Der Bereich der künstlichen Intelligenz (KI) hat die gesamte Tech-Industrie durchdrungen. Im Fokus stehen dabei aktuell generative KI-Modelle, die maschinelles Lernen nutzen, um auf Basis bestehender Daten neue Inhalte, wie Texte, Bilder oder Musik, zu erzeugen. McKinsey prognostiziert, dass diese Art von KI der Wirtschaft jährlich einen Mehrwert von 2,6 bis 4,4 Billionen Dollar bringen könnte.

Doch welche Art von KI bietet den größten Mehrwert für den Bereich der Hyperautomation und Prozessorchestrierung? Welche Gebiete sind die vielversprechendsten für die nächsten zwei bis fünf Jahre? Hier einige Möglichkeiten, wie sich KI in der Praxis auf aktuelle und zukünftige Workflows anwenden lässt. Dabei ist generative KI nur ein Teil des Gesamtbilds.

Generative KI für menschliche Aufgaben

Die zuvor erwähnte generative KI wird laut Gartner bereits von 70 Prozent der Unternehmen erforscht. Was potenzielle Einsatzgebiete angeht, stehen wir aber noch ziemlich am Anfang. Gerade in der Automatisierung kann GenAI menschliche Aufgaben in einem Prozess beschleunigen und banale Dinge wie das Ausfüllen von Formularen und die Datenextraktion erheblich schneller bewerkstelligen.

Auch beim Gestalten von Prozessmodellen selbst könnten Entwickler schon bald mit Code-Generatoren wie GitHub Copilot Zeit sparen. Außerdem ließen sich in der Testphase KI-generierte Testdaten einsetzen, um sicherzustellen, dass End-to-End-Prozesse optimal ablaufen.

Mit prädiktiver KI Komplexität bewältigen

Einer der vielleicht wichtigsten Bereiche, in denen KI einen Einfluss auf die Automatisierung haben kann, ist die prädiktive Modellierung. Die Komplexität von Prozessen ist eines der größten Probleme bei der Implementierung von effektiven Automatisierungen. In der Umfrage Stand der Prozessorchestrierung 2024 gaben 68 Prozent der IT-Führungskräfte an, dass die Aufrechterhaltung realer, geschäftskritischer Prozesse immer komplexer wird. Da immer mehr Aufgaben automatisiert werden, um die Anforderungen der Kunden zu erfüllen, räumen 59 Prozent ein, dass es schwieriger sei, End-to-End-Prozesse zu visualisieren.

Zwar ist prädiktive KI nichts Neues, aber die Kombination von Vorhersagemodellen mit Daten zur Prozessausführung kann Teams dabei helfen, zu erkennen, wo ihre Prozesse gut laufen, wo sie verbessert werden müssen und wie künftige Prozesse so gestaltet werden können, dass sie mit optimaler Leistung arbeiten.

Prädiktive KI kann bei der Entscheidungsmodellierung für bestimmte Prozesse helfen - zum Beispiel, indem sie auf Basis früherer Daten Betrugsversuche an Finanzdienstleistungen erkennt.

Assistive KI verbessert Entscheidungsprozesse

Assistive KI ist vielleicht die aufregendste und bisher am wenigsten beachtete Form von KI. Sie kann dazu beitragen, Entscheidungsprozesse zu beschleunigen, die normalerweise von Menschen getroffen werden würden und somit die Effizienz eines Prozesses steigern. Angesichts von bis zu drei Milliarden unternehmerischen Entscheidungen im Jahr kann dies eine erhebliche Bedeutung haben. Untersuchungen von Bain haben ergeben, dass die Effektivität von Entscheidungen zu 95 Prozent mit der finanziellen Leistung des Unternehmens korreliert.

In der Automatisierung kann Assistive AI genutzt werden, um Prozesse zu erstellen, die sich selbst verbessern. Ein solches System könnte völlig neue Maßstäbe in der Analyse von Prozessausführungsdaten setzen. Es wäre in der Lage, eigenständig zu entscheiden, wie ein Prozess effizienter wird und diese Entscheidung mit minimalem bis gar keinem menschlichen Eingriff umzusetzen.

Für Automatisierungstests könnte erweiterte Intelligenz Testfälle für bestimmte Arten von Funktionen generieren: So wäre es beispielsweise denkbar, dass die KI Testdaten darüber generiert, was alles schiefgehen kann, wenn Menschen ein Formular ausfüllen, und diese Fehler automatisch korrigiert, um so eine saubere Datenerfassung zu gewährleisten.

Der KI-Mix machts

Wenn KI mit anderen Technologien und relevanten Daten zur Prozessausführung kombiniert wird, können Unternehmen ihre Automatisierungsziele wesentlich effizienter und effektiver erreichen. Es ist wichtig, nicht nur dem Hype einzelner Modelle zu folgen, sondern auch offen dafür zu sein, verschiedene KI-Technologien auszuprobieren, um den größtmöglichen Nutzen zu erzielen. Wir befinden uns noch am Anfang, dennoch lassen sich mit den heute verfügbaren Tools und Technologien bereits erhebliche Effizienzsteigerungen erzielen. (mb)