Hyperautomatisierung von Prozessen

Einer der kritischsten Punkte für die Verantwortlichen für Business Architecture and Innovation ist die Festlegung einer Skalierbarkeitsstrategie und der KPIs/OKRs Erfolg messen und sicherstellen.

Neben der Anwendung von RPA-Technologien (Robotic Process Automation) von Anfang bis Ende müssen komplementäre Technologien integriert werden, die die Effizienz und Effektivität des Endergebnisses begleiten.

Andererseits können punktuelle und nicht kontinuierliche taktische Lösungen priorisiert werden, jedoch immer unter Berücksichtigung einer langfristigen globalen Roadmap. Ein ausschließlich taktisches Vorgehen läuft Gefahr, einen Mangel an Glaubwürdigkeit und Vertrauen innerhalb der Organisation zu erzeugen, die die Verantwortlichen als solche ansieht Feuerlöscher ohne Kontinuität oder Strategie (siehe Profil Wolf).

Die wichtigsten Herausforderungen bei der Erstellung eines globalen Prozesseffizienz- und -effektivitätsplans sind:

1. Fehlende Anleitung und Strategie, um Unternehmen bei der Integration von Prozessautomatisierungssystemen (RPA) mit anderen Tools zu unterstützen. Dies behindert die End-to-End-Sicht auf die Prozesse, und daher gehen strategische Geschäftswerte verloren.
2. Initiativen zum Hinzufügen künstlicher Intelligenz zu Geschäftsprozessen finden häufig in Silos statt, ohne dass eine übergreifende Strategie in ihre Entwicklungen eingebettet ist. Dies führt zu Problemen bei der zukünftigen Volumenskalierbarkeit, technologischen und organisatorischen Gestaltung.

Um die Geschäftsumwandlung und die neue Architektur zu beschleunigen, wird daher Folgendes empfohlen:

1. Planen Sie einen langfristigen strategischen Fahrplan, der die Geschäftsziele aufeinander abstimmt, zu optimierende Prozesse identifiziert und ergänzende Technologien für den Prozess auswählt.
2. Entwickeln Sie eine Integrationsstrategie, die eine End-to-End-Automatisierung ermöglicht und hilft, RPA, Business Process Management (BPM) und andere notwendige Tools zu entwerfen.
3. Erweitern Sie Geschäfts- und Kundenbeziehungsprozesse durch die fortschreitende Integration künstlicher Intelligenz, um Nischen mit langfristigem Geschäftswert zu erschließen.

Bis 2022 werden 65 % der Unternehmen, die robotergesteuerte Prozessautomatisierung integriert haben, künstliche Intelligenz einführen, einschließlich maschinellem Lernen und Verarbeitungsalgorithmen für natürliche Sprache.

Einführung

Geschäftsarchitekten (EAs) und Technologieinnovationen im Allgemeinen geraten häufig unter Druck, sich auf die schnellen, taktischen Anforderungen der Prozessautomatisierung zu konzentrieren.

Dieser Ansatz kann als Form der nicht-invasiven Integration schnelle Linderung verschaffen. Die Prozesse sind jedoch nicht immer einfach, routinemäßig, repetitiv und stabil. Sie können langlebig sein und beinhalten oft intelligente, automatisierte Entscheidungsfindung und Optimierung. Die eigentliche Herausforderung besteht darin, eine Vision der Größenordnung zu haben, die über die wenigen anfänglichen Früchte von Routineprozessen hinausgeht. Dies lässt sich nicht mit einem einzigen Tool oder isolierten Strategien lösen.

La Hyperautomatisierung bezieht sich auf die effektive Kombination komplementärer Toolsets, die Funktions- und Prozesssilos überbrücken können, um Geschäftsprozesse zu automatisieren und zu erweitern.

Diese Hyperautomatisierung basiert auf einer Reihe von Tools zur Vereinfachung, Messung und Verwaltung von Prozessen im gesamten Unternehmen. Unter diesen Tools finden sich neben RPA unter anderem BPM-Engines, Workflow-Systeme, Entscheidungsmanagement-Suiten, Process Mining, Low-Code-Anwendungsplattformen (LCAP).

Die erste Frage, die sich stellt, ist, wo man mit der Skalierung richtig anfängt. Dieses Dokument schlägt einen Ansatz in drei Phasen vor.

1. Analyse: Definieren Sie den Weg zur Automatisierung.
2. Erstellen Sie gemeinsam eine Strategie zur Kombination digitaler Technologien und Abläufe.
3. Erweitern Sie Geschäftsprozesse mit KI.

Für jeden dieser Schritte müssen die Achsen berücksichtigt werden Kunden, Technologieplattformen, Ökosysteme und daraus resultierende Produkte. Zählen Sie alle Achsen mit den Motoren von Intelligenz und Künstliche Intelligenz.

Analyse: Den Weg zur Automatisierung definieren

Die Definition der Roadmap ist der erste Schritt. Es ist wichtig, das gewünschte Geschäftsergebnis und die zu optimierenden Prozesse festzulegen, bevor die restlichen ergänzenden Tools automatisiert und zusammengestellt werden.

Erwartete Geschäftsergebnisse

Bei der Automatisierung eines Prozesses ist es entscheidend, das digitale Ziel zu definieren.

Architekten und Unternehmensmanager müssen zusammenarbeiten, um eine Zukunftsvision der Ergebnisse zu erstellen, die zwischen Transformation und Optimierung unterscheiden: Kostensenkung, Kundenzufriedenheit, Agilität, Vertrieb usw. Diese Ziele lassen sich in drei Gruppen einteilen:

• Einnahmen. Was sind die wichtigsten Takeaways für den Umsatz? Sie können sich beispielsweise auf die Verbesserung von Prozessen, die Automatisierung von Aufgaben, die Steigerung der Kundenbindung oder die Einführung neuer Services konzentrieren.
• Kosten.: Treibt es die Kostenoptimierung voran? Sie können die Effizienz verbessern, indem Sie Aufgaben automatisieren, aber auch Prozesse neu gestalten, Fehlerkosten reduzieren und beschleunigen.
• Risiken. Welche Compliance-, regulatorischen oder rechtlichen Risiken bestehen aufgrund ineffizienter Prozesse? Durch die Neugestaltung und Automatisierung von Prozessen muss das Risiko der Nichteinhaltung minimiert werden.

Identifizieren Sie Anwendungsfälle, die Sie optimieren möchten, um die Effektivität und Effizienz eines Prozesses zu verbessern. Zielt auf die Transformation von Geschäftsprozessen ab
Experimentieren mit neuen Wegen der Wertschöpfung. Dies kann durch die Neugestaltung und Optimierung von Prozessen geschehen. Unterscheiden Sie in Ihrer Roadmap klar Ihre Anwendungsfälle und Ergebnisse, die mit Ihren Umsatz-, Kosten- und Risikozielen verbunden sind.

Prozessoptimierung

Sehr oft kann die Automatisierung eines schlechten Prozesses ihn verschlimmern. Es ist unerlässlich, Geschäftsprozesse zu strukturieren, um eine hohe Leistung zu erzielen. Dies gilt, wenn die Automatisierung erfordert, dass Unternehmen einen neuen Blick auf die wichtigsten Prozessmerkmale in Bezug auf Datenstruktur, Komponentenabgrenzung und Ausnahmen werfen.

Identifizieren Sie Anwendungsfälle, um Prozesse zu optimieren, indem Sie sich auf Folgendes konzentrieren:

• Passen Sie die Prozess-Intelligenz-Quotient. Bestimmen Sie, wie „intelligent“ der Prozess aus Sicht der Verbraucher sein soll.
• Industrialisieren und skalieren die Kernprozesse, die die Produkte und Dienstleistungen antreiben, die über eine digitale Geschäftsplattform bereitgestellt werden (APIs, Service-Ökosysteme, Drittanbieter usw.)
• ständige Verbesserung nach Prozess mit strukturierten, standardisierten Ergebnissen und Intelligenz für die Entscheidungsfindung.

Integration mit internen Tools

Die Werkzeuge, die Teil des Automatisierungsprozesses sind, sind vielfältig und vielfältig. Es ist notwendig, diejenigen zu identifizieren, die eng an der geplanten Roadmap ausgerichtet sind.

Daher ist es wichtig, verschiedene Technologien zu bewerten und einen progressiven Investitionsplan zu erstellen, um effektiv taktischen und strategischen Geschäftswert zu liefern.

Eine Reihe von Tools, die auf die geschäftsorientierte Prozessautomatisierung ausgerichtet sind, bietet verschiedene Optionen, um die verschiedenen Schritte der Prozessautomatisierung (Erkennen, Analysieren, Entwerfen, Automatisieren, Messen, Überwachen und Neubewerten) anzugehen.

Die Bewertung von Anwendungsfällen und langfristigen Geschäftszielen hilft dabei, die optimalen Kombinationen dieser Tools zu identifizieren.

Es kann jedoch kein Anspruch erhoben werden, alle abzudecken, selbst wenn sie verfügbar sind, da die Analysephase lange dauern und zu Lähmungen führen kann. Einige davon sind ohne APIs und Enterprise Service Buses (ESBs) nicht enthalten.

BPM-/iBPMS-Plattformen

Intelligent BPM Suites (iBPMS) sind eine ausgereifte Reihe von Tools auf dem Markt, um Prozesse zu orchestrieren und Aufgaben innerhalb dieser Prozesse zu automatisieren. iBPMS konsolidiert Integrationsservices, Entscheidungsmanagement, Prozessorchestrierung, Ad-hoc-Prozesse und erweiterte Analysen auf einer einzigen Plattform

Die Verwaltung eines BPM/iBPMS-Tools beinhaltet die funktionale Konzentration auf:

• Verwalten Sie langfristige Prozesse, die sich über die gesamte Organisation erstrecken und Personen, Hardwaredienste, Software und Regeln oder Funktionsgrenzen umfassen.
• Wenden Sie iBPMS als Master Orchestrator für die Verarbeitung und Verwaltung von Aufgabenlisten an.
• Aktivierung eines Roboters oder RPA-Skripts, um eine Aufgabe mit einem Prozess zu automatisieren. APIs können verwendet werden, um RPA-Skripte mit dem BPM Master Orchestrator zu integrieren.
• Überwachung von Metriken und Erstellung von Analysetabellen, um Möglichkeiten zur Verbesserung des Prozesses zu identifizieren.
• Bereitstellung direkter Integrationsdienste/APIs für andere Plattformen, Anwendungen und Geräte innerhalb oder außerhalb der Organisation.

RPA

RPA ist eine nicht-invasive Integrationstechnologie, die zur Automatisierung routinemäßiger, sich wiederholender und vorhersehbarer Aufgaben durch orchestrierte Interaktionen der Benutzeroberfläche verwendet wird, die menschliche Aktionen emulieren.

Die Verwendung einer RPA umfasst funktional:

• Schnelle Lieferungen und Geschäftsvorteile durch die Automatisierung von Routine- und sich wiederholenden Aufgaben.
• Erstellung von Schnittstellen mit APIs zu anderen Anwendungen. Dieses nicht-invasive Mittel interagiert mit Anwendungen, die im Allgemeinen in der Vergangenheit entwickelt wurden, bei denen die Konstruktion der traditionellen Integration komplex, langsam und teuer wäre.
• Beschaffung, Konsolidierung und Validierung von Daten aus unterschiedlichen Quellen in einem groß angelegten Migrationsprojekt.
• Experimentieren Sie schnell mit Prototypen. Die Anwendung von RPA ermöglicht schnelle Konzepttests vor der Einführung eines neuen Dienstes oder Prozesses.

Low-Code-/No-Code-Anwendungsplattformen (LCAP)

LCAP-Umgebungen verfügen oft über ein leistungsfähiges grafisches Frontend und können daher verwendet werden, um eine schnelle Automatisierung eines Prozesses zu modellieren. Die meisten LCAP-Anbieter bieten Geschäftsprozess-Orchestrierungs- und Workflow-Services an, um Aufgaben schnell zu automatisieren und sie in einfachere Prozesse zu optimieren.

Bei der Anwendung des LCAP sind folgende Aspekte zu berücksichtigen:

• Es ist in der Regel optimal für Prozesse mit geringem Umfang oder die häufig geändert werden und auf eine einzelne Funktion oder ein Team innerhalb der Organisation beschränkt sind. Die Fähigkeit, schnell von der Idee zur laufenden Anwendung zu gelangen, ist für LCAPs von entscheidender Bedeutung. Diese Funktionalität versetzt LCAPs in eine sehr starke Position, um Geschäftsprozesse zu automatisieren, die ein hohes Maß an Flexibilität erfordern.
• Erstellen oder modernisieren Sie die Benutzererfahrung (UX) eines Prozesses, der eine Web- oder mobile Benutzeroberfläche erfordert. Viele LCAPs sind auch plattformübergreifende Entwicklungsplattformen.
• Nutzen Sie die zahlreichen Konnektoren, um Aufgaben im Zusammenhang mit Anwendungen zu automatisieren, die über vorhandene APIs in der Organisation verfügen. Der Satz unterstützter Protokolle ist jedoch kleiner als der einer Integrationsplattform oder BPM-Suite. Konnektoren in LCAP konzentrieren sich hauptsächlich auf HTTP-REST-API-basierte Konnektivität oder Konnektoren für normale Unternehmen und SaaS (z. B. ERP-Systeme).

Process Mining und Entdeckung/Analyse

Process Mining zielt darauf ab, reale Prozesse zu entdecken, zu überwachen und zu verbessern, indem Wissen aus den in Anwendungssystemen verfügbaren Ereignisprotokollen extrahiert wird. Process Mining umfasst automatisierte Prozesserkennung, Compliance-Prüfung und andere erweiterte Analysen.

Diese Tools gelten für:

• Identifizieren Sie Prozesseffizienzen auf granularer Ebene.
• Entdecken, überwachen und konfigurieren Sie Aufgaben, die durch Bots / Skripte automatisiert werden können.
• Extrahieren Sie Wissen aus Ereignissen, die am Arbeitsplatz verfügbar sind oder von Bildschirmen erfasst werden.
• Erstellung von Prozessdokumentationen und automatische Generierung von Simulationsmodellen.
• Lösung oder Erweiterung der Modelle.
• Geben Sie Prozessempfehlungen basierend auf historischen Daten.

Diese Tools können in BPM- und RPA-Plattformen integriert werden, um routinemäßige Automatisierungsmöglichkeiten zu optimieren, indem Geschäftsprozesse, Aufgaben und Abhängigkeiten erkannt, überwacht und analysiert werden.

Decision Management Suites (DMS) / Business Rules Management Systeme (BRMS)

DMS werden verwendet, um die herkömmliche Anwendungsentwicklung zu ergänzen, wenn Anwendungen Entscheidungen beinhalten, die eine komplizierte oder sich häufig ändernde Logik beinhalten. Moderne DMS-Produkte haben sich über Geschäftsregelverwaltungssysteme hinaus entwickelt, indem sie eine bessere Unterstützung für die Entscheidungsmodellierung und -analyse bieten. Diese können in Verbindung mit BPM-Tools verwendet werden.

Ein DMS ist für Anwendungen relevant, die Entscheidungen beinhalten, die eines der folgenden Szenarien betreffen:

• Verschiedene Arten von Eingabedaten, die aus verschiedenen Quellen gesammelt werden können.
• mehrere Berechnungen
• Dutzende, Hunderttausende von Handelsrichtlinien, implementiert als Regeln
• Anspruchsvolle Algorithmen mit einer Mischung aus analytischen Regeln und Modellen
• Mehrere Stakeholder, manchmal mit unterschiedlichen Zielen

Bei der Einbindung einer DMS-Plattform ist Folgendes zu beachten:

• Erstellung eigener Entscheidungsmodelle: zB gemischte konzeptionelle und logische Modelle.
• Verbessern Sie Autoren- oder Decision-Maintenance-Tools zum Beispiel durch Metaphern, die es dem Unternehmen erleichtern, Regeln und Analysen ohne die Hilfe komplexer technologischer Entwicklungen zu erstellen oder zu ändern.
• Unterstützte Scoring-Services für Predictive Analytics, z. B. die Möglichkeit, PMML, PFA, R, Python oder andere Modelle von Data-Science-Plattformen (oder ähnlichen fortschrittlichen Analysetools) zu importieren oder zu verbinden.

Ansatz und Herausforderungen

Verantwortliche für Business Architecture stehen vor der Herausforderung, von a
lose gekoppeltes RPA-Ökosystem mit einigen Technologien zu einem perfekt verbundenen Satz von Tools. Diesem Konzept wird der Name gegeben Digitale Operationen. Ab 2020 bieten viele Anbieter eine einzige Plattform mit einem integrierten Angebot an. Zum Beispiel:

• Microsoft hat die Power Automate-Lösung als RPA mit seinen Power Apps Low-Code- und Workflow-Anwendungen eingeführt.
• SAP startete sein integriertes BPMRPA-Angebot aus seiner Unternehmens-Cloud, integriert mit S/4HANA ERP.
• Pegasystems bietet bereits eine integrierte BPMRPA-Lösung.
• Appian Es hat sich mit UiPath, AutomationAnywhere (sehr bekannt und einer der ersten und vielseitigsten RPA auf dem Markt) und Blue Prisma zusammengetan.
• Oracle arbeitet mit mehreren RPA-Anbietern zusammen.

Der Übergang von einem Modell, bei dem eine RPA mit einer Reihe verschiedener komplementärer Tools (Complemented RPA, CoRPA) verfügbar ist, ist deutlich anders und entwickelt sich zu einem Modell der Architektur und Verfügbarkeit von DigitalOps-Tools.

Erweitern und optimieren Sie Geschäftsprozesse mit KI

Um die Hyperautomatisierung zu beschleunigen, kombiniert ein integriertes Intelligenzsystem effektiv die Tools von Digitale Operationen mit:

• Künstliche Intelligenz (KI)
• Maschinelles Lernen (ML)
• Verarbeitung natürlicher Sprache (NLP)
• Optische Zeichenerkennung (OCR)
• dialogorientierte Chatbots

Ein integriertes Modell von KI, ML und NLP könnte die folgende funktionale Architektur haben:

In einem integrierten Ökosystem von DigitalOps-Tools:

1. RPA ermöglicht die Automatisierung von Aufgaben.
2. BPM / LCAP / DMS ermöglicht eine dynamische Orchestrierung.
3. Die KI-Schicht fügt dem Prozess Intelligenz hinzu.

Bestehende Transaktions-ERP- und kundenorientierte Plattformen integrieren ihre eigenen lokalen prozessorientierten Tools.

KI kann auf jeder Anwendungsintegrationsebene angewendet werden, um prädiktive Erkenntnisse zu erleichtern und geführte Empfehlungen, Process Mining und adaptive Entscheidungsfindung zu ermöglichen.

Ein Geschäftsprozess, der viele Anwendungen und Systeme betrifft, kann effektiv KI-, ML- und NLP-Modelle verwenden, um dasselbe zu erreichen.

KI und ML werden hauptsächlich in Automatisierungsszenarien verwendet, um:

• Führen Sie kontinuierliches Lernen mit den in Automatisierungsprozessen gesammelten Daten durch, um Modelle dynamisch zu aktualisieren, was die Qualität der Automatisierung verbessert, und nehmen Sie entsprechende Anpassungen vor.
• Trainingsmodelle wiederverwenden (d. h. Modelle, die für andere Kunden für Anwendungsfälle trainiert wurden). private Verwendung ähnlich und dann in einem neuen Client-Modell wiederverwendet). Dadurch werden Zeit und Daten minimiert, die zum Erstellen und Bereitstellen eines Modells erforderlich sind.
• Schützen Sie die Privatsphäre des Modells, indem Sie sicherstellen, dass alle Clientinformationen, die zum Trainieren des Modells verwendet werden, aus wiederverwendeten Trainingsmodellen extrahiert werden.
• Automatisieren Sie das Training und die Erstellung von ML-Modellen, ohne dass der manuelle Prozess des Trainings und der Auswahl von ML-Algorithmen erforderlich ist.

Häufige Anwendungsfälle für KI, ML und NLP in der Geschäftsprozessautomatisierung umfassen viele Branchenbeispiele, wie zum Beispiel:

• Schadenabwicklung in der Versicherung (z. B. Extraktion, Klassifizierung von Schadendaten)
• Anti-Geldwäsche-Bemühungen im Bankwesen (z. B. Abstimmung, Überwachung von Transaktionsdaten)
• Vertragsmanagement
• Rechtliche Prozesse
• Klinische Studien und Pharmakovigilanz im Gesundheitswesen
• Automatisierte Abfrage-/Unterstützungsauswahl und -lösung

Um einen geschäftlichen Nutzen zu erzielen, müssen Lösungen implementiert werden, die für jeden Anwendungsfall spezifische und messbare Geschäftsergebnisse liefern. Durch die Entdeckung und Entwicklung von KI- und ML-Anwendungsfällen im Team können Sie messbare Geschäftsergebnisse aus jedem dieser Anwendungsfälle ermitteln.

Zu wissen, wie die KI-Funktionen innerhalb des automatisierten Prozesses mit anderen Komponenten zusammenarbeiten, ist der Schlüssel. Wenn Entscheidungen innerhalb eines Prozesses begründet werden müssen, ist der Einsatz von KI und ML möglicherweise kein guter Ansatz, oder es muss eine Form menschlicher Aufsicht integriert werden.

Beispiel 1

Ziel ist es, den Prozess zur Geldwäscheprävention zu automatisieren. Implementierung eines Betrugserkennungsalgorithmus, alles integriert in die aktuellen Systeme der Organisation und nicht routinemäßige Aufgaben, Intelligenz für die Entscheidungsfindung und menschliches Urteilsvermögen.

Dies würde die folgenden Elemente und Schritte beinhalten:

1. Eine intelligente Business Process Management Suite und/oder ein Distributionsmanagementsystem-Tool verwaltet die Workflow-/Prozess-Orchestrierung entsprechend verschiedener Entscheidungen.
2. Aktivieren Sie einen RPA-Bot / ein Skript, um die Datenerfassung und andere Validierungsroutinen für Kunden-, Markt-, Lieferanten- usw. Daten durchzuführen.
3. Der Betrugserkennungsalgorithmus, der auf einem ML-Modell basiert, das auf den konsolidierten Daten ausgeführt wird, um Muster zu identifizieren. Dieser Prozess könnte einen menschlichen Eingriff beinhalten, der eine formelle Genehmigung oder eine elektronische Signatur erfordert, um fortzufahren.
4. Später eine weitere RPA, um Folgeaktionen durchzuführen, wie z. B. das Versenden von E-Mails und das Aktualisieren von Transaktionssystemen (z. B. der ERP-Lösung, CRM und anderer interner Anwendungen).

Beispiel 2

Andere Routineaufgaben finden sich normalerweise in der Beziehung zu Kunden über Contact Center.

1. Verwenden Sie eine NLP-Textanalysefunktion, um Kundenstimmungsanalysen auf der Grundlage von Abschriften von Kundenbeschwerden durchzuführen.
2. Identifizieren Sie den Plan zur Vorbereitung des Agenten und der Systeme, um wertschöpfende Gespräche zu führen.
3. Ein beaufsichtigter RPA-Bot führt Folgeaktionen für den Agenten durch, z. B. das Vorbereiten einer strukturierten E-Mail mit wertvollen Daten für den Kunden.

Empfehlungen

Der Einsatz von KI, ML und NLP hat mehrere relevante Aspekte zu berücksichtigen, um das beste Ergebnis in Ihrer Anwendung zu erzielen.

• Identifizieren Sie die relevantesten Beweggründe für den Einsatz jedes KI-Bereichs, einschließlich ML, NLP, OCR und Chatbots.
• Bewerten Sie die erforderlichen Ressourcen, Fähigkeiten, Zeit, Kosten und Komplexität, die mit der Erstellung von KI-Modellen verbunden sind, um jeden Business Case zu rechtfertigen.
• Stellen Sie die Verfügbarkeit qualitativ hochwertiger historischer Daten in ML-Modellen sicher.
• Analysieren Sie alle Faktoren, Auslösepunkte, Subsystemgrenzen, Schnittstellen-APIs, Ausnahmebehandlung und Grenzfälle, in denen ein menschliches Eingreifen erforderlich ist.
• Planen Sie minimal realisierbare, schnelle und iterative Lieferungen im Geschäftsbetrieb.
• Nutzen Sie KI-Beschleuniger von führenden Cloud-Service-Anbietern, die sich in proprietäre LCAP-, DMS-, BPM-, RPA- und iPaaS-Plattformen integrieren lassen. Zu den häufig auf diesen Plattformen verfügbaren KI/ML-Bibliotheken gehören AWS Machine Learning, Google Cloud (TensorFlow), IBM Watson Studio, Microsoft Azure Machine Learning Studio, StanfordNLP, Natural Language Toolkit und spaCy.
• Schließen Sie AutoML-Funktionen ein, um RPA-Prozesse zur Optimierung von ML- und NLP-Beschleunigern zu ermöglichen. AutoML-Engines verwenden Eingaben und Ausgaben von abgeschlossenen manuellen Aufgaben, um Algorithmen auszuwählen, Modelle zu trainieren und Modelle ohne Unterbrechung zur Automatisierung zu pushen.

Akronyme

AI	Künstliche Intelligenz
BPM	Geschäftsprozessmanagement
EA	Geschäftsarchitekten
DMS	Entscheidungsmanagement-Suiten
iBPMS	Intelligente Geschäftsprozessmanagement-Suiten
iPaas	Platform-as-a-Service-Integration
LCAP	Low-Code-Anwendungsplattformen / No-Code-Anwendungsplattformen
ML	Maschinelles lernen
NLP	Verarbeitung natürlicher Sprache
OCR	Optische Zeichenerkennung
RPA	Robotische Prozessautomatisierung
SaaS	Software als Dienstleistung