Prozess- und Roboter-Optimierung

Erst automatisieren und dann optimieren?

27.05.2020
Von   IDG ExpertenNetzwerk


Alexander Steiner ist Chief Solution Architect der meta:proc GmbH und übersetzt Kundenanforderungen in technisch umsetzbare Lösungen. Der studierte Diplom-Ingenieur eignete sich in diversen Innovationsprojekten eine hohe Fachkompetenz im Bereich „Lösungen unter Einsatz digitaler Agenten“ und „eigenverantwortlich agierender IT Service Management Systeme“ in Bezug auf Entwicklung, Umsetzung und Betrieb an.

Daten als Rohstoff der Optimierung

Je nach Qualität der initialen Daten entscheidet sich, wie groß der Aufwand für eine Roboteroptimierung ist - wer gute Ergebnisse erzielen und insbesondere in der Anfangsphase einen soliden Automatisierungsgrad erreichen will, kommt jedoch nicht darum herum.

Stehen ausreichend Informationen aus der Implementierungsphase zur Verfügung, kann der Anwender dem Bot die Variationen frühzeitig antrainieren. Sollte das nicht der Fall sein, findet die Optimierung in der "Get well-Phase" statt. Diese ist Teil der produktiven Nutzung des Bots und erfolgt zum Großteil in den ersten Monaten der Betriebsphase.

In diesem Zeitraum kommt der Software-Roboter mit realen Produktionsdaten, -volumina, -antwortzeiten und -abläufen in Berührung - allerdings kann er aufgrund des begrenzten Trainingsmaterials nur auf die Variationen reagieren, die ihm bereits bekannt sind. Kommt es zu einer undefinierten Abweichung, bricht der Vorgang ab.

In diesem Fall geht der Prozess zur weiteren Analyse an die Entwickler zurück, um offenzulegen, ob es sich um einen Einzelfall handelt oder die Modifikation der Automation zusätzlich antrainiert werden sollte. Dieser Serviceverbesserungsprozess (Continual Service Improvement - CSI) findet kontinuierlich über die gesamte Lebensdauer des Software-Roboters statt.

Ein "roboterfreundliches" Ökosystem schaffen

Welcher Aufwand wiederum für eine Prozessoptimierung entsteht und wo diese bei der Einführung von RPA sinnvoll ist, hängt unter anderem von der Häufigkeit und Komplexität misslungener Automatisierungen ab. Eine einfache Adressänderung - also ein geradliniger, beinahe statistischer Prozess - lässt sich bei einer Optimierung vermutlich leichter anpassen als ein Ende-zu-Ende-Bestell- oder -Genehmigungsprozess, der zahlreiche komplexe Entscheidungsbäume sowie Alternativwege beinhaltet.

Im Gegensatz zur Adressanpassung generiert dieser jedoch bei gleichem Arbeitsvolumen eine deutlich höhere Arbeitslast als bei der händischen Bearbeitung eines erfolglos automatisierten Geschäftsvorgangs. Ob eine Anpassung notwendig ist, sollte daher traditionell unter Zuhilfenahme einer Kosten-Nutzen-Analyse bestimmt werden.

Von Beginn an lässt sich der Automatisierungsgrad am einfachsten durch die Gestaltung eines "roboterfreundlichen" Ökosystems optimieren. Dazu zählen beispielsweise das Löschen von Daten-Caches, die Maximierung von Fenstern, das Abschalten unnötiger Benachrichtigungsoptionen sowie Cookie-Meldungen und das Erkennen allgemeiner Meldungen, die sich ohne weitere Beachtung des Inhalts risikolos wegklicken lassen, oder auch die Optimierung der Anzeige (Fenstergröße, Hintergrundfarbe, Schriftart und -größe).

Mit einiger Erfahrung finden sich häufig auch noch andere Kniffe, um den Ablauf der Automation bezüglich Schnelligkeit, Flexibilität und Fehleranfälligkeit zu verbessern. Egal welche Form der Optimierung hier zum Tragen kommt, der Ablauf des Prozesses selbst verändert sich zunächst nicht. Bei dieser Art der Prozessoptimierung geht es vielmehr um die Verbesserung der Applikationen beziehungsweise der Vorgehensweisen bei deren Bedienung.