Lassen sich Routinen an Roboter delegieren?

Nie wieder Fließbandarbeit im Büro

Künstliche Intelligenz verhilft einer alten Technologie zu neuem Glanz: Robotic Process Automation, RPA, nimmt Schreibtischarbeitern wiederkehrende, unkreative Tätigkeiten ab. Warum sind Unternehmen dennoch skeptisch?





/ Die Arbeit der Bankmitarbeiterin, deren Name hier nicht genannt werden darf, wird wahrscheinlich bald zum Teil von einer Maschine erledigt – und sie ist nicht einmal traurig darüber. Kein Wunder: Sie verbringt dort einen Großteil ihrer Zeit mit Tätigkeiten, die ein Computer besser, schneller und akkurater erledigen könnte. „Es ist mühsam und zäh“, sagt sie. Ihre Aufgabe ist es, großen Kunden Kredite anzubieten, abhängig davon, welchen Betrag sie brauchen, was sie damit finanzieren wollen, wann sie welchen Teil zurückzahlen wollen, wie hoch das Risiko für die Bank ist und vieles mehr. Sie nutzt dafür ihre Menschenkenntnis, ihren Verstand, ihre Erfahrung und ihr Wissen aus dem Studium. Das ist der kreative Teil der Arbeit – der, der ihr Spaß macht.

Nach ihren Recherchen erstellt sie ein Angebot, das verschiedene Abteilungen durchläuft, bevor es zum Kunden geht. Nimmt er an, verwandelt sich das Angebot in ein Produkt, und sie muss alle Details in ein weiteres Computersystem übertragen: das ERP-System, die Abkürzung steht für Enterprise Resource Planning. Solche Systeme sind das Herz der meisten Unternehmen. Nur: „Unser ERP-System versteht sich nicht mit dem anderen Computersystem“, sagt unsere Gesprächspartnerin. Also wird alles manuell übertragen. Die Folge: stupides Abtippen und Umsortieren von Daten.

Eigentlich sollten das die Computer allein können. Auch der Arbeitgeber der Bankmitarbeiterin arbeitet mittlerweile daran, solche Routinen zu automatisieren: per Robotic Process Automation. Wobei das Wort „Roboter“ irreführend ist: Es geht dabei um eine Software, die Handlungen des Menschen nachahmt, also etwa per „copy and paste“ Daten von einem System in das andere überträgt. So etwas gibt es schon eine ganze Zeit, es ist relativ einfach und robust zu programmieren. Das Programm folgt vorgegebenen Regeln, und so kann auch wenig schiefgehen. Allerdings ist es wenig flexibel.

„Prozesse zu automatisieren versucht man schon sehr lange“, sagt Thomas Renner, Institutsdirektor und Leiter des Forschungsbereichs Digital Business beim Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO) in Stuttgart. Angefangen habe das bereits vor Jahrzehnten mit Dokumenten-Management-Systemen, bei denen Doku- mente auf Papier eingescannt und damit einer maschinellen Archivierung zugänglich gemacht wurden. „Heute erfassen wir immer mehr Inhalte teilautomatisiert“, sagt Renner. Selbst in Behörden wird das Papierarchiv langsam abgebaut und vieles inzwischen digital erfasst. Doch eng ausgelegt sei RPA eine Krücke. Das Problem: Sobald sich eine Aufgabe verändert, funktioniert das System nicht mehr. „Das sind wenig intelligente Systeme“, sagt Renner, „aber sie bieten hohe Rationalisierungspotenziale.“

Klassische RPA ist von der Technik eigentlich schon überholt – und zugleich von der Realität noch nicht eingeholt: Viele Unternehmen wie auch die beschriebene Bank wollen sie gerade erst einführen. Doch es gibt eine Variante, die der guten alten RPA neuen Auftrieb verschafft: „Der aktuelle Trend des Deep Learning verändert RPA“, sagt Renner. Deep Learning ist eine Spielart maschinellen Lernens, die Fähigkeiten der künstlichen Intelligenz (KI) anwendet. Es hat unter anderem die Text- und Bilderkennung revolutioniert. „Nun kann man Bilder, Videos und Texte viel besser auswerten.“ Eine KI kann auch erkennen, was ein Mensch tut und plant – und ihn im Idealfall so unterstützen, dass sie ihm die Fleißarbeit abnimmt und mittels der Daten, die sie automatisch erfasst, Entscheidungen vorbereitet.

ERP-Systeme
helfen Firmen dabei, dass Ressourcen wie Kapital, Personal, Material und Informationen je nach Bedarf bereitstehen – zum passenden Zeitpunkt und in richtiger Menge.

Für die Bankangestellte könnte das bedeuten, dass sie die Eckpunkte eines Kundengesprächs in das System eingibt und eine KI daraufhin alle Daten heranzieht, die sie braucht, um automatisiert eine Kreditentscheidung zu treffen: Informationen über den Kunden, die in verschiedenen Computersystemen des Kreditinstituts hinterlegt sind, Wissen über sein Produkt und die Erfolgschancen. Sie könnte sogar das Risiko für die Bank berechnen und das Angebot entsprechend erstellen.

Doch über solche Systeme will fast niemand öffentlich sprechen. Auch diese Recherche hat ein großes Schweigen begleitet. Nur wenige wollen sich über die Schulter schauen lassen, wenn es um die Automatisierung von Geschäftsprozessen geht.

Über die Gründe kann man nur spekulieren: Der beschriebenen Bank mag es peinlich sein, die Digitalisierung so lange verschlafen zu haben. Andere, die der künstlichen Intelligenz bereits die Tür geöffnet haben, wollen der Konkurrenz nicht zu viel verraten. Auch Thomas Renner hat Fraunhofer-Kunden gefragt – hauptsächlich Versicherungsunternehmen – ob sie sich für diesen Artikel outen wollen. Die Standardantwort: Man sei einfach noch nicht weit genug.

Vermutlich hat das Schweigen noch einen weiteren Grund: bekannte Schwächen künstlicher Intelligenz, wegen derer die Technologie immer wieder in der Kritik steht. So sind ihre Entscheidungen kaum nachvollziehbar. Hinzu kommt, dass Verzerrungen in den Daten nicht nur einmal zu Fehlentscheidungen geführt haben.

weltweit

26.788
2010

78.085
2019

Auch Unternehmen hätten an diesen Stellen Bedenken, sagt Larissa Auberger, Spezialistin für RPA bei IBM: „Mangelndes Vertrauen in die Entscheidungen der KI ist ein großes Hindernis für die Einführung. Die Unternehmen müssen nachvollziehen können, wie die Systeme zu einer Entscheidung gekommen sind.“ Es gibt aber erste Lösungen: Mittlerweile ist es möglich, die Faktoren zu quantifizieren, die ein solches System in seine Entscheidung einbezogen hat. Im Falle einer Kreditentscheidung kann man beispielsweise sehen, ob der Wohnort des Kunden ein wichtiger Entscheidungsgrund war.

IBM bietet Kunden vortrainierte Systeme an, um eine weitere große Hürde zu beseitigen, die vor allem kleine und mittlere Firmen haben: den Mangel an Experten. „Unternehmen müssen dann nicht in Eigenregie große Mengen an Daten sammeln und eigene Modelle entwickeln“, sagt Auberger. Unter anderem nutzt Carglass das Angebot: Bei dem Dienstleister können Kunden jetzt ein Foto ihrer defekten Windschutzscheibe hochladen und ein System entscheidet, was eine Reparatur kosten würde. Während in der Vergangenheit drei Mitarbeiter in Vollzeit mit der Begutachtung der Schäden beschäftigt gewesen seien und es oft mehrere Tage gedauert habe, bis eine Entscheidung gefallen sei, ist das heute oft binnen Minuten erledigt.

Auch Banken setzen RPA verstärkt ein, um zumindest kleinere Kreditentscheidungen automatisch zu treffen, sagt Thomas Cotic, Geschäftsführer von Actico, einem Unternehmen, das KI-basierte Automatisierungslösungen anbietet. Cotic hat Actico 1997 gegründet und beschäftigt sich seitdem mit der Frage der Automatisierung von Geschäftsprozessen. Viele seiner Kunden sind Banken, für die Prozess-Automatisierung sehr wichtig sei: „Einerseits sind Banken hoch reguliert, andererseits haben sie ein großes Risiko zu tragen“, sagt er. „Man muss beinahe schon automatisieren, damit da überhaupt noch ein Geschäft daraus wird.“

Aber natürlich gibt es auch das andere Extrem, sagt Cotic: „Ich wundere mich schon manchmal, welches Optimierungspotenzial ungenutzt bleibt.“ Von klassischer RPA hält er wenig, auch wenn sie für viele Unternehmen schon der äußerste Schritt ist. Man dürfe nicht zu nah am bisherigen Vorgehen bleiben und die Aufgaben der Menschen eins zu eins kopieren. „Aber dafür müssen Unternehmen Verantwortung anders managen und bereit sein, die Maschine mehr machen zu lassen.“

Wenn man sich einmal entschieden habe, sei die Verbesserung enorm, bestätigt Matthias Eibl, IT Area Lead bei der ING, Kunde von Actico und eine der wenigen Banken, die offen über KI in ihren Prozessen spricht: „Unsere Mitarbeiter haben wieder mehr Zeit, sich um komplexe Aufgaben zu kümmern und sind nicht mit Standard-Fragen beschäftigt.“ Bisher sei beispielsweise jeder Kunde, der beim Onlinebanking gesperrt wurde, weil er etwa mehrmals das falsche Passwort eingegeben hat, zu einem Mitarbeiter durchgestellt worden. „Dabei braucht es nach der Legitimation nur einen Klick, um ihn wieder zu entsperren.“ Heute überprüft eine Maschine, ob der Kunde der ist, der er behauptet zu sein, und ermöglicht ihm dann die automatische Entsperrung. Ein anderes System erkennt automatisiert mögliche Betrüger und alarmiert im Zweifelsfall Mitarbeiter.

Während anderswo viel Zeit mit Verständigungsproblemen von „dummen“ Maschinen vertrödelt wird, verbringt Sebastian Schrötel einen großen Teil seiner Arbeitszeit damit, Maschinen schlauer zu machen. Er sieht das ganz pragmatisch: „Ich bin ein Millennial, Fließbandarbeit kommt für uns nicht mehr infrage“, sagt er. Das Übertragen von Daten von einem in ein anderes System ist aus seiner Sicht nichts anderes als Fließbandarbeit im Büro. Und so etwas wird es in Zukunft nicht mehr geben, davon ist Schrötel überzeugt.

Der 34-Jährige arbeitet seit zwölf Jahren bei SAP und hat 2015 ein Team aufgebaut, das sich mit maschinellem Lernen beschäftigt. „RPA war schon damals ein Thema“, sagt er, aber ihm habe sich der Sinn nicht erschlossen. „Wieso sollte man einzelne Schritte zwischen zwei Computersystemen automatisieren?“, hatte er seinerzeit gefragt. „Wir können doch den ganzen Prozess automatisieren!“ Inzwischen hat Schrötel gelernt: „IT-Systemlandschaften haben eine Naturkonstante. Sie sind heterogen, und es gibt immer Altsysteme.“

in Millionen US-Dollar

752,5
Europa, 2019

7.876,3
Europa, 2025

623,5
Asien, 2019

7.081,2
Asien, 2025

1.376,3
Nordamerika, 2019

14.896,1
Nordamerika, 2025

Viele Kunden wehren sich mit Händen und Füßen, diese Altsysteme durch neue zu ersetzen – aus gutem Grund, wie viele aus leidvoller Erfahrung wissen: Danach geht immer irgendwas nicht mehr. „Man sagt nicht umsonst: ,Never change a running system‘“, sagt Schrötel, der heute die Abteilung „Intelligent RPA“ leitet. Deshalb brauche es weiter klassische RPA, um Systeme zu verbinden, die nicht miteinander reden. Sie sei keine Krücke, findet Schrötel. „Das ist ein typisches Vorurteil. RPA is here to stay.“

Das Problem der Naturkonstanten betrifft sogar SAP selbst: „Bei jeder Übernahme holen wir uns weitere Systeme ins Haus“, sagt Schrötel. Es gibt zahllose sehr komplexe und wenig nutzerfreundliche ERP-Systeme – und die könnten durch moderne RPA zumindest intuitiver und bedienbarer werden, wenn ein intelligentes System dem Nutzer einige Schritte abnimmt.

„Stellen Sie sich vor, Sie hatten einen Unfall und rufen bei der Versicherung an, weil Sie wissen wollen, ob der Schaden versichert ist“, sagt Martin Wild, Mitgründer von Sogedes. Das Mannheimer Unternehmen ist Partner von SAP und hilft deren Kunden, ihre Systeme intelligent miteinander zu vernetzen. „Sie sind unter Stress, Sie wollen nur schnell eine Auskunft, und Sie wollen nicht lange warten.“ Doch wenn der Mitarbeiter die Informationen in zwölf ERP-Systemen zusammensuchen muss, wie es bei einem Sogedes-Kunden der Fall war, dann kann das dauern. „Unsere Software zieht stattdessen automatisch alle Informationen aus den ERP-Systemen zusammen und beschleunigt den Vorgang.“

Wild demonstriert das anhand eines Tools, das Sogedes für einen großen deutschen Telefonanbieter entwickelt hat: Vor dem Computer sitzt ein Sachbearbeiter mit einem Kunden am Telefon, der seinen Telefontarif wechseln will. Das ERP-System ist unübersichtlich, diverse kleine Felder, die ausgefüllt werden müssen, bevor der Sachbearbeiter etwas anbieten kann.

Doch dann übernimmt eine Geisterhand: Sie öffnet Fenster, die der Mitarbeiter befüllen muss, sie sorgt dafür, dass er nichts vergisst. Und sie übernimmt Informationen, die bereits irgendwo im System vorhanden sind. „So geht es viel schneller“, sagt Wild. Der Mitarbeiter muss zwar weiterhin selbst ausfüllen, doch er verirrt sich nicht mehr im Dickicht des Systems.

Beim Berliner Start-up Parlamind denkt man sogar noch weiter. In einer großzügigen Berliner Fabriketage zeigt Gründerin Tina Klüwer, wie ein Computersystem die eingehenden Mails erledigt: Parlamind hat eine KI-Software entwickelt, die Mails mit Kundenanfragen liest, auswertet und oft selbstständig beantwortet. Sie kann einschätzen, wie sicher sie sich ist, eine Anfrage richtig verstanden zu haben – und die Kunden von Parlamind legen selbst fest, ab welcher Sicherheit sie die Antwort an sie versenden darf – und wann noch ein Mensch gegenlesen soll.

Die Kunden sind vor allem Onlinekaufhäuser, die häufig ähnliche Anfragen bekommen. In diesem Fall betrifft ein Großteil der Mails Fragen zum Versand, zur Bezahlung oder zum Produkt. „Ist eine Selbstabholung möglich? Wann kommt mein Paket? Gibt es einen Express-Versand?“ Solche Fragen formulieren zwar alle Kunden leicht anders, aber das System versteht sie mit großer Sicherheit.

„Viele Chatbots schauen nur nach einzelnen Schlüsselwörtern“, sagt Tina Klüwer, die als Sachverständige die Enquete-Kommission „Künstliche Intelligenz“ des Bundestages berät. „Unsere Modelle sind komplexer.“ Die Gründer von Parlamind programmieren keine Regeln, sie verlassen sich ganz auf die maschinelle Intelligenz, die aus den Vorlagen lernt: „Die Maschinen extrahieren das Wissen selbst.“

Vor der viel zitierten Blackbox hat Mitgründer Christian Wolf keine Angst. „Hundertprozentig fehlerfrei ist das praktisch nie, aber Menschen sind auch nicht perfekt.“ Selbst falsche Rechtschreibung oder fehlende Interpunktion bringt das System nicht durcheinander. Es ist auf diese Fälle trainiert. Dass viele Konzerne dennoch so oft an regelbasierter Software festhalten, obwohl sie eigentlich nicht mehr Stand der Technik ist, hat aus Klüwers Sicht historische Gründe. „Ich sehe in Deutschland vor allem den Bedarf, besser zu verstehen, was KI bedeutet.“

Im Büro der Zukunft könnte vieles von einem unsichtbaren, flinken und gründlichen Mitarbeiter erledigt werden: Korrespondenzen via E-Mail, Rechnungen auslesen und bezahlen, Zahlungseingänge überprüfen, Geschäftsprozesse dokumentieren und vieles mehr. Lediglich Zweifelsfälle müssten dann von einem Menschen bearbeitet werden, der sonst seine Energie für kreative Arbeit nutzen kann. Unternehmen wünschen sich bekanntlich Mitarbeiter, die mitdenken. Dann hätten sie auch die Zeit dafür. //

Was kostet moderne RPA?


„Diese Frage lässt sich leider nicht pauschal beantworten, weil derartige Lösungen in den allermeisten Fällen in eine bestehende IT-Umgebung integriert werden und die daraus entstehenden variablen Kosten auch in die Gesamtinvestition miteinfließen“, sagt Larissa Auberger von IBM.

Eine ähnliche Antwort erhält man von SAP, das ein „Pay per use“-Modell anbietet. Die Grundlage aller Berechnungen sind „Transaktionen“. „Eine Transaktion ist ein Job – das kann ein Prozessschritt sein oder mehrere – der automatisiert wird. Was eine solche Transaktion kostet, bemisst sich wiederum unter anderem daran, wie groß das Volumen insgesamt ist.“

Relevanter ist ohnehin die Frage, nach welcher Zeit sich eine solche Automatisierung bezahlt macht, weil sie mehr Geld einspart, als sie gekostet hat. Leslie Willcocks, Professor für Arbeit, Technologie und Globalisierung an der London School of Economics hat in 16 Fallstudien einen Return on Investment für RPA von 30 bis 200 Prozent innerhalb des ersten Jahres gefunden. Investitionen in RPA zahlen sich also je nach Projekt innerhalb kürzester Zeit aus. „Aber es ist falsch, nur die kurzfristigen finanziellen Gewinne zu betrachten – vor allem wenn sie einfach das Ergebnis von Arbeitseinsparungen sind“, sagt Willcocks in einem Interview mit der Unternehmensberatung McKinsey. „Dieser Ansatz wird der Leistungsfähigkeit der Software nicht gerecht, weil es mehrere Geschäftsvorteile gibt.“

So stellten etwa Unternehmen in stark regulierten Branchen wie Versicherungen und Banken fest, dass die Automatisierung ein kostengünstiger und schneller Weg zu einem besseren Kundenservice sei – und zu zufriedeneren Mitarbeitern: „Ein Unternehmen, das viele Kundenanfragen erhält, kann den Mitarbeitern die Möglichkeit geben, sich mit den komplexeren Fragen zu beschäftigen“, sagt Willcocks. „In jedem Fall, den wir uns ansahen, begrüßten die Leute die Technologie, weil sie die Aufgaben hassen, die jetzt die Maschinen erledigen und sie damit von dem steigenden Arbeitsdruck entlastet.“

brandeins /thema ist das Heft, das Branchen und Trends auf den Grund geht, Märkte und Dienstleistungen transparent macht – und Unternehmern hilft, besser zu wirtschaften.

Zur interaktiven Karte und Bestenliste

Einzelausgabe kaufen
Abonnement kaufen