RPA – Robotic Process Automation

Nach der üblichen Phase der übersteigerten Erwartungen im Lebenszyklus einer IT-Innovation schälen sich nun zunehmend erfolgreiche Ansätze bei der Umsetzung von Digitalisierungsinitiativen in den Unternehmen heraus. Lassen breitenwirksame Umsetzungen bei Blockchain-Anwendungen noch auf sich warten, so rückt das altvertraute Feld der Prozessautomation bei Front- und Backoffice-Aktivitäten wieder in das Blickfeld und entfaltet tatsächlich ein Potenzial, welches in der Lage ist einen Fußabdruck im digitalen Arbeiten der Unternehmen zu hinterlassen: Robotic Process Automation.

Darunter wird im Regelfall der Einsatz von so genannten Software Roboter subsumiert, also in Software realisierte Automatismen, welche zumeist im Vorfeld definierte Aufgaben durchführen. Die Metapher des Roboters ergibt sich zum einen, dass mit RPA repititive Arbeiten gedanklich verbunden werden und zum anderen das Werte ausgelesen und deren Manipulation an unterschiedlichen Datenquellen/Programmen stattfinden.

Im Kern geht es also um eine klassische Automatisierung mit dem Ziel Prozesse effizienter und insbesondere kostengünstiger durchzuführen, welche bislang der traditioneller Sachbearbeitung zugefallen sind. Damit verbindet sich die – meist verschämt unausgesprochene – Hoffnung, dass man für Verwaltungsprozesse künftig weniger Personal benötigt. Hersteller der RPA und große Consulting-Firmen verbrämen diese Tatsache zwar gerne mit Aussage, dass freiwerdende Personalkapazitäten höherwertigen Tätigkeiten nachgehen können; dies mag auch in einigen Fällen zutreffen, aber in breiter Einsatz von RPA wird sicher vergleichbare Effekte wie der klassische Roboter in der Industrie oder die elektronische Erstellung von Druckerzeugnissen haben.

Was ist RPA?

Die meisten RPA-Lösungen haben ihre Wurzeln in automatisierten Test-Software-Lösungen. Diese Programme zielen darauf ab, einfache und auch komplexe Nutzereingaben beliebig oft zu simulieren und Ausgaben des zu testenden Programms zu erfassen, zu interpretieren und zu dokumentieren.

Die Adaption an Bildschirmausgaben, Einträgen in Datenbanken, Textfiles, Listen und proprietäre Formate hat das Tor zur Weiterentwicklung dieser Programme für die Softwaregattung der RPA aufgestossen. Das wesentliche Unterscheidungsmerkmal zwischen den Grundlagen und der heutigen Ausprägung ist die zunächst die Implementierung einer Steuerungslogik, die Umkehrung des Schwerpunktes des Informationsflusses (es wird sich nicht auf das reine Auslesen und die Simulation einzelner Eingaben beschränkt, sondern es werden komplexe Befehlsreihenfolgen abgearbeitet) sowie die Verbindung von mehreren Programm/Quellen.

Stufen der RPA

1. Integrierter Desktop: Single View
2. Manipulation bestehender Applikationen: RPA, welche in diesem Beitrag im Wesentlichen thematisiert wird.
3. Virtual/Digital Assistants: Nachahmung menschlicher Agenten und deren Kommunikation; auch Spracherkennung.
4. Machine Learning: Extraktion von Wissen aus den Daten und Verhalten und Anwendung auf neue Situationen
5. Attended und unattended RPA: mit menschlicher Mitwirkung oder ohne (Server)

Funktionale Leistungsmerkmale/-anforderungen

• Optische Erfassung (OCR)
• Auswertung Meta-Daten
• Auswertung Datenfelder
• Erkennung der Eigenschaften, Struktur und Hierarchie der Daten
• Erkennung verdeckter Daten
• Optimierung des Parsings durch Konnektoren für bekannte Systeme (z.B. Siebel, SAP, PeopleSoft, Salesforce)
• Orchestrierung der Prozesse und Abhängigkeiten
• Graphischer Prozess- und Vorgangs-Designer
  — Abbildung der Prozesse in graphischen Flussdiagramm-Tool
  — Recording: Aufnahme wie Makros vs. Design-based (from scratch or blueprint)
• Datentransport aus und in gesteuerte Systeme
• API/Services-Konnektivität/Integration
• Betrieb/Kapselung in VM, Server oder lokal
• Überwachter Betrieb (Desktop) sowie nicht überwachter/autonomer Betrieb
• Verknüpfung mit Business Process Engines (IBM Websphere, Tiboc iProcess, Oracle Business Process Manger etc.) bzw. ggfs. Unterstützung des WS-BPEL 2.0
• Debugging-Tools für Analyse und Fehlersuche bei Prozessunterbrechungen und Exception handling
• Event based-Design, d.h. konzeptionelle Auslegung der Bedien- und Systemlogik an Prozessschritten und Ereignissen daraus

Einsatzmöglichkeiten und Merkmale RPA

Wichtig, wie bei allen Use Cases im digitalen Prozessumfeld, ist es, eine möglichst gute Orientierung über die effizienten Einsatzbereiche zu gewinnen, um einerseits Erwartungen nicht zu hoch zu schrauben und andererseits die sinnvolle Einsatzmöglichkeiten auszufüllen. Grob formuliert bewegen sich die Einsatzfelder für RPA zwischen dem kleinteiligen, stark manuell geprägten sowie wenig häufig vorkommenden Prozessen auf der einen Seite und den sehr häufig vorkommenden, signifikant regulierten sowie regelbasierten Prozessen auf der anderen Seite.

Durch die fakultativ Adaption an Bildschirmmasken ist RPA insbesondere für Prozessschritte geeignet, welche umgangssprachlich mit Aussagen „…dann übertrage ich die Daten von der Maske von Programm A in die Maske von Programm B…“.

RPA eignet sich also für die Automation von Prozessen, welche meist folgende Merkmale aufweisen:

• transaktionsbasierte, stark manuelle, repitive, regelbasierte, mit keiner oder wenig menschlicher Intervention behaftete und mittel häufige Prozesse. Im Banken-Backoffice spricht man auch von „Dunkelverarbeitung“. Halb scherzhaft wird hier auch von der „Drehstuhlschnittstelle“ gesprochen, bei der die klassische Sachbearbeitertätigkeit gemeint ist.
• Multi-Tasking-Fähigkeit sowie nicht sequenzielle Prozessabläufe, 24-h-Betrieb
• Skalierbarkeit und Skalierung der Automatisierung nach „unten“ und damit Erweiterung des Scopes der Automatisierung im Unternehmen
• Andockbar an prinzipiell alle Programme durch optische, meta-datenbasierte, halb-/automatische Erkennung der Daten.
• Vollständige Entfaltung des Optimierungspotenzials durch die Kombination mit AI/Big Data durch dessen Lern- und Interpretationsfähigkeit bei unklaren Daten oder abweichenden Prozessverläufen. Deshalb sollten beide gemeinsam betrachtet/verbunden werden.
• Vom Fachbereich selbst konfigurier- und administrierbar.

Nutzen von RPA

• Ubiquitäre Einsetzbarkeit und damit schnelle und kostengünstige Implementierung und Adaption wegen Andocken an Bildschirmrepräsentation (Masken) und API/Services.
• Reduzierte Prozesskosten: es werden 20-45 % Prozessverbesserungspotenzial kolpotiert.
• 50% der Prozesse sollen durch einen Roboter bedient werden können. Ein häufiger Anwendungsfall kann die Eröffnung eines Kundenkontos sein, z.B. in einer Bank mit einem Automatisierungsgrad von 98% und einer Zeitersparnis von 15 auf 3 Minuten.
• Vermeidung von menschlichen Fehlern bei monotoner Arbeit.
• Geringe bis mittlere Investitionen durch Verzicht auf individuelle Programmierung und damit schnellerer Time-to-market und schnellere/leichtere Investitionsentscheidung.

Where’s the beef? – Business model

Merkmale, Vorteile und Nutzen können schlaglichtartig wie folgt zusammengefasst werden und liefern eine stichhaltige Argumentation für den Einsatz von RPA.

• Flexible, kostengünstige Antwort auf nach wie vor anhaltenden Kostendruck bei nicht unmittelbaren Kundenprozessen: ein RPA-Agent kostet ca. 1/3 einer PE
• Zwang zur Prozess- und Produktivitätsverbesserung, auch durch Modularisierung des Geschäftsmodells
• Notwendigkeit der Bereitstellung von individualisierten Prozesse, auch bei kleinen Losgrößen.
• Fachkräftemangel.
• Reduktion der Fehlerquote.
• Verbesserung der Auslastung.
• Reduktion Stückkosten.
• Reduktion Durchlaufzeit.
• Skalierung der Automatisierung nach unten in mittelhäufige Prozesse.
• 24/7-Betrieb.
• Konfiguration unmittelbar durch den Fachbereich und keine bzw. geringe Belastung von IT-Ressourcen durch einfache (Klick-n-drop) Administrationswerkzeuge.
• Steigerung Kundenzufriedenheit durch verbesserte Prozesse

Vorbereitung/begleitende Maßnahmen zu RPA

Wie eingangs erwähnt, handelt es bei dem Einsatz von RPA um eine Form der Prozessautomatisierung. Deshalb ist es tröstlich, dass die in jahrelang Prozessarbeit gewonnen Erkenntnisse auch ihren Nutzen beim Einsatz von RPAs haben und dafür auch dringlich erforderlich sind.

Am Beginn sollten neben der Definition der Ziele des Einsatzes und des groben Einsatzgebietes deshalb auch wie gewohnt die Erhebung und Analyse der Prozesse auf Basis bestehender Prozesserhebung und teil-automatisierter Desktop-Analytics (Path-Analysis) stehen. Das Projektvorgehen sollte dann wiederhin dadurch gekennzeichnet werden, dass es grundsätzlich agil ausgelegt ist, da keine gesicherten Erkenntnisse und Vorgehensweisen zum effizienten Einsatz von RPA im Regelfall vorliegen. Anpassung und erneute Priorisierung ist deshalb essentiell für eine Nutzenmaximierung. Plan-Do-Check-Act-Zyklen prägen das weiteren Projektvorgehen wie ein exaktes Controlling und Abstimmung mit Sponsor und Auftraggeber. Weil RPA primär selbst vom Fachbereich administriert werden sollten, ist es zusätzlich erforderlich die Ressourcen von diesem über definierte Hand-over-Points möglichst frühzeitig einzubinden.

Erweiterung RPA um AI/ML

Unter dem Stichwort „Cognitive automation = Verbesserung der Automatisierung durch selbstlernende Algorithmen“ kündigt sich schon die logische Erweiterung der heutigen RPA-Software an. Als drittes Konzept neben der überwachten (mit Prozessbeteiligung des Menschen) und nicht-überwachten Automatisierung gesellt sich dieses als drittes Konzept beim Einsatz von RPA hinzu.

Zunächst ist die wesentliche Erweiterung der Verarbeitungsfähigkeit um unstrukturierte Roh-Daten. Der zweite Unterschied ist die fast bis vollständige Interpretation der vorliegenden Daten und die Ableitung von Entscheidungen aus diesen für die Aktionen der RPA.

Die tradierten ersten beiden Konzepte (überwacht, nicht überwacht) können aus der gewonnenen Intelligenz durch ein optimiertes Exception Handling profitieren, wenn sie manuelle Entscheidungen internalisieren. Dabei wird direkt von den menschlichen Entscheidungen gelernt (hybrid automation model).

Die komplette maschinenbasierte Erfassung, Analyse und Entscheidung von nicht determistisch regelbasierten Prozessen steht allerdings noch am Anfang und ist vage. Die derzeit vorstellbare Endstufe ist die Interpretation von frei-formulierten Äußerungen des Prozessauslösers (i.d.R. Kunde).

Neben den Machine Learning-Algorithmen i.e.S. werden für eine holistische Analyse der Aufgabe und der Steuerung der Aktionen Technologien wie Optical Character Recognition (OCR), Text Analytics und fallsweise Sprach- und Bilderkennungstechnologien benötigt.

Die kognitive Automatisierung kann nicht nur im tradierten Austausch zwischen Inhouse-Applikationen eingesetzt werden, sondern die Ergebnisse und Inputs austauschen mit Schnittstellen wie Chat/voice bots, virtuellen Agenten und Interactive Voice Response (IVR).

Für einen optimierten Lernprozess müssen die gewonnenen Daten persistiert und interpretiert werden. Danach erfolgt die Vearbeitung in der jeweils aktualisierten AI/ML-Methodik.

Vorteile AI-enhanced process automation

• Verbesserung der Datenqualität
• Vorhersagende Analytik zur Vorbereitung von Entscheidungen (judgment calls)
• Steigerung des Automatisierungsgrades: ML von Planung bis zur Ausführung

Next step: seamless gamification

Obwohl hier die Rede von Automatisierung und somit Entlastung und Ausschluss der menschlichen Arbeit ist, ermöglichen die um AI/ML erweitere RPA-Nutzung auch innovative Anwendungsbereiche bei der individuellen und komplexen Unterstützung der Workforce. Denkbar wäre die Ausweitung der Probabilitätskonzepte aus der AI auf den Agenten durch die Nutzung von Belohnungs- und Gamification-Strategien wie bspw. individuelle Scoring-Faktoren pro Mitarbeiter mit der Angabe von individuellen Verbesserungsmöglichkeiten. Dies wird deshalb möglich, weil die RPA an der tatsächlichen beruflichen Lebenswelt der Mitarbeiter bei der Bedienung der firmenindividuellen Software ansetzt und somit in der Lage ist, Empfehlungen mit unmittelbaren Praxisbezug zu ermitteln.

Praktische Umsetzung von RPA

Einsatzkriterien und Erfolgsfaktoren RPA

1. Komplexität

Tendenziell einfachere, repitive Prozesse können von RPA profitieren.

2. Regelbasierung

Regelbasierte Abläufe eignen sich eher als Prozesse, welche individuelle Entscheidungen erfordern.

3. Volumen

Mittelgroße Prozesse sind ideal. Häufige vorkommende Prozesse werden besser vollautomatisiert, kleinere Prozesse rendieren schlecht.

4. Reifegrad/Maturität

Derzeit sind Prozesse in ausgereiften Industrien/Branchen besser für RPA geeignet, weil sie einen verlässlichen Stabilitätsgrad aufweisen.

5. Basis Business Software

Bewährte Software und Schittstellen sind für den RPA-Einsatz vorteilhaft, da sie verlässlich angedockt werden können (BPMN, API, DB, Process-Tool).

6. Datenstrukturen

Verknüpfung bestehender Datenbanken und -ressourcen und die Definition neuer, bot-geeigneter Datenstrukturen ist das Rückgrat der RPA, da in diesen letztlich die Ergebnisse des Parsings Eingang finden. Einbindung in das BPM und vorhandene Datenrepositories.

7. Erweiterungen/Lernkurven

Anbindung an AI, Review, Agilität. Einsatz von externer Expertise für i.d.R. zu schnelleren Lernkurven.

8. Verantwortung

Obwohl RPA Software ist, ist es doch eine Art von Unabhängigkeitserklärung des Fachbereiches und der Betriebsorganisation gegenüber der IT. RPA-Bots lassen sich direkt vom Fachbereich reprogrammieren und konfigurieren.

Erfolgsfaktoren RPA

• Auswahl der passenden Prozesse und eines möglichst robusten Standardprozesses, mit entsprechender Wichtigkeit für das Geschäftsmodell und passend zu weiteren Change-Programmen. Also weniger die Umsetzung, sondern eher die Entdeckung des RPA-Automatisierungspotenzials ist die Herausforderung!
• Holistischer, strukturierter Ansatz inkl. Vision (Vermeidung Outsourcing bspw.) und Strategie (Einsatz Robotic bei gleichzeitiger Sicherung und Höherwertung der vorhandenen HR).
• Provider-, Beraterauswahl
• Agiles Projektvorgehen inkl. Rollenklärung (2-3 Prozesse; Pilotentwicklung oder general assessment) bei Umsetzung
• Auswahl Sponsoren und Abteilungs-Experten; Top-Level-Sponsorship
• Roboter menschliche Namen geben; Projektspirit
• Passende Verortung (IT, Operations, Shared Services)
• Controlling: eine zentrale Kontrollinstanz (RPA-Office) wird empfohlen. Dieses orchestriert, teilt ein, weist Arbeit an, behebt Probleme, kontrolliert die Supply Chain, Durchläufe und Termine.
• Kollektivrechtliche Verankerung und Change Management durch offene, faire Kommunikation mit Mitarbeitervertretung
• EVA-Prinzip: Eingang-Verarbeitung-Ausgang. Dokumente möglichst früh digitalsieren, um Workflow zu flexbilisieren. Ziel Industrialisierung.
• Kombination mit AI für optimale Effizienzen: Artificial Intelligence ist die denklogische Fortsetzung/Erweiterung von RPA, weil sie hilft unklare Daten richtig zu interpretieren. “AI is a collective term for computer systems that can sense their environment, think, learn and take action in response to what they’re sensing and their objectives.” Also eine Art Mustererkennung auf Speed!
• Kombination mit BPMN sinnvoll bzw. sachlogisch

Einsatzmöglichkeiten nach Industrie und Funktion

Erweiterungsmöglichkeiten

• Prozesstipps für Mitarbeiter (next best action z.B. Skript, Vorschlag für Auswahl Brief usw.)/Assistent des Mitarbeiters
• Einarbeitung neuer Mitarbeiter
• Sicherstellung Compliance
• Benchmarking

Risiken und Herausforderungen

Wie bei jedem Assessment neuer Technologie und deren praktischer Einführung in den Unternehmensalltag ist es auch bei RPA erforderlich, sich Gedanken zu Krisen und nicht erfüllten Erwartungen zu machen und wie man damit steuernd umgeht = Risikomanagement.

Nachfolgend ein paar Indikationen, auf welche Dinge im Rahmen des Risiko-Managements zu achten ist. Für das unternehmensweite Risikomanagement dürften ein RPA-Projekt vermutlich anfänglich keine besondere Rolle spielen, da dies zumeist auf existenzgefährende Risiken (bspw. nach KonTraG) justiert ist und RPA-Projekte zumeist leichtgewichtiger sind und ggfs. bestehende Prozesse als Rollback-Alternative vorhanden sind.

• Schlecht optimierte Prozesse mit entsprechend hohem Kostenaufwand (hohe Stückkosten) mit mittlerer Häufigkeit
• Problem: wenig unternehmensübergreifende Standards. So endet Automatisierung/Digitalisierung meist an dessen Grenzen und die „economy of scale“ ist begrenzt. Straight-through-processing-quota von > 90 % ist anzustreben.
• Zeitbedarf die Prozesse sauber zu analysieren und die Hinweise der derzeitigen process owner zu beherzigen.
• Widerstände der Belegschaft. Change Management und ehrliche Kommunikation gegenüber Betroffenen und Beteiligten ist unabdingbar.
• Menschliche Fehler bei Umsetzung. Deshalb menschliche Puffer und Breaking-points einbauen.
• Nicht ausgeprägte/ausreichende Fähigkeit den Kundennutzen zu antizipieren
• Meist hohe Aufwände für vollständige Integration und Automatisierung dieser Prozesse
• Interpretationsspielräume und ungeklärte Abhängigkeiten/Zusammenhänge bei der Interpretation der extrahierten Daten.
• Skalierbarkeit bedingt einen holistischen Ansatz bei der Implementierung, denn
• Nicht alle Prozesse eignen sich zur Automatisierung,
  — Somit können auch die Business Cases nicht einfach hochgerechnet werden,
  — Isolierte Robotikansätze erleben häufig enorme Herausforderungen bei der Governance, Sponsorenschaft, Engagement und Vertrauen, Integration in die IT und der Anpassung an die Geschäftsstrategie.
• Digitalisierung von schlechten analogen Prozessen zu schlechten digitalen Prozessen.
• Falsch allokierte Innovation, wenn nur heutige Prozesse abbildet werden und künftig relevante ausser Acht gelassen werden.
• Überinterpretation der Prozessrelevanz. Nicht jeder Kundenwunsch ist (sinnvoll) stardardisierbar. Modularität kann bis zu einem gewissen Grad helfen.
• Potenzielles Konkurrenzverhältnis zu Business Process Engines (WS-BPEL) und SOA bzw. EAI und Workflow-Management-Systemen
• Nicht ausreichnende, kontinuierliche Meta-Beschreibung der Backend- und Frontend-Systeme. Damit Fehlallokation und Nacharbeit bei vorbereitenden Prozessarbeiten vor Implementierung RPA.
• Falsche Dimensionierung des Projektumfanges. Kleinere, überschaubare Workflows („micro services“) können besser orchestriert werden und sind fehlerresistenter.

RPA-Center of Excellence (CoE)

Aufgrund der vielfältigen Wirkung von RPAs im Unternehmen empfiehlt es sich eine zentrale Instanz zu gründen, welche das Wissen und die Anwendungsintelligenz dazu sammelt. Es hilft auch bei der Vermittlung der Prinzipien und Implikationen der RPA und vermindet dadurch potenziell die Ängste und Befürchtungen bei Stakeholdern und Betroffenen. Durch die Poolung des Anwender- und Implementierungswissen, können Synergien entstehen, welche bei den seriellen Launch weiterer RPA-Projekte effektiv eingesetzt werden können.

Zweck und Wirkung

• Statement
• Bündelung von Kompetenz
• Zentrale Ansprechstelle
• Weiterentwicklung durch Synergie
• Kristallisationspunkt für internes Marketing und Change Management

Deshalb meist zentralisiert oder nur teil-dezentralisiert.

Erfolgsfaktoren

• Permanentes, iteratives Erkennen von Automatisierungspotenzial (Vernetzung mit Prozessmanagement, Kontakt zu Fachabteilung, Ableitung aus High-Level-Zielen, Marktentwicklungen, Branchen-Benchmarking). Auch dieser Prozess ist automatisierbar (Automation Finder)!
• Analyse und Klassifizierung des RPA-Einsatzes
• Agile Umsetzung der RPA (agile, fail quickly, evaluate)
• Nachweis von quantitativen Automatisierungserfolgen
• Verbesserung des Exception Handlings (Wo treten manuelle, analytische, technische Fehler auf?
• Permanente Überprüfung (Plan-Do-Check-Act-Zyklen, 7-step improvement process)

Staffing

• Möglichst inter-/cross-funktionell, also Automatisierungsspezialisten, Prozessspezialisten, Juristen, Business Analysten, Change Management-Spezialisten, Projektmanager.
• Eine Kombination zwischen externen Experten, festen und assoziierten Mitgliedern und einer Auswahl von Betroffenen ist die beste Mischung zwischen Zeit und Kosten.
• Das interne Team sollte aus Prozessexperten, direkt Betroffene, IT-Mitarbeiter und weiteren Prozessbeteiligten bestehen.
• Recht, Compliance und Mitarbeitervertretung sollten ebenfalls involviert sein.

Rules of engagement

Umsetzungsschritt	Intensität des Engagements
Prozessoptimierung (klassisch)	Gering
Identifikation RPA-Prozesse	Hoch
Auswahl RPA-Prozesse	Mittel
Umsetzung Pilot/Implementierung	Hoch
Initial Support	Hoch
Regulärbetrieb	Gering
Marketing (intern/extern)	Mittel
Controlling	Mittel
Continous Improvement	Hoch
Governance Definition	Hoch
Dokumentation und Wissensweitergabe	Hoch

Rollen

Rolle	Beschreibung/Zweck
CoE Manager	Führung und Koordination. Programmleitung.
Automation Business Analyst	Identifkation von Automatisierungspotenzialen. Design/Blueprint.
Automation Technical Lead	Führende technische Umsetzung.
Automation Developer	Entwickler
Automation Connectivity Manager	Technische Integration.
Administrator	Management tägliches Business
Change Management Lead	Organisation des Veränderungsprozesses
Tester	Test
Sponsor	Fachbereichssponsor
RPA Projektleiter	Leitung von Projekten.
Fachbereichsspezialist	Lieferung fachlicher Input.
Trainer	Initiales Training, begleitendes Coaching.

Operative Erfolgsfaktoren

• Training und Zertifizierung
• Kompetenzakkumulation
• (osmotische) Kommunikation
• Agiles Projektvorgehen
• Klare Ziele/Visionen/Absichten
• Akzeptanz
• Commitment Führungsebene

Anbieter

Abschließend noch ein Überblick über derzeit tätige Anbieter und naheliegende Technologien (ohne Anspruch auf Vollständigkeit und kommerzielles Interesse).

• Almato (Reutlingen, gut für Skalierung).
• A2iA (insbesondere bei Handschriftenerkennung)
• AutoHotkey (Open Source)
• Automation Anywhere
• Automate the boring stuff (Python, Programmguide)
• Arago (für IT Enterprise Operations)
• BlackLine
• Blue Prism (nur serverbasierte, gut für Skalierung)
• EdgeVerve
• Epiance
• HelpSystems
• Infosys
• Jacada
• Kofax
• Kryon Systems
• Lexmark
• NICE (Open Source SDK, Israel)
• Open-Connect, Open-Span
• Pegasystems
• Redwood Software
• Roro Script (Open Source)
• UIPath (desktoporientiert, offene Partnerpolitik, Community Version)
• Verint
• WorkFusion (Community Version)
• Xerox Services

Verwandte Systeme/Konzepte

• IFTTT
• Workflow
• UI-Tester (z.B. Selenium)
• Box Relay (IBM & Box; Workflow-Tool)
• Apache Airflow
• Google Cloud Composer
• OCR-Programme
• Business Process Management Tools (BPM) wie bspw. Alfresco, ARIS etc.)

Zukunftsweisende Konzepte

Google Smart Compose

Google Duplex

Integration in BPM-Workflow-Enwickler-Tools wie bspw. Camunda BPM Workflow Automation Plattform.

Weiterführende Links