Kognitive Automatisierung (Cognitive Automation)

Was sind Beispiele für kognitive Automatisierung?

Es ist wichtig, darauf hinzuweisen, dass der Begriff undeutlich ist und von Analystenfirmen wie Gartner, Forrester oder IDC nicht ausdrücklich verwendet wird. Sie nutzen eine Reihe anderer Begriffe, um verschiedene Aspekte der kognitiven Automatisierung zu beschreiben, darunter:

• intelligente Prozessautomatisierung (Intelligent Process Automation, IPA)
• intelligente Geschäftsprozessautomatisierung (Intelligent Business Process Automation, IBPA)
• digitale Prozessautomatisierung (Digital Process Automation, DPA)
• Hyperautomatisierung
• kognitive Dienste

Aufgrund dieser Unklarheit ist es wichtig, herauszufinden, auf welche Dimension der kognitiven Automatisierung sich jemand in einer bestimmten Diskussion bezieht. Dazu können gehören:

• Kombination von intelligenter Datenerfassung mit Prozessautomatisierung unter Verwendung von Verfahren wie optische Zeichenerkennung (Optical Character Recognition, OCR), maschinelles Sehen, Spracherkennung oder natürliches Sprachverständnis. Dies wird traditionell als IPA oder DPA bezeichnet.
• Automatisierung von Prozessabläufen und Entscheidungen mit Unterstützung von KI-Entscheidungsmaschinen als Ergänzung oder Ersatz für herkömmliche Systeme zur Verwaltung von Geschäftsregeln oder Geschäftsprozessen. Diese autonomen Unternehmensfunktionen bringen im Wesentlichen Funktionen des autonomen Fahrens in Geschäftssysteme.
• Einsatz von Process Mining und KI-Tools zur Automatisierung des Prozesses der Identifizierung von Automatisierungsmöglichkeiten und der anschließenden automatischen Bereitstellung dieser Möglichkeiten. Gartner bezeichnet dies als Hyperautomatisierung.
• Zusammenfassung einer Reihe von Diensten, die KI- und Automatisierungsfunktionen kombinieren und über einen kommerziellen oder privaten App Store bereitgestellt werden. Dies ist im Wesentlichen die Weiterentwicklung von Angeboten wie den Microsoft Cognitive Services.
• Differenzierung der Art und Weise, wie Automatisierungsprozesse in Gang gesetzt werden, als dynamischere Variante im Vergleich zu unbeaufsichtigten versus beaufsichtigten versus hybriden Automatisierungsansätzen.

Wie funktioniert kognitive Automatisierung?

Kognitive Automatisierung bezieht sich in der Regel auf Funktionen, die als Teil eines kommerziellen Softwarepakets oder Dienstes angeboten werden, und die auf einen bestimmten Anwendungsfall zugeschnitten sind. So kann ein Unternehmen beispielsweise einen Rechnungslesedienst für eine bestimmte Branche kaufen, der die Fähigkeit verbessert, Rechnungen auszulesen und diese Daten dann in die üblichen Geschäftsprozesse dieser Branche einzuspeisen.

Kognitive Basisdienste werden häufig angepasst und nicht von Grund auf neu entwickelt. Dies macht es den Geschäftsanwendern leichter, kognitive Automatisierungen bereitzustellen und anzupassen, die ihrem Fachwissen und ihrer Vertrautheit mit dem Unternehmen entsprechen. In der Praxis müssen sie möglicherweise mit Softwareexperten zusammenarbeiten, um sicherzustellen, dass die Dienste belastbar und sicher sind und alle Datenschutzanforderungen erfüllen.

Anspruchsvollere autonome kognitive Dienste erfordern ein wenig mehr technisches Fachwissen. Diese Anwendungsfälle werden wahrscheinlich von einem speziellen Team oder einem Kompetenzzentrum für Automatisierung verwaltet, das sich mit den besten Verfahren für die Skalierung autonomer Systeme auskennt. Dies kann Geschäftsrisiken wie unerwartete Cloud-Rechnungen für Systeme, die größer als erwartet skaliert wurden, reduzieren.

Was sind Anwendungsbereiche der kognitiven Automatisierung?

Zu den Anwendungsfällen der kognitiven Automatisierung gehören alle Prozesse, die durch den Einsatz von KI zur Erfassung von Daten oder zur Automatisierung komplexerer Entscheidungen verbessert werden können. Dazu gehören:

• Automatisches Kategorisieren von Produktdaten aus verschiedenen Quellen in einen globalen Satz strukturierter Daten.
• Kopieren von Informationen aus unterschiedlich formatierten Rechnungen in ein Standardformat und anschließendes Laden dieser Daten in ein Buchhaltungssystem.
• Automatisches Abrufen von Kunden- oder Support-Daten als Reaktion auf einen laufenden Serviceanruf mit Unterstützung von Spracherkennung und natürlichem Sprachverständnis.
• Verwendung von KI-Empfehlungsmaschinen zur Erfassung von Informationen über die Absichten eines Kunden, um das Kundenerlebnis zu optimieren.

Was sind die Vorteile der kognitiven Automatisierung?

Der Hauptvorteil der kognitiven Automatisierung besteht darin, dass sie hilft, unstrukturierte Daten aus Dokumenten, Kundeninteraktionen, Sprache und maschinellem Sehen in Geschäftsabläufe einzubinden. Weitere Vorteile sind:

• Rationalisierung der IT-Service-Management-Aufgaben rund um die Identifizierung des Problems und die Automatisierung der Reaktion auf Störungen.
• Automatisierung des Werts bestehender Automatisierungen durch Überbrückung der Lücken zwischen bestehenden RPA-Bots, Low-Code-Anwendungen und Tools zur Integration von Programmierschnittstellen (API).
• Automatisierung der Entscheidungsfindung, um die manuelle Entscheidungsfindung zu reduzieren, Voreingenommenheit zu vermindern und Geschäftsprozesse zu beschleunigen, die mit menschlichen Entscheidungsträgern ins Stocken geraten sind.
• Verbesserung des Kundenerlebnisses durch die Kombination von RPA-Bots, KI-Chatbots und virtuellen Assistenten.

Was sind die Herausforderungen der kognitiven Automatisierung?

Die größte Herausforderung besteht darin, dass die kognitive Automatisierung unternehmensspezifische Anpassungs- und Integrationsarbeiten erfordert. Dies ist weniger ein Problem, wenn kognitive Automatisierungsdienste nur für einfache Aufgaben wie die Verwendung von OCR und maschinellem Sehen zur automatischen Interpretation des Textes und der Struktur einer Rechnung verwendet werden. Eine anspruchsvollere kognitive Automatisierung, die Entscheidungsprozesse automatisiert, erfordert mehr Planung, Anpassung und ständige Iteration, um die besten Ergebnisse zu erzielen.

Weitere spezifische Herausforderungen, die es zu berücksichtigen gilt, sind:

• längere Zeit bis zum Erreichen einer positiven Investitionsrendite (ROI)
• schwere Suche nach Fachleuten mit Erfahrung mit autonomen Geschäftssystemen
• Notwendigkeit, KI-Algorithmen auf Verzerrungen zu überprüfen
• Potenziell außer Kontrolle geratene automatische Kostenskalierung
• neue Sicherheitsprobleme durch den Zugriff intelligenter Bots auf eine breitere Palette von IT-Systemen und Arbeitsabläufen
• potenzielle Verstöße gegen den Datenschutz oder die Einhaltung von Vorschriften durch die Einspeisung personenbezogener Daten in neue Arbeitsabläufe

Was sind die Unterschiede zwischen RPA und kognitiver Automatisierung?

Es gibt mehrere entscheidende Unterschiede zwischen kognitiver Automatisierung und RPA, die sich auf die Art und Weise beziehen, wie sie menschliche Arbeitskräfte ergänzen, auf die Art der Daten, mit denen sie arbeiten, auf die Projektfristen und die Entwicklungsansätze. Dazu gehören:

• RPA automatisiert sich wiederholende Handlungen, während die kognitive Automatisierung mehr Arten von Prozessen automatisieren kann.
• Traditionelle RPA arbeitet nur mit strukturierten Daten, während kognitive Automatisierung unstrukturierte Daten aus E-Mails, Telefonaten und Videos verarbeiten kann.
• RPA bietet einen schnellen ROI, während die kognitive Automatisierung mehr Zeit für die Einrichtung der Infrastruktur und der Arbeitsabläufe erfordert.
• RPA kann schnelle taktische Erfolge bringen, während die kognitive Automatisierung einen eher strategischen, langfristigen Vorteil bietet.
• RPA ist einfach zu verwalten, während die kognitive Automatisierung zusätzlichen Managementaufwand erfordert.
• RPA ist spröde, was ihre Einsatzmöglichkeiten einschränkt, während kognitive Automatisierung sich an Veränderungen anpassen kann.

RPA-Bots werden explizit programmiert, während die kognitive Automatisierung besser in der Lage ist, die Absicht eines Anwendungsfalls zu erkennen und sich anzupassen.