Dieser Frage möchte ich im heutigen Blog nachgehen, indem ich beleuchte, wie die typische Automatisierungsstrategie durch Hyperautomation auf den nächsten Level gehoben und welchen Mehrwert durch diese Kombination von Process Mining und RPA (Robotic Process Automation) generiert wird. Außerdem zeige ich anhand eines Praxis-Beispiels aus der Versicherungsbranche wie gut Hyperautomation funktioniert.
Im Grunde wird unter dem Begriff Hyperautomation die Kombination verschiedener Technologien verstanden. Im Fokus steht hierbei weiterhin die Automatisierung von einfachen Aufgaben, aber auch die zunehmende Effizienz der eigenen Geschäftsprozesse. Darüber hinaus kommt immer mehr – nicht zuletzt dadurch, dass es immer mehr Daten in hervorragender Qualität gibt – der Bedarf auf, die Geschäftsprozesse in Echt-Zeit zu monitoren und etwaige Schwachstellen ebenfalls in Real-Time zu beseitigen. Die hier eingesetzten Technologien sind vielfältig – sie reichen von RPA, Process Mining, Text-/Spracherkennung, Künstlicher Intelligenz, Machine Learning u. a. Folglich geht Hyperautomation mittels Vernetzung unterschiedlicher Tools und Technologien den entscheidenden Schritt weiter: durch Interoperabilität und Kommunikation der Werkzeuge untereinander, wird die Automatisierungsstrategie auf den nächsten Level gehoben.
Die Kombination von Echt-Zeit-Monitoring per Process Mining mit der Umsetzung von Automatisierungsstrecken via RPA schöpft das Optimierungs-Potenzial noch schneller und besser aus – genau darin liegt der entscheidende Mehrwert der Hyperautomation. Hierbei kommt es darauf an, die Automatisierungsreise gezielt vorzubereiten, umzusetzen, zu begleiten, laufend zu analysieren und zu verbessern.
Um diesen neuen Herausforderungen gerecht zu werden, integrieren immer mehr RPA-Hersteller in ihren Werkzeugen Process Mining Komponenten. Dabei werden die vorliegenden Daten aus den unternehmenseigenen Systemen nach Vorgangs-ID, Timestamps, Aktivitätenbezeichnung und weiteren Prozessdaten durchforstet, analysiert, angereichert, aufbereitet, ausgewertet und schlussendlich transparent visualisiert: somit sind Prozess-Schleifen, Flaschenhälse und weitere Hindernisse schnell zu erkennen. Diese aussagekräftigen Informationen, der so identifizierten Automatisierungspotenziale werden zur Umsetzung durch RPA genutzt.
An einem Beispiel zur Leistungsbearbeitung von Schadenfällen wird eindrucksvoll deutlich, wie gut die Kombination von Process Mining und RPA funktioniert: Nach der detaillierten Process-Mining-Analyse zeigten sich über 100 Prozess-Varianten, in denen weitere Auffälligkeiten (z. B. im Umgang mit Freigaben) auftauchten. Jede Variante wurde auf Automatisierungspotenziale untersucht. Sämtliche Prozess-Daten wurden unmittelbar, in Echt-Zeit und vollständig abgerufen. Diese Live-Daten des Process Minings gaben genaue Hinweise und fungieren als Basis für schnelle Entscheidungen zur RPA-Umsetzung – die Ergebnisse: konkrete Ansätze zur Effizienz-Steigerung (z. B. Verkürzen, Parallelisieren) sowie zum Wegfall von Tätigkeiten (z. B. ist dieser Schritt sinnvoll?). Nach der RPA-Umsetzung wurden die prognostizierten Potenziale z. B. Reduzierung der Durchlaufzeit von ursprünglich 10 Tagen auf 30 Minuten oder einer Kostenreduktion von bis zu 30 % realisiert.
In Anbetracht dieser Argumente kommt wohl kein Versicherungsunternehmen mehr am Thema Automatisierung und Process Mining bis hin zur Hyperautomation vorbei. Diese intelligente Automatisierung ist erforderlich, um auf Basis kontinuierlicher Echtzeitinformationen die Automatisierungspotenziale für unternehmensinterne End-to-End-Prozesse bestmöglich ausschöpfen zu können.
Nähere Informationen sowie unser Leistungsangebot finden Sie unter: https://www.ppi.de/versicherungen/intelligente-automatisierung/
https://ppi-x.de/data-and-analytics/process-mining.html
Viele Grüße,
Dirk Daners
1 comment