Digitale Exzellenz
Digitale Exzellenz

RPA und KI: Batman und Robin des IT-Support

, 12. Dezember 2018

Lesezeit: 5 Minuten

RPA und KI: Batman und Robin des IT-Support

Der Fall „Passwort rücksetzen“ mit der LBBW hat gezeigt: Robotic Process Automation und Künstliche Intelligenz (KI) sind ein gutes Team, um den IT-Support von Banken zu unterstützen. Ein Gedankenexperiment zeigt, wie sich dieser Spezialfall weiterdenken lässt.

Der typische First Level Support einer Bank arbeitet wie folgt: Auf den Systemen geschulte Mitarbeiter klären Fragen, die in den Banken im Tagesgeschäft auftreten. Ihre Anfragen stellen die Bankmitarbeiter aus den verschiedenen Instituten über ein Ticketsystem.

Die Bearbeitung eines Tickets lässt sich über verschiedene Eskalationsstufen abbilden.

1. Lösung durch bereits erlerntes Wissen bekannt
2. Lösung in bereits erledigten Ticket vorhanden
3. Lösung in zur Verfügung stehenden Quellen (Handbücher, Prozessbeschreibungen, FAQs etc.) vorhanden
4. Lösung ist Kollegen bekannt
5. Ticket kann im First Level nicht bearbeitet werden und wird weitergeleitet an den Second Level

Man sieht: Der manuelle Prozess der Ticketbearbeitung ist höchst aufwändig. Wissen muss zeitintensiv, aufgebaut und verinnerlicht werden. Ankommende Anfragen müssen eigenständig sortiert, ggf. neu kategorisiert und gesichtet werden. Unter Umständen muss auf das Wissen nicht anwesender Kollegen zurückgegriffen werden, was zu einem schlechten Servicelevel führen kann, Mitarbeiter müssen unnötig lange auf eine Antwort waren.

Entlastung durch RPA und KI

Ein Showcase mit der Landesbank Baden-Württemberg hat gezeigt, wie der IT-Support mithilfe von RPA und KI entlastet werden kann. Dabei ging es zunächst nur um den Fall, dass ein Passwort zurückgesetzt werden muss – ein Fall, der in großen Organisationen extrem häufig vorkommt. Der Ansatz dahinter, ein mit KI bestückter Chatbot bearbeitet die Anfrage automatisiert, lässt sich allerdings auch auf andere Fragstellungen übertragen.

Zukünftig könnte in den IT-Helpdesk eine weitere Ebene implementiert werden, in der ein Chatbot in erster Instanz angesprochen wird und weitere Fragen erlernt. Der Bot stellt die Fragen anschließend in einer bestimmte Reihenfolge, sodass zukünftig nur konkrete Fragen abgearbeitet werden müssen. Hierdurch wird der Fokus auf die für die Lösung relevanten Fragen gelegt.

Der Effekt: Noch bevor Tickets durch den Mitarbeiter im First Level Support manuell bearbeitet werden, kann mittels RPA ein Teil der Tickets fallabschließend bearbeitet werden. Hierzu wird ein Fragenkatalog bereitgestellt, für den bereits Musterlösungen, z. B. in Form von Excel-Tabellen, vorliegen. Ferner wird die Software sowohl im Betreff als auch im Inhalt der Tickets nach Fragestellungen suchen. Treffer können dann wieder einer Frage aus dem Katalog zugeordnet werden.

Hürden beim praktischen Einsatz meistern

Die Praxis zeigt, dass das Gespann aus RPA und KI dabei einige Hürden nehmen muss. Teilweise können die Mitarbeiter ihr Problem nicht oder nur schlecht in Worte fassen. Vielen ist das Eintippen auch zu lästig. In diesen Fällen schicken sie Screenshots oder andere Dateianhänge mit, um den Fehler oder die Fragestellung zu verdeutlichen. Häufig sind Bilddateien eingebettet, oder sie hängen ein Text- oder PDF-Dokument an ihre E-Mail. Das bedeutet: Die KI muss die unstrukturierten Daten nutzen können.

Hinzu kommt, dass falsche Einstellungen im Kernbankensystem zu Fehlern führen können. Die Fehlersuche ist mit hohem manuellen Aufwand verbunden. Es gibt verschiedene Variablen und unterschiedliche Orte, an denen Einstellungen vorgenommen werden können, um einen gewünschten Effekt zu erhalten.
Eine Lösung ist, die nötigen Abfragen und den Abgleich der tatsächlichen Administration im Kernbankensystem und der Musterkonfiguration ebenfalls zu automatisieren. RPA würde dann als eine Art Filter fungieren. Erst wenn eine gewisse Lösungsquote erreicht ist, übernimmt der Mensch oder eine andere flexiblere Technologie die weitere Bearbeitung.

In einer weiteren Ausbaustufe wäre es denkbar, Dateianhänge mittels Bilderkennung (OCR) zu analysieren. Um zu vermeiden, dass eine falsche Fragestellung erkannt und in der Folge eine falsche Antwort gegeben wird, sollte zunächst ein Mensch eine Kontrolle durchführen und die KI schrittweise trainieren. Diese könnte in der Folge auch komplexere Fragestellungen eigenständig lösen. Der Vorteil der KI liegt darin, dass sie in unterschiedlichen Quellen nach Lösungen sucht. Es muss damit kein Frage-Antwort-Katalog mehr gepflegt werden. Die KI lernt mit der Zeit und nutzt zunächst genau die Quellen, mit der sie trainiert wurde. In Kombination von RPA kann die KI aber auch auf weitere Quellen zurückgreifen.

Ziel: Automatisierungsgrad steigern

Automatisierung ist in Banken generell ein wichtiger Hebel, um profitabler zu arbeiten. Nur jeder zweite Manager hält den Automatisierungsgrad für hoch. Neue Technologien sollen deshalb verstärkt bei Aufgaben unterstützen, die aktuell einen hohen Personalaufwand sowie einen hohen Wissensaufbau und Wissenstransfer verursachen.


RPA als Alternative zum Outsourcing: Niedriges Einführungsrisiko und kurze Implementierungszeit im Vergleich zu anderen Prozessmanagement-Ansätzen.

Langfristig kann mittels RPA und KI ein Großteil der Tickets automatisiert gelöst werden. Der Fokus der Mitarbeiter kann damit verstärkt auf die vollumfängliche Beschreibung der Anwendungen in Handbüchern und Systemmodellen gelegt werden. Dies wiederum sorgt für eine Optimierung der Ticketbearbeitung. Ebenso entstehen neue Kapazitäten, um beispielsweise Anwenderschulungen durchzuführen oder in kürzen Turnussen zu entwickeln.

* Danke an Alexander Weißhaupt, der als Co-Autor an diesem Blogbeitrag mitgewirkt hat.