RPA für schnelle Entscheidungen in Hightech-Lieferketten

Wie intelligente Software-Bots arbeiten

Seite: 2/2

Firma zum Thema

Erfolgsgeschichten

Bei einem aktuellen Kundenbeispiel musste ein globales Logistikunternehmen Aufträge schneller bearbeiten, die Kundenerfahrung verbessern und das Geschäft ausbauen. Ein Team von 1.000 Kundendienstmitarbeitern bearbeitete Buchungsanfragen von der Auftragserstellung über die Überprüfung bis hin zur Aktualisierung.

Dieser zeitaufwändige, manuelle Prozess umfasste mehrere Systeme und externe Datenformulare. Die RPA-Implementierung sowie die parallele Bearbeitung von Anfragen und Statusrückmeldungen führten zu einer deutlichen Reduzierung der Zykluszeit. Auch der Auftragsbestand reduzierte sich von 55 Prozent auf 16 Prozen, während der Entscheidungsprozess deutlich beschleunigt wurde.

Für KI-basierte RPA in Hightech-Lieferketten gibt es ebenfalls erfolgreiche Anwendungsfälle, das Procurement ist einer davon: Bei einem Workflow überschreitet beispielsweise Warenpreis den festgelegten Schwellenwert. Der Bot prognostiziert den Preis durch die Analyse von Marktdaten, erkennt einen steigenden Trend bei Rohstoffpreisen und erstellt dann eine Echtzeit-Nachfrageprognose für das Endprodukt. Diese Prognose tendiert ebenfalls nach oben. Der Bot entscheidet entsprechend, die Obergrenze zu überschreiten, um eine Bestellung für die Ware aufzugeben.

Ein weiteres Beispiel ist eine KI-basierte RPA-Lösung, die den Eingang einer Rechnung erkennt, die Leistung des Lieferanten identifiziert und dann eine Aktion im Kreditorensystem auslösen kann, um die Zahlung einzuleiten – alles ohne menschliche Interaktion. RPA hilft grundlegenden IT-Prozessen wie dem Master Data Management (MDM) dabei, Teile- und Lieferantendaten, Durchlaufzeiten, Bestellmengen, Sicherheitsbestandskalkulationen und Bestellungen schneller auszuführen.

Mit dem Bestandsmanagement verbessert RPA auch Entscheidungen in Sachen Überalterung und End-of-Life-Management. Hierbei werden Verzögerungen vermieden und gleichzeitig die Präzision beibehalten oder erhöht. So lässt sich beispielsweise eine bedarfsarme SKU an einen Lieferanten zurückgeben, wenn sie frühzeitig identifiziert wird. Schwergängige SKUs können schneller gefunden werden, was auch den Lagerumschlag verbessert.

RPA, in Verbindung mit der zugrunde liegenden operativen Analysegeneriert Erkenntnisse und identifiziert Ineffizienzen. Diese Erkenntnisse zeigen Engpässe und potenzielle Störungen auf. Sie ermöglichen es der Workflow-Reorganisation, schlankere und reaktionsschnellere Abläufe zu schaffen.

RPA ist kein Allheilmittel oder eine Universallösung. Beispielsweise können diese Lösungen aktuell noch keine analogen oder unstrukturierten Daten wie manuell erstellte Dokumente lesen. Die lässt sich von Unternehmen jedoch umgehen, indem sie entsprechende Technologien integrieren, die optische Zeichenerkennung (Optical Character Recognition / OCR) und Mustererkennung wie maschinelles Lernen enthalten.

Präzision ist von entscheidender Bedeutung, da Fehler in der Implementierung schnell hunderte oder sogar tausende von Malen repliziert werden, bevor sie erkannt werden. Die Qualitätssicherung mit gut durchdachten Testplänen reduziert solche Risiken. RPA allein verfügt nicht über Selbstlernfähigkeiten und hat daher eine begrenzte Haltbarkeit für bestimmte Modelle. Durch regelmäßige Verbesserungen und Anpassungen kann RPA jedoch zu einem dynamischen Katalysator für Veränderungen werden.

Eine fast perfekte Lösung?

Unternehmen in schnelllebigen Branchen können es sich nicht leisten, RPA zu ignorieren. Forschungen hat gezeigt, dass fast alle Hightech-Unternehmen ihre RPA-Reise begonnen haben und viele bereits über die Testphase hinaus sind. Das Potenzial von RPA zur Effizienzsteigerung, kombiniert mit der Grundlage für Machine Learning und kognitive KI, sollte jedoch ein guter Grund sein, die Einführung noch stärker voranzutreiben.

RPA bietet Vorteile, die über die reine Produktivität und eine schnellere Abwicklung von Geschäftsprozessen sowie den zugrunde liegenden Transaktionen hinausgehen. Unternehmen, die Maschinen und Algorithmen zur Verbesserung der Entscheidungsfindung einsetzen, ermöglichen es auch ihren Mitarbeitern sich auf innovativere und anspruchsvollere Aufgaben zu konzentrieren.

Im heutigen Zeitalter der bezahlbaren Automatisierung darf die Geschwindigkeit der Prozessausführung nicht zum Hindernis für die Gesamtgeschwindigkeit des Unternehmens werden. RPA allein hat seine Grenzen, aber wenn es in die KI integriert wird, wird seine regelbasierte Effizienz intelligenter und prädiktiver. Selbst in der unberechenbaren Hightech-Branche bietet die RPA-gestützte Entscheidungsfindung eine bessere Grundlage für die Wettbewerbsfähigkeit.

* Swapnil Sirdeshmukh ist Senior Consultant, Yashdeep Saran arbeitet als Senior Associate Consultant und Ankit Tondon als Consultant, allesamt im Bereich Manufacturing des Infosys Knowledge Institute

(ID:46039900)