![](https://www.computerweekly.com/visuals/German/article/IT-infrastructure-1-adobe_searchsitetablet_520X173.jpg)
trahko - stock.adobe.com
Wie Hyperautomation, KI und Machine Learning zusammenarbeiten
Die Integration von KI-Funktionen verleiht Tools zur Hyperautomatisierung neue Impulse. Um breite Anwendung zu finden, muss dies in bestehende IT-Lösungen stattfinden.
Fachleute sind des Begriffs künstliche Intelligenz (KI) beziehungsweise Artificial Intelligence (AI) längst müde geworden. Es scheint, als verkommt KI langsam zu einem Buzzword, das inflationär und ohne tiefere Substanz verwendet wird. Dabei sollte sie als zentrale Technologie ein integraler Bestandteil der IT sein und hier mannigfaltige Chancen bieten. Doch welche Möglichkeiten schafft KI – speziell Machine Learning (ML) – in den Fabrikhallen genau und welche Rolle spielt sie bei der Automatisierung?
KI ist in aller Munde und eines der großen Gesprächsthemen in der heutigen Gesellschaft. So überrascht es nicht, dass sie auch auf dem diesjährigen World Economic Forum in Davos einer der zentralen Diskussionspunkte war. Auch Elon Musk hat die Bedeutung von KI erkannt und Grok, seine Alternative zu ChatGPT, vorgestellt – und dass, obwohl er zunächst noch vor den potenziellen Gefahren der künstlichen Intelligenz gewarnt hatte. Trotz allem macht es den Eindruck, dass KI eher zu einem Modewort geworden ist. Mancher Software-Ingenieur trägt ob dieser Entwicklung heute lieber trotzig ein T-Shirt mit dem Satz: „Künstliche Intelligenz hat keine Chance gegen natürliche Dummheit.“ (Anm. abgewandeltes Zitat von Terry Pratchett: "Real stupidity beats artificial intelligence every time.")
Systemübergreifende Automatisierung als Herausforderung
Automatisierung war für viele Menschen schon immer ein Instrument, das wesentlich dabei geholfen hat, ihre Arbeit effizienter zu machen, indem sie mühsame und repetitive Aufgaben übernommen, komplexe Prozesse vereinfacht und die Sicherheit erhöht hat. So sieht man heute in der Produktion Maschinen und Roboter, die „Hand in Hand“ mit menschlichen Arbeitskräften ihr Werk verrichten.
Ein ähnliches Bild ist auch im Softwarebereich zu sehen, jedoch handelt es sich bei Software selbst bereits um ein Instrument zur Automatisierung. Allerdings trifft die Automatisierung durch Software auf Einschränkungen und adressiert oftmals nur Aspekte innerhalb der Grenzen eines einzelnen IT-Systems. Zum Beispiel kann ein ERP-System mit Funktionalitäten für den Einkauf die verschiedenen Schritte innerhalb des Einkaufsprozesses out of the box automatisieren.
Ist es jedoch notwendig, Automatisierung über diese Grenzen hinweg zu realisieren, sind die Mechanismen nicht selten weniger ausgefeilt oder sogar nicht vorhanden, insbesondere im Bereich der Supply Chain Automation. Darüber hinaus ist häufig menschliches Eingreifen noch erforderlich, vor allem, wenn Entscheidungen im Rahmen teilautomatisierter Tätigkeiten getroffen werden müssen.
Um zurück auf KI zu kommen: Die Erwartungen und die Realität dessen, was sie wirklich leisten kann, liegen oft weit auseinander. Und obwohl pragmatische IT-Experten KI-Tools schnell auf den Boden der Tatsachen zurückholen, findet KI dennoch allmählich ihren Platz im Tagesgeschäft vieler Unternehmen. Dabei kann sie vielfältig zum Einsatz kommen und menschliche Arbeitskräfte unterstützen. Heutzutage erhalten beispielsweise Servicetechniker Hilfe bei der Fehlersuche und Vertriebsmitarbeitende bei der Angebotserstellung sowie Preisfindung. Maschinenbedienenden erstellt sie KI-Anleitungen für den nächsten Arbeitsschritt und Content-Redakteure unterstützt KI bei der schnellen Erstellung vollständiger und rechtssicherer Produkt-Dokumentationen. Letzteres hat ein Large Language Model zur Grundlage. Diese Form der KI-Technologie findet sich auch bei Chatbots und kann in naher Zukunft zudem in Industriemaschinen als aktive Dialogfunktion nach Art einer Siri beziehungsweise Alexa Einsatz finden und das digitale Handbuch ersetzen.
Hyperautomatisierung hinter den Fabriktoren
KI-Technologie dringt sukzessive in die Werkshallen vor, nach dem Motto: „Müller, wir müssen hyperautomatisieren und das schaffen wir nur mit Artificial Intelligence!“ Sätze wie diese sorgen insbesondere bei technischen Betriebsleitenden für Verwirrung, immerhin befassen sich diese häufig noch mit der Herausforderung, ihre operative Technologie (OT) und Informationstechnologie (IT) zu automatisieren und miteinander zu verbinden.
Doch wenn Hyperautomation mehr als ein weiteres Schlagwort ist, worum handelt es sich dann konkret? Laut Gartner ist Hyperautomatisierung „ein geschäftsorientierter, disziplinierter Ansatz, den Unternehmen nutzen, um so viele Geschäfts- und IT-Prozesse wie möglich schnell zu identifizieren, zu überprüfen und zu automatisieren.“ Diese Definition beschreibt einen breitgefächerten Ansatz, bei dem das gesamte Unternehmen – einschließlich OT und IT – sowie Disziplinen wie KI und maschinelles Lernen einbezogen werden sollen.
Konkret ist das Ziel der Hyperautomatisierung, interne, systemübergreifende und geschäftskritische Prozesse und Aufgaben zu automatisieren. Hierfür bieten sich etwa die Nutzung programmierbarer Schnittstellen (APIs) und rollenbasierte Zugriffssteuerungen zur Ausführung von Prozessschritten an. Hyperautomatisierungs-Tools übernehmen nun Aufgaben, die zuvor zwar digitalisiert wurden, jedoch menschlichen Eingriff erforderten, um Medienbrüche zwischen individuellen Softwaresystemen und Werkzeugen zu schließen. Die Hyperautomatisierung zielt darauf ab, diese Lücken zu digitalisieren und übergreifende Prozesse durchgängig zu automatisieren.
![]()
„ Die Integration von ML- und KI-Funktionen verleiht Tools zur Hyperautomatisierung neuen Antrieb. Um jedoch Anwendung in der Breite zu finden, muss eine Integration von Hyperautomatisierung und KI in bestehende und zukünftige IT-Lösungen stattfinden.“
Björn Goerke, proALPHA
Mit der zunehmenden Anzahl an Sensoren und Endgeräten, die für große Datenmengen verantwortlich sind, können menschliche Arbeitskräfte die Sortierung und Auswertung dieser Daten nicht mehr stemmen und sind auf Hilfe angewiesen. Es sollen vor allem Muster identifiziert und sichtbar gemacht werden. Intelligente Machine Vision ist ein bekanntes Beispiel dafür. Durch Ressourcen für maschinelles Lernen und KI, die mit historischen Daten trainiert wurden und in einem klar definierten Kontext eingesetzt werden, können insgesamt der Grad und die Qualität der Prozessautomatisierung signifikant verbessert und Entscheidungsprozesse durch die Erkennung von Mustern, Prozess(un)regelmäßigkeiten und auffälligen Geschäftsentwicklungen unterstützt werden.
KI-getriebene Hyperautomatisierung von der Stange
Die Integration von ML- und KI-Funktionen verleiht Tools zur Hyperautomatisierung neuen Antrieb. Um jedoch Anwendung in der Breite zu finden, muss eine Integration von Hyperautomatisierung und KI (einschließlich maschinellem Lernen) in bestehende und zukünftige IT-Lösungen stattfinden. Zudem müssen diese im Standard einsetzbar sein. Damit das gelingen kann, ist es zunächst erforderlich, dass Hyperautomatisierung und KI produktorientiert werden und sich weg von singulären Projekten bewegen, hin zu einfach zu konsumierenden und leicht zu verwaltenden Produkten über ihren gesamten Lebenszyklus.
In vielen Industriebereichen sind wir jedoch noch nicht an diesem Punkt angekommen. Nichtsdestotrotz sind KI-Werkzeuge bereits so ausgereift, dass sie an den richtigen Stellen eingesetzt, Mehrwert bringen und den Einzug in den industriellen Alltag schaffen. Künstliche Intelligenz und maschinelles Lernen sind im Grunde ein weiterer technologischer Entwicklungsschritt und sollten deshalb sachlich und pragmatisch angegangen und eingesetzt werden.
Der Faktor Mensch wird dabei stets eine wichtige Rolle spielen. Auch wenn Software sich zukünftig selbst korrigiert, verbessert und autonom agiert, die Kontrolle von Prozessen und Ergebnissen wird weiterhin in der Zuständigkeit des Menschen bleiben. Das ist selbst Elon Musk bewusst, der im Jahr 2018 in einem Tweet zur Automatisierung bei Tesla resümierte: „Ja, übermäßige Automatisierung bei Tesla war ein Fehler. Menschen werden unterschätzt.“
Über den Autor:
Björn Goerke ist Chief Technology Officer bei proALPHA.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.