Von RPA zu Intelligent Automation

# Von RPA zu Intelligent Automation

2019 feierte ein global tätiger Konsumgüterkonzern den Rollout von 500 Software-Robotern in seinem Finance Shared Service Center. Zwei Jahre später ergab eine interne Prüfung, dass rund 40 % dieser Bots entweder inaktiv waren oder wöchentlich abstürzten. Schuld war nicht die Technologie. Schuld war die Reihenfolge: Man hatte kaputte Prozesse automatisiert, Bots über jedes quietschende Rad verteilt und keinerlei Kapazität aufgebaut, um das Geschaffene zu warten. Die Roboter funktionierten. Die Ökonomie nicht.

In diese Falle laufen die meisten Automatisierungsprogramme im Finanzbereich. Die Frage lautet nicht „KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen wir das automatisieren?“ Fast alles lässt sich bis zu *einem gewissen Grad* automatisieren. Die Frage lautet: „Was automatisieren wir, in welcher Reihenfolge, und wie realisieren wir den Payback, bevor die Wartungskosten ihn auffressen?“ Das ist ein CFO-Problem, kein technisches.

Die Automatisierungsleiter: vier Sprossen, kein Sprung

Finanzautomatisierung ist nicht binär. Sie ist eine Leiter, und jede Sprosse hat eine andere Kostenstruktur, ein anderes Risikoprofil und eine andere Payback-Kurve. Wer die Sprossen verwechselt, verbrennt Geld.

Sprosse 1: regelbasierte RPA

Robotic Process Automation ahmt menschliche Tastatureingaben über Systeme hinweg nach. Sie loggt sich ein, kopiert ein Feld aus einer Rechnung, fügt es ins ERP ein, klickt auf Absenden. Sie ist deterministisch: bei gleichem Input immer dasselbe Ergebnis. Sie erkennt keine Bedeutung, sie sieht Bildschirmkoordinaten und Datenfelder.

RPA rechnet sich bei Aufgaben mit hohem Volumen, stabilen Abläufen, klaren Regeln und strukturierten Daten: Intercompany-Salden verschieben, Zahlläufe für freigegebene Rechnungen anstoßen, Kontoauszüge in ein Abstimmungstemplate ziehen. Der Payback ist schnell (oft unter 12 Monaten) und leicht zu modellieren: Vollkosten eines FTE mal eingesparte Stunden, minus Lizenz- und Build-Kosten.

Der fatale Schwachpunkt ist die BrBrThe percentage of visitors who leave after viewing only one page, often a signal of poor relevance, mismatched intent, or weak user experience.Vollständige Definition ansehen →üchigkeit. RPA hat kein Urteilsvermögen. Ändert sich das Layout eines Lieferantenportals oder kommt eine Spalte im Report dazu, scheitert der Bot stillschweigend oder flutet eine Queue mit Exceptions. Die 40 % Inaktivität im Eingangsbeispiel waren fast vollständig ein Sprosse-1-Problem: Bots, gebaut gegen Prozesse, die sich ständig änderten.

Sprosse 2: Intelligent Document Processing (IDP)

Die nächste Sprosse ergänzt *Wahrnehmung*. Optische Zeichenerkennung kombiniert mit machine learning erlaubt es dem System, halbstrukturierte Dokumente zu lesen, Rechnungen in hundert verschiedenen Formaten, Zahlungsavise, Bankbestätigungen, und Felder mit Confidence Scores zu extrahieren. Anders als RPA toleriert IDP Varianz. Ein neues Rechnungslayout bringt es nicht zu Fall; das Modell generalisiert.

Hier verändert sich Accounts Payable grundlegend. Statt dass RPA starr Rechnungen liest, die alle identisch aussehen (tun sie nie), verarbeitet IDP die unordentliche Realität der Lieferantendokumente und übergibt saubere, strukturierte Daten an einen RPA-Bot zur Buchung. Die beiden Sprossen arbeiten zusammen: IDP für die Wahrnehmung, RPA für die Ausführung.

Sprosse 3: machine learning für Prognose und Matching

Hier beginnt Automatisierung, probabilistische Entscheidungen zu treffen. Bei Abstimmungen lernt ein ML-Modell, welche Transaktionen historisch zusammenpassten, selbst wenn Referenznummern fehlen oder Beträge um einen Rundungscent abweichen, und klärt sie mit einem Confidence-Schwellenwert automatisch. Im Abschluss markieren Anomalieerkennungsmodelle Buchungen, die von historischen Mustern abweichen, bevor sie ins Hauptbuch gelangen.

Die Ökonomie verschiebt sich hier. Sprosse 3 spart nicht nur Stunden; sie verändert die *Form* der Arbeit. Abstimmung verschiebt sich von „alles manuell matchen“ zu „nur die 5 % prüfen, die das Modell nicht sicher klären kann“. Das ist ein Sprung im Durchsatz, bringt aber neue Kosten: Model Governance. Jemand muss Drift überwachen, nachtrainieren und den Tradeoff zwischen False Positives und False Negatives verantworten.

Sprosse 4: agentische / generative Intelligent Automation

Die oberste Sprosse nutzt Large Language Models und Agenten, die unstrukturierten Kontext interpretieren, Narrative entwerfen und mehrstufige Workflows mit Reasoning orchestrieren kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Ein Close-Agent kann Abweichungsdaten lesen, den Flux-Kommentar entwerfen, die Treiber benennen und ihn zur Prüfung weiterleiten. Ein Dispute-Agent kann die E-Mail eines Kunden lesen, die relevante Rechnung und Vertragsbedingungen ziehen und eine Lösung vorschlagen.

Diese Sprosse ist mächtig und unreif. Sie halluziniert. Sie erfordert Human-in-the-Loop-Kontrollen, besonders überall in der Nähe von Hauptbuch oder externer Berichterstattung. Die richtige Haltung 2024-2025 ist, Sprosse 4 auf *Draft-and-Review*-Aufgaben einzusetzen (Kommentierung, erste Analyse, Erklärung von Exceptions), niemals auf unbeaufsichtigtes Buchen von Finanzdaten.

Die Logik der Reihenfolge: wo ein CFO anfängt und warum

Der Instinkt sagt, oben auf der Leiter zu starten, weil das am eindrucksvollsten ist. Genau das ist falsch. Die richtige Reihenfolge ergibt sich aus drei Fragen, der Reihe nach angewandt.

Erstens: Ist der Prozess überhaupt eine Automatisierung wert?

Vor jeder Technologieentscheidung gilt die Disziplin eliminieren, vereinfachen, standardisieren, automatisieren. Wenn Sie einen Prozess automatisieren, den Sie hätten abschaffen sollen, läuft die Verschwendung nur schneller. Wenn drei Freigabeschritte existieren, weil eine Kontrolle für ein Risiko gebaut wurde, das es nicht mehr gibt, streichen Sie sie. Wenn vier Regionalteams dasselbe Konto auf vier verschiedene Arten abstimmen, standardisieren Sie *zuerst*. Die inaktiven Bots des Konsumgüterkonzerns automatisierten oft Prozessvarianten, die zu einer einzigen hätten standardisiert werden müssen.

Die Regel: Automatisieren Sie nie einen Prozess, den Sie nicht bereit wären, 18 Monate einzufrieren. Ändert ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → sich weiter, bricht RPA und der ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen → verdampft in der Wartung.

Zweitens: Wie sieht die Payback-Kurve aus, nicht nur die Payback-Zahl?

Tragen Sie jeden Kandidaten auf zwei Achsen ein: Volumen/Frequenz und Prozessstabilität. Aufgaben mit hohem Volumen und hoher Stabilität sind Sprosse-1-Gold: schneller, günstiger, dauerhafter Payback. Aufgaben mit hohem Volumen, aber variablem Input (Rechnungserfassung in AP) brauchen Sprosse 2. Urteilsintensive, musterreiche Aufgaben (Abstimmungs-Matching, Anomalieerkennung) brauchen Sprosse 3.

Entscheidend: Modellieren Sie die Total Cost of Ownership, nicht die Build-Kosten. Eine nützliche Disziplin: Unterstellen Sie, dass die Wartung *jährlich* 15-30 % der ursprünglichen Build-Kosten ausmacht. Ein Bot, der 80.000 $ an Personalkosten spart, aber 25.000 $ pro Jahr an Wartung kostet, hat einen ganz anderen NPVNPVNet Present Value is the sum of an investment's future cash flows discounted to today, minus the initial outlay. A positive NPV signals value creation.Vollständige Definition ansehen → als der Business Case, der die Wartung ignoriert hat. Diese eine Anpassung hätte die meisten der inaktiven Roboter aufgedeckt, bevor sie gebaut wurden.

Drittens: Haben Sie das Operating Model, um das zu tragen?

