RPA und K.I – zwei Technologien, die immer noch Verwirrung stiften

CIOs implementieren sowohl RPA als auch KI in einem immer schnelleren Tempo in dem Bestreben, deren Bereitstellungen zu beschleunigen, um die inhärente Geschwindigkeit und Kosteneinsparung zu gewährleisten, die die beiden Technologien bieten. Die jüngsten Zahlen unterstreichen die beschleunigte Adoptionsrate.

Einem Bericht der Everest Group vom Januar 2021 zufolge haben bereits mehr als 72 % der globalen Unternehmen damit begonnen, KI zu implementieren. Die Everest Group prognostiziert, dass sich die weltweiten Ausgaben für KI-Dienste um 32 % von 25 Mrd. USD im Jahr 2019 auf 95 Mrd. USD im Jahr 2024 vervielfachen werden. Nach Angaben von Grand View Research erreichte der weltweite Markt für Robotic Process Automation-Software Ende 2019 ein Volumen von 1,4 Milliarden US-Dollar. Von 2020 bis 2027 rechnet Grand View Research mit einer jährlichen Steigerungsrate von 40,6 %.

Höhere Renditen erzielen

Das überrascht nicht, da RPA und AI zahlreiche Vorteile mit sich bringen: optimierte Prozesse und letztendlich bessere Geschäftsergebnisse aufgrund einer höheren Reaktionsschnelligkeit.

Ungeachtet der Tatsache, dass jede Technologie für sich und unabhängig von der anderen eingesetzt schon Vorteile bringt, betonen Experten, dass Unternehmen, die RPA- und KI-Technologien zusammen einsetzen, eine wettbewerbsfähigere Position auf den modernen digitalen Märkten erreichen können.

Strukturierte und handlungsorientierte Prozesse

RPA ist die Verwendung von Softwarerobotern – sogenannte RPA Bots -, um standardisierte, repetitive Aufgaben innerhalb eines Geschäftsprozesses auszuführen. Dabei führen diese Bots die Aufgaben nicht nur fehlerfrei, sondern auch schneller und zuverlässiger als jeder menschliche Mitarbeiter aus. Dies erhöht Geschwindigkeit und Effizienz, reduziert Kosten und überlässt den Mitarbeitern die komplexeren, höherwertigen Aufgaben, die nur Menschen erledigen können.

Die Ziele von RPA sind

• Interaktion mit und Steuerung von bestehenden Anwendungen,

• Vereinfachung der Interaktion von bestehenden und anzufordernden Anwendungen,

• eine einzige Plattform für Automatisierungsinitiativen,

• Bereitstellung einer Schnittstelle, um Interaktionen zu initiieren und Ergebnisse zu erhalten,

• Automatisieren von Interaktionen mit steuernden Anwendungen.


RPA lässt sich leicht für Prozesse nutzen, die sehr strukturiert und sehr handlungsorientiert sind, um einfach und schnell Vorteile zu realisieren. Die Fähigkeiten und der Wert von RPA haben jedoch ihre Grenzen. Während die Software sich wiederholende Aufgaben mit einer Geschwindigkeit, Skalierbarkeit und Genauigkeit ausführen kann, die weit über den Möglichkeiten menschlicher Mitarbeiter liegt, kann RPA nicht von den einmal programmierten Aufgaben abweichen. Es fehlt die Intelligenzkomponente.

Identifizierung von Mustern schneller als Menschen

Hier setzt KI an: Während RPA verwendet wird, um in Verbindung mit Menschen zu arbeiten, indem sich wiederholende Prozesse automatisiert werden, wird KI als eine Form der Technologie angesehen, um menschliche Arbeit zu ersetzen und durchgängig zu automatisieren. Denn KI kann menschliche Entscheidungen nachahmen, zu denen RPA nicht fähig ist. Zudem kann die KI lernen, wie sich Arbeit verbessern lässt, wenn Entscheidungen getroffen werden, indem sie Muster auch in größeren Datenmengen mit einer Schnelligkeit identifiziert und analysiert, die für den Menschen unmöglich ist.

Die Implementierung von KI ist jedoch schwieriger als die Bereitstellung von RPA. In erster Linie besteht die Herausforderung darin, die Daten zu erhalten, die zum Trainieren der KI erforderlich sind. KI benötigt viele Daten, um Modelle aufzubauen. Die wenigsten Unternehmen verfügen aber über einen entsprechenden, qualifizierten Datenpool, um KI schnell oder einfach einzuführen. Dazu kommen noch die Kosten. KI-Initiativen sind teurer als RPA-Projekte. Bis sie in Betrieb genommen werden können, vergehen Monate, da die Schulungen Zeit in Anspruch nehmen. Das nötige Fachwissen für die Entwicklung, Bereitstellung und Wartung von KI-Projekten ist zudem teuer und schwer zu finden.