Während Robotic Process Automation (RPA) zur Automatisierung zahlreicher Prozesse genutzt werden kann, erlaubt die Integration künstlicher Intelligenz die Automatisierung hochgradig komplexer Prozesse bis hin zur sogenannten Hyperautomatisierung durch RPA OCR.
Unternehmen wie Banken müssen aufgrund des weiterhin steigenden Wettbewerbsdrucks herausragende Kundenerlebnisse bieten und gleichzeitig operativ exzellent aufgestellt sein, um die geringen Margen im Kreditgeschäft und hohe regulatorische Anforderungen zu kompensieren. Dazu kommt noch eine weltweite Pandemie, aus der sich die Dringlichkeit der Digitalisierung und Prozessautomatisierung, unter anderem durch die Vermeidung von persönlichen Kontaktpunkten mit Kunden und Mitarbeitenden im täglichen Geschäft, für nahezu alle Unternehmen ableiten lässt.
Viele geschäftskritische Prozesse in Kreditinstituten, vor allem an der Schnittstelle zu Kunden, aber auch zu anderen Banken oder Fondsgesellschaften, erfolgen heute noch mindestens dokumentenbasiert und teilweise sogar papierhaft und nicht digital. Für solche Prozesse können Technologien wie Robotic Process Automation, kurz RPA, in Kombination mit Optical Character Recognition (OCR) und Künstlicher Intelligenz (KI) als Katalysatoren für die Digitalisierung sowie die Steigerung der Effizienz genutzt werden. Intelligente Prozessautomatisierung durch RPA OCR ist so für jedes moderne Unternehmen ein wichtiges Thema, um sich zukunftsorientiert am Markt zu platzieren.
In diesem Artikel möchten wir folgende Fragen beantworten
Bei der Beantwortung dieser Fragen grenzen wir die Begrifflichkeiten RPA, OCR und KI voneinander ab und erklären, wie mittels Robotic Process Automation automatisierte Geschäftsprozesse durch den Einsatz von KI noch stärker automatisiert bzw. intelligenter gestaltet werden können.
Mit robotergestützten Prozessautomatisierung (Robotic Process Automation = RPA) lassen sich Software-Roboter zur Nachahmung regelbasierter Geschäftsprozesse programmieren. Den Bots kann dabei durch die Erzeugung eines Workflows beigebracht werden, die menschlichen Handlungsschritte exakt zu kopieren. Anschließend können RPA Bots ohne Unterbrechung, mit hoher Geschwindigkeit und absoluter Zuverlässigkeit sowie Präzision arbeiten.
Betrachten Sie RPA Bots als digitale Arbeitskräfte, die ausnahmslos mit jedem System oder jeder Anwendung interagieren können. Die Bots lernen, genau wie Menschen, einfach die entsprechende Anwendung zu bedienen. Wichtig ist hierbei zu verstehen, dass die RPA Bots die Handlungsschritte nur genauso ausführen können, wie man sie ihnen vorschreibt. Die Handlungsschritte können dabei allerdings beliebig komplex und umfangreich sein.
Einige Beispiele für erlernbare Handlungsschritte sind beispielsweise:
Die Liste der möglichen Handlungen, die durch einen RPA-Bot übernommen werden können ist quasi unbegrenzt.
Ein großer Vorteil besteht in der universellen Anwendbarkeit, da die RPA Bots für jede Schnittstelle und jeden Workflow eingesetzt werden können, ohne dafür Geschäftssysteme, Anwendungen oder bestehende Prozesse ändern oder in diese eingreifen zu müssen. Sollten sich hingegen die zugrundeliegenden Systeme oder Geschäftsprozesse ändern, lassen sich die Handlungen der RPA Bots schnell und ohne großen Aufwand anpassen, sodass der RPA-Prozess quasi ohne Unterbrechung fortgeführt werden kann.
Ein weiterer Vorteil liegt in der vergleichsweise einfachen Implementierung der RPA Bots. Die Programmierung klassischer Software-Schnittstellen zur Automatisierung von Prozessen ist zwar in vielen Fällen noch performanter, gleichzeitig jedoch wesentlich kostenintensiver, zeitaufwändiger und ungleich komplexer. Prozessautomatisierung über mehrere Systeme erfordert meist den Einsatz eines ganzen Repertoires von Programmiersprachen sowie ein Team von Software-Entwicklern.
Für die Automatisierung der RPA ist es üblicherweise ausreichend, ein einziges Framework zu beherrschen. Die Umsetzung komplexer Geschäftsprozesse kann in der Regel von wenigen RPA-Entwicklern durchgeführt werden. Zwar ist für die Entwicklung komplexer Prozesse entsprechende Expertise in der RPA-Programmierung erforderlich, allerdings können auch Business-Anwender ohne wesentliche Programmiererfahrung erlernen, notwendige Modifikationen an RPA-Prozessen vorzunehmen, um diese zu pflegen oder an Änderungen in den unterliegenden Geschäftsprozessen oder Systemen anzupassen. Die Mitarbeiter können sich also als selbst mit der Wartung oder Modifikation von RPA-Prozessen befassen, wodurch weitere Kosten eingespart werden können.
Genau wie in vielen anderen Branchen und Unternehmen, hat der Einsatz von RPA auch im Bankensektor großes Potential. RPA-Technologien können als Katalysator für die Digitalisierung sowie die Steigerung der Effizienz in sämtlichen Geschäftsprozessen der Kreditinstitute verstanden werden. Die manuelle Durchführung repetitiver und monotoner Aufgaben führt neben Unzufriedenheit zur Ermüdung und zu Fehlern auf Seiten der Mitarbeiter. Diese Faktoren können durch den Einsatz von RPA komplett eliminiert werden und gewährleisten nicht zuletzt im Sinne der Compliance robuste und standardisierte Prozesse. Die Automatisierung mittels RPA erfordert eine saubere Definition der Geschäftsprozesse, wodurch bereits von Anfang an Fehler oder Ungenauigkeiten in den Prozessen konsequenterweise aufgedeckt und ausgebessert werden.
Während manuelle Prozesse häufig keiner klaren Struktur folgen und für neue Kollegen schwer nachvollziehbar sind, führt die Standardisierung als erster Schritt der Prozessoptimierung zu klarer Struktur und geht Hand in Hand mit der Dokumentation der Prozesse. Dies erleichtert einerseits Mitarbeitenden den Einstieg in für sie fremde Geschäftsprozesse und fördert die Transparenz für Dritte. Genau wie Software- oder ETL-Prozesse sollten auch RPA-Workflows umfangreichen (und im besten Fall automatisierten) Tests unterzogen werden. Durch die Tests kann jederzeit nachvollzogen werden, wie Informationen durch den Geschäftsprozess verarbeitet werden sollten. Ergo kann ein noch höherer Grad an Standardisierung und Dokumentation erreicht werden.
Die Liste der Vorteile von RPA-Implementierungen geht weiter: Datenqualitätsprobleme bergen gerade für große Unternehmen wie Kreditinstitute enorme Risiken und können, falls diese schlagend werden, zu großen finanziellen Schäden führen. RPA-Prozesse sollten, genau wie traditionelle Software-Implementierungen, mit Prüfungen der Datentypen und -formate sowie mit regelbasierten Tests der Dateninhalte versehen werden, um Risiken durch mangelnde Datenqualität zu mitigieren oder gar komplett zu eliminieren.
Kommen wir noch einmal zurück zum Thema Compliance und diskutieren Fragestellungen rund um das Thema Datenschutz. DSGVO-konforme Prozesse erfordern einen besonderen Schutz personenbezogener Daten. Durch eine ausreichende Zugriffsbeschränkung der RPA-Prozesse muss sichergestellt werden, dass ausschließlich berechtige Personen Einblick in die Daten erhalten können – auch Systemadministratoren sollten die Daten im RPA-Workflow nicht einfach einsehen können. Zusätzlich zur Verschlüsselung der Daten bzw. Abschirmung der Prozesse können Mechanismen zur Erkennung von Zugriffsversuchen und gegebenenfalls zum Stoppen eines Prozesses in Betracht gezogen werden. Wurden die Daten einmal in einem automatisierten RPA-Prozess verarbeitet, gilt auch hierbei das Vergessensprinzip: Personenbezogene Daten dürfen im Rahmen automatisierter Workflows nur so lange vorgehalten werden, wie es die Verarbeitung erfordert.
Als letzten Punkt möchten wir an dieser Stelle gerne noch den Aspekt der Lizenzbedingungen erwähnen. RPA Bots können Anwendungen genau wie Menschen auch über eine Benutzeroberfläche bedienen. Da diese Anwendungen allerdings sehr viel schneller durch Roboter bedient werden und für mehr unterschiedliche Prozesse genutzt werden als es ein einzelner User tun würde, können viele Lizenzen eingespart werden. Es muss jedoch zuerst geprüft werden, ob die Nutzungsbedingungen der Softwarehersteller solch eine Nutzung explizit ausschließen. In den meisten uns bekannten Fällen gibt es allerdings keine vertraglichen Einschränkungen.
RPA Bots können zwar jegliche regelbasierte Handlungsschritte nachvollziehen, können jedoch bei komplexen Aufgaben, die nicht mehr durch einfache Regeln abgebildet werden können, an Grenzen stoßen. Neben unzähligen weiteren Beispielen fällt darunter das Herauslesen von spezifischen Informationen aus unstrukturierten Dokumenten. Einem RPA Bot kann bspw. nicht regelbasiert beigebracht werden, wie auf Kunden-Emails zu antworten ist oder wie die Kundenadresse aus diesen herauszulesen ist. Als weiteres Beispiel können Rechnungen, Verträge oder Versicherungsscheine genannt werden.
Solche Dokumente folgen für gewöhnlich keiner festen Struktur. Die Layouts solcher Dokumente können stark variieren. Versicherungsscheine stellen hierbei aufgrund der enormen Heterogenität eine der größten Herausforderungen dar. Selbst Versicherungspolicen von ein und demselben Versicherer besitzen je nach Produkttyp, Versicherungsumfang und Ausstellungsjahr neben weiteren Abhängigkeiten stark unterschiedliche Layouts. Um solche Dokumente im Rahmen eines RPA-Prozesses verarbeiten zu können, bedarf es zusätzlich der Integration intelligenter Lösungen, die wir im Folgenden diskutieren möchten.
Mehr denn je zuvor stehen Unternehmen vor der Herausforderung, enorme Mengen an unstrukturierten Dokumenten und Daten digital verarbeiten zu müssen. Aufgrund eines extremen Wettbewerbs, müssen die Unternehmen dabei auch noch schnell und fehlerfrei agieren, während gleichzeitig umfangreiche Compliance-Regelungen einzuhalten sind. Andernfalls laufen sie Gefahr ihre Kunden aufgrund langwieriger Prozesse und der damit verbundenen längeren Wartezeiten zu verlieren. Darunter leiden der Ruf und nicht zuletzt die Erträge eines Unternehmens. Zusätzlich entstehen Kosten, indem die Arbeitszeit der Mitarbeiter durch die Bearbeitung von Dokumenten unnötig gebunden und nicht auf anspruchsvollere Aufgaben verwendet werden. Ein weiterer Aspekt dabei ist die Unzufriedenheit der Mitarbeiter, die unweigerlich durch die monotone Abarbeitung von Dokumenten erzeugt wird. Glücklicherweise gibt es eine zunehmende Anzahl fortschrittlicher Ansätze, um die genannten Herausforderungen und Probleme für Banken und Unternehmen in den Griff zu bekommen.
Viele etablierte Lösungen klassischer Ansätze von OCR setzen auf Methoden wie die Anwendung von Schablonen. Dabei extrahiert eine Software nach einem fest definierten Muster Informationen aus Dokumenten. Die Textstrukturen können dabei zwar innerhalb der Dokumente variieren, sobald sich jedoch die Textstruktur selbst ändert, schlägt die Methode fehl, da sich die Schablone nicht mehr auf die Textstruktur abbilden lässt. Eine weitere Möglichkeit besteht in der Verwendung von regulären Ausdrücken. Diese erlauben die Suche nach Ausdrücken mit bestimmten Mustern, bspw. ein Datum, eine Versicherungsnummer oder ähnliches. Dazu muss der reguläre Ausdruck jedoch verschiedene Möglichkeiten abdecken. Ein Datum könnte beispielsweise die Form „29.03.2022“ oder die Form „29/12/2022“ besitzen. Wird bei der Definition eines solchen regulären Ausdrucks eine mögliche Schreibweise vergessen, schlägt auch hier die Methode fehl.
Hinzu kommt, dass für viele Entitäten, die aus Dokumenten extrahiert werden sollen, kein eindeutiger regulärer Ausdruck definiert werden kann. Zusätzlich sind reguläre Ausdrücke nicht intelligent. D.h. sie können bei einem Rechnungsdokument nicht unterscheiden zwischen dem Lieferanten, dem Empfänger der Lieferung und dem der Rechnung. Bei konzeptionell komplexen Extraktionsaufgaben versagen traditionelle Methoden auf ganzer Linie. Eines der Hauptprobleme bei all diesen Lösungsansätzen ist, dass für jede spezifische Aufgabe zuvor ein durch Menschen definierter Regelsatz erzeugt werden muss. Einmal umgesetzt, ist dieser Regelsatz jedoch unveränderlich und müsste für jede neue Aufgabe neu angepasst werden. Die Anzahl der möglichen Aufgaben ist jedoch potenziell unbegrenzt.
Ein vielversprechender Ansatz, um in der Prozessautomatisierung beliebige Informationen und Entitäten aus Dokumenten mit variierenden Strukturen herauszulesen, ist der Einsatz künstlicher Intelligenz. Handelt es sich bei den zu verarbeitenden Dokumenten um Bilder, die keinen eingebetteten Text enthalten, erfolgt die Extraktion der Daten aus unstrukturierten Dokumenten in zwei Schritten. Im ersten Schritt wird der Text eines Dokuments durch Optical Character Recognition (OCR), einem Verfahren aus dem Computer Vision-Bereich, erkannt und digitalisiert. Im zweiten Schritt werden aus dem nun maschinenlesbaren Text durch eine weitere KI die gewünschten Informationen extrahiert. Bei Letzterem spricht man von sogenannter Key Information Extraction (KIE). Sowohl OCR als auch KIE sind eigene Themengebiete und werden als Gegenstand aktueller Forschung im akademischen wie im industriellen Bereich fortlaufend weiterentwickelt. Wie auch in diesem Artikel wird häufig der Begriff OCR als Synonym zusammenfassend für beide Schritte verwendet. Im Folgenden gehen wir näher auf den Teil der Informationsextraktion ein.
Sogenannte Deep Learning Systeme aus dem Bereich des maschinellen Lernens sind in der Lage die Regeln zur Extraktion von Informationen selbst zu erlenen. Es handelt sich dabei um fortschrittliche KI-Algorithmen, denen man lediglich beibringen muss, für welche Art von Informationen man sich interessiert. Der Algorithmus wird anhand einiger repräsentativer Beispiele trainiert und ist anschließend in der Lage, auch relevante Informationen aus Dokumenten herauszulesen, die er zuvor noch nicht gesehen hat und die eine abweichende Struktur bzw. ein anderes Layout besitzen. Man kann sich dies wie bei einem Schüler vorstellen, dem man anhand einiger Rechenaufgaben die Anwendung einer bestimmten Methode erklärt.
Hat der Schüler die Methode erst einmal verstanden, wird er in der Lage sein, durch eine Transferleistung die Methode auf alle weiteren Aufgaben anzuwenden, solange die Aufgaben eine gewisse Ähnlichkeit besitzen und sich zur Anwendung der erlernten Methode eignen. So wird beispielsweise auch der KI-Algorithmus, der darauf trainiert wurde Adressdaten des Versicherungsnehmers aus Versicherungsscheinen zu extrahieren, diese Aufgabe auf verschiedenartige Versicherungsscheine übertragen können. Gleichzeitig wird der Algorithmus die Adressdaten des Versicherungsnehmers zuverlässig von den Adressdaten des Versicherers unterscheiden können.
Heute gibt es bereits einige solcher KI-Algorithmen, die, abhängig von ihrer zugrundeliegenden Deep Learning Architektur, unterschiedlich gute Ergebnisse bei der Datenextraktion erzielen. Komplexere Algorithmen verwenden neben textuellen Informationen auch die Koordinaten des Textes innerhalb der Dokumente. Beispiele für solche Algorithmen sind rekurrente neuronale Netze (RNNs) oder gar die moderneren Transformer-Netzwerke. Zusätzlich können visuelle Daten zur Layout-Struktur verarbeitet werden, bspw. durch den Einsatz von Convolutional Neural Networks (CNNs). Seltener werden auch sogenannte Graph Neural Networks (GNNs) eingesetzt, um semantische Beziehungen bestimmter Dokumentenbereiche herzustellen. Jede dieser Architekturen hat dabei gewisse Vor- und Nachteile.
Ein Beispiel für eine OCR Software, die sowohl kontextbezogene, positionsbezogene als auch visuelle Attribute zur Informationsextraktion verwendet, ist finted. Mittels finted lassen sich beliebige Dokumentenklassen und unstrukturierte Texte mit sehr hoher Zuverlässigkeit verarbeiten. Zur Bewertung eines solchen Algorithmus unterscheidet man unter anderem zwischen zwei wichtigen Metriken – Präzision und Sensitivität. Die Präzision gibt an, wie treffsicher der Algorithmus bei der Extraktion von Informationen ist. Beispielsweise zeugt ein Algorithmus, der den Lieferantennamen nicht mit dem Empfängernamen verwechselt von einer hohen Treffsicherheit. Ist der Algorithmus hingegen in der Lage, häufig den Lieferantennamen in den Dokumenten zu identifizieren, spricht man von einer hohen Sensitivität. Je nach Anwendungsfall, kann die eine oder die andere Metrik wichtiger sein. Beide Kennzahlen lassen sich als harmonisches Mittel zur sogenannten F1-Score zusammenfassen.
Finted ist durch eine intelligente Prozessautomatisierung mit RPA und OCR in der Lage bei sehr komplexen Dokumententypen, wie Bilanzen, nach einem geringen initialen Trainingsaufwand eine Präzision sowie eine Sensitivität von deutlich über 90% zu erreichen. Dies bedeutet wiederum, dass sich mit bereits kleinem Aufwand bereits über 90% aller Dokumente dunkelverarbeiten lassen.
Während Dunkelverarbeitungsquoten von über 90% ohne Probleme in den meisten Fällen erzielt werden können, ist eine Datenextraktion von 100% in sehr komplexen Anwendungsfällen nicht instantan erreichbar. Somit kann die Einbeziehung des Menschen, um gelegentlich notwendige Validierungen bei der Informationsextraktion durchzuführen, notwendig sein. Dieser Fall tritt insbesondere dann ein, wenn neuartige Dokumente in den RPA-Workflow gelangen, die in ihrer Form und Informationsfülle drastisch von den bisherigen Dokumenten abweichen. Sollten im Rahmen einer Validierung Fehler bei der Datenextraktion durch die KI auffallen, so werden aus den durch Menschen korrigierten Eingaben Metadaten erzeugt. Diese Metadaten können anschließend für einen erneuten Trainings-Workflow verwendet werden, um die OCR Software weiter zu verbessern. Kurz gesagt, jede vorgenommene Korrektur führt zu einer höheren Dunkelverarbeitungsquote.
Die Einbettung einer OCR Software wie finted in einen RPA-Prozess erlaubt die Vollautomatisierung eines Geschäftsprozesses, in dessen Rahmen unstrukturierte Dokumente verarbeitet werden. Vollautomatisierung meint hierbei die Automatisierung eines jeden Teilschrittes des Gesamtprozesses. Als Beispiel für einen solchen Prozess lässt sich der Rechnungseingang im Einkauf eines Unternehmens nennen. Häufig gehen Rechnungen zusammen mit anderen Dokumenten in einer gemeinsamen Mail-Box des Unternehmens ein. Hier kann, ebenfalls durch den Einsatz von KI, zunächst eine Klassifizierung der Dokumente vorgenommen werden.
Die Rechnungsdokumente werden nachfolgend durch den RPA-Bot an die OCR übergeben, welche die für das Unternehmen relevanten Rechnungsdaten extrahiert, bspw. Bruttobetrag, Nettobetrag, MwSt., Lieferantenstammdaten, Rechnungsposten, Bankverbindungsdetails, etc. Die extrahierten Daten werden wieder von dem RPA-Bot entgegengenommen und in eine Finanzbuchhaltungs-Software eingetragen, während zeitgleich die Archivierung der Rechnungsdokumente erfolgt. In weiteren Automatisierungsschritten kann dann eine Zahlung an den Lieferanten ausgelöst und eine Bestätigungs-E-Mail versandt werden.
An dem zuvor genannten Beispiel wird ersichtlich, dass eine OCR-Lösung alleine, d.h. beispielsweise ohne den Einsatz von RPA, wenig bis keinen Mehrwert bringt, da die vor- und nachgelagerte Verarbeitung noch immer manuell durch Mitarbeiter geschehen müsste. Dazu zählt beispielsweise die Selektion der Dokumente sowie der Upload zur OCR. Im Anschluss an die Informationsextraktion, müssten die extrahierten Daten noch immer händisch in das nachgelagerte System eingegeben werden. Nur die Integration in einen automatisierten Gesamtprozess ermöglicht die effiziente Dunkelverarbeitung von Dokumenten.
Während Robotic Process Automation (RPA) zur Automatisierung zahlreicher Prozesse genutzt werden kann, erlaubt die Integration Künstlicher Intelligenz die Automatisierung hochgradig komplexer Prozesse bis hin zur sogenannten Hyperautomatisierung. Die sinnvolle Kombination beider Technologien, insbesondere RPA OCR, birgt enorme Potentiale zur Steigerung der Effizienz und der Gewinne in Banken, erfordert jedoch ein interdisziplinäres Kompetenzprofil in den Bereichen RPA, KI sowie Data Science und verlangt ein hohes Maß an Erfahrung in der Umsetzung und Modellierung verschiedenster Geschäftsprozesse. Als Experten für Intelligent Automation sehen wir unsere Kernkompetenz bei DataSpark in der Implementierung anspruchsvoller RPA-Lösungen unter Einbezug Künstlicher Intelligenz und beraten Sie gerne umfassend in all Ihren Fragen zu diesem Thema.
Dr. Christopher Czaban beschäftigt sich als Lead Consultant bei DataSpark mit der Entwicklung innovativer Lösungen, die zur Effizienzsteigerung der Geschäftsprozesse seiner Kunden beitragen. Er verfügt über einen umfangreichen Erfahrungsschatz aus rund 10 Jahren im Banken- und Versicherungssektor sowie in weiteren Industrien, in denen er Potentiale zur Hebung von Synergien zwischen Automatisierung und KI (Intelligent Automation) identifiziert und umsetzt.
Die DataSpark GmbH & Co. KG entwickelt Lösungen in den Bereichen Advanced Analytics und Intelligent Automation für Kunden unterschiedlicher Branchen. Durch die einzigartige Kombination aus spezialisierter KI-Expertise, innovativen Technologien und langjähriger Projekterfahrung gelingt es den Berater*innen von DataSpark, die Grenzen des bisher Machbaren zu verschieben. Dabei unterstützt DataSpark angefangen bei der Identifikation der richtigen Use Cases über die Implementierung bis hin zum Go-Live und Betrieb von Lösungen.