Hier investieren CFOs durchgängig zu wenig. Automatisierung ist kein Projekt, sondern eine Fähigkeit. Sie brauchen:

• Eine pipeline und ein Priorisierungsgremium, das Kandidaten nach NPVNPVNet Present Value is the sum of an investment's future cash flows discounted to today, minus the initial outlay. A positive NPV signals value creation.Vollständige Definition ansehen → und strategischem Wert rankt, damit Sie nicht das automatisieren, was am lautesten ruft.
• Ein Center of Excellence (auch ein kleines), das Build-Standards, wiederverwendbare Komponenten und vor allem die Wartung verantwortet.
• Ein „Bot Custodian“-Modell, bei dem jede Automatisierung einen namentlich benannten fachlichen Owner hat, der für Verfügbarkeit und fortbestehende Relevanz verantwortlich ist.

Ohne das bekommen Sie Wildwuchs: Hunderte herrenlose Bots, niemand verantwortlich, und eine Wartungslast, die klammheimlich die Einsparungen übersteigt. Das Scoreboard sollte nicht nur gebaute Bots erfassen, sondern stillgelegte Bots, Exception-Quoten und netto tatsächlich umverteilte FTE-Stunden, nicht theoretisch eingesparte.

Das Reihenfolgemuster, das funktioniert

In der Praxis folgen die renditestärksten Programme über Abschluss, AP und Abstimmungen hinweg einem gleichbleibenden Bogen:

1. Prozess standardisieren und konsolidieren (noch keine Technologie).

2. Sprosse-1-RPA ausrollen auf dem stabilen, strukturierten Kern, um schnelle, glaubwürdige Erfolge zu verbuchen und das Programm zu finanzieren.

3. Sprosse-2-IDP ergänzen, wo Input-Varianz der Engpass ist (AP ist das klassische erste Ziel).

4. Sprosse-3-ML auflegen auf das urteilsintensive Volumen: Abstimmungs-Matching, Anomalieerkennung im Abschluss, sobald Sie saubere Daten und eine Governance-Funktion haben.

5. Sprosse-4-Agenten pilotieren auf Draft-and-Review-Aufgaben, eng abgegrenzt, mit Menschen als Verantwortlichen für jede Entscheidung, die das Hauptbuch berührt.

Jeder Schritt finanziert den nächsten. Die schnellen RPA-Erfolge kaufen politisches Kapital und Budget für die schwierigere, höherwertige ML- und agentische Arbeit. Überspringen Sie die unteren Sprossen, haben Sie keinen Track Record, wenn Sie beim Board um das teure Zeug bitten.

Anwendung: Abschluss, AP und Abstimmungen am Montagmorgen

Frameworks sind nutzlos ohne einen konkreten ersten Schritt. So bildet sich die Leiter auf die drei Arbeitspferde im Finanzbereich ab, und das ist jeweils das Erste, was zu tun ist.

Der Abschluss

Der Abschluss ist eine Kette von Abhängigkeiten, was es verführerisch macht, ihn end-to-end zu automatisieren, und gefährlich, das zu tun. Fangen Sie eng an. Sprosse 1 automatisiert das Mechanische: Summen- und Saldenlisten ziehen, wiederkehrende Standardbuchungen ausführen, Konsolidierungstemplates aktualisieren. Sprosse 3 bringt den Hebel: Anomalieerkennung, die ungewöhnliche Buchungen markiert, *bevor* sie eine Korrektur erfordern, und kontinuierliche Abstimmung, die Arbeit vollständig aus dem Abschlussfenster herausverlagert (hier lebt das Konzept des „Continuous Close“). Sprosse 4 entwirft den Flux-Kommentar aus den Abweichungsdaten, den ein Controller prüft und freigibt.

Schritt für Montagmorgen: Identifizieren Sie die drei Aufgaben in Ihrem Abschluss, die (a) sich jede Periode identisch wiederholen und (b) auf dem kritischen Pfad liegen. Automatisieren Sie diese zuerst mit RPA. Sie verkürzen die Timeline und belegen das Konzept.

Accounts Payable

AP ist der verlässlichste Ort, um Wert über alle Sprossen hinweg zu zeigen, weil es alle vier umfasst. IDP (Sprosse 2) erfasst Rechnungsdaten unabhängig vom Format. RPA (Sprosse 1) bucht freigegebene Rechnungen und führt Zahlläufe aus. ML (Sprosse 3) prognostiziert die Kontierung auf Basis der Historie und markiert doppelte oder betrügerische Rechnungen. Agenten (Sprosse 4) bearbeiten Lieferantenanfragen und Exception-Korrespondenz.

