Wie intelligente Workload-Balancing die RPA-Leistung steigert

Wie lässt sich intelligentes Workload-Balancing in diesem Bereich erreichen? Das relativ neue Konzept ist entscheidend für den RPA-Betrieb, da es bestimmt, ob Aufgaben besser für menschliche Mitarbeiter oder ihre digitalen Kollegen geeignet sind.

Fünf Branchenexperten zeigen konkrete Anwendungsmöglichkeiten auf.

Regeln und Transaktionen managen

Intelligentes Workload-Balancing kann zunächst prüfen, ob Bots den vom Unternehmen aufgestellten Regeln folgen.

„Die Fähigkeit, automatisch zu entscheiden, ob eine Aktivität menschlichen Eingriff erfordert oder von einem Bot ausgeführt werden kann, nennt man üblicherweise ‚intelligentes Workload-Balancing‘“, erklärt Sathya Srinivasan, Vice President Solutions Consulting (Partners) bei Appian. „Die Intelligenz stammt aus den Geschäftsregeln, die festlegen, wer der beste Kandidat für die Arbeit ist – Mensch oder Bot. Wenn Mensch: welche Abteilung, Gruppe, Erfahrungsstufe oder Managementebene ist am besten geeignet? Wenn Bot: was braucht es, um einen Bot einzusetzen, wie flexibel kann er verschiedene Anfragearten bedienen?“

„Damit ein Bot wirklich effektiv ist, muss er über eine breite Parameterpalette arbeiten können. Beispiel: Eine Regel sieht vor, dass ein Bot Rücksendungen unter 100 $ bearbeitet. In Spitzenzeiten mit hohem Rücksendeaufkommen kann die Regel den Schwellenwert dynamisch erhöhen. Der Bot sollte dennoch alle nötigen Schritte für den höheren Betrag ausführen können, ohne jedes Mal neu konfiguriert zu werden.“

Gopal Ramasubramanian, Senior Director Intelligent Automation & Technology bei Cognizant, ergänzt: „Wenn 100.000 Transaktionen anstehen und statt manueller Zuweisung an verschiedene Roboter die intelligente Workload-Balancing-Funktion der RPA-Plattform diese automatisch auf verschiedene Roboter verteilt, werden Transaktionen so schnell wie möglich abgeschlossen.“

„Ist ein Service Level Agreement (SLA) an die Fertigstellung geknüpft und die Roboter können das SLA nicht einhalten, kann intelligentes Workload-Balancing bedarfsgerecht zusätzliche Roboter in Betrieb nehmen, um die Last zu verteilen und jede Aufgabe termingerecht zu erledigen.“

Process-Intelligence-Lösungen

Neil Murphy, Global Vice President bei ABBYY, erläutert, wie Process-Intelligence-Lösungen eingebunden werden können, um einen besseren Überblick über Optimierungsbedarfe zu erhalten.

„Im RPA kann die Wiederholung vieler Prozesse problematisch sein, wenn diese defekt oder nicht vollständig verstanden sind – was häufigen menschlichen Eingriff nach sich zieht“, so Murphy. „Daher gibt es definitiv einen Anwendungsfall für intelligentes Workload-Balancing im RPA.“

„Deshalb entstehen Process-Intelligence-Lösungen. Sie helfen Unternehmen, die für RPA am besten geeigneten Prozesse zu identifizieren und diese vollständig zu verstehen, indem sie Engpässe aufdecken, die Fehler verursachen oder Durchlaufzeiten erhöhen.“

„Process Intelligence deckt auch die häufigsten Ausführungspfade auf, offenbart fehlerhafte Prozessvarianten und weitere verborgene Ineffizienzen. Ein wachsender Trend bei Organisationen, die echte digitale Transformation anstreben – statt nur manuelle Prozesse zu automatisieren – ist die Kombination von Process Intelligence mit RPA. Das sichert die besten Ergebnisse.“

Bot-Lizenzierung

Chris Porter, CEO von NexBotix, geht auf die Optimierung des Betriebs durch intelligentes Workload-Balancing ein und betont die Bedeutung der Bot-Lizenzierung.

„Traditionelle RPA-Anbieter fokussierten sich vorwiegend auf Bot-Lizenzen – Verkauf pro Bot“, sagt Porter. „Jeder Bot ist eine feste Ressource mit begrenzter Kapazität. Ist diese ausgeschöpft, muss ein weiterer Bot gekauft werden. Ein weiteres Problem: Bots werden effektiv manuell geplant; das ist ein großer Overhead, jemanden damit zu beauftragen, Arbeit zu planen und den Lizenzpool zu verwalten. Jede Organisation sollte Ausgaben minimieren und Automatisierung maximieren.“

„Intelligentes Workload-Balancing betrachtet die verfügbaren Ressourcen und weist Arbeit dynamisch zu. Das maximiert die Ressourcennutzung, indem Aufgaben automatisch verschiedenen Bots oder Servern zugewiesen werden – je nach Arbeitsart. Es muss nicht RPA sein – es könnte Machine Learning oder OCR sein, und Aufgaben werden automatisch verteilt.“

„Besonders wichtig wird das bei Volumensteigerungen oder Saisonalität, wenn Arbeit automatisch auf mehr Bots verlagert oder zusätzliche Bots aktiviert werden müssen. Beispiel: Der Versicherungssektor erlebt typischerweise im Januar erhöhte Arbeitslasten durch viele Verlängerungen und Prozessspitzen.“

„Bei traditionellem RPA muss man für die Spitze einkaufen – Lizenzen müssen für den Peak verfügbar sein. Den Rest des Jahres liegen sie brach – man zahlt trotzdem, weil das traditionelle Lizenzmodell deren Bereithaltung erfordert.“

Digitale Arbeiter

Ein letztes Beispiel für intelligentes Workload-Management im RPA sind digitale Arbeiter.

Peter Walker, CTO EMEA bei Blue Prism, erklärt: „Im Gegensatz zu anderen Robotern arbeiten digitale Arbeiter proaktiv, indem sie KI-Fähigkeiten verweben, um mühelos in sich ständig ändernden digitalen Umgebungen zu interoperieren – ohne Ausfälle. Digitale Arbeiter können Workflow und Workload-Ausführung optimal planen, um beste Ergebnisse zu liefern, Workloads sofort und intelligent zu managen, weitere digitale Arbeiter bei Bedarf automatisch zu skalieren und automatisches Process Mining zur Analyse von Geschäftsprozessen zu nutzen.“

„Digitale Arbeiter lösen Logik-, Geschäfts- und Systemprobleme ohne Eingriff, nutzen automatische Problemerkennung für höchste Servicelevel und steigern die Produktivität über alle Prozessautomatisierungen. Um Zeit bis zum Kundenservice zu verkürzen und die Gesamtqualität zu verbessern, kommunizieren und erledigen digitale Arbeiter Aufgaben mit Menschen, Systemen und anderen digitalen Arbeitern.“

„Beispielsweise können Chatbots eingesetzt werden, die mit digitalen Arbeitern autonom Kunden bedienen und bei Bedarf Aktionen an Menschen eskalieren.“