Von RPA zu Intelligent Process Automation

UiPath Advanced – Automatisierung mit Robotic Process Automation und Machine Learning
Keine Kommentare

Dank Tools wie UiPath lassen sich Unternehmensprozesse einfach und effizient automatisieren. In der gewachsenen Enterprise-IT können jedoch einige Fallstricke lauern, die das vermeintlich einfache Automatisierungsprojekt schnell zu einem Hürdenlauf machen.

Schenkt man aktuellen Studien zum Thema Automatisierungstrends Glauben, so haben sich 90 Prozent der Unternehmen bereits mit Automatisierungstechnologien wie Robotic Process Automation (RPA) auseinandergesetzt. Bis zum Jahr 2020 wollen rund 90 Prozent der deutschen Unternehmen Softwarebots einsetzen. Die Vorteile dieser Technologie liegen klar auf der Hand. Für einige Unternehmen ist RPA die Antwort auf den immer größer werdenden Mangel an Fachkräften, für andere eine effiziente Möglichkeit der Kosteneinsparung mit einem großen Hebel. Gelingt es, wertvolle Mitarbeiterressourcen für höherwertigere Tätigkeiten einzusetzen, kann dies in vielfacher Hinsicht einen enormen Gewinn darstellen. Einfache, repetitive und wenig wertschöpfende Tätigkeiten werden statt durch einen Menschen durch Softwareroboter abgearbeitet.

Einsatz von Robotic Process Automation

Der Einsatz von Robotic Process Automation kann sich für ein Unternehmen aber nicht nur finanziell auszahlen. Auch aus Sicht der Mitarbeiter stellt RPA einen hohen Nutzen dar. Denn wer kennt sie nicht, die unliebsamen Aufgaben, bei denen verschiedene Applikationen nach einem stetig wiederkehrenden Muster bedient werden müssen, um einen Arbeitsschritt zu erledigen. Ein einfaches Beispiel hierfür ist das manuelle Übertragen von Informationen von einer Applikation in eine andere. Die Gründe für einen händischen Arbeitsschritt dieser Art können vielfältig sein. Möglicherweise ist eine technische Integration nicht möglich oder verhältnismäßig zeitaufwendig und teuer. Gerade in solchen Szenarien spielt die Robotic Process Automation ihren Trumpf aus. Dadurch, dass vorwiegend auf Oberflächenautomation gesetzt wird, ist sowohl der Integrationsaufwand überschaubar als auch das Risiko einer Integration in eine bestehende IT-Landschaft. Da repetitive Prozesse, die vorgegebenen Mustern oder Regelwerken folgen, in nahezu allen Unternehmenszweigen, wie etwa der Buchhaltung, Human Resources, Logistik oder im IT-Support vorhanden sind, ist das Einsatzpotenzial für RPA enorm.

Jedoch hat auch Robotic Process Automation, wie nahezu jede Technologie, ihre Grenzen. Für den richtigen Prozess eingesetzt, mag ein Softwareroboter zwar wesentlich produktiver sein als ein menschlicher Mitarbeiter, jedoch fehlen ihm kognitive Fähigkeiten. Für einen Menschen ist es ein Leichtes, Handschrift zu erkennen, eine Rechnung oder Bewerbung anhand bestimmter Merkmale, wie etwa Schlagworten oder einem bestimmten Format, dem entsprechenden Unternehmensbereich zuzuordnen. Eine technische Hürde kann auch dann bereits gegeben sein, wenn der Softwareroboter Applikationen in einer virtuellen Umgebung, wie etwa einem Citrix-Client, bedienen soll. Solche Systeme nutzen häufig Bildübertragungstechnologien, weshalb die virtuelle Umgebung eben nur als Bild auf dem Client vorliegt. Für einen Menschen ist es genauso wenig ein Problem, mit dem virtuellen System zu arbeiten wie mit einem nicht virtuellen Desktop. Ein Softwareroboter tut sich damit schon schwerer.

BASTA! 2020

Entity Framework Core 5.0: Das ist neu

mit Dr. Holger Schwichtenberg (www.IT-Visions.de/5Minds IT-Solutions)

Memory Ownership in C# und Rust

mit Rainer Stropek (timecockpit.com)

Softwarearchitektur nach COVID-19

mit Oliver Sturm (DevExpress)

Delphi Code Camp

Delphi Language Up-To-Date

mit Bernd Ua (Probucon)

TMS WEB Core training

mit Bruno Fierens (tmssoftware.com bvba)

Die am Markt verfügbaren RPA-Systeme nutzen in der Regel die eindeutigen Control Identifier einer Applikation oder einer Webseite. Bei einer Virtualisierungsumgebung, bei der lediglich Bildinformationen vorliegen, fehlt diese elementare Identifizierungsmöglichkeit. Um die virtuellen Mitarbeiter zu befähigen, auch komplexere Aufgaben verrichten zu können, ist es erforderlich, sie mit einem Mindestmaß an Intelligenz auszustatten.

Machine Learning für RPA

Diese nächste Stufe der Automatisierung wird auch als Intelligent Process Automation (IPA) bezeichnet. Hierfür wird Robotic Process Automation mit Machine-Learning-Technologie kombiniert. Diese Symbiose ertüchtigt einen Softwareroboter, beispielsweise mittels Image-Processing, eine virtuelle Umgebung zu bedienen. Ein weiterer, einfacher, aber häufig gefragter Use Case ist das Verarbeiten von eingescannten Dokumenten wie etwa Rechnungen. Mittels Optical Character Recognition (OCR) lassen sich die digitalisierten Dokumente in ein für Roboter verarbeitbares Format wandeln. Die RPA-Komponente kann dann wiederum dazu eingesetzt werden, die Rechnungsinformationen in ein anderes System, wie zum Beispiel SAP, zu übertragen, um einen Buchungsvorgang durchzuführen. Rechnungen enthalten zwar in der Regel ähnliche Informationen, sind aber meist unterschiedlich aufgebaut. Mittels eines trainierten Modells, das Informationen über bereits bearbeitete Rechnungen enthält, lassen sich so die erforderlichen Informationen auslesen.

Machine Learning lässt sich in diesem Kontext auch für das Erkennen von Anomalien einsetzen. Regelmäßig wiederkehrende Buchungen, die einem bestimmten Muster entsprechen, können durch das System komplett autonom bearbeitet werden. Weicht eine Rechnung in bestimmten Kriterien von dem gelernten Schema ab, wird sie durch das IPA-System zur Kontrolle an einen Mitarbeiter delegiert. Diese Form der Zusammenarbeit wird auch als „Human Handover“ bezeichnet. Deklariert der Mitarbeiter die Rechnung als korrekt, können Buchungen dieses Typs bei Bedarf in der Zukunft ebenfalls vollautomatisch bearbeitet werden.

Ein weiteres denkbares Einsatzszenario ist die Bearbeitung von Tickets. Viele Unternehmen setzen Ticketsysteme zur Nachhaltung von Anforderungen oder Problemen ein. Im Retail-Umfeld werden Systeme dieser Art häufig auch für Reklamationen oder das Beschwerdemanagement verwendet. In der Regel enthalten Tickets jedoch unstrukturierte Textinformationen. Damit ein Softwareroboter eine Kundenreklamation der verantwortlichen Abteilung zuordnen kann, muss er den Inhalt des Tickets verstehen. Um das zu ermöglichen, kann Natural Language Processing (NLP) eingesetzt werden. Dabei handelt es sich um einen Teilbereich des Machine Learnings, der sich damit beschäftigt, natürliche Sprache zu erfassen und mit Hilfe von Regeln und Algorithmen zu verarbeiten. Diese Disziplin vereint verschiedene Methoden der Sprachwissenschaften und kombiniert sie mit den Erkenntnissen moderner Informatik, um eine maschinenbasierte Verarbeitung unstrukturierter Texte zu ermöglichen.

Eine grundlegende Voraussetzung für ein funktionierendes Zusammenspiel zwischen AI Services und Robotic Process Automation ist die einfache Integrationsmöglichkeit via RPA-Plattform. Die Plattform UiPath bewirbt diese Integration als AI Fabric und gibt die Möglichkeit, eigene AI-Features zu entwickeln oder bereits existierende AI-Komponenten in den Prozessen zu verwenden. Wie ein Zusammenspiel aus AI und RPA erreicht werden kann, wird in diesem Artikel beschrieben.

Automation in virtuellen Umgebungen

In vielen Unternehmen sind virtuelle Umgebungen mittlerweile ein integraler Bestandteil der IT-Landschaft. Das Arbeiten mit virtualisierten PCs bietet nicht nur eine höhere Sicherheit, sondern auch betriebswirtschaftliche Vorteile. Da der vom Mitarbeiter genutzte PC nur noch als Ein- und Ausgabegerät dient, die durch eine Anwendung verursachte Rechenlast aber auf einem zentralen Server anfällt, kann auf kostengünstige Endgeräte zurückgegriffen werden. Je nach eingesetztem Virtualisierungsprodukt lässt sich zum Beispiel auch das Kopieren von Dateien unterbinden. Das stellt eine zusätzliche Hürde für den Missbrauch unternehmenskritischer Daten dar. So viele Vorteile diese Technologie auch bieten mag, kann sie die Prozessautomation mittels RPA jedoch auch erheblich erschweren. Der Grund hierfür ist, dass der Virtualisierungsdienst nur Screenshots der Oberflächen an den Client überträgt. Für den Menschen macht das kaum einen Unterschied in der Bedienung der Applikationen. Da Softwareroboter aber auf die Identifier eines Anzeigeelements angewiesen sind, um eine Oberfläche zu bedienen, scheitert diese Vorgehensweise.

RPA-Plattformen bieten für die Automatisierung innerhalb virtueller Umgebungen verschiedene Lösungsansätze. Neben den Recorder-Typen für Web- und Desktopapplikationen bietet UiPath Studio beispielsweise einen Aufzeichnungsmodus für Citrix-Umgebungen. Der Native Citrix Recorder ist äquivalent zum Desktop-Recorder und bietet einen nahezu identischen Funktionsumfang. Für die Aufzeichnung von Prozessen in anderen virtualisierten Umgebungen wie VNC, klassischen virtuellen Maschinen oder auch SAP kann auf den Image Recorder zurückgegriffen werden. Dank Bildanalysealgorithmen und OCR-Technologie funktioniert die Prozessautomatisierung in virtuellen Umgebungen mit einigen wenigen Einschränkungen fast genauso gut wie in einer physischen Umgebung. Die Identifikation der zu bedienenden Elemente erfolgt je nach Verfahren entweder über die Bildschirmposition oder über den zuvor ausgewählten Bildausschnitt. Eine Entnahme von Textinformationen mittels des sogenannten Screen Scrapings ist ebenfalls möglich.

Diese Technik ist nicht nur für den Umgang mit virtuellen Umgebungen relevant, sondern ebenso ein wichtiger Bestandteil von Datenmigrations- und Integrationsszenarien. Es erlaubt modernen Anwendungen, mit alten Anwendungen zu kommunizieren, die über kein API verfügen, und ist die Ergänzung zur Dateneingabeseite der Automatisierung. Mögliche Einsatzszenarien sind der Umgang mit Flash, Silverlight, Terminalemulatoren oder Mainframesystemen. Im Zusammenspiel mit den intergierten OCR-Komponenten lässt sich eine sehr hohe Genauigkeit erzielen. Im UiPath-Produktstandard werden die folgenden OCR Engines angeboten:

  • Google OCR: Die Tesseract OCR Engine ist in UiPath integriert und kostenlos. Die Verarbeitung der Textinformationen erfolgt lokal auf dem Server, der UiPath ausführt. Durch die vollständige Integration der Tesseract Engine in UiPath ist der Einsatz einfach. Je nach eingesetzter Hardware kann die Verarbeitung eines mehrseitigen Dokuments unter Umständen mehrere Minuten in Anspruch nehmen.
  • Google Cloud OCR: Dieses OCR-System erfordert einen Google Cloud API Key und ist nicht kostenlos nutzbar, es steht jedoch eine kostenlose Testversion zur Verfügung, bzw. die Verarbeitung der ersten 1000 Seiten pro Monat ist kostenfrei. Die Informationsverarbeitung erfolgt in der Cloud, was je nach Unternehmenspolitik ein Ausschlusskriterium darstellen kann. Jedoch ist die Verarbeitung deutlich schneller als bei der lokalen Variante.
  • Microsoft OCR: Bei dieser Variante kommt die MODI OCR Engine zum Einsatz, die ebenfalls kostenlos ist und ohne Internetverbindung auskommt. Leistungsfähigkeit, Ergebnisqualität und Zuverlässigkeit sind mit der Google OCR Engine gleichzustellen.
  • Microsoft Cloud OCR: Die Microsoft Cloud OCR Engine verwendet das Microsoft Computer Vision API, einen Clouddienst, der bis zu einem Schwellenwert von 20 Anfragen pro Minute kostenlos ist. Für die Nutzung dieses Service wird ein API Key benötigt, der eine Registrierung erfordert. Im direkten Vergleich zu den On-Premise-Varianten ist der Microsoft Cloud OCR Service zuverlässiger, schneller und die Ergebnisse sind insgesamt deutlich besser.
  • ABBYY OCR: ABBYY ist bekannt für Lösungen im Bereich AI-basierter Content-Verarbeitung und ebenfalls in UiPath nutzbar. Im Vergleich zu den zuvor beschriebenen Lösungen ist der Integrationsaufwand jedoch etwas höher. Zunächst ist es erforderlich, den ABBYY FineReader Server zu installieren. Ein Zusammenspiel zwischen UiPath und ABBYY FineReader zu erwirken, kann sich jedoch als Herausforderung entpuppen. Die Ergebnisse und der Funktionsumfang des Produkts sind trotz allem beeindruckend, was es je nach Zielszenario zum Mittel der Wahl macht.
  • ABBYY Cloud OCR: Hierbei handelt es sich um die Cloudversion des On-Premise-Produkts, die als Service per Subscription bezogen werden kann. Im Vergleich zum ABBYY FineReader Server war ein markanter Unterschied in der Qualität der Ergebnisse nicht feststellbar.

Prinzipiell funktionieren die in UiPath integrierten OCR Engines sehr gut, jedoch ist es zu empfehlen, immer eine Einzelfallbetrachtung mit entsprechenden Tests durchzuführen. Die Extraktion von Textinformationen direkt aus einem PDF stellt in der Regel keine besondere Herausforderung dar. Anders sieht es beispielsweise beim Einlesen gescannter Dokumente aus. Hierbei kommt es sehr stark auf Faktoren wie Auflösung, Kontrastverhältnis, Schriftart und -farbe an, sowie darauf, ob es ein handschriftlich oder maschinell erstelltes Dokument ist. Für das einfache Erfassen von Texten aus einer virtuellen Umgebung bietet UiPath einen Screen Scraping Wizard an (Abb. 1). Nach dem Starten des Assistenten wird der gewünschte Bildschirmausschnitt durch das Setzen einer Markierung mit der Maus ausgewählt. Der gewählte Bereich wird anschließend direkt verarbeitet und in der Textvorschau des Wizards angezeigt.

Abb. 1: Screen Scraping Wizard

Abb. 1: Screen Scraping Wizard

Besser sehen durch neuronale Netze

Neben einer einfachen Möglichkeit zum Auslesen von angezeigten Informationen sind auch effiziente Oberflächenautomatisierungswerkzeuge für virtuelle Umgebungen wichtig. Hierfür stellt UiPath ein relativ neues Feature mit dem Namen „Computer Vision“ zur Verfügung. Es ermöglicht den Softwarerobotern, den Bildschirm zu „sehen“ und alle Elemente visuell zu identifizieren, anstatt sich auf ihre versteckten Eigenschaften, IDs und anderen Metadaten zu verlassen. Um das zu ermöglichen, kommt eine Reihe von Technologien wie AI, OCR und Text-Fuzzy-Matching zum Einsatz. Auch wenn die Computer Vision Engine primär für den Einsatz in VDI-Umgebungen entwickelt wurde, ist der Einsatz nicht darauf beschränkt. Die Technik erkennt Elemente auch in den Fällen, in denen herkömmliche Methoden der Benutzeroberflächenautomatisierung an ihre Grenzen stoßen, darunter SAP, Flash, Silverlight, PDFs und sogar Bilder.

Um diese Funktionen verwenden zu können, ist es erforderlich, ein zusätzliches Paket mit dem Namen UiPath.AI.ComputerVision.Activities zu installieren. Es enthält grundlegende UI-Automationsaktivitäten für Maus- und Tastaturbefehle. Der Hauptunterschied zwischen den Computer-Vision-Aktivitäten und ihren klassischen Pendants besteht in der Verwendung eines neuronalen Netzwerks. Die Installation erfolgt über die in UiPath Studio integrierte Paketverwaltung, die eine Vielzahl von Erweiterungen enthält. Sämtliche Aktivitäten innerhalb des Computer Vision Activities Packs funktionieren nur innerhalb eines CV Screen Scopes. Dieser stellt die erforderliche Verbindung zum Server mit dem neuronalen Netzwerk her und setzt die Konfiguration eines API Keys voraus. Der Zugangsschlüssel kann im UiPath-Cloud-Portal über den Menüpunkt Licences abgerufen werden, die Voraussetzung hierfür ist eine kostenlose Registrierung.

Abb. 2: CV Screen Scope

Abb. 2: CV Screen Scope

Um eine Aktion, wie etwa einen Doppelklick, zum Öffnen einer bestimmten Datei oder Anwendung auszuführen, ist es erforderlich, die entsprechende Aktivität innerhalb des CV Screen Scopes zu platzieren. Die Selektion des Zielelements erfolgt zweistufig. Zunächst wird die Umgebung, zum Beispiel eine Citrix-Session, ausgewählt, in der die Aktion ausgeführt werden soll. Der durch die RPA-Plattform erstellte Screenshot wird dann an das Neural Network API übermittelt und dort ausgewertet. Im Ergebnis lassen sich die einzelnen UI-Elemente, z. B. Verknüpfungen oder Menüs, wie in einer nativen Umgebung auswählen und bedienen (Abb. 2).

UiPath Cognitive Activities

Um eine möglichst einfache Integration kognitiver Funktionen in einen RPA Flow zu ermöglichen, stellt UiPath ein Cognitive Activities Pack bereit. Es unterstützt bei der Verwendung der Cognitive APIs von Google, Stanford, IBM und Microsoft. Auf diesem Weg lassen sich Texte beispielsweise einfach übersetzen oder analysieren. Für eine Verwendung der Aktivitäten in einem UiPath-RPA-Projekt ist es zunächst erforderlich, das Paket UiPath.Cognitive.Activities über den Package Manager hinzuzufügen. Nach der erfolgreichen Installation werden die verfügbaren Aktionen im Activities Pane angezeigt (Abb. 3).

Abb. 3: Verfügbare Cognitive Activities

Abb. 3: Verfügbare Cognitive Activities

Sämtliche Aktivitäten setzen einen API Key voraus, der vom jeweiligen Anbieter der Services zu beziehen ist und anschließend in den Eigenschaften des Elements konfiguriert werden muss. Je nach Aktivität ist es erforderlich, weitere Konfigurationsparameter, wie etwa die Ausgangssprache und die gewünschte Zielsprache, festzulegen. Der zu übersetzende oder zu analysierende Text kann beispielsweise einer E-Mail, einem PDF oder einer einfachen Textdatei entstammen.

Ein denkbares Einsatzszenario für einen Übersetzungsservice könnte die automatisierte Übersetzung von Kunden-E-Mails sein. Statt des Mitarbeiters, der den E-Mail-Text in einen Übersetzungsdienst kopiert, könnte das im Vorfeld automatisiert durch einen Roboter erfolgen. Der Mitarbeiter spart sich diesen Arbeitsschritt und erhält eine neue Nachricht mit dem Originaltext sowie der Übersetzung.

Auch wenn das maschinelle Übersetzen von Texten eine Menge Zeit sparen kann, eignet es sich nicht zwangsläufig für jedes Szenario. Die Ergebnisqualität ist stark von Faktoren wie Ausgangs- und Zielsprache abhängig. Eine Übersetzung vom Spanischen ins Italienische funktioniert besser als eine Übersetzung vom Chinesischen ins Italienische. Zudem handelt es sich um Clouddienste, was die Menge der in Frage kommenden Einsatzgebiete für die meisten Unternehmen nochmal deutlich reduzieren dürfte.

Implementieren eigener Activities

Wie bereits erwähnt, bietet UiPath eine Vielzahl von Erweiterungen an, die entweder direkt über den Hersteller oder die Community angeboten werden. In bestimmten Fällen kann es jedoch trotzdem erforderlich sein, Aktionen mit individueller Funktionalität in einen Prozess zu integrieren. Zum Beispiel dann, wenn mit proprietären Systemen gearbeitet werden soll. Hierfür bietet UiPath eine einfache Möglichkeit, eigene Aktivitäten zu implementieren. Voraussetzungen dazu sind Visual Studio, der NuGet Package Explorer und Erfahrungen im Bereich der .NET-Entwicklung. Nachfolgend soll eine Aktivität entwickelt werden, die das Microsoft Sentiment Analysis API nutzt, um verborgene Kontextinformationen aus einem Text zu extrahieren. Sentimentanalysen werden beispielsweise dazu verwendet, die Stimmung in Social-Media-Kanälen bezüglich eines bestimmten Unternehmens oder Produkts automatisiert auszuwerten. Das Resultat ist in der Regel der sogenannte Sentiment-Index, ein Wert, der sich in einem bestimmten Bereich bewegt und das Stimmungsbild angibt.

Für Entwicklung einer Custom UiPath Activity ist es zunächst erforderlich, ein neues Projekt vom Typ Klassenbibliothek in Visual Studio anzulegen. Anschließend müssen die zwei Referenzen System.Activities und System.ComponenteModel.Composition zum Projekt hinzugefügt werden. Eine Activity zeichnet sich dadurch aus, dass diese von der abstrakten Klasse CodeActivity abgeleitet ist und die Methode Execute überschreibt. Eigenschaften, die später in UiPath als Input-Parameter deklariert sein sollen, sind mit dem Attribut [Category („Input“)] zu dekorieren, Ausgabeparameter entsprechend mit [Category („Output“)]. Die SentimentAnalysis-Methode übermittelt die zu analysierenden Texte im vorgegebenen JSON-Format an den Cognitive Web Service, der die Textanalyse vornimmt und die Ergebnisse im JSON-Format zurückliefert. Der vollständige Code ist in Listing 1 dargestellt.

public class SentimentActivity : CodeActivity
{
  [Category ("Input")]
  public InArgument<string> ApiKey { get; set; }

  [Category("Input")]
  public InArgument<string> Body { get; set; }

  [Category("Output")]
  public OutArgument<string> Result { get; set; }

  private async Task<string> SentimentAnalysis(string apiKey, string body)
  {
    var client = new HttpClient();
    var queryString = HttpUtility.ParseQueryString(string.Empty);

    client.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", apiKey);
    queryString["showStats"] = "true";

    var uri =  "https://westcentralus.api.cognitive.microsoft.com/
    text/analytics/v2.1/sentiment?" + queryString;

    HttpResponseMessage response;
    byte[] byteData = Encoding.UTF8.GetBytes(body);

    using (var content = new ByteArrayContent(byteData))
    {
      content.Headers.ContentType = 
      new MediaTypeHeaderValue("application/json");

      response = await client.PostAsync(uri, content);
      return await response.Content.ReadAsStringAsync();
    }
  }

  protected override void Execute(CodeActivityContext context)
  {
    string apiKey = this.ApiKey.Get(context);
    string body = this.Body.Get(context);

    Task.Run(async () => {
      Result.Set(context, await SentimentAnalysis(apiKey, body));
    });
  }
}

Da Erweiterungen für UiPath im NuGet-Paket-Format ausgeliefert werden müssen, ist es notwendig, die kompilierte Klassenbibliothek mittels des NuGet Package Explorers zu paketieren. Um das NuGet Package in UiPath nutzen zu können, muss eine neue Quelle mit Verweis auf das Verzeichnis, in dem sich die paketierte Library befindet, eingerichtet werden. Anschließend lässt sich die neue Aktivität auswählen und mit den festgelegten Parametern konfigurieren (Abb. 4).

Abb. 4: Konfigurationsparameter der Sentiment Activity

Abb. 4: Konfigurationsparameter der Sentiment Activity

Im Ergebnis erhält der Satz „I love Robotic Process Automation.“ eine sehr gute Bewertungspunktzahl von 0.97784543037414551. Die etwas kritischere Äußerung „Robotic Process Automation funktioniert nicht immer so toll.“ hingegen nur einen Score von 0.522230327129364.

Fazit

Ein Großteil der Unternehmen plant, Robotic Process Automation einzusetzen, oder setzt diese Technologie bereits erfolgreich ein, um Unternehmensprozesse zu automatisieren und effizienter zu machen. Wie dieser Artikel zeigt, hat auch Robotic Process Automation, so wie nahezu jede Technologie, ihre Grenzen. Für den richtigen Prozess eingesetzt, mag ein Softwareroboter zwar wesentlich produktiver sein als ein menschlicher Mitarbeiter, jedoch ist das Fehlen kognitiver Fähigkeiten eine grundsätzliche Hürde, die technisch genommen werden muss – und mit mehr oder weniger Aufwand in vielen Fällen auch genommen werden kann. Die hierfür benötigte Grundinfrastruktur sollte jede RPA-Plattform mitbringen. Die UiPath-Plattform bietet dafür beispielsweise nicht nur jede Menge Erweiterungen, die sich mittels des integrierten Paketmanagers installieren lassen, sondern auch die Möglichkeit, eigene Aktivitäten zu entwickeln. Diese lassen sich einfach in Prozess-Flows integrieren und erlauben so zum Beispiel die Kommunikation zu proprietären Systemen, was den Einsatzbereich und die Möglichkeit, neue Szenarien zu entwickeln, erheblich erweitert.

Windows Developer

Windows DeveloperDieser Artikel ist im Windows Developer erschienen. Windows Developer informiert umfassend und herstellerneutral über neue Trends und Möglichkeiten der Software- und Systementwicklung rund um Microsoft-Technologien.

Natürlich können Sie den Windows Developer über den entwickler.kiosk auch digital im Browser oder auf Ihren Android- und iOS-Devices lesen. Außerdem ist der Windows Developer weiterhin als Print-Magazin im Abonnement erhältlich.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -