Sieben Lektionen für den RPA-Erfolg

Scheer-Manager Ulrich Storck hat sieben Lektionen aus Kundenprojekten zusammengetragen:

1. Ein schlechter Prozess bleibt auch automatisiert ein schlechter Prozess: Man sollte Prozesse genau anschauen und erst optimieren, dann automatisieren. 2. RPA löst nicht jedes Problem: Man muss die Prozesse ganzheitlich betrachten und Einschränkungen berücksichtigen.

3. Nicht nur auf die Technologie fokussieren: Auch bei RPA gilt die klassische Vier-Säulen-Strategie: Strategie, Implementierung, Produkt, IT.

4. Lohnende Prozesse für RPA systematisch identifizieren: Beratern zufolge gibt es sechs plus zwei Kriterien für Prozesse: Wiederholung, Häufigkeit, geringe Ausnahmequote, stabile Prozesse, Zeitersparnis möglich, keine Systemänderung nötig. Die Kriterien „regelbasiert“und „standardisiert“sind dagegen mit der Einbeziehung von KI nicht mehr so wichtig, erklärt Storck.

5. RPA-Projekte sollten agil sein: Eine Richtung ist vorgegeben, aber das Endergebnis steht noch nicht fest.

6. Transparenz ist ein Schlüssel zum Erfolg: Das Wissen über Daten und Datenflüsse ist ein entscheidender Wettbewerbsfaktor. Die Erhebung und Analyse wichtiger Daten ist ein Schritt zur nächsten Automatisierungsstufe. Wichtig sind auch übergreifende Modellierung und Darstellung der Prozesse. Die Auswertung aller Daten-Logs in Analytics/MiningTools führt zu Übersicht und Transparenz. 7. Überwachung und Fehler-Handling: Logische Fehler können durch Automatisierung zu größeren Schäden führen. Softwareroboter können nur Fehler behandeln, die während der Modellierung bedacht wurden. Frühzeitiges Erkennen und permanentes Monitoring sind daher nötig.