RPA: Überhypet oder nur Pflaster? Sind Decision Engines die wahre Zukunft?

Man hört es oft: RPA ist überhypet. Es ist wie ein Pflaster. Nun hat Information Age mit einem Business-Consulting-Experten gesprochen, der argumentiert, Decision Engines statt RPA seien die Zukunft. Hat er recht?

Für Albert Rees, der Business Consulting für Nordamerika bei EPAM leitet, ist RPA eher ein Pflaster.

Rees sieht zwei Probleme mit RPA.

• Implementierungskosten sind viel höher als erwartet.
• Wartungskosten. „Sie bewegen Daten zwischen bestehenden Systemen, und wenn diese sich nie ändern, ist alles gut. Aber das ist nicht der Fall. Wenn sich Systeme weiterentwickeln, müssen auch Backend-Dinge geändert werden.

Rees sagt: „Man muss zu einem ziemlich niedrigen Detaillierungsgrad kommen, um wirklich zu verstehen, wo Automatisierung funktionieren wird, was sie tun wird und wie sie mit Systemen interagiert.“ Dieses Detaillevel kostet auch.

Er fügt hinzu: „Wir sehen Leute, die in und aus Spreadsheets kopieren, in Call Centers das Drei-Screen-Szenario, wo sie Daten von Screen A nach B nach C schieben – drei interne Systeme, eines davon vielleicht Excel. Wenn sich irgendetwas ändert, müssen Sie zurück und ein Update implementieren. Die meisten Organisationen können das nicht selbst, also geben sie wieder Geld aus.“

Decision Engines

Stattdessen sieht er Decision Engines als Schlüssel. Was sind sie? Er sagte: „Ich denke an Decision Engines als Tools, um einen Teil menschlicher Entscheidungsfindung zu automatisieren, der durch einen Regelsatz definiert werden kann. Sie wenden vordefinierte Business Rules (oft ‚Decision Trees‘ genannt) auf Datensätze an. Decision Engines sind typischerweise kein RPA-Ersatz, aber sie können RPA erweitern, wenn ein Prozess eine Entscheidung bei komplexen Regeln auf komplexen Datensätzen erfordert.“

Die Debatte

Stimmt das?

Kürzlich sprach Information Age mit Bruno Ferreira, Managing Director UK & Ireland bei UiPath – wenig überraschend hat er eine andere Perspektive.

Das Hype-Argument, so Ferreira, mache keinen Sinn. „Unsere Renewal-Rate ist über 90 %.“

Er verweist auf UiPaths Wachstum: 10 Mio. $ 2016, 200 Mio. $ 2018 – harte Zahlen zeigen gierigen Appetit auf RPA.

Und doch: Er deutet an, nur wenige Organisationen nutzen RPA, was massives Wachstumspotenzial impliziert.

Sarah Burnett, Executive VP und Distinguished Analyst bei Everest Group, sagt: „Wir haben tatsächlich Studien gemacht, die zeigen, dass Unternehmen etwa 30 % Kosteneinsparungen erzielen.“

Das RPA-Pflaster?

Dann das Pflaster-Thema. Es kommt auf Legacy-Systeme. „Sie sind in COBOL geschrieben, sitzen auf Mainframes, und das ist ein Use Case, wo wir nichts mehr mit diesen Legacy-Systemen anfangen können“, sagt Rees. Er argumentiert, viele Systeme seien nicht gut integriert – „wir bekommen multiple Versions of the Truth, und das bedeutet furchtbar viel manuelle Fleißarbeit, Daten eingeben, die schon in einem anderen System existieren.“ Er meint, manche Firmen nutzen RPA dafür, aber „in vielerlei Hinsicht ist RPA ein Pflaster für Dinge, die existieren könnten – Fähigkeiten, die in ERPs und anderen Best-of-Breed-Lösungen heute existieren könnten.“

„Die Frage in meinem Kopf: Wie lange bleibt RPA wirklich eine viable Lösung im Markt. Das weiß ich nicht. Ich spekuliere: zwischen drei und fünf Jahren, denn was wir wirklich sehen, ist, dass Kunden zu Intelligent Automation und Cloud-Lösungen tendieren, was wirklich die nächste Evolution von RPA ist.“

Wiederum gibt es starke Gegenstimmen. UiPath hat bekanntermaßen das Ziel: ein Roboter pro Schreibtisch – ein Ziel, das langfristige Planung impliziert.

Bruno Ferreira zitiert als Beispiel UiPaths Ziel: ein Roboter pro Wissenschaftler. „Stellen Sie sich vor“, sagt er, „jeden Tag geht ein Wissenschaftler ins Labor, muss aber eine Stunde Vorbereitung investieren“, mit RPA „schätzen Einsparungen auf neun Stunden im Monat – das wäre erstaunlich.“

Sensible Daten

Rees hat auch Bedenken bei unbeaufsichtigten Robotern, die Prozesse End-to-End automatisieren. Teil des Problems liegt in Regulierung und Gefahr, dass unbeaufsichtigte Roboter Fehler wiederholen, die Operatoren, entkoppelt vom Tagesgeschäft, nicht bemerken.

„Jeder will agil sein“, sagt er, „agil ist toll aus Entwicklungssicht, wenn man sich Fehler leisten und lernen kann. Aber bei sensiblen Daten geht das nicht.

Bei Roboter, die Daten von System A nach B hinter Firewall bewegen, funktioniert unbeaufsichtigt super. Geht was schran? Nächster Sprint, Fix, zurück zu unbeaufsichtigt. Wird meist aufgefangen, bevor es in Hände gerät, wo es Probleme schafft.“

Bei sensiblen Daten sieht er ein Problem. Beispiel: „Kontoauszüge von jemand anderem. In solchen Situationen wird unbeaufsichtigt viel, viel riskanter.“

Sarah Burnett sieht dagegen Datengenauigkeit als RPA-Stärke.

Wie man sagt: Irren ist menschlich, RPA kann Fehler eliminieren.

„Wenn eine Person Daten eingibt, vertauscht sie leicht Zahlen. Den Fehler zu fixen, je weiter er den Prozess hinunterwandert, desto teurer. Teure Experten jagen dem Fehler nach. Roboter, korrekt entwickelt, gewartet, laufend – machen diese Fehler nicht. Wir hören von Organisationen, die Robot-Apps testeten und nie einen Fehler fanden – 100 % genau, immer.“