Das Ziel eines jeden Unternehmens ist es, schnell gute Entscheidungen zu treffen, die die Rentabilität steigern, die Effizienz verbessern und die Kosten senken. Um dies zu erreichen, müssen Unternehmen eine erstaunliche Menge an Daten verarbeiten. Die Auswertung und Klassifizierung dieser außergewöhnlichen Datenmenge ist selbst für erfahrene Manager eine echte Herkulesaufgabe und lässt kaum schnelle Entscheidungen zu. Die Lösung für dieses Problem heißt Decision Automation (DA). Decision Automation eröffnet Unternehmen einen Weg, die Entscheidungsfindung zu optimieren, indem sie Regeln und Daten nutzen, um automatisch genaue, effektive und faktenbasierte Entscheidungen zu treffen.
Was ist Decision Automation?
Eine Entscheidung ist nicht nur eine Auswahl zwischen definierten Handlungsalternativen, sondern umfasst den gesamten Prozess des Sammelns und Auswertens von Informationen über eine Situation, die Feststellung eines Entscheidungsbedarfs, die Identifizierung relevanter Handlungsoptionen und die Auswahl der optimalen Handlung. Deshalb eignen sich Entscheidungsautomatisierungssysteme auch für die vollständige oder teilweise Automatisierung von Entscheidungsprozessen. Bei der Entscheidungsautomatisierung (Decision Automation, DA) trifft, einfach ausgedrückt, ein Computerprogramm anhand von Daten, Regeln und Kriterien die Entscheidung und nicht ein Mensch. DA nutzt künstliche Intelligenz, Daten und Geschäftsregeln, um Unternehmen dabei zu helfen, Entscheidungsprozesse in einer Vielzahl von Bereichen zu automatisieren. Die Automatisierung von Entscheidungen wird in der Regel bei Routine- und Wiederholungsentscheidungen angewandt, die Teil der täglichen Arbeit eines Unternehmens sind. Diese Art von Entscheidungen werden als operativ bezeichnet, was bedeutet, dass sie das Tagesgeschäft eines Unternehmens bestimmen. Im Idealfall ist die Entscheidungsautomatisierung ein vollständig automatisierter Prozess, bei dem jedoch noch ein gewisser Spielraum für menschliche Eingaben besteht. In der Regel ist ein menschlicher Entscheidungsträger in einer bestimmten Entscheidungssituation jedoch nicht mehr notwendig.
Stufen der Entscheidungsautomatisierung
Es gibt Entscheidungsmodelle wie die OODA-Schleife (Observe-Orient-Decide-Act), um bestimmte Entscheidungsaktivitäten zu identifizieren. Dieses Modell ist auch als "Boyd-Zyklus" bekannt, nach seinem Erfinder und Militärstrategen, Air Force Colonel John Boyd. Mithilfe der OODA-Schleife können die verschiedenen Stufen der Entscheidungsautomatisierung - vollständige Entscheidungsautomatisierung, fortgeschrittene Entscheidungsunterstützung und Entscheidungsunterstützung - weiter charakterisiert werden, indem der Automatisierungsgrad der einzelnen Entscheidungsaktivitäten berücksichtigt wird.
Vollständige Automatisierung von Entscheidungen
Die vollständige Automatisierung von Entscheidungen basiert auf präskriptiven und gegebenenfalls auch auf prädiktiven Analysen. Die Entscheidungsfindung liegt allein in der Verantwortung des Systems. Zu den Vorteilen gehören Schnelligkeit, Skalierbarkeit und Konsistenz der Entscheidungsfindung, wobei die wachsende Verfügbarkeit von kontextbezogenen Daten und Technologien der künstlichen Intelligenz (KI) genutzt wird. Bei der Entscheidungsautomatisierung sind die Aktivitäten des Beobachtens, Orientierens und Entscheidens vollständig automatisiert. Die Aktivitäten sind oft halbautomatisiert, da die Anwendung der Entscheidungsautomatisierung andere Systeme auslöst oder Akteure benachrichtigt, damit diese die Entscheidung durch die Ausführung einer Aktion umsetzen. In den Fällen, in denen auch die Aktion vollständig automatisiert ist, ist das System "autonom" geworden.
Erweiterte Entscheidungshilfe
Augmented Decision Support ist eine halbautomatische Entscheidungsfindung, bei der Menschen die endgültige Entscheidung treffen und die Wahl zwischen mehreren Entscheidungsalternativen haben. Die erweiterte Entscheidungsunterstützung, auch Augmented Decision Support genannt, schafft Synergien zwischen menschlichem Wissen und gesundem Menschenverstand auf der einen Seite und digitalen Technologien, die mehr Daten und größere Komplexität verarbeiten können, auf der anderen Seite. Bei der erweiterten Entscheidungsunterstützung werden Beobachtung und Orientierung automatisiert, während die Entscheidungsfindung mithilfe von präskriptiver Analytik halbautomatisch erfolgt. Das System macht dem Nutzer Vorschläge, der dann die endgültige Entscheidung trifft.
Unterstützung der Entscheidung
Die Entscheidungshilfe begleitet menschliche Entscheidungen nur durch beschreibende, diagnostische oder prädiktive Analysen. Bei der Entscheidungshilfe ist nur die Beobachtung der Datenerhebung vollständig automatisiert. Die Orientierung ist halbautomatisch und liefert den Nutzern Einblicke, aus denen sie aber immer noch ihre eigenen Schlüsse ziehen müssen, bevor sie entscheiden und handeln können.
Vorteile der automatisierten Entscheidungsfindung
Decision Automation hat für Unternehmen mehrere Vorteile zu bieten. Einer der wichtigsten Vorteile ist die Möglichkeit, schnelle und fehlerfreie Entscheidungen zu treffen. Die Automatisierung wird rund um die Uhr auf Geschäftsentscheidungen angewandt und ermöglicht eine Konsistenz aller Entscheidungen, die von einem einzelnen oder einer Gruppe von Entscheidungsträgern nicht erreicht werden kann. Indem Entscheidungen explizit modelliert werden, besteht immer Klarheit darüber, wie Entscheidungen getroffen werden. Gleichzeitig wird die Einhaltung von Vorschriften verbessert. Indem sie das Auftreten von rechtlichen oder vertraglichen Fehlern reduzieren, können sich Organisationen vor Geldstrafen wegen Nichteinhaltung schützen.
Risikovermeidung bei Ermessensentscheidungen
Decision Automation steigert die Produktivität und reduziert Risiken und Fehler bei den getroffenen Entscheidungen. Decision Automation hilft Unternehmen, bessere Entscheidungen zu treffen, weil zum Beispiel kundenorientierte Entscheidungen auf Berechnungen, Daten, Fachwissen und Wissen basieren. Gleichzeitig eliminiert Decision Automation das Risiko von Entscheidungen, die auf individuellem Ermessen beruhen. Die Entscheidungsautomatisierung minimiert die Zeit zwischen dem Eintreten eines Ereignisses und dem Zeitpunkt, an dem darauf reagiert wird, und erhöht die Genauigkeit der Entscheidung, indem sie so viele relevante Daten wie möglich verwendet, wenn nötig in Echtzeit, um ein vollständigeres und aktuelleres Situationsbewusstsein zu schaffen. Dieses Bewusstsein wiederum wird als Grundlage für die Anwendung von Wissen, Erfahrung, Entscheidungslogik, Modellen und Algorithmen genutzt, um die Genauigkeit der Entscheidungen zu verbessern.
Wie funktioniert die Decision Automation?
Einfache oder mäßig komplexe Entscheidungen können von Citizen Developers mit Low-Code-Entwicklungstools effizient umgesetzt werden. Diese Werkzeuge zur Entscheidungsautomatisierung bilden Entscheidungsbäume digital ab. Für jeden Zweig können eine Bedingung und eine zugehörige Aktion definiert werden. Entscheidungspfade und Logiken können so mit spezifischen Aktionen wie E-Mail-Versand, Dokumentenerstellung oder Integrationen mit anderen Anwendungen kombiniert werden. Die automatisierten Entscheidungsworkflows können in Webseiten oder Intranets eingebettet werden oder unsichtbar im Hintergrund ablaufen. Es kann sich zum Beispiel um einen interaktiven Fragebogen handeln, der je nach Antwort verschiedene Textbausteine verwendet und am Ende ein Ergebnis liefert oder eine Aktion startet. Andere Beispiele sind rechtliche Prüfungen, Risikoanalysen oder die Bearbeitung von Versicherungsansprüchen. Unternehmen können solche Tools nutzen, um Wissen zu digitalisieren und zu skalieren, das für die Entscheidungsfindung notwendig ist.
Regeln oder Algorithmen?
Entscheidungen können durch die Kenntnis von Geschäftsregeln (regelbasierte Entscheidungen) oder auf der Grundlage von Daten und Informationen (datengesteuerte Entscheidungen) mit Hilfe von quantitativen, logischen, heuristischen, statistischen, prädiktiven und/oder auf künstlicher Intelligenz (KI) basierenden Algorithmen getroffen werden. Ein Algorithmus legt eine oder mehrere Aktionen fest, die auf die Situation anzuwenden sind. Im Idealfall arbeiten beide Techniken Hand in Hand, um eine Entscheidung zu automatisieren. Die regelbasierte Entscheidungsautomatisierung ist nützlich, wenn die Erklärbarkeit und Rechtfertigung bestimmter Entscheidungen für den Kunden oder Auftraggeber, für Behörden oder Dritte wichtig sind. Die datengesteuerte Entscheidungsautomatisierung funktioniert besonders gut, wenn Vorhersagemodelle benötigt werden oder Unsicherheit darüber besteht, wie sich eine Situation entwickeln wird.
Der Mensch als Rückversicherung
Intelligente Programme zur Entscheidungsautomatisierung lernen aus Erfolgen und Misserfolgen und verbessern und aktualisieren automatisch gespeicherte Verfahren, Regeln oder Wahrscheinlichkeiten. Menschliche Entscheidungsträger legen lediglich die Alternativen, Regeln, Modelle und Methoden fest, die zur Entscheidungsfindung verwendet werden. In jedem Fall sollte die Entscheidungsautomatisierung aber auch die Möglichkeit bieten, dass in Szenarien, in denen vollautomatische Entscheidungen aufgrund von Mehrdeutigkeiten, Unsicherheiten usw. in Bezug auf die Entscheidungen nicht möglich sind, Fachexperten eingreifen und entsprechenden Input liefern können.
Anwendungsbeispiele für Decision Automation
In vielen Branchen wie dem Versicherungs-, Finanz- und Bankwesen werden Routine- und Regressentscheidungen automatisiert, um sicherzustellen, dass Qualität und Konsistenz nicht beeinträchtigt werden. Vor allem, wenn Entscheidungen schnell getroffen werden müssen, das Risiko einer Fehlentscheidung als gering eingeschätzt werden kann und Entscheidungen/Ergebnisse "umkehrbar" sind, ist die Automatisierung der Entscheidung durch Algorithmen, Künstliche Intelligenz (KI) oder Machine Lernen (ML) praktisch und wirtschaftlich sinnvoll. In der Versicherungsbranche zum Beispiel können viele Entscheidungen in den Bereichen Underwriting, Schadenbearbeitung, Preisgestaltung, Rabattierung usw. durch die Automatisierung von Geschäftsregeln automatisiert werden. Entscheidungsautomatisierung kann in der Flugsicherung, in flexiblen Fertigungssystemen, in der Erdölraffination, in Hochgeschwindigkeitssortiersystemen, in der Automatisierung von Steuerungsentscheidungen, in der intelligenten Überwachung und Entscheidungsfindung in Intensivsituationen, in Systemen zur Kollisionsvermeidung in der Luft, in Gebäudeautomatisierungssystemen, in Facility Management Systemen und in Laborverwaltungssystemen eingesetzt werden. Fragenkataloge können bestimmen, ob und wie Kurzarbeit eingeführt werden soll. Fluggesellschaften können automatisierte Entscheidungsanwendungen nutzen, um die Preise auf der Grundlage der Sitzplatzverfügbarkeit und der Stunde oder des Tages des Kaufs festzulegen.
Schlussfolgerung
Decision Automation ist mehr als nur ein Trend und mehr als ein Konzept - sie ist tief in der Geschäfts- und Backend-Automatisierung verwurzelt und wird zunehmend in allen Branchen eingesetzt. Viele DA-Tools bieten eine intuitive Oberfläche, mit der die Entscheidungsfindung per Drag-and-Drop automatisiert werden kann. Die benutzerfreundliche Handhabung mag manche Menschen an der Leistungsfähigkeit der Tools zweifeln lassen. Dies ist jedoch nicht der Fall. DA-Tools sind durchaus in der Lage, komplexe Entscheidungsprozesse und anspruchsvolle Anwendungsfälle zu meistern. So können beispielsweise Mitarbeiter von Anwaltskanzleien, Banken oder Beratungsunternehmen Entscheidungsprozesse selbst automatisieren. Komplexes Entscheidungswissen, wie jedes andere Wissen im Unternehmen, wird durch Decision Automation zu einer skalierbaren Ressource, die überall verfügbar ist und schnelle, effiziente Entscheidungen ermöglicht.
.png)
