Der teuerste Fehler der Automatisierungswelle der 2010er

Robotic Process Automation sollte Finanzinstitute revolutionieren. Die Versprechen waren verlockend: hohe Kostenreduktion bