Lange ist es her, als ich das erste Mal das Spiel „Summer Games“ auf dem C64 gespielt habe. Zugegebenermaßen war der C64 bereits in die Jahre gekommen, aber das relativ unkoordiniert abwechselnde Gehämmer auf die zwei roten Knöpfe des Joysticks sind mir bis heute im Gedächtnis geblieben. Man wollte schließlich auf dem pixeligen Bildschirm schneller im 100m Lauf als sein Freund sein. Später verwendete ich erste Programme, die einen Mausklick simulierten und meinen Spielfortschritt in Browser Games beschleunigten – vorbei war das manuelle geklicke, zumindest teilweise. Auch wenn viele Unternehmen noch nicht so weit sind, doch reden wir heute mindestens schon über die Teilautomatisierung von Prozessen durch z.B. Robotic Process Automation (RPA). Doch was steckt dahinter? Wo liegen die Herausforderungen und was hat das Ganze mit Künstlicher Intelligenz (KI) zu tun? – Werfen wir einen Blick drauf.
Zunächst sind RPA und KI zwei eng zusammenhängende Begriffe, die in Zukunft einen großen Einfluss auf das Finanzwesen und die Prüfung dessen haben werden. Während das Vorgehen von RPA eher prozessorientiert stattfindet, ist KI stark datengetrieben. Doch auch RPA ist wie z.B. Process Mining keine neue Technologie. Bereits seit 20 Jahren breitet es sich aus und wird im Wesentlichen für die Automatisierung von standardisierten und regelbasierten Aktivitäten genutzt.
Doch was heißt das genau?
Was ist ein klassischer Anwendungsfall?
Das wohl beste Beispiel sollte jedem bekannt sein. Sie haben eine Anwendung offen, wie z.B. SAP und müssen Informationen nach Excel kopieren, um anschließend einen Bericht zu erstellen. Während Sie das vielleicht für 10 oder 20-mal noch über sich ergehen lassen, wird es bei 100-mal kopieren und einfügen schon lästig. Wenn dann noch zwischen verschiedenen Transaktionen gewechselt werden muss, dann dauert die Erstellung eines Berichts schon sehr lange und ist ineffizient. Genau da setzt RPA an. Mit Tools wie z.B. UiPath, Automation Anywhere von IBM oder blueprism können Regeln definiert werden, nach denen die jeweiligen Anwendungen gesteuert werden können.
Doch auch RPA hat seine Grenzen, sobald es z.B. um unstrukturierte Daten geht. Unstrukturierte Daten sind beispielsweise Informationen auf einer eingescannten Rechnung. Damit wird RPA jedoch nicht nutzlos, sondern kann zusammen mit weiteren Technologien einen unmittelbaren Mehrwert liefern.
Künstliche Intelligenz, oder kurz KI, wird oft missverständlich als Wunderwaffe zur Lösung einer Vielzahl von Problemen propagiert. Und in der Tat verknüpft es viele Technologien miteinander, wie Data Mining, Machine Learning, aber auch Sprach- und Bilderkennung und semantische Textanalysen. So nutzen Zahlungsdienstleister, wie z.B. Paypal heutzutage KI Methoden zur Unterscheidung von legitimen und Transaktionen mit Verdacht auf Geldwäsche. Doch liegt die Stärke von KI in der Analyse von Daten. Eine KI kann jedoch keine Anwendungen nach festen Regeln bedienen, oder Text aus z.B. eingescannten Dokumenten lesen. Aus dem Grund bilden Optical Character Recognition (OCR), KI und RPA eine starke Kombination fortschrittlicher Technologien, die in Zukunft von großer Bedeutung werden.
Allerdings offenbarte eine Studie von PwC aus dem Jahre 2017, dass erst 5% der Unternehmen die Reife für den Einsatz von KI und 15% für RPA erreicht haben. Das liegt zum einen an den hohen Kosten und zum anderen dem fehlenden und verbreiteten Know-How für diese Technologien. Unternehmen stehen demnach vor der Herausforderung dem entsprechend entgegenzuwirken und sich für die Zukunft zu wappnen. So schätzt PwC, dass ca. 45% der Arbeitstätigkeiten automatisiert und auf diese Weise 2 Billionen US Dollar an globalen Personalkosten eingespart werden können. Das allein zeigt, wie groß die Potenziale für Technologien wie RPA und KI allein sind. Die immense Steigerung der Produktivität muss an dieser Stelle wohl nicht weiter erwähnt werden.
KI und RPA werden einen großen Einfluss auf das Finanzwesen und die Prüfung nehmen! Während wiederkehrende Tätigkeiten heutzutage häufig noch von Junior Mitarbeitern erledigt werden, kümmert sich in Zukunft ein (Software) Roboter darum. Die Mitarbeiter werden ihre Expertise dann gezielter einsetzen müssen, um Entscheidungen zu treffen, die eine KI aufgrund ihrer Beschaffenheit nicht leisten kann. Für die interne Revision bedeutet das, dass die Überprüfung von Kontrollen automatisiert durch RPA und KI stattfinden werden. Die heute bereits häufig zu geringen Kapazitäten können dann auf wertschöpfende Aktivitäten verwendet werden. Die Vollprüfung von Daten in den unterschiedlichsten Bereichen rückt so immer näher.
Für SAP gibt es heute schon zap Audit 😉
Dieser Beitrag war ein Auszug aus dem wissenschaftlichen Paper:
Praxisorientierte Quellen zum Thema RPA:
Robotic process automation in the Finance function of the future von EY
Robotic process automation: A primer for internal audit professionals von PwC
