Die Kunst der Prozessauswahl: Strategien für erfolgreiche RPA-Implementierungen

Eine der größten Herausforderungen und zugleich auch der häufigste Grund für das Scheitern von RPA-Projekten ist die Auswahl geeigneter Prozesse. Um Automatisierungsideen effektiv umzusetzen, ist eine Vorauswahl von Prozessen, die für die Implementierung in Frage kommen, essenziell. Im folgenden Abschnitt wollen wir daher klären, welche Eigenschaften einzelne Aufgaben eines Prozesses aufweisen müssen, damit diese sich für eine Automatisierung oder Teilautomatisierung eignen. 

Um eine Grundauswahl an potenziellen Prozessen zu treffen, können die „Rule of Five“ von Craig Le Clair (2018) herangezogen werden. Diese besagen, dass in eine Automatisierung nicht mehr als fünf Entscheidungen eingebaut sein sollen, dass nicht mehr als fünf Anwendungen verbunden sein sollen und dass eine RPA-Aufgabe nicht mehr als 500 Klicks beinhalten sollte. Diese Regeln beschreiben vor allem die Dimension Komplexität der Umsetzung.  

Automatisierungsprojekte von geringer Komplexität lassen sich im Allgemeinen ohne umfangreiche Anpassungen innerhalb des RPA-Tools realisieren und umfassen Aufgaben wie das Scrapen von Webseiten oder Bildschirminhalten. Sobald jedoch Daten zwischen einer oder mehreren Anwendungen ausgetauscht werden müssen, steigt die Komplexität auf ein mittleres Niveau. Hohe Komplexität tritt auf, wenn Programmierkenntnisse sowie Erfahrung mit gleichartig strukturierten Daten (Arrays), Datenbanken, Datenformaten und Emulatoren (z.B. Testumgebungen) erforderlich sind. Ohne diese Fähigkeiten kann es schwierig sein, effektive Lösungen für anspruchsvolle Probleme zu entwickeln. Schließlich dienen sie als Grundlage, komplexe Datenstrukturen zu verstehen, zu manipulieren und zu verarbeiten. 

Werden Prozesse nach ihrer Komplexität bewertet, sollte im ersten Schritt die Existenzberechtigung der zu diskutierenden Prozesse geklärt werden. Standardisierungen sollten durchgeführt werden, bevor es zu einer Automatisierung kommt. Ist eine projektunabhängige Veränderung an einem Prozessablauf geplant, sollte diese Änderung zunächst durchgeführt werden, bevor über eine Automatisierung nachgedacht werden kann. Ebenfalls sollten nicht-digitale-Prozesse zunächst digitalisiert werden. 

Nachdem in der Dimension der Komplexität die Eliminierung und die Vereinfachung von Prozessen im Vordergrund steht, liegt der Fokus der zweiten Dimension auf dem Nutzen der Automatisierung. Hier greifen klassische Bewertungskriterien, wie Kosteneinsparungen durch FTE-Reduzierungen, höhere Agilität, verringerte Durchlaufzeiten und ein erhöhtes Volumen an verarbeiteten Prozessen. Roboter werden bei einer Fehlerquote von 0% zu einer enormen Qualitätsverbesserung in der Bearbeitung von Prozessen führen und bieten je nach beispielsweise saisonalen Einflüssen die Möglichkeit, das Volumen nach Bedarf zu erhöhen oder zu verringern.  

Wie bisher skizziert, ist die Auswahl geeigneter Prozesse für den Erfolg einer Automatisierung entscheidend. Gartner hebt in seinen Marktanalysen zum Process Mining hervor, dass diese Technologie zu den Schlüsselfaktoren von RPA-Implementierungen zählt. Sowohl die Visualisierung als auch der Kontext des Prozesses sowie das Erkennen und Priorisieren einzelner Tasks zur Automatisierung zählen zu den Erfolgsfaktoren.  

Das Process Mining ist eine datengesteuerte Technik der Prozessanalyse. Das Ziel des Process Mining ist die visuelle Rekonstruktion des tatsächlichen Flusses der Geschäftsprozesse anhand von Ereignislogs aus IT-Systemen, wie z. B. ERP, CRM oder Systeme für das Managen von Lieferketten. Nach Wil van der Aalst kann das Process Mining grundsätzlich in drei Arten differenziert werden. 

1. Discovery: In der ersten Art wird das Prozessmodell ausschließlich auf Basis der Ereignislogs erstellt. Die Discovery ist die häufigste Anwendungsform des Process Minings.  
2. Konformitätscheck: Hier erfolgt der Abgleich eines Prozessmodells mit den zugehörigen Ereignislogs. Das Ziel des Konformitätschecks ist die Validierung des Prozessmodells durch die Ereignislogs und umgekehrt.  
3. Erweiterung: Die dritte Art fokussiert sich auf die Verbesserung bestehender Prozessmodelle mittels Informationen, die zu dem tatsächlichen Prozess aufgenommen wurden.  

In der Umsetzung von RPA-Maßnahmen ermöglicht Process Mining die Identifikation von Prozessabweichungen sowie von Engpässen und Ineffizienzen als Ansatzpunkte für Verbesserungspotenziale. Ebenfalls dient es dem Monitoring und der nachhaltigen Implementierung der RPA-Maßnahmen. Für das erfolgreiche Zusammenspiel von RPA und Process Mining empfiehlt sich ein dreistufiges Vorgehen, welches in der nachfolgenden Abbildung skizziert ist.  

In diesem Artikel haben wir das Auswahlverfahren geeigneter Prozesse für RPA-Implementierungen erläutert. Aus dem Blickwinkel der Umsetzbarkeit wurden verschiedene Parameter aufgeführt, deren Berücksichtigung die Chancen auf eine erfolgreiche Umsetzung von Prozess-Automatisierungen erhöhen. Im dritten Teil unserer Artikelreihe werden wir abschließend ein konkretes Beispiel aus der Inventarverwaltung von Retail-Unternehmen betrachten. An konkreten Automatisierungsbeispielen beschreiben wir, wie Regallücken in Geschäften minimiert werden und Automatisierungen somit einen direkten Einfluss auf den Umsatz des Unternehmens haben können.