was ein Fehler kostet. Phase 5 prüft das Modell gegen den heutigen Ablauf und setzt die Schwelle für die Ausnahmen. Phase 6 bringt das Ergebnis ins Fachsystem und überwacht es. Für den Modellbetrieb genügt den meisten Vorhaben im Mittelstand eine teilautomatisierte Strecke, die ein Mensch anstößt, solange es um wenige Modelle geht, sich die Daten in Wochen und nicht in Minuten verändern und ein Mensch jeden Modellwechsel freigibt.

Alle sechs CRISP-DM-Phasen im Überblick Phase 5: Modellvalidierung Phase 6: Deployment und Monitoring

Häufige Fragen zur Prozessautomatisierung

Was ist Prozessautomatisierung?

Prozessautomatisierung überträgt wiederkehrende Schritte eines Geschäftsprozesses an ein System, das feste Regeln abarbeitet oder aus Daten gelernt hat, wie ein Vorgang einzuordnen ist. Der Mensch bleibt für die Ausnahmen und die Überwachung zuständig und trägt weiterhin die Verantwortung für die Entscheidung.

Was ist der Unterschied zwischen Prozessautomatisierung mit KI und Robotic Process Automation?

Robotic Process Automation arbeitet feste Regeln ab und eignet sich für Schritte, die immer gleich ablaufen. Ein KI-Modell kommt dort hinzu, wo die Entscheidung vom Einzelfall abhängt, etwa bei der Frage, ob ein Bestellvorschlag unverändert übernommen werden kann. Beide Ansätze lassen sich verbinden.

Was kostet Prozessautomatisierung und wann rechnet sie sich?

Die Rechnung hat vier Größen: die heutigen Prüfkosten, die Kosten der Ausnahmen, die Überwachung und den Betrieb des Modells. Der Saldo dieser vier Größen ist der Nettoeffekt im Jahr, dem der Einmalaufwand gegenübersteht. Bei kleinen Mengen geht die Rechnung nur schwer auf, weil ein Sockel an Überwachung und Betrieb bleibt.

Welche Daten braucht KI-Automatisierung?

Das Modell braucht die Vorgänge der Vergangenheit mit allen Angaben, die dem Bearbeiter vorlagen, dazu seine Entscheidung und das spätere Ergebnis. Liegen diese Angaben nur in E-Mails oder in Freitext vor, beginnt das Vorhaben mit einer sauberen Erfassung, und das Modell folgt später.

Wie lange dauert es, bis Prozessautomatisierung mit KI wirkt?

Die Dauer hängt davon ab, was vor und nach dem Modell liegt. Davor steht die Messung des heutigen Ablaufs und die Frage, ob frühere Entscheidungen auswertbar gespeichert sind. Danach macht das Modell zunächst nur Vorschläge, die ein Mensch bestätigt. Wie lange diese Phase dauert, bestimmen die gemessenen Ergebnisse.

Womit beginnt ein Vorhaben zur Prozessautomatisierung?

Es beginnt mit einer Messung, die zeigt, wie viele Vorgänge anfallen, wie lange jeder dauert, wie viele Fehler entstehen und welche Varianten es gibt. Danach wird je Schritt entschieden, ob eine Regel genügt. Erst für die Schritte, in denen die Entscheidung von Daten abhängt, folgen ein Modell und ein Pilot mit menschlicher Bestätigung.

Quellen

  1. Wil M. P. van der Aalst, Martin Bichler, Armin Heinzl: Robotic Process Automation. Business & Information Systems Engineering 60 (4), 2018, S. 269-272. https://doi.org/10.1007/s12599-018-0542-4 sowie Kam K. H. Ng, Chun-Hsien Chen, C. K. M. Lee, Jianxin Roger Jiao, Zhi-Xin Yang: A systematic literature review on intelligent automation: Aligning concepts from theory, practice, and future perspectives. Advanced Engineering Informatics 47, 2021, Artikel 101246. https://doi.org/10.1016/j.aei.2021.101246
  2. Michael Hammer: Reengineering Work: Don't Automate, Obliterate. Harvard Business Review, Juli-August 1990, Reprint 90406. https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate
  3. Lisanne Bainbridge: Ironies of Automation. Automatica 19 (6), 1983, S. 775-779. https://doi.org/10.1016/0005-1098(83)90046-8
  4. Verordnung (EU) 2016/679 des Europäischen Parlaments und des Rates vom 27. April 2016 (Datenschutz-Grundverordnung), Artikel 22 („Automatisierte Entscheidungen im Einzelfall einschließlich Profiling“). https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32016R0679
  5. Christoph Schröer, Felix Kruse, Jorge Marx Gómez: A Systematic Literature Review on Applying CRISP-DM Process Model. Procedia Computer Science 181, 2021, S. 526-534. https://doi.org/10.1016/j.procs.2021.01.199

Rechnen Sie Ihren Prozess mit uns durch

Die Zahl der Vorgänge im Jahr, die Zeit je Vorgang und ein Kostensatz genügen für eine erste Einschätzung, ob sich Prozessautomatisierung bei Ihnen lohnt.

Kostenloses Erstgespräch buchen