RPA trifft künstliche Intelligenz

RPA trifft künstliche Intelligenz

Bild: Deloitte GmbH Wirtschaftsprüfungsgesellschaft

Intelligent Automation steht für eine neue Stufe in der Zusammenarbeit von Mensch und Maschine. Smarte Automatisierung verändert mithilfe von KI und Analytics die Geschäftsprozesse in Unternehmen grundlegend. Für eine Studie hat Deloitte weltweit Unternehmen befragt, wie sie ihre Automatisierungsstrategie erfolgreich skalieren und ob sie bereit sind, menschliche und maschinelle Intelligenz zu kombinieren, um das volle Potential der neuen Technologie zu schöpfen.


Die aktuelle Intelligent Automation-Studie der Wirtschaftsprüfungsgesellschaft Deloitte zeigt, dass sich der Anteil der Unternehmen, die ihre Robotics-Process-Automation (RPA)-Strategie erfolgreich skalieren, im Vergleich zum Vorjahr von vier auf acht Prozent verdoppelt hat. Auf der anderen Seite stehen aber immer noch viele Unternehmen, die mit dem Erreichen der Skalierung und den damit verbundenen Herausforderungen Schwierigkeiten haben. Darüber hinaus bleiben Potenziale im Bereich der intelligenten Automatisierung häufig ungenutzt. Gerade aber die Kombination von menschlicher und maschineller Intelligenz ermöglicht Potenzial. Intelligent Automation wird mehr und mehr zunehmen und zu einem Differenzierungsfaktor für Unternehmen werden. Haben die Unternehmen bisher Prozesse mit geringem Wertpotenzial automatisiert (task-based automation) beginnen sie nun RPA mit Advanced Analytics und KI-Technologien zu verknüpfen.

RPA-Markt wächst

Die Studie zeigt, dass der Markt für RPA und Intelligent Automation weiterhin wächst – um 20 Prozent pro Jahr. Für das Jahr 2024 wird ein Marktvolumen von 5Mrd.US$ erwartet. Die befragten Führungskräfte erwarten darüber hinaus einen Anstieg der Arbeitskraftkapazität durch Automatisierung um 27 Prozent innerhalb der nächsten drei Jahre. Wie im Vorjahr stellt die Fragmentierung der Prozesse die größte Barriere zur Skalierung für die Organisationen dar. Organisationen, die ihre Automatisierungsstrategie erfolgreich skalieren, haben eine klare Vision und Herangehensweise und betrachten Automatisierung zudem als organisations- und bereichsübergreifende Herausforderung.

Intelligent Automation-Strategie

Ziel einer Intelligent Automation-Strategie ist es, RPA und künstliche Intelligenz zu kombinieren. Dazu müssen Daten und Informationen aufbereitet und analysiert werden, um im Folgenden mittels standardisierten und regelbasierten Robotics-Lösungen weiterverarbeitet zu werden. Die für die Studie befragten Unternehmen erwarten durch solche Ansätze in den nächsten drei Jahren eine durchschnittliche Kostensenkung von 22 Prozent sowie eine Umsatzsteigerung um durchschnittlich elf Prozent. 58 Prozent der befragten Unternehmen gaben an, bereits intelligente Automatisierungslösungen einzusetzen.

Vorhersagen durch Daten

Beim Einsatz intelligenter Technologien geht es auch um die Automatisierung von Vorhersagen und Entscheidungen auf Basis von strukturierten und unstrukturierten Daten. Dieses Potenzial wird in der Studie skeptisch betrachtet und eher unterschätzt. Vorteile sehen die Unternehmen eher in erhöhter Produktivität, Kosteneinsparungen sowie erhöhter Präzision der Prozessabläufe. Unternehmen, die bereits heute auf intelligente Automatisierungslösungen setzen verzeichnen Kosteneinsparungen von 27 Prozent. 47 Prozent der Unternehmen haben RPA und Intelligent Automation in ihrer Automatisierungs-Strategie.

Seiten: 1 2Auf einer Seite lesen

Deloitte GmbH Wirtschaftsprüfungsgesellschaft
https://www2.deloitte.com

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige