Mit LLMs über RPA hinaus

Robotic Process Automation (RPA) ist seit Langem die erste Wahl, wenn es darum geht, repetitive Aufgaben zu vereinfachen. Bei komplexen, (teil-)strukturierten Daten aber stößt RPA an ihre Grenzen. Hier kommt KI-gestützte intelligente Automatisierung ins Spiel, ein Ansatz, der grundlegend verändert, was im Geschäftsbetrieb möglich ist. Anders als klassische RPA-Bots verstehen KI-Agenten den Kontext, und das macht sie zuverlässiger und anpassungsfähiger, wenn es um die Herausforderungen der Praxis geht. In diesem Beitrag sehen wir uns zwei hochmoderne Ansätze an, die diese Revolution antreiben: horizontale KI-Enabler für die anspruchsvolle Datenextraktion und vertikale Lösungen, die auf die Anforderungen einzelner Branchen zugeschnitten sind. Sie erfahren, wie diese Technologien neue Möglichkeiten eröffnen, bisher nicht automatisierbare Aufgaben zu automatisieren, und dabei die Effizienz und die Zufriedenheit der Mitarbeitenden steigern.

Wie funktioniert Robotic Process Automation?

Robotic Process Automation (RPA) automatisiert manuelle Aufgaben innerhalb einer Organisation. Dafür werden Software-Bots gebaut, die die Klicks nachahmen, mit denen ein Mensch eine Aufgabe erledigen würde:

• Manuelle Handlungen nachahmen: RPA-Bots sind darauf programmiert, bestimmte Aufgaben auszuführen, indem sie genau die Abfolge von Klicks wiederholen, die ein Mensch machen würde. Das macht RPA sehr deterministisch.
• Geeignet für repetitive Aufgaben: RPA kommt typischerweise bei Aufgaben wie Dateneingabe oder Rechnungsverarbeitung zum Einsatz, die in vielen Unternehmen anfallen, aber nicht zu den Kernkompetenzen zählen. Diese Aufgaben sind oft repetitiv, manuell und mühsam.
• Grenzen durch die deterministische Natur: Weil RPA auf dem Nachahmen von Klicks beruht, können kleine Änderungen sie leicht aus dem Tritt bringen, etwa ein falsch geschriebener Name oder ein geändertes Layout einer Website. RPA ist darauf programmiert, einem bestimmten Ablauf zu folgen, und sobald etwas von diesem Weg abweicht, schlägt der Prozess fehl.
• Manuelle Eingriffe nötig: Wegen dieser Grenzen schafft RPA oft nur rund 80 % der Aufgabe. Die übrigen 20 % erfordern manuelle Eingriffe. RPA ist also möglicherweise nicht zuverlässig genug, um eine Aufgabe ohne menschliche Hilfe zu erledigen.
• Implementierung: Für die Einführung von RPA braucht es meist einen Implementierungsberater, der die Schritte beobachtet, die ein Mensch zur Erledigung einer Aufgabe ausführt, und den RPA-Bot dann so programmiert, dass er diese Schritte wiederholt.

Wie überwindet KI-gestützte Automatisierung die Grenzen von RPA?

KI-gestützte Automatisierung überwindet die Grenzen von RPA, weil sie unstrukturierte Daten verarbeiten und intelligent Kontext sammeln kann, um die beste Vorgehensweise zu bestimmen. RPA beruht auf dem Nachahmen bestimmter Klicks und ist deshalb sehr deterministisch. KI dagegen kommt mit Abweichungen und Komplexität in den Aufgaben zurecht.

• Umgang mit unstrukturierten Daten: KI kann, besonders mit Large Language Models (LLMs), unstrukturierte Daten verarbeiten, was mit RPA nicht möglich ist. Sie kann zum Beispiel wichtige Informationen aus einem Telefonat herausziehen und in ein System eingeben, RPA kann das nicht.
• Intelligentes Sammeln von Kontext: KI-Agenten können gezielt Kontext zusammentragen und die beste Vorgehensweise bestimmen, was RPA nicht kann. Ein KI-System versteht zum Beispiel die Informationen auf einem Fax und gibt sie in eine Datenbank ein, während RPA dafür sehr spezifische, unflexible Anweisungen bräuchte.
• Flexibilität und Anpassungsfähigkeit: RPA lässt sich schon durch kleine Änderungen aus dem Tritt bringen, etwa durch einen falsch geschriebenen Namen oder ein geändertes Website-Layout. KI-Systeme dagegen können sich an solche Änderungen anpassen und effektiv weiterarbeiten, weil sie nicht von vorprogrammierten Klicks abhängen.
• Self-Service und einfache Bedienung: KI-gestützte Automatisierungslösungen können benutzerfreundliche Oberflächen bieten, etwa Prozessabläufe per Drag-and-drop, sodass Anwender ihre Automatisierungen selbst einrichten können, ohne einen Implementierungsberater zu brauchen. Bei RPA programmieren dagegen in der Regel Berater die einzelnen Klicks.
• Browser- und Web-Fähigkeiten: KI-Agenten können sich auf ausgefeilte Weise durch Internet und Web bewegen und so Aufgaben erledigen, die für RPA bisher unmöglich waren.
• Komplexe Aufgaben bewältigen: KI kann komplexe Aufgaben bewältigen, die für RPA zu kompliziert sind, etwa das Management von Patientenüberweisungen im Gesundheitswesen, wo für RPA zu viel Komplexität zusammenkommt.

LLM-gestützte RPA: Sind wir schon so weit?

Ein LLM wie Claude 3.5 Sonnet ist zwar nicht dafür gebaut, Robotic Process Automation (RPA) im klassischen Sinn umzusetzen, es kann aber viele der Aufgaben übernehmen, für die RPA eingesetzt wird, und das auf ausgefeiltere Weise.

Klassische RPA:

• RPA setzt Software-Bots ein, die die Klicks und Aktionen eines Benutzers in einem System nachahmen.
• Sie ist deterministisch, folgt also einer vordefinierten Abfolge von Schritten.
• RPA wird oft genutzt, um manuelle Aufgaben wie Dateneingabe und Rechnungsverarbeitung zu automatisieren.
• Sie kann fragil sein und ausfallen, wenn etwas vom erwarteten Ablauf abweicht, etwa ein falsch geschriebener Name oder ein geändertes Website-Layout.
• RPA braucht oft manuelle Eingriffe für die 20 % der Aufgaben, die sie nicht bewältigen kann.

Die „Computer Use“-Funktion von Claude 3.5:

• Claude 3.5 arbeitet mit Computern nach einem „rein visuellen Ansatz“ und beobachtet den Bildschirm über Screenshots in Echtzeit. Es ist weder auf HTML-Parsing noch auf den Zugriff auf interne Software-APIs angewiesen.
• Es folgt einem „Reasoning-Acting“-Paradigma ähnlich wie ReAct und beobachtet seine Umgebung, bevor es handelt.
• Um die Rechenkosten zu senken, beobachtet Claude selektiv und macht nur dann Screenshots, wenn es nötig ist.
• Es kann eine Reihe von Aufgaben erledigen, darunter Websuchen, Workflow-Automatisierung und Büroaufgaben, und sogar Videospiele spielen.
• Claude 3.5 kann sich auf komplexen Websites zurechtfinden, Daten zwischen Anwendungen übertragen und mit unterschiedlicher Software arbeiten, auch mit Closed-Source-Software.
• Es kann außerdem Daten aus Websites, Dokumenten und Tabellenkalkulationen extrahieren und repetitive Aufgaben wie die Dateneingabe automatisieren.
• Claude kann mit grafischen Benutzeroberflächen (GUIs) umgehen und schlägt damit die Brücke zwischen der digitalen Welt und dem Verständnis der KI.

Die wichtigsten Unterschiede:

• „Computer Use“ von Claude 3.5 ist anpassungsfähiger als RPA, weil es visuelle Informationen aus Screenshots verstehen und interpretieren kann. Dadurch kommt es besser mit dynamischen Umgebungen und unstrukturierten Daten zurecht.
• RPA beschränkt sich darauf, vorprogrammierte Klicks und Aktionen nachzuahmen, während Claude 3.5 dank seiner Fähigkeit zum logischen Schließen Entscheidungen treffen und sich an den aktuellen Zustand der GUI anpassen kann.
• Claude kann anhand eines Verlaufs von Screenshots aus dem Kontext früherer Aktionen lernen, RPA nicht.
• Claude 3.5 nutzt vordefinierte Tools, die Entwickler bereitstellen, RPA-Bots entstehen dagegen durch das Aufzeichnen von Benutzeraktionen.
• Claude kann Tools wie „auf eine Schaltfläche klicken“ oder „Text in ein Feld eingeben“ verwenden, RPA beruht auf einer vorprogrammierten Abfolge von Klicks.
• Claude bekommt nach der Ausführung eines Tools Rückmeldung in Form von Screenshots und Text und kann so feststellen, ob die Aufgabe erledigt ist oder weitere Schritte nötig sind. RPA kann das nicht.
• Claude 3.5 lässt sich mit einer Vielzahl von Tools verbinden und verknüpft außerdem seine visuelle Beobachtung mit seinem Denkprozess.

Kurz gesagt: RPA und Claude 3.5 Sonnet wollen beide Aufgaben automatisieren, aber Claude 3.5 Sonnet steht für einen fortgeschritteneren, KI-basierten Ansatz. Er bietet mehr Flexibilität und Anpassungsfähigkeit als klassische RPA, vor allem weil er visuelle Informationen in sein Denken und Planen einbezieht. Die Technologie wird laufend verbessert, neue Updates sind in Entwicklung.

Wie geht es mit RPA weiter?

LLMs wie Claude 3.5 Sonnet bieten zwar weiterreichende Automatisierungsmöglichkeiten als klassische Robotic Process Automation, sind aber noch kein vollständiger Ersatz. LLMs können viele der Aufgaben erledigen, für die RPA eingesetzt wird, und das auf ausgefeiltere Weise, weil sie schlussfolgern und sich anpassen können. Bei Genauigkeit, Geschwindigkeit und Zuverlässigkeit gibt es noch Grenzen, an denen aktiv gearbeitet wird. Die Zukunft der Automatisierung liegt wahrscheinlich in einer Kombination aus vertikalen Automatisierungslösungen und horizontalen KI-Enablern, die mit LLMs komplexere Aufgaben angehen, die RPA nicht bewältigen konnte.

LLMs sind auf dem Weg, RPA durch anpassungsfähigere und intelligentere Automatisierung zu ersetzen, und KI-Agenten stehen in ähnlicher Weise davor, SaaS zu ersetzen, indem sie zur primären Schnittstelle zwischen Benutzer und Daten und Anwendungen werden, Prozesse orchestrieren und Aufgaben automatisieren. Abgeschlossen sind diese Übergänge aber noch nicht, und sowohl LLMs als auch KI-Agenten befinden sich weiter in Entwicklung. Der entscheidende Wandel: Beide bieten anpassungsfähigere und intelligentere Automatisierung als ihre Vorgänger.

Vertical AI Agents: The Next SaaS Boom?

Foto von cottonbro studio

Aus dem Englischen übersetzt: zum Originalbeitrag