Gamechanger oder Produktivitätslüge?

Der Einfluss von Generativer KI auf die Automatisierung von Geschäftsprozessen.

1. Kann Generative KI endlich halten, was sie verspricht?

Seit Jahren wird uns versprochen, dass Künstliche Intelligenz (KI) die Welt verändern wird. Nur der Krypto-Boom im Jahr 2021 konnte den KI-Hype überschatten. Angetrieben von den jüngsten Fortschritten im Bereich der Generativen KI (GenAI) wird das Jahr 2024 erneut mit Superlativen überhäuft. Aber kann GenAI endlich die lang erwarteten Versprechen an Unternehmen und KMU einlösen?

Menschliche Arbeitskraft ist teuer, und das Onboarding braucht Zeit. Bislang wurde fortgeschrittene Automatisierung jenseits der robotergestützten Prozessautomatisierung (RPA) durch die Komplexität und den technischen Aufwand von KI-Systemen verhindert. Es war einfacher, Mitarbeitende einzustellen als KI-Systeme zu implementieren. Der Fachkräftemangel treibt jedoch den Bedarf an technologischen Lösungen voran, parallel erwarten die Generation Z und die Millennials am Arbeitsplatz den gleichen digitalen Komfort wie sie ihn von der täglichen Nutzung ihrer privaten Mobilgeräte gewohnt sind.

2. Die nächste Evolution der Geschäftsprozesseffizienz

Um das Potenzial von GenAI zur Steigerung der Prozesseffizienz, Mitarbeiterproduktivität und Kostensenkung zu analysieren, haben wir in den vergangenen Monaten in enger Zusammenarbeit mit Studenten der Duke University Nearshore- und Offshore-Shared Service Center (SSC) sowie Global Business Services (GBS) untersucht. Unser Ziel war es, unsere Hypothese zu bestätigen, dass der Einsatz von KI für die Automatisierung von Geschäftsprozessen, datengestützte Entscheidungsfindung und Wissensarbeit im Jahr 2024 oberste Priorität hat und sich auch für äußerst effiziente und effektive Geschäftsprozesse lohnt.

Wir erfuhren von 123 Teilnehmenden unserer Umfrage, dass sich SSCs und GBSs in den letzten Jahren erheblich weiterentwickelt haben. Die Befragten vertieften die Wertschöpfung in einzelnen Prozessen, erweiterten ihr Dienstleistungsangebot, implementierten End-to-End-Journeys über verschiedene Prozesse wie Order-to-Cash (O2C), Procure-to-Pay (P2P), Record-to-Report (R2R) und Hire-to-Retire (H2R) und setzten Fähigkeiten wie Lean Management, Operational Excellence, digitale Tools und Data Analytics für die weitere Optimierung ein. Ihre Reise begann mit “Arbitrage”, ging über Verbesserungen der Arbeitseffizienz und nutzte Benchmarks für Prozessoptimierungen, um die Konkurrenz zu übertreffen und strategischen Wert zu schaffen.

Wir haben beobachtet, dass das Aufkommen von GenAI die Wertschöpfung für Unternehmen und KMUs neu definiert, indem sie sich von einem globalen, mitarbeiterzentrierten Unternehmen zu einem generativen “AI-first” Unternehmen entwickeln. Angefangen mit intelligenter Dokumentenverarbeitung (IDP), Process Mining und ersten KI-Anwendungsfällen (Machine Learning, ML), erweitert GenAI heute die Automatisierung über traditionelle, regelbasierte Aufgaben (Robotic Process Automation, RPA) hinaus auf komplexere Aufgaben, teilweise bereits mit autonomer Verarbeitung von Abweichungen und schwierige Fälle, und hat bereits die Fähigkeit in der Unternehmenspraxis bewiesen, menschenähnliche Berichte zu generieren, visuelle Analysen und Folien selbst in komplexen Bereichen zu erstellen und gleichzeitig den Trainings- und Testaufwand von Machine Learning (ML) Anwendungen zu reduzieren.

Auf der Grundlage der Studienergebnisse haben wir Vorhersagen darüber getroffen, wie sich der Bereich der KI-Automatisierung unserer Meinung nach weiterentwickeln wird:

1. Jeder wird einen KI-Assistenten nutzen: KI-Assistenten werden allgegenwärtig sein und jeden unterstützen, von Wissensarbeitern bis hin zu SSC/GBS-Agenten. Dieser Wandel wird die traditionellen Grenzen zwischen vertikalen Anwendungen, Automatisierungsplattformen und IT-Services verwischen. KI-Assistenten werden verschiedene Formen annehmen, darunter Copiloten für etablierte Office-Anwendungen, eingebettete KI-Funktionen in ERP und CRM Systeme und eigenständige KI-Agenten.
2. Unternehmen werden ausgelagerte Prozesse wieder integrieren: GenAI wird ein zentraler Bestandteil von Automatisierungsstrategien werden, die den menschlichen Faktor minimieren und damit die Kosten pro Aufgabe in SSCs und GBSs unter 15 $ senken. Es zeichnet sich ein starker interner Business Case für die KI-Automatisierung von allgemeinen und administrativen Aufgaben ab.
3. Daten, Daten, Daten: Die Investitionen werden sich auf Machine Learning Operations (MLOps) und Plattformen für die Datenorchestrierung konzentrieren, um den Einsatz und die Verwaltung von KI zu optimieren.
4. Verbreitung von Modellen: Unternehmen werden KI-Modelle einführen, die auf bestimmte Branchen, Bereiche oder Aufgaben zugeschnitten sind und eigene Daten nutzen, um eine bessere Leistung zu erzielen.
5. Verbesserte Nutzererfahrungen: KI-Agenten werden den Service für Kunden und Mitarbeitende durch personalisierte, automatisierte Interaktionen revolutionieren. Das gestiegene Vertrauen in und die Erklärbarkeit von vollständig autonomen KI-Systemen ersetzen teilweise den Menschen in der Schleife und den Assistenten an der Seite als bevorzugte Lösung selbst bei komplexen Arbeitsabläufen.

3. Kategorien der Automatisierung mit KI

Um die heutige Landschaft der KI in der Automatisierung vollständig zu verstehen, ist es wichtig, die verschiedenen Arten von GenAI-Tools und ihre Anwendungen zu kategorisieren:

1. Chatbots: sind in 2024 eine der am weitesten verbreiteten GenAI-Anwendungen. Sie nutzen oft Retrieval Augmented Generation (RAG)-Systeme, die sich mit proprietären Wissensdatenbanken bzw. mit internem Unternehmenswissen verbinden, um präzise und kontextbezogene Antworten zu geben. Sie bearbeiten grundlegende Anfragen, bieten einen einfachen Zugang zu Richtlinien und anderen internen Dokumenten und ermöglichen Mitarbeitenden Self-Services in den Bereichen Buchhaltung und Steuern.
2. KI-Assistenten: übertreffen Chatbots, indem sie aktiv Nutzerpräferenzen lernen und komplexe Aufgaben Seite an Seite mit einem menschlichen Experten ausführen. Sie steigern die Mitarbeiterproduktivität indem sie Experten bei der Datenanalyse und -visualisierung, der Erstellung und Validierung von Managementberichten und Jahresabschlüssen, bei Prognosen und Empfehlungen zur Sicherstellung der Compliance in rechnungslegungsrelevanten Prozessen unterstützen.
3. KI-Agenten:stellen eine fortschrittlichere Form der Automatisierung dar, die in der Lage ist, komplexe Aufgaben ohne großen Aufwand für das Trainieren und Testen selbständig zu erledigen. Diese Agenten können große Datenmengen verarbeiten, Entscheidungen treffen und Aktionen ausführen. Sie werden in Bereichen wie Buchhaltung, Rechnungs- und Zahlungsverarbeitung, Steuerberechnungen und -erklärungen eingesetzt und überlassen nur komplexe Fälle und die Behandlung von Ausnahmen sowie Fehlern den menschlichen Experten.
4. Bei der Agenten-zu-Agenten-Automatisierung: arbeiten mehrere autonome KI-Agenten zusammen, interagieren und kooperieren, um komplexe Aufgaben zu erledigen. Ein Agent-to-Agent-Kommunikationsprotokoll (AACP) ermöglicht es diesen Agenten, Daten auszutauschen, Aufgaben zuzuweisen und Aktionen über mehrere Aufgaben, Workflows oder End-to-End-Prozesse in O2C-, P2P- und R2R-Prozessen zu koordinieren und so die Effizienz des Gesamtprozesses zu steigern.

4. KI-Automatisierung ist eine große Herausforderung

GenAI ist in der Lage, die Automatisierung zu revolutionieren, indem sie Unternehmen in die Lage versetzt, komplexe Aufgaben effizienter zu erledigen. Wenn sie sich auf domänenspezifische Modelle konzentrieren und in die Dateninfrastruktur sowie die Datenverwaltung investieren, können Unternehmen das volle Potenzial menschlicher und maschineller Intelligenz ausschöpfen.

Die meisten GenAI-Anwendungsfälle befinden sich jedoch noch in der Experimentier- oder frühen Produktionsphase und konzentrieren sich auf die Beratung von Mitarbeitenden und Assistenz von Experten. Die überwiegende Mehrheit dieser GenAI-Systeme ist heute noch nicht in der Lage, vorausschauend zu planen oder zu denken, und Bereiche wie Gedächtnis und Kontext werden noch erforscht. Es bleibt festzustellen, dass KI-Automatisierung eine komplexe und oft unterschätzte Herausforderung ist.

Nur 40% der 123 Befragten gaben an, dass sie bereits eigene KI-Teams aufgebaut und überwiegend externe KI-Lösungen eingekauft haben. Unternehmen tendieren dazu, KI-Systeme zu kaufen, die Eigenentwicklung spielt derzeit eine untergeordnete Rolle. Dies liegt vermutlich auch daran, dass vielen Unternehmen derzeit die Fähigkeiten, das Wissen und die Daten fehlen, um GenAI zu implementieren und mit KI-Anwendungsfällen zu beginnen, die am wichtigsten sind.