Schritt für Montagmorgen: Messen Sie Ihre Straight-Through-Processing-Rate, also den Anteil der Rechnungen, die vom Eingang bis zur Zahlung ohne menschliches Zutun durchlaufen. Diese eine Kennzahl sagt Ihnen, wo Sie auf der Leiter stehen und wohin die nächste Investition geht. Eine erstklassige AP-Funktion liegt bei 80 %+ STP. Wenn Sie bei 30 % sind, ist der Engpass mit ziemlicher Sicherheit die Rechnungserfassung (Sprosse 2), nicht die Buchung (Sprosse 1).

Abstimmungen

Abstimmungen sind der reinste ML-Use-Case im Finanzbereich. Die Arbeit ist volumenstark, musterreich und urteilsbehaftet, genau so, dass sie starre RPA bestraft und lernende Modelle belohnt. Sprosse 3 matcht Transaktionen innerhalb eines Confidence-Schwellenwerts automatisch und leitet nur echte Exceptions an Menschen weiter.

Schritt für Montagmorgen: Ziehen Sie Ihr Inventar der Kontenabstimmungen und segmentieren Sie nach Matching-Komplexität. Die Konten mit hohem Volumen und geringer Komplexität (Bankabstimmungen, Kreditkartenabstimmungen) sind heute ML-reif und liefern oft den schnellsten Sprung bei umverteilten Analystenstunden. Fangen Sie nicht mit den sperrigen Konten mit geringem Volumen und hohem Urteilsanteil an, der ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen → ist nicht da und das Modell hat nicht genug Daten zum Lernen.

Die Governance-Ebene

Über alle drei hinweg gilt eine Disziplin ohne Verhandlungsspielraum: Jede Automatisierung, die das Hauptbuch berührt, braucht eine dokumentierte Kontrolle, die die Automatisierung selbst nicht umgehen kann. Prüfer werden fragen, wer den Bot verantwortet, wie Exceptions behandelt werden und woher Sie wissen, dass das ML-Modell noch akkurat ist. Bauen Sie diesen Nachweispfad vom ersten Tag an. Kontrollen nachträglich in einen wuchernden Bot-Bestand einzuziehen ist weit teurer, als sie von Anfang an mitzudenken, und es ist der Unterschied zwischen einem Automatisierungsprogramm, das skaliert, und einem, das von Risk und Audit eingefroren wird.

Key Takeaways

1. Automatisieren Sie den Prozess, nicht das Chaos. Eliminieren, vereinfachen, standardisieren *bevor* Sie automatisieren. Automatisieren Sie nie einen Prozess, den Sie nicht 18 Monate einfrieren würden, Instabilität ist der Grund, warum Bots inaktiv werden.

2. Steigen Sie die Leiter hoch, springen Sie nicht nach oben. Verbuchen Sie schnelle RPA-Erfolge auf stabilen, strukturierten Aufgaben, um das Programm zu finanzieren, ergänzen Sie IDP, wo Input-Varianz der Engpass ist, und legen Sie dann ML auf das urteilsintensive Volumen. Frühe Erfolge kaufen die Glaubwürdigkeit und das Budget für die teure agentische Arbeit später.

3. Modellieren Sie Total Cost of Ownership, nicht Build-Kosten. Rechnen Sie mit 15-30 % der Build-Kosten an jährlicher Wartung. Diese eine Anpassung zeigt, welche „Quick Wins“ tatsächlich Wert vernichten und welche Investition verdienen.

4. Behandeln Sie Automatisierung als Fähigkeit, nicht als Projekt. Setzen Sie ein Priorisierungsgremium, ein Center of Excellence und benannte Bot Custodians auf. Verfolgen Sie *stillgelegte* Bots und netto *tatsächlich* umverteilte FTE-Stunden, nicht nur gebaute Bots.

5. Statten Sie jeden Prozess mit der richtigen Kennzahl aus. Straight-Through-Processing-Rate für AP, Anzahl der Aufgaben auf dem kritischen Pfad für den Abschluss, Segmentierung nach Matching-Komplexität für Abstimmungen. Die Kennzahl sagt Ihnen, auf welcher Sprosse Sie stehen und wohin der nächste Dollar geht.