Robotic Process Automation braucht Process Mining, sonst geht es schief Wundermittel RPA?

Autor / Redakteur: Gunther Rameseder* / Ulrike Ostler

RPA – Robotics Process Automation – ist en vogue. Unternehmen versuchen damit wiederkehrende Prozesse zu automatisieren. Doch leider ist es wie bei vielen Initiativen im Rahmen der digitalen Transformation: Sie sind kostspielig und scheitern zu oft trotzdem. Wie kann das Wundermittel RPA seine Wirkung überhaupt entfalten?

Anbieter zum Thema

Wenn RPA-Projekte nicht zerspringen, sondern erfolgreich sein sollen, braucht es zuvor eine Prozessanalayse, ein Prozess Mining, sagt Gunther Rameseder von Celonis.
Wenn RPA-Projekte nicht zerspringen, sondern erfolgreich sein sollen, braucht es zuvor eine Prozessanalayse, ein Prozess Mining, sagt Gunther Rameseder von Celonis.
(Bild: gemeinfrei: Tony Coffield auf Pixabay)

Oft laufen RPA-Projekte folgendermaßen ab: Ein Unternehmen möchte effizienter werden. Dafür sollen repetitive Aufgaben von Software-Robotern übernommen werden. Denn diese versprechen nicht nur nicht krank zu werden, wie die menschlichen Kollegen, sondern auch eine schnellere und fehlerfreie Bearbeitung ihrer Aufgaben.

Der Projektleiter spricht mit unterschiedlichen Kollegen im Unternehmen, um herauszufinden, welche Prozesse sich in welchem Umfang automatisieren lassen. Dann werden die augenscheinlichsten ausgewählt und die Software-Roboter entsprechend programmiert.

Das Ergebnis: RPA automatisiert und beschleunigt die gewählten Prozesse. Also: Ziel erreicht. Oder?

Und hier liegt das Problem

Leider ist oft bereits die Auswahl der Prozesse selbst ein Problem. Sich hierbei auf das Bauchgefühl einzelner Mitarbeiter zu verlassen statt eine fakten- und datenbasierten Entscheidungsgrundlage zu schaffen, kann fatal sein und führt dazu, dass viele Unternehmen mit ihren RPA-Initiativen scheitern.

Hinzu kommt, dass ein schneller Prozess nicht unbedingt auch effizient ist. Denn werden schlecht laufende, fehlerhafte Abläufe automatisiert, werden Ineffizienzen und Schwachstellen mit übernommen. RPA könnte also deutlich gewinnbringender genutzt werden, wenn die zu automatisierenden Prozesse optimal ablaufen würden.

Strukturiertes Vorgehen als Grundlage

RPA-Initiativen sollten erst dann gestartet werden, wenn bekannt ist, wie die Ist-Prozesse im Unternehmen tatsächlich ablaufen und welches Automatisierungspotenzial sie bieten. Unternehmen laufen sonst Gefahr, zusätzliche Prozessprobleme zu verursachen und mehr Aufwand als ROI zu haben.

Das gelingt ganz ohne Bauchgefühl mit Process Mining. Die Technologie ermöglicht es, schnell und einfach die bestehenden Prozesse oder Legacy-Systeme zu identifizieren, die überhaupt durch Software-Roboter automatisiert werden können.

Sie gibt darüber hinaus Empfehlungen ab, welche Prozesse sich für die Automatisierung am besten eigenen und den größten Return on Investment versprechen. Unternehmensprozesse werden so nicht einfach blind einer RPA-Initiative unterzogen, sondern vorab auf Ineffizienzen überprüft, entsprechend optimiert und selektiert.

Das kann man sich so vorstellen: Die Process-Mining-Software visualisiert datenbasierte Vorgänge in Unternehmen und deckt Schwachstellen und Engpässe auf. Dabei wird eines ganz offenkundig: Auch wenn es einen klar definierten Ideal-Prozess gibt, treten in der Praxis immer zahlreiche Varianten ein und desselben Prozesses auf. Gerade das Aufzeigen dieser Varianten macht Process Mining so hilfreich für Unternehmen; denn aus ihnen lässt sich ein enormes Optimierungspotenzial ableiten.

Ein Beispiel dazu

Die kombinierte Implementierung von Process Mining und RPA verspricht Unternehmen jeder Branche und Größe enormes Potenzial. Unser Kunde Vodafone hat die Automatisierung seiner Purchase-to-Pay Prozesse erfolgreich vorangetrieben.

Mit 446 Millionen Kunden ist Vodafone eine der größten Telekommunikationsunternehmen weltweit und verfügt über hunderttausende Transaktionsdaten. Bestimmte Prozesse im Einkauf weisen längere Durchlaufzeiten auf als andere.

Mit Process Mining wurde den Entscheidern im Einkauf klar, warum: Bei vielen Aufträgen kam es zu mehrfachen Abweichungen vom Standardprozess, noch bevor die Bestellung überhaupt an den Lieferanten freigegeben wurde. Gleichzeitig wurden viele der Transaktionen, die sich aufgrund ihres wiederkehrenden Charakters für eine Automatisierung angeboten hätten, immer noch manuell bearbeitet.

Infolge der Prozessanalyse und -optimierung mit Process Mining unterzog Vodafone ausgewählte Prozesse einer RPA-Initiative. Das Ergebnis: Vodafone konnte seine Time-to-Market um 20 Prozent verkürzen und seine Automatisierungsrate bei der Rechnungsstellung von 13 auf 40 Prozent steigern.

Kontinuierliche Erfolgsmessung

Sind Prozesse erst einmal erfolgreich mithilfe von Process Mining und RPA automatisiert, so geht es an das stetige Überprüfen und Bewerten der Maßnahmen. Werden die gewünschten Ergebnisse erzielt und die Prozesse wie gewünscht ausgeführt?

Auch bei diesem Schritt gehen RPA und Process Mining Hand in Hand. Denn durch das Visualisieren der Prozesse – egal, ob durch Software-Roboter oder Menschen ausgeführt – können Unternehmen stets Rückschlüsse auf die Effizienz ihrer Abläufe ziehen. Und da sich Prozesse, auch durch externe Faktoren, stets im Wandel befinden, kann Process Mining im Rahmen von Automatisierungs-Initiativen helfen, RPA noch gezielter einzusetzen und somit für einen höheren ROI zu sorgen.

Mein Fazit: RPA-Initiativen sind ein wichtiger Baustein für die digitale Transformation von Unternehmen – wenn sie strukturiert aufgesetzt und umgesetzt werden. Process Mining unterstützt, die richtigen Prozesse für die softwarebasierte Automatisierung zu wählen und fortlaufend zur Optimierung von RPA beizutragen.

Gunther Rameseder: „RPA-Initiativen sind ein wichtiger Baustein für die digitale Transformation von Unternehmen und erfolgreich, wenn sie strukturiert aufgesetzt und umgesetzt werden.“
Gunther Rameseder: „RPA-Initiativen sind ein wichtiger Baustein für die digitale Transformation von Unternehmen und erfolgreich, wenn sie strukturiert aufgesetzt und umgesetzt werden.“
(Bild: Celonis)

*Gunther Rameseder ist als Vice President Solution Engineering Data Science bei Celonis verantwortlich für alle Pre-Sales-Aktivitäten sowie ein Team von über 40 Solution Engineers in der EMEA- und APAC-Region. Er kam im September 2016 zu Celonis. Seit März 2018 ist er auf seiner heutigen Position tätig.
Vor seiner Zeit beim Münchener Unicorn arbeitete er für Roland Berger und dem Berliner Fintech Incubator Finleap. Dort erhielt er wertvolle Einblicke in die Entwicklung von Startups während der Frühphase sowie in den Erwerb von Venture Capital.
Gunther absolvierte ein Masterstudium der Angewandten Mathematik an der Technischen Universität München (TUM) und der Stanford University.

(ID:46047347)