Prozessautomatisierung - Glossar

Begriffe aus den Bereichen Digitale Transformation und Prozessautomatisierung

Wichtige Begriffe

Digitale Transformation

Die digitale Transformation beschreibt den Prozess des Ersetzens manueller, nicht automatisierter Arbeit und ineffizienter Technologielösungen durch neuere digitale Technologien. Ziel ist es, …

Prozessorchestrierung

Die Prozessorchestrierung verwaltet die Ausführung von Aufgaben gemäß einer Ablauflogik, die einen Geschäftsprozess beschreibt. Die Aufgaben in einem Prozess werden von Endpunkten ausgeführt, …

Prozessoptimierung

Prozessoptimierung findet nach der Prozessautomatisierung statt und ist als solches Teil der digitalen Transformation eines Unternehmens. Sobald ein Prozess einmal automatisiert wurde, …

Alle Begriffe im Glossar

Künstliche Intelligenz ist ein weitreichender Bereich der Informatik, der sich mit der Entwicklung intelligenter Maschinen befasst, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz, Verständnis und Interpretation erfordern. Im allgemeinen Sprachgebrauch wird der Begriff „Künstliche Intelligenz“ häufig zur Beschreibung von Maschinen verwendet, die bestimmte menschliche Verhaltensweisen nachahmen, die mit dem menschlichen Verstand in Verbindung gebracht werden, wie Lernen, Entscheidungsfindung und Problemlösung.

AIOps (Künstliche Intelligenz für den IT-Betrieb), ein von Gartner geprägter Begriff, ist eine Branchenkategorie für Analysetechnologien mit maschinellem Lernen, die die Analyse des IT-Betriebs und die Entscheidungsfindung verbessern. AIOps ist die Analyse von IT-Daten mit dem Ziel, kontinuierliche Erkenntnisse zu erhalten, die durch Automatisierung kontinuierliche Korrekturen und Verbesserungen ermöglichen. ITOps- und DevOps-Organisationen profitieren von AIOps, da Technologieausfälle und Serviceprobleme früher erkannt und behoben werden können. Die Auswirkungen auf den Geschäftsbetrieb und die Kundenzufriedenheit können somit minimiert werden.

BPM ist ein systemischer Ansatz zum Erfassen, Entwerfen, Ausführen, Dokumentieren, Messen, Überwachen und Steuern von automatisierten und nicht automatisierten Prozessen, um die Ziele und Geschäftsstrategien einer Organisation zu erreichen.

(BPM=Modellierung von Geschäftsprozessen)

Die Geschäftsprozess-Modellierung ist eine grafische Darstellung der Geschäftsprozesse und Workflows eines Unternehmens. Sie ist ein wesentlicher Bestandteil eines effektiven Prozessmanagements, da sie wichtige Erkenntnisse dazu liefert, wie reibungslos ein Prozess abläuft. 

Ein umfassendes Prozessmodell beinhaltet in der Regel Folgendes:

  • Ereignisse und Aktivitäten, die innerhalb des Prozesses stattfinden
  • Den Owner und Initiator der genannten Ereignisse und Aktivitäten
  • Entscheidungspunkte und die verschiedenen Pfade, denen Prozesse je nach Entscheidung folgen können
  • Geräte, die Teil des Prozesses sind
  • Die Dauer des Gesamtprozesses und seiner Teilprozesse
  • Analysen zu Erfolgs- und Ausfallquoten

Prozessmodellierungs-Software bietet eine analytische Darstellung des aktuellen Zustands der Prozesse einer Organisation. Tools wie Optimize können anschließend eingesetzt werden, um Engpässe und andere Leistungsprobleme zu ermitteln und die Prozesse effizienter zu gestalten.

BPMN

BPMN ist ein grafischer Prozessnotations- und Darstellungsstandard, eine visuelle Sprache, die verwendet wird, um Prozesse zu modellieren und zu automatisieren. Seit seiner Einführung im Jahr 2004 hat er sich zu einem weit verbreiteten Standard in der Geschäftsprozessmodellierungs-Community herausgebildet. BPMN wurde entwickelt, um Benutzerfreundlichkeit mit Unterstützung für komplexe Prozesse und Prozesslogik zu kombinieren und erleichtert auch die Zusammenarbeit zwischen Endbenutzern und IT-Teams.

 

Automate business processes from end to end

Unter Cloud-Automatisierung versteht man die Reduzierung oder vollständige Beseitigung manueller Eingriffe, die für die Verwaltung und den Betrieb einer cloudbasierten IT-Infrastruktur erforderlich sind. Cloud-Automatisierungstools helfen bei der Automatisierung und Orchestrierung sich wiederholender und manueller Prozesse, um den Verwaltungsaufwand zu verringern und eine kontinuierliche Integration und Bereitstellung zu ermöglichen. Zu den weiteren Vorteilen der Cloud-Automatisierung gehören erhöhte Sicherheit und IT-Resilienz, standardisierte Governance und zuverlässigere Backup-Prozesse.

DMN

DMN ist eine Standardsprache zur Beschreibung und Modellierung wiederholbarer Geschäftsentscheidungen. Es wurde so entwickelt, dass sowohl Endbenutzer als auch IT-Teams es einfach anwenden und lesen können. Dadurch wird die Zusammenarbeit im Hinblick auf Entscheidungsmanagement und Geschäftsregeln erleichtert. DMN kann zwar alleine eingesetzt werden, aber es wird oft ergänzend zu BPMN verwendet, um einen Geschäftsprozess vollständig zu automatisieren. Dies umfasst auch Entscheidungen, die gemäß der Geschäftsregeln berechnet werden müssen.

Die digitale Transformation beschreibt den Prozess des Ersetzens manueller, nicht automatisierter Arbeit und ineffizienter Technologielösungen durch neuere digitale Technologien. Ziel ist es, Unternehmen die Anpassung an Veränderungen in der Wettbewerbslandschaft zu erleichtern, indem sie ihre Fähigkeit zur raschen Innovation verbessern. Diese gesteigerte geschäftliche Agilität bringt oft weitere Vorteile mit sich, z. B. ein besseres, reibungsloses Kundenerlebnis, Kosteneinsparungen und nutzbare Datenerkenntnisse für weitere Verbesserungen und Innovationen. Um erfolgreich zu sein, müssen Unternehmen digitale Technologien in alle Geschäftsbereiche integrieren und ihre Arbeitsweise grundlegend ändern. Dies bietet die Möglichkeit, den Status quo zu verändern, neue Strategien für den Erfolg zu entwickeln und in der sich schnell verändernden Landschaft von heute wirklich erfolgreich zu sein.

Hyperautomatisierung, ein zuerst von Gartner geprägter Begriff, ist eine einheitliche, geschäftsorientierte Strategie zur Automatisierung und Koordinierung möglichst vieler Geschäfts- und IT-Prozesse. Dies wird durch eine Reihe von Tools wie ERP-Software (Enterprise Resource Planning), intelligente Business Management Suites (iBPMS) und RPA-Tools (Robotic Process Automation) erreicht. Diese werden dann mit neuen Technologien wie künstlicher Intelligenz (KI), maschinellem Lernen (ML) und natürlicher Sprachverarbeitung (Natural Language Processing, NLP) kombiniert. Hyperautomatisierung ist ein relativ neues Konzept, das jedoch von vielen als entscheidender Bestandteil der digitalen Transformation und als wesentlich wirkungsvoller als traditionelle Automatisierungsstrategien angesehen wird.

iBPMS

iBPMS ist ein von Gartner geprägter Begriff und beschreibt Lösungen, die traditionelle BPM-Funktionen (Business Process Management) mit erweiterten Technologien wie Cloud Computing zur Automatisierung von Geschäftsprozessen in großem Maßstab sowie künstlicher Intelligenz (KI) bieten. Sie unterstützen die Entscheidungsfindung und Analyse in Echtzeit sowie die Integration des Internets of Things (IoT). Einige iBPMS koordinieren eine Vielzahl von Endpunkten, während andere sich darauf beschränken, die Arbeit innerhalb der Suite selbst zu orchestrieren.

 

Der von Gartner geprägte Begriff „Internet of Behaviors“ bezieht sich auf die Erfassung und Analyse des menschlichen Verhaltens durch Daten, die aus der Interaktion von Menschen mit vernetzten Geräten gewonnen werden. Im Wesentlichen geht es darum, menschliches Verhalten durch Data Mining zu verstehen, um das künftige Verhalten auf der Grundlage der gewonnenen Erkenntnisse zu beeinflussen. Die aus dieser Analyse gewonnenen Erkenntnisse können zur Steuerung der Benutzererfahrung, zur Feinabstimmung der Personalisierung, zur Optimierung der Sucherfahrung und zur Verfolgung des Kaufverhaltens und der Markenpräferenzen verwendet werden.

Prozessautomatisierung (Robotic Process Automation, RPA) und maschinellem Lernen mit dem Ziel, eine höhere Anzahl vollständiger End-to-End-Geschäftsprozesse zu automatisieren und die Notwendigkeit manueller Tätigkeiten weiter zu verringern. Durch die Ergänzung des regelbasierten Ansatzes von RPA durch künstliche Intelligenz können IPA-Tools Algorithmen des maschinellen Lernens nutzen, um die Aufgabenausführung im Laufe der Zeit zu verbessern und erweiterte Entscheidungsfunktionen auszuführen.

Durch die Nachahmung der traditionell von Mitarbeitern manuell ausgeführten Aufgaben lernt IPA, diese besser zu erledigen und verspricht so eine drastische Verbesserung der Effizienz, der Reaktionszeiten und der Kundenerfahrung bei gleichzeitiger Reduzierung der Betriebsrisiken.

Low Code ist ein Entwicklungsansatz, bei dem man sich mit Daten verbinden kann, einfache Benutzeroberflächen oder gesamte Softwareanwendungen mithilfe einer grafischen Benutzeroberfläche erstellen kann, ohne dass Code geschrieben oder zusätzlich geschrieben werden muss. Low Code-Entwicklungsplattformen abstrahieren viele Softwareentwicklungs-Konzepte mit dem Ziel, es mehr Benutzern zu ermöglichen, einfache Anwendungen für bestimmte Geschäftszwecke zu erstellen. Der Entwicklungsprozess wird beschleunigt. In einer Low Code-Plattform kann eine umfangreiche Anpassung oder eine komplexe Anwendungsentwicklung eingeschränkt sein. Oft sind vorverpackte Werkzeuge (wie proprietäre integrierte Entwicklungsumgebungen) oder Programmiersprachen nötig.

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, der sich darauf konzentriert, Computer dazu zu bringen, Aktionen auszuführen, für die sie nicht explizit programmiert wurden. Maschinelles Lernen ist die Lehre, Maschinen in ihrem Verhalten und ihren Entscheidungen menschlicher zu machen, indem ihnen die Fähigkeit gegeben wird, mit minimalem menschlichen Eingriff eigene Programme zu lernen und zu entwickeln. Der Lernprozess ist automatisiert und verbessert sich basierend auf den Erfahrungen der Maschinen und dem menschlichen Feedback während des gesamten Prozesses.

Microservices sind ein modularer Architekturstil, bei dem eine komplexe Anwendung aus kleinen, autonomen und lose gekoppelten Diensten besteht. Diese Dienste sind feinkörnig, unter Verwendung verschiedener Programmiersprachen implementiert, messagingfähig, unabhängig einsetzbar und dezentralisiert. Die Dienste sind um Geschäftsfunktionen herum organisiert und arbeiten zur Erreichung von Geschäftszielen zusammen. Die Hauptvorteile gegenüber anderen, monolithischen Stilen sind ein flexiblerer Technologie-Stack, der weitgehend unabhängig von bestimmten Anbietern ist, sowie eine schnelle Bereitstellung und Skalierbarkeit. 

Natural Language Processing ist eine Art künstlicher Intelligenz, die Computern hilft, menschliche Sprache zu verstehen, zu interpretieren und zu handhaben. NLP greift auf Bereiche wie Informatik und Computerlinguistik zurück, um sowohl die schriftliche als auch die verbale menschliche Kommunikation und die kontextuellen Nuancen der Sprache darin zu verstehen. NLP kann dann genaue Erkenntnisse aus einer solchen Kommunikation gewinnen, um eine fundiertere Entscheidungsfindung zu unterstützen. Die Technologie hat viele Anwendungsmöglichkeiten, unter anderem in Übersetzungssoftware, Sprachassistenten und Überwachungstools für soziale Medien.

Wie Low Code ist auch No Code ein Entwicklungsansatz, der es Nicht-Entwicklern ermöglicht, mit einer grafischen Benutzeroberfläche und Drag-and-Drop-Funktionen einfache Softwareanwendungen zu erstellen. Während Low Code-Entwicklungsplattformen für Benutzer mit begrenzten Kenntnissen in Programmiersprachen entwickelt wurden, richten sich No Code-Plattformen an Benutzer mit gar keinen Programmierkenntnissen. Diese Plattformen verfügen oft über nur eingeschränkte Funktionen zur Erstellung einer individuellen Anwendungslogik oder für individuelle Benutzeroberflächen. Sie werden oft für Geschäftsanwendungen verwendet.

Prozessautomatisierung ist die orchestrierte Ausführung von Geschäftsprozessen durch eine Workflow Engine. Die End-to-End-Prozessautomatisierung stellt die wichtigste Komponente der digitalen Transformation dar. Eine Prozessautomatisierung senkt Kosten und spart Ressourcen, daher steigen Produktivität und Effizienz und somit wird letztendlich auch ein besseres Kundenerlebnis geboten. Sie trägt außerdem zur Standardisierung von Prozessen und zur Erstellung eines Audit Trails bei, wodurch sich sowohl Sicherheit als auch Compliance erhöhen.

Process Mining ist die Nutzung von Data Science und Prozessmanagement zur Erkennung, Überwachung und Verbesserung von Prozessen anhand von Ereignisprotokolldaten. Prozessbasierte Ereignisprotokolle werden analysiert und in Erkenntnisse und Maßnahmen umgewandelt, mit dem Ziel, die Prozesse im Laufe der Zeit zu verbessern. Wenn ein hohes Maß an Digitalisierung (und damit eine entsprechende Datenmenge) vorhanden ist, kann Process Mining dabei helfen, Möglichkeiten zur Leistungsverbesserung zu identifizieren, indem die aktuelle Leistung mit den Prozess-KPIs verglichen wird.

Prozessoptimierung findet nach der Prozessautomatisierung statt und ist als solches Teil der digitalen Transformation eines Unternehmens. Sobald ein Prozess einmal automatisiert wurde, muss er überwacht und regelmäßig überprüft werden, damit er so effektiv und effizient wie möglich ist. Durch die Prozessoptimierung können Unternehmen Prozesse anpassen und verbessern. Dadurch können Engpässe identifiziert und beseitigt werden und weitere Bereiche ausgemacht werden, in denen manuelle Prozesse automatisiert werden können. Zudem können durch verschiedene technische Maßnahmen, z. B. durch Hinzufügen weiterer Workflow Engines zur Verbesserung des Datenflusses, Leistungsprobleme behoben werden. Dies ist in Branchen wie Telekommunikation, Versicherung und Finanzdienstleistungen, in denen ein hoher wettbewerblicher und gesetzlicher Druck herrscht, besonders wichtig.

Die Prozessorchestrierung verwaltet die Ausführung von Aufgaben gemäß einer Ablauflogik, die einen Geschäftsprozess beschreibt. Die Aufgaben in einem Prozess werden von Endpunkten ausgeführt, bei denen es sich um Menschen, Softwaresysteme oder Geräte handeln kann. Eine Prozessorchestrierung koordiniert all diese Prozessendpunkte und verknüpft manchmal sogar mehrere Prozesse miteinander. Ohne Prozessorchestrierung haben Sie unzusammenhängende lokale Aufgaben und Automatisierungen, was zu einem End-to-End-Prozess führt, der nicht vollständig automatisiert ist. Prozessorchestrierung ist notwendig, wenn Ihre Geschäftsprozesse eine Vielzahl von Endpunkten umfassen und wenn Prozesse eine Komplexität erreichen, die über eine einfache Abfolge von Schritten hinausgeht. Weitere Informationen finden Sie hier: Das Handbuch der Prozessorchestrierung.

Workflow-Automatisierung beschreibt den Prozess des Designs, der Ausführung und der Automatisierung einer Reihe von Aufgaben, die von selbst ablaufen, ohne dass ein manuelles Eingreifen erforderlich ist. Die Workflow-Automatisierung basiert für gewöhnlich auf Regeln und Wenn-dann-Logik, die die nächste Aufgabe auslösen. Sobald die Regeln und die Logik festgelegt sind, kann die Workflow-Automatisierung zum E-Mail-Versand, zur Aufgabenplanung und für vieles mehr genutzt werden. Das Ziel ist es, die Produktivität zu steigern, Fehler zu reduzieren und Zeit und Kosten zu sparen.