Es klemmt noch bei der Prozessautomatisierung im großen Stil

Robotic Process Automation und Intelligent Automation helfen Finanzinstituten ihre versteckten Potenziale besser auszuschöpfen. Trotz hoher und berechtigter Erwartungen straucheln jedoch viele Banken bei der Prozessautomatisierung noch auf der Langstrecke.

Die intelligente Automatisierung von komplexeren Prozessen in Banken und Sparkassen setzt ein gut konzipiertes Operating Model voraus.

Partner des Bank Blogs

Seit Jahren wird Prozessautomatisierung mittels Intelligent Automation in der gesamten Finanzbranche eingesetzt: Grund ist dringende Notwendigkeit, Kosten zu sparen und Prozessverbesserungen mit Blick auf Qualität und Geschwindigkeit zu generieren. Das Potential ist immens, da insbesondere in der Finanzbranche nach wie vor viele manuelle und papierbasierte Prozesse und veraltete Systemlandschaften bestehen.

Hierbei lässt sich immer wieder beobachten, dass Institute nach anfänglicher Euphorie und schneller Zielerreichung dennoch scheitern, nachhaltige Erfolge zu erwirken und Ihre Bots zu skalieren. Es mangelt dabei nicht am Willen und auch nicht an der Dringlichkeit, zumal unzählige manuelle Prozesse in überholten Systemlandschaften immer noch bestehen.

Dies wird bestätigt auch die Deloitte-Studie „Automation with intelligence“: Der zufolge gaben 2020 bereits 78 Prozent der Befragten an, Prozessautomatisierung mittels RPA zu nutzen (10 Prozent mehr als noch 2018), wohingegen lediglich 13 Prozent der Befragten 50 oder mehr Roboter wirklich im Einsatz hatten. Der Anteil der Unternehmen, die skaliert haben, hat sich innerhalb der letzten zwei Jahre zwar deutlich erhöht, ist aber noch immer relativ gering.

Mit einem holistischen Ansatz und der Unterstützung des „MotherBot“ lassen sich typische Barrieren überwinden. Zudem ist gerade auch der Schritt in Richtung Intelligent Automation, den mittlerweile ebenfalls 73 Prozent der befragten Unternehmen unserer Studie gemacht haben, ein wichtiger, um vorhandene Prozessautomatisierungspotentiale voll auszuschöpfen.

Sechs Barrieren überwinden und das RPA-Programm skalieren

Viele Kunden beschreiben die gleichen sechs Herausforderungen und Barrieren, wenn sie versuchen, ihr RPA/IA-Programm zu skalieren. Diese sind:

1. „Mindset“ – Von Zweiflern zu Gläubigen,
2. „Goals“ – Ausrichten des RPA Programms an der Vision des Unternehmens,
3. „Value“ – Identifizieren der richtigen Prozesse,
4. „Ownership“ – Rollen und Verantwortlichkeiten frühzeitig definieren,
5. „Readiness“ – Befähigen der internen Experten sowie
6. „Momentum“ – Stillstand trotz Fortschritt.

Auf dem Weg zur skalierbaren Robot Process Automation lauern mindestens 6 Hürden, die überwunden werden müssen

1. „Mindset“ – Von Zweiflern zu Gläubigen

Am Anfang der Einführung jeder neuen Technologie gilt es, ein kollektives Verständnis über die Fähigkeiten und Unzulänglichkeiten dieser neuen Technologie zu etablieren. Innerhalb der letzten Jahre war im Markt zwar bereits einen großen Wandel des Mindsets zu sehen, allerdings gilt es vor allem in der Pilotierung eines RPA/IA-Programms, die feinen Nuancen der Technologie herauszuarbeiten und so späteren Enttäuschungen vorzubeugen.

2. „Goals“ – Ausrichten des RPA Programms an der Vision des Unternehmens

Um die Vorzüge eines skalierten RPA/IA-Programms vollständig ausschöpfen zu können, ist es von zentraler Notwendigkeit, die Vision und Strategie des Unternehmens mit denen des Programms in Einklang zu bringen. Hierbei müssen Fragen nach dem „Warum“, „Was“ und „Wie“ beantwortet werden, um RPA/IA zum Werkzeug der Erfüllung der übergeordneten Vision und Strategie des Unternehmens zu machen.

3. „Value“ – Identifizieren der richtigen Prozesse

Es ist essentiell für den Erfolg eines RPA/IA-Programms, die richtigen Prozesse zu identifizieren. Dies sollte auf der Basis qualitativer und quantitativer KPIs und einer standardisierten und transparenten Kosten-Nutzen-Analyse durchgeführt werden. Abgeleitet aus einer solchen standardisierten Analyse lässt sich eine Prozesspipeline füllen und eine Roadmap für das RPA/IA Programm definieren.

4. „Ownership“ – Rollen und Verantwortlichkeiten frühzeitig definieren

Unsere Erfahrung hat gezeigt, dass viele unserer Kunden sich erst viel zu spät mit der Thematik der Rollen und Verantwortlichkeiten innerhalb des RPA/IA-Programms befassen. Hierbei fällt immer wieder auf, dass oft erst dann, wenn es ein Problem mit einem produktiven Roboter gibt, definiert wird, in wessen Verantwortlichkeit die Wartung und Instandhaltung der produktiven Roboter fällt.

Diese Rollen und Verantwortlichkeiten müssen vom ersten Tag des RPA/IA-Programms definiert sein; Kommunikations- und Eskalationsstränge müssen für jeden Mitarbeiter klar einsehbar und nachvollziehbar sein.

5. „Readiness“ – Befähigen der internen Experten

Bei der Definition von Rollen und Verantwortlichkeiten ist selbstverständlich darauf zu achten, dass für die zugewiesenen Rollen auch das benötigte Wissen zur Verfügung steht. Hierbei hat es sich bewährt interne, technisch affine Ressourcen frühzeitig einzubinden und ggf. zu schulen. Um auch sowohl technisch als auch fachlich anspruchsvolle Geschäftsprozesse in einer End-to-End Automatisierung abbilden zu können, ist es höchst vorteilhaft technisch affine Ressourcen und fachliche Experten zu kombinieren.

6. „Momentum“ – Stillstand trotz Fortschritt

Häufig verliert ein RPA/IA-Programm an „Schwung“, sobald eine gewisse Anzahl an Robotern erreicht ist. Hier sehen wir immer wieder, dass der Aufwand für den Betrieb, die Wartung und Instandhaltung der Roboter die gesamte Kapazität des Programms in Anspruch nimmt.

Deloitte hat für diese Herausforderung den sogenannten „The MotherBot“ entwickelt, der den voll automatisierten Betrieb aller Roboter gewährleitet. Zusätzlich ermöglichen auch noch weitere Assets von Deloitte, wie etwa DeepProcess (AI-basierte Prozessanalyse), DigitalScribe (automatisierte Erstellung von Prozessdokumentationen als Basis für die Automatisierung) etc. ein schlankes Aufstellen und Management des RPA/IA Lifecycles.

Deep-Dive: Steuerung der digitalen Workforce – effiziente Lösung für alltägliche Herausforderungen

So nützlich die virtuellen Roboter auch sind: Bei RPA-Anwendungen liegt bislang die Aufgabe der Steuerung immer noch beim menschlichen Mitarbeiter: Sie starten die Roboter einzeln, kümmern sich im Alltag um Zwischenfälle, führen Neustarts virtueller Maschinen durch, sofern notwendig, und verplanen je nach Situation die Roboter-Ressourcen von neuem. Kommt es zu Problemen – beispielsweise bei Overnight-Prozessen – so wird ein zeitnaher Eingriff schwierig. Zusätzlich müssen die Mitarbeiter Reports erzeugen, wofür Datenvorbereitung und -analyse notwendig sind.

Mit dem Ziel, eine große Anzahl von Robotern effizient zu orchestrieren und zu planen, hat Deloitte hier die Idee des „The MotherBot“ entwickelt und umgesetzt. Es handelt sich im Prinzip um eine intelligente Scheduling-Funktionalität. Der Einsatz der Roboter wird je nach errechnetem Bedarf und Priorität skaliert. User und Prozesse werden den Aufgaben dynamisch zugewiesen, somit gehört Leerlauf durch ungeplante Aussetzer der Vergangenheit an. Je nach Performance können Roboter automatisch neu verplant werden, gegebenenfalls werden Prozesse automatisch gestoppt und wieder gestartet.

Workloads flexibel und verursachungsgerecht managen

Im Wesentlichen geht es bei der Lösung darum, Workloads flexibel und verursachungsgerecht zu managen. Das umfasst automatische Updates über Statusanfragen, die Kontrolle von ausstehenden Prozessen (Warteschlangen) und kontinuierliches Monitoring. Bei Problemen wie Downtime oder Fehlern in der Laufzeitumgebung werden automatisch die entsprechenden Maßnahmen ausgelöst, inklusive konfigurierbarer Alerts (z.B. Benachrichtigung per Email). Die Informationen aus dem Monitoring fließen wieder in den Scheduling-Prozess ein und lösen bei Bedarf ein Re-Scheduling aus: eine wertvolle Feedbackschleife, die die Produktivität steigert. Die Reporting-Funktion liefert zudem in definierbaren Intervallen automatisierte Berichte und Updates.

Je nach RPA Operating Model kann diese mächtige, aber schlanke und günstige Managementlösung den Aufwand menschlicher RPA-Manager um bis zu 90 Prozent senken. Die Effizienz beim Nutzen von Lizenzen verbessert sich um bis zu 20 Prozent, die Reaktionszeit bei Fehlern und Planungsänderungen reduziert sich signifikant. „The MotherBot“ braucht nur wenige Anpassungen und kann ohne großen Aufwand sehr schnell zum Einsatz kommen. Besonderer Vorteil: Die Lösung fügt sich nahtlos in die bestehende RPA-Umgebung ein.

Fazit: Operating Model für Intelligent Automation

Für einen nachhaltigen Erfolg ist es enorm wichtig die oben beschriebenen Aspekte zu beachten. Im Kern handelt es sich dabei um die verschiedenen Elemente eines gut konzipierten Operating Model für Intelligent Automation:

• Strategie & Designprinzipien
• Governance Model
• Workforce Strategie
• Training & Kompetenzmodell
• Methodologie & Tools
• Kontrollrahmenwerk
• Technisches Design
• Kommunikation

Ein weiterer erfolgskritischer Punkt ist aus unserer Sicht die kontinuierliche Weiterentwicklung und Kombination von RPA mit intelligenteren Technologien wie OCR / ICR oder NLP. Dies ermöglicht beispielsweise heute die Automatisierung von komplexeren Prozessen, die zu Beginn der Automatisierungsreise nicht umsetzbar war oder auch innovative Steuerungsmöglichkeiten. Dabei ist besonders wichtig, aktuelle Marktentwicklungen im Auge zu behalten und zu evaluieren, um langfristig das Momentum zu halten.

E-Book „Anwendung und Nutzen von Zukunftstechnologien im Banking – Band 2″

Der Artikel ist Teil einer Artikelserie zu neuen Technologie im Banksektor.. Abonnenten von Der Bank Blog Premium können das 30-seitige E-Book mit allen acht Beiträgen direkt herunterladen.

Wenn Sie kein Abonnent sind können Sie das E-Book hier auch einzeln kaufen.

Yamina Mekibes

Yamina Mekibes ist Koautorin des Beitrags. Sie ist Senior Managerin im Bereich Banking Operations bei Deloitte und Teil des Intelligent Automation Leadership Teams in Deutschland. Sie hat mehrjährige Erfahrung im Bereich Restrukturierung und Optimierung von Prozessen unter Einsatz innovativer Technologien.

Alexander Suckow

Alexander Suckow ist Koautor des Beitrags. Er ist Senior Consultant im Bereich Analytics & Cognitive bei Deloitte im Spezialgebiet Intellligent Automation. Seine mehrjährige Berufs- und Projekterfahrung erstreckt sich von der Entwicklung von SAP Programmen bis hin zur Nutzung von Technologien wie RPA und Cognitive Automation.

Benedikt Thomas

Benedikt Thomas ist Koautor des Beitrags. Er ist Consultant im Bereich Analytics & Cognitive bei Deloitte und spezialisiert auf Robotic Prozess Automation. Seine mehrjährige Berufs- und Projekterfahrung erstreckt sich über die Identifikation, Analyse und das Re-Design von Prozessen, bis hin zur Programmierung, testen und Produktiv-Support von Automatisierungslösungen.

Bank Blog Partner Deloitte entwickelt für seine Kunden integrierte Lösungen in den Bereichen Wirtschaftsprüfung, Steuerberatung, Financial Advisory und Consulting.