Robotic Process Automation (RPA): Neue Herausforderung im Controlling

Steigender Kostendruck und die rasant anwachsende Menge an verwertbaren Daten führen bei vielen Unternehmen mit Blick auf das Controlling zu der Frage, ob Robotic Process Automation auch in diesem Unternehmensbereich einen Mehrwert bietet und inwieweit diese Technologie die Rolle des Controllers verändert. Denn nach der Implementierung von RPA übernehmen virtuelle Mitarbeiter standardisierte, repetitive Aufgaben und befreien besonders im Controlling die hochqualifizierten Fachkräfte von zeitraubenden Routineaufgaben. 

Die Rolle des Controllings wandelt sich, Controller werden zum Partner des CEO und unter mauern und begleiten Veränderungsprozesse, sie übernehmen eine gestalterische Aufgabe.

Daten in Informationen umwandeln: Data Analytics

Die Kombination aus großen Digitalisierungsinitiativen und dem erweiterten Tätigkeitsbereich der Finanzabteilung erfordert die Auseinandersetzung mit stetig wachsenden, komplexen Datenmengen. Diese riesigen Datenberge in wertvolle Informationen zu verwandeln, ist eine echte Herausforderung, und viele Unternehmen stehen hier mit der Erschließung ihres gewaltigen Datenpotenzials noch ganz am Anfang. CFOs und ihre Teams, die diese Daten zusammenbringen sollen, müssen in der Lage sein, unterschiedliche Systeme mit Unterstützung aus der IT zu integrieren und große Datensätze so zu analysieren, dass konsistente und hochwertige Ergebnisse herauskommen. Ob die Daten nun aus dem CRM-, ERP-, HR-System oder anderen Unternehmensanwendungen stammen – sie müssen alle zusammengeführt, mit relevanten externen Daten angereichert und intelligent ausgewertet werden.

Folgende Fragen sind dabei wichtig:

• Wie werden interne Datensilos harmonisiert und integriert?

• Wie können Cloud- und On-Premises-Datenquellen kombiniert werden?

• Welche externen Datenquellen sind relevant?

• Wie werden die hohe Datenqualität und konsistente Strukturen gewährleistet?

• Wie wird der Zugriff verschiedener Nutzergruppen auf sensible Daten gesteuert?

Data Analytics

Bei Data Analytics geht es darum, Erkenntnisse aus Daten zu extrahieren. Der Begriff umfasst dabei sämtliche Prozesse, Werkzeuge und Techniken, die zu diesem Zweck zum Einsatz kommen. Er beinhaltet auch das Sammeln, Organisieren und Speichern der Daten. Das wesentliche Ziel von Data Analytics ist es, mit Hilfe von Technologie und statistischen Analysen Trends zu ermitteln und Probleme zu lösen. Beeinflusst wird der Data-Analytics-Bereich dabei von zahlreichen anderen Wissenschaften, beispielsweise der Informatik, Mathematik und Statistik. Die Analyse von Daten soll die Performance beschreiben, vorhersagen und letztendlich optimieren. Damit das zuverlässig funktioniert, bringen Data-Analytics-Teams zahlreiche verschiedene Datenmanagementtechniken zum Einsatz, beispielsweise Data Mining, Data Cleansing, Data Modeling und andere.       

Schlüsseltechnologien für den Finanzbereich

Für die Automatisierung von Geschäftsprozessen steht eine breite Palette an Technologien bereit, die durch Effizienzsteigerung und leistungsstarke Analysefunktionalität neue Geschäftsmodelle unterstützen und Mehrwert für Kunden schaffen.

Zu den Schlüsseltechnologiengehören unter anderem:

• Robotic Process Automation (RPA) – RPA ermöglicht es Finanzteams, die zeitaufwändige Zusammenführung, Harmonisierung und Validierung von Daten zu automatisieren. Damit sind Datenkontrolle und Konsistenz gewährleistet, während Ressourcen für anspruchsvollere Aufgaben frei werden.

• Predictive Analytics hilft dem Finanzbereich, Prognosen aus Ist-Daten abzuleiten. Diese Prognosen können die Strategieentwicklung und Entscheidungsfindung unterstützen. Predictive Analytics nutzt verschiedene Methoden der Advanced Analytics, wie z.B. Data Mining, statistische Verfahren oder ML-Algorithmen.

• In-Memory-Datenbank – In-Memory-Technologie liefert die nötige Performance und Skalierbarkeit für schnelle, flexible Analyse Anforderungen in komplexen Modellierungsszenarien, wie Budgetierung, Planung und Forecasting. Die Datenhaltung im Hauptspeicher beschleunigt den Datenzugriff und die Antwortzeiten.

• GPU-beschleunigtes Computing – Applikationen mit vielen gleichzeitigen Nutzern und komplexen Auswertungen profitieren neben der CPU von einer Grafikkarte(GPU), die Realtime-Analysen durch hohe Rechenpower erheblich beschleunigt und damit die agile Entscheidungsfindung im Unternehmen fördert.

• Data Hub – Die Zusammenführung von Daten aus verschiedenen Systemen im Rahmen von Advanced Analytics – ob aus der Cloud oder mit On-Premises-Lösungen – wird mit KI und Machine Learning noch wichtiger, da diese Verfahren enorme Datenmengen erfordern. Fortgeschrittene Datenintegration und -Aufbereitung einschließlich Mapping, Bereinigung und Anreicherung von Datensätzen ist im digitalen Unternehmen essenziell.

Digitale Transformation erfordert Automatisierung von Back-Office-Prozessen

Im Zentrum der digitalen Transformation steht die Digitalisierung zahlreicher Geschäftsprozesse. In der heutigen Wirtschaft haben fast alle Unternehmensbereiche nicht nur mit einer steigenden Menge an Daten zu kämpfen. Um wirtschaftlich erfolgreich zu sein und im Wettbewerb dauerhaft bestehen zu können, spielt die Qualität der ausgewerteten Daten für den jeweiligen Geschäftsbereich eine maßgebliche Rolle. Verschärft wird die Situation durch eine Knappheit an qualifizierten Mitarbeitern, bedingt durch den demografischen Wandel.

Vor allem im Back-Office-Bereich sorgt die Automatisierung von Prozessen für einen deutlichen Effizienzgewinn. Zu viele Fachkräfte verbringen einen Großteil der Arbeitszeit immer noch mit der Bearbeitung standardisierter Aufgaben. Dabei geht zu viel kreatives Potenzial verloren. Manuelle Prozesse sind zudem auch extrem fehleranfällig. Der Einsatz von RPA erlaubt hingegen eine automatisierte Bearbeitung der Prozesse. Und sollte die Automatisierung an die Grenzen der Entscheidungskompetenz stoßen, so kann die Aufgabe an einen Menschen delegiert werden. Ausnahmeregelungen und prozessuale Abweichungen können von Mitarbeitern auf Grund ihrer Kompetenz bearbeitet werden.

Die Grundlage einer RPA-Implementierung muss eine Leistungskarte der bestehenden Controlling-Organisation sein. Dabei werden alle Prozesse auf das Potenzial einer Automatisierung überprüft. Ein detaillierter Kriterienkatalog und eine saubere Prozessaufnahme mittels Process Mining oder Process Recording ermöglicht die Identifizierung passender Prozesse sowie Teilprozesse.

Grundsätzlich zeigt sich, dass sich die Geschäftsprozesse im Controlling in den vergangenen Jahren kaum geändert haben. So gehört die Beschaffung von Daten, welche für die Planung und Kontrolle benötigt werden, zu den Aufgaben eines Controllers. Dies macht heute noch den größten Teil der Arbeitszeit aus.

Durch den Einsatz von RPA können viele Routinearbeiten automatisiert werden. Arbeitsgrundlage des Controllings ist das Sammeln und Aufbereiten von Daten, das durch RPA automatisiert werden kann. Strukturierte Informationen können nach der Automatisierung von Prozessen aus verschiedenen Quellen nach bestimmten Regeln verarbeitet bzw. aufbereitet und in unterschiedlichen Systemen gespeichert werden, etwa in ERP-Systemen, die von vielen Unternehmen eingesetzt werden. Aufgrund heterogener Anwendungsstrukturen und fehlender Schnittstellen können viele Prozesse nicht durchgängig ineinandergreifen.

Hier bietet der Einsatz von Software-Robotern einen gravierenden Mehrwert, zumal der virtuelle Mitarbeiter stets exakte Ergebnisse liefert und keinerlei Ermüdungserscheinung zeigt. Dem Controlling ermöglicht die Prozessautomatisierung damit eine verbesserte Datenanalyse bei einer höheren Geschwindigkeit der Datenverarbeitung. Das Ergebnis sind dann schnellere und fundiertere Entscheidungen. Der Bedarf an Echtzeit Entscheidungen wird immer größer.

Die Höhe der Effizienzsteigerung hängt dabei auch vom Volumen der zu automatisierenden Anwendungsfälle ab. Die kontinuierliche Dokumentation aller durch Software-Roboter durchgeführten Prozesse garantiert, dass jeder Anwendungsfall revisions- und prüfungssicher aufgezeichnet wird.

Die Informationsversorgung durch RPA

Im Controlling werden vielfältige Informationen gesammelt und verarbeitet, so dass RPA sich als eine Unterstützung für den menschlichen Controller geradezu anbietet. Unternehmen mit komplexen Organisationsstrukturen kämpfen in aller Regel auch mit komplexen Informationswegen. Informationen aus zahlreichen Systemen, Abteilungen und von unterschiedlichen Mitarbeitern müssen gesammelt, verarbeitet und kommuniziert werden. Stammdaten und Kostenstellen müssen ständig geändert werden, Excel- und Planungsdateien müssen ausgelesen, abgeglichen und übernommen werden und das aus unterschiedlichen Systemen und Anwendungen. Zudem unterliegen vor allem die IT-Systeme und die einzelnen Organisationseinheiten einem permanenten Wandel. Aus diesem Grund stellt eine vollautomatisierte Informationsbereitstellung im Controlling einen unschätzbaren Mehrwert dar.

Verdeutlichen lässt sich dies im Rahmen eines klassischen Reportings. Hierbei werden Informationen von Mitarbeitern aus verschiedenen Systemen gesammelt, aufbereitet und anschließend ausgewertet. Dieser Prozess ist derzeit noch hochmanuell, fehleranfällig und zeitaufwendig. Mithilfe von RPA lässt sich dies allerdings optimieren, indem strukturierte Informationen aus verschiedenen Quellen nach bestimmten Regeln verarbeitet, validiert, übertragen und in unterschiedlichen Systemen abgespeichert werden. Die Datenabfragen finden simultan statt, sodass die Kosten sinken. Auch steigt die Qualität der Daten, da manuelle Fehler nicht mehr vorkommen können. Und letztendlich erstellt ein Software-Roboter einen Report schneller als jeder Mitarbeiter. Der Controller kann sich dann viel mehr um die Generierung und Abstimmung von Maßnahmen kümmern, er wird zum aktiven Handeln gezwungen.

RPA zur Planung und Kontrolle

Ein weiteres Anwendungsszenario ist der Einsatz von RPA im Rahmen von Planungs- und Kontrollsystemen, um den Controller durch die Übernahme von repetitiven Aufgaben zu entlasten. So wird beispielsweise für die Erstellung des Monatsabschlusses eine Vielzahl von Informationen benötigt. Diese lassen sich aus unterschiedlichen Datenquellen extrahieren, so dass ein klassischer Controller zahlreiche Systeme nutzen muss. Insbesondere die oftmals fehlenden Schnittstellen innerhalb des unternehmensinternen ERP-Systems lassen keinen durchgängigen Workflow zu.

Der Mitarbeiter muss die Daten manuell sammeln, wodurch aufgrund menschlicher Fehler die Qualität der erhobenen und verarbeiteten Daten leidet.

Durch den Einsatz von RPA lässt sich dieses Problem umgehen. Der Software-Roboter spricht die einzelnen Systeme wie ein physischer Nutzer an und sammelt die benötigten Daten ein. Aufgrund der hohen Prozessgeschwindigkeit und der Prozessgenauigkeit können aufwendige Abschlüsse sowie fehleranfällige Analysen und Angebots- und Auftragsplankalkulationen von Kennzahlenwesentlich schneller und exakter erledigt werden. Auch die mühsame Erarbeitung von Key Performance Indicators, für die eine Vielzahl an ERP-Reports, Excel-Auswertungen und externen Informationsquellen ausgewertet werden müssen, lässt sich durch den Einsatz von Software-Robotern optimieren.

Die Implementierung von RPA erfordert nur geringfügige Anpassungen an die IT-Infrastruktur und kann damit innerhalb kürzester Zeit realisiert werden. Der Mehrwert ist somit umgehend spürbar. Die schnellere Verarbeitung und Bereitstellung der Daten ermöglicht es dem Unternehmen, auf marktbedingte Veränderungen zeitnah zu reagieren. Dies ist in der VUCA Welt von entscheidender Bedeutung.

Die treibenden Faktoren der Digitalisierung im Controlling

Die Digitalisierung im Controlling wird durch zwei wesentliche Faktoren getrieben: Durch den Einsatz digitaler Methoden wird eine Verbesserung der Unternehmenssteuerung erwartet. Der Effizienzdruck auf die Finanzorganisation wird noch verstärkt, so dass der Finanzbereich heute die Weichenstellen muss, um morgen Leistungen für die internen Kunden unter Erfüllung sich verschärfender Effizienzvorgaben zu erbringen.

Prädestiniert für die Automatisierung mit RPA sind im Reporting vor allem bisher manuell betriebene und häufig wiederkehrende Aktivitäten, wie z.B. Datensammlung,-Validierung,- Aufbereitung.

Die Effizienzgewinne können je nach Situation und Zielsetzung des Unternehmens für einen Kapazitätsabbau im Controlling, für eine langfristige Weiterentwicklung der Reporting-Landschaft und/oder den Ausbau des „Business Partnering“ genutzt werden. Dadurch wandelt sich die Rolle des Controlling, weg vom Erbsenzähler, hin zum aktiven Unternehmensgestalter und Partner des Managements.

Der Mehrwert von Financial Process Automation mit RPA

Finanzprozesse zeichnen sich oft durch ein hohes Volumen sowie eine niedrige Komplexität aus. Dies sind gute Voraussetzungen für die Automatisierung dieser Prozesse mit Hilfe von Robotic Process Automation (RPA). Allerdings sollten dabei die einzelnen Prozesse sorgfältig analysiert werden, denn eine klassische RPA soll vor allem bei volumenstarken Prozessen unterstützen. Mehrere Studien haben gezeigt, dass RPA eine hohe Wachstumsrate im Finanzmarkt erzielen konnte – und auch in Zukunft soll das Wachstum auf einem hohen Niveaustattfinden.

Bei der Auswahl der passenden Prozesse sind einige grundlegende Kriterien zu beachten. So sollten die ausgewählten Finanzprozesse ein hohes Volumen verzeichnen, so dass sich die Investitionen der RPA schnell amortisieren. Zudem sollten die Prozesse standardisiert ablaufen, da dies die Erstellung und den Ablauf der Software-Roboter erleichtert. Des Weiteren sollten die Schnittstellen zwischen den einzelnen Programmen berücksichtigt werden, denn vor allem Finanzprozesse weisen oft zahlreiche Medienbrüche auf, die zu einem steigenden Fehlerpotenzialbeitragen, sodass hier ein genauerer Blick auf die Prozesse hilft.

Automatisierung der Buchhaltung

Der Einsatz von Robotic Process Automation trägt auch zu einer drastischen Fehlerminimierung bei und reduziert die Notwendigkeit manueller Dateneingabe in die bestehenden Systeme. Insbesondere bei großen und komplexen Systemen stellt dies eine relevante Herausforderung dar. Im Rechnungswesen können Übertragungsfehler eine desaströse Wirkung haben – dabei ist eine 100-prozentige Vermeidung dieser Fehler nahezu ausgeschlossen.

Die permanente Eingabe identischer Daten trägt zu Unachtsamkeit bei Mitarbeitern bei, sodass manuelle Fehler nur schwer zu vermeiden sind. Dementsprechend können Software-Roboter hier einen entscheidenden Anteil bei der effizienten Gestaltung dieser Prozesse einnehmen. Neben dem Unternehmen profitiert auch der Mitarbeiter von der Entlastung. Insbesondere die Bearbeitung eingehender Rechnungen sowie die schnellere Abarbeitung unterschiedlicher Buchungen lassen sich mit RPA unterstützen. Hierbei werden die potenziellen Fehlerquellen vermieden und die Zufriedenheit der Kunden aufgrund besserer Abläufe deutlich gesteigert.

Risikomanagement und Verbesserung der Compliance

Auch beim Risikomanagement sowie bei der Einhaltung von Compliance-Richtlinien kann RPA unterstützen. Die Software-Roboter folgen bei der Sachbearbeitung strikten Regularien und halten sich somit an definierte Prozesse. Hierbei werden auch die definierten Compliance-Regeln eingehalten und sämtliche Schritte dokumentiert. Vor allem für Unternehmen bedeutet die Möglichkeit des RPA-Einsatzes, dass ein Outsourcing an einen externen Dienstleister(z.B. BPO) womöglich nicht erforderlich ist. Stattdessen kann die RPA die komplette Abwicklung der Standardprozesse übernehmen.

Insbesondere die direkte Kontrolle über die Prozessqualität gilt als großer Vorteil.

Die Automatisierung der Compliance-Prozesse bedeutet, dass die RPA sich wiederholende und standardisierte Aufgaben übernimmt. Hierfür werden die Daten eines einzelnen Systems überwacht und auf Abweichungen untersucht. Durch die Definition von neuartigen und branchenspezifischen Anforderungen kann eine Einhaltung dieser Anforderungen bei der Ausführung jeder Transaktion gewährleistet werden. So trägt RPA zur Risikoreduzierung im Unternehmen sowie beiden bestehenden Systemen bei. Letztlich hilft die Technologie bei der Vermeidung hoher Geldstrafen, welche aufgrund eines unerwünschten Verhaltens drohen.

Unternehmenswandel und Komplexitätsreduktion

Insbesondere bei der Adaption neuer Prozesse sowie bei der Reduktion von Komplexität kann RPA unterstützen. Die digitale Transformation trägt dazu bei, dass immer mehr Unternehmen eine eigene Onlinepräsenz mitsamt den zugehörigen Hintergrund-Prozessen aufbauen müssen. Vor allem der zunehmende Wettbewerb und die Komplexität des neuen Umfelds erfordern eine immer größere Flexibilität. Eine ständige Anpassung an neue gesetzliche Vorgaben  und Standards sowie an die Wettbewerber ist für eine anhaltende Marktpräsenz zwingend erforderlich. Genau an dieser Stelle kann RPA eine unterstützende Rolle einnehmen, denn die Technologie zeichnet sich durch hohe Skalierbarkeit, schnelle Implementierung sowie das Potenzial zur Bearbeitung komplexer Arbeitsabläufe aus. Hierbei müssen in der Regel keine neuen Mitarbeiter eingearbeitet werden und Skaleneffekte können leicht realisiert werden. Insbesondere die Abwicklung von Backend Transaktionen, die Pflege von Kundendaten und die Bearbeitung von Bestellungen können schnell mittels RPA automatisiert werden.

Erstellung von regelmäßigen Reports

Das Reporting ist bei Finanzprozessen besonders wichtig, um Transparenz zu schaffen und schnell auf mögliche Eventualitäten zu reagieren. Insbesondere dieser Prozess ist für den Einsatz einer Robotic Process Automation prädestiniert, da er oft auf standardisierten Abläufen basiert und teilweise auch staatliche Regularien einzuhalten sind. Eine RPA kann dokumentierte Daten schnell aufbereiten und im Rahmen eines Regelreports darstellen. Zudem kann die Technologie bei der Datenübermittlung an die Finanzbehörden unterstützen.

Hierbei müssen die Daten aus zahlreichen Systemen, Abteilungen und von Einzelpersonen gesammelt und aufbereitet werden. Diese Daten müssen dann oft manuell aus Programmen wie Excel in bestehende Datenbanken eingefügt werden – die Datenkonsistenz spielt hierbei eine besonders wichtige Rolle.

Die Möglichkeiten von KI und Predictive Analytics in Finance und Controlling

Die Datenvielfalt kann besser gesteuert und integriert werden, das betrifft Finanzdaten, strategische Daten, operative Daten und externe Daten. Die Qualität der Daten steigt und es können bessere und genauere Prognosemethoden eingesetzt werden. Die Geschäftsentwicklung kann durch Mustererkennung verbessert werden.

Die Wert- und Kostentreiber können dynamisiert werden und das Denken in Ursache-Wirkungs-Zusammenhängen wird intensiviert. Die Reaktionsfähigkeit steigt und die Handlungsfähigkeit des Managements wird verstärkt. Ebenso werden die unterschiedlichen Sichtweisen ganzheitlich integriert.