3. Wie stark hängt Robotic Process Automation mit dem Thema künstliche Intelligenz und Machine Learning zusammen?
Das kommt ganz auf das Einsatzfeld an. Nicht jeder Prozess kann mit künstlicher Intelligenz verbessert werden und nicht in jedem Fall gibt es etwas “zu lernen”. Trotzdem haben Unternehmen die Wahl zwischen einer klassischen Automatisierung (Starrer Entscheidungsbaum auf Basis von Regeln: mache erst A, dann warte auf B, dann mach C, wenn D sich so verhält, dann mach E, wenn sich D sich anders verhält, dann mach F, …) und einer flexiblen Automatisierung mit sich selbst ändernden Entscheidungsbäumen. Wie sich so ein Entscheidungsbaum ändern kann hängt vom Einsatzfeld und den gegebenen Informationen ab.
In unserem Fall geht es um den Lebenszyklus einer Forderung. Die Forderung entsteht mit Fakturierung. Sie erlischt (in der Regel) mit vollständiger Bezahlung. Dazwischen gibt es unzählige Fälle was passieren kann. In jedem Fall hilft ein Entscheidungsbaum bei der Steuerung dieses Prozesses. Informationen wie Zahlungsverhalten, Zahlungsminderung, Bonität und debitorische Kennzahlen können in den Prozess einfließen. Dadurch werden Entscheidungen auf Basis von Informationen getroffen die zum Start des Prozesse noch gar nicht existent waren. Die Herausforderung ist, dass die Software immer den Überblick behält und sich nicht “verläuft”.
Im Forderungsmanagement von Bilendo läuft ein auf machine learning basierter Zahlungsmatching-Algorithmus der viel genauer und Leistungsstärker ist (und sein kann) als der Zahlungsabgleich in einer Finanzbuchhaltungslösung.
