Die IT entwickelt oft ein Eigenleben und bestehende Systeme sind häufig umfangreich und komplex. Fest steht, dass das Volumen der von uns verarbeiteten Daten exponentiell wächst und die menschlichen Fähigkeiten weit übersteigt. Hyperautomation kombiniert die Stärken verschiedener Automatisierungstools und anderer fortschrittlicher Technologien, wie etwa Process Mining oder Robotic Process Automation (RPA) mit KI. Doch zu wenige Unternehmen nutzen dieses Potenzial und einige Mythen halten sich hartnäckig.
Die IT entwickelt sich in verschiedene Richtungen. Sie kennen sicher die Sichtweise für diese unglückliche Architektur:
Dies führt zum ersten Mythos: Native Automatisierung ist ein Allheilmittel. Man kann diese IT-zentrische Denkweise mit der Gartengestaltung vergleichen. Unser Garten (die Systemlandschaft) ist unordentlich; wir entfernen alte Pflanzen (bestehende Systeme), pflegen andere (modernisieren) und pflanzen neue (aktuelle Software).
Doch die Modernisierung oder der Austausch bestehender Systeme kann erhebliche Auswirkungen auf das tägliche Kerngeschäft haben. Außerdem sind Arbeit und Daten zwei getrennte „Teams“:
Was auch immer zu diesen Teams beiträgt, sollte mit beiden harmonisch zusammenarbeiten. Native Automatisierung eignet sich in der Regel für eigenständige Arbeitsabläufe und Maschine-zu-Maschine-Prozesse, doch die Kommunikation von Mensch zu Maschine oder umgekehrt bildet einen Schwachpunkt.
Hyperautomation entwickelt sich rasch von einer Option zu einer Voraussetzung für das Überleben, da veraltete Arbeitsprozesse zum größten Problem mit Blick auf die Arbeitswelt werden.
Bedarf für digitale Transformation und IT-Automatisierung fördert Hyperautomation, Gartner
Nur wenige Unternehmen nennen Datenqualität als wichtige Kennzahl. Obwohl die Fähigkeit zur Verarbeitung großer Datenmengen zu den gängigen strategischen Zielsetzungen zählt, wird deren Qualität oft außer Acht gelassen, bedingt durch betriebliche Notwendigkeiten und begrenzte Ressourcen. Die meisten Datenanalysen und Datenwissenschaftler werden Ihnen sagen, dass Qualität die größte Herausforderung für die Nutzung von Big Data und KI darstellt. Wäre es nicht toll, wenn man Daten aus ihren Speichersystemen extrahieren, in einen Data Lake leiten und dann mithilfe von KI optimal aufbereiten könnte? Theoretisch ja, doch sollten wir hier gleich den zweiten Mythos ausräumen, demzufolge künstliche Intelligenz das Allheilmittel ist. Leider stehen unsere Datenwissenschaftler vor ähnlichen Herausforderungen wie unsere IT-Architekten. Mit viel Aufwand können wir die gewünschten Erkenntnisse der Abteilungsleitung und der obersten Managementebene zeigen oder berichten. Fakt ist jedoch, dass diese mit Arbeit sowie mit Informationen überschwemmt werden, weshalb letztlich nicht viel passiert. Das mag naiv klingen, doch ich habe schon oft diese Erfahrung gemacht.
Menschliche Mitarbeitende stehen unter Druck und unsere bestehende IT ist nicht reif genug für Automation. Viele Unternehmen können zudem ihre Daten wegen deren schlechter Qualität nicht nutzen.
Hyperautomation kombiniert unterschiedliche Automations- und KI-Technologien für eine skalierbare und durchgehende Automatisierung. Zentrale Erkenntnisse:
Die Integration unterschiedlicher Technologien bricht Prozess- und Daten-Silos auf und dient einem übergreifenden Ziel: für unsere Kunden stets verfügbar und schnell zu sein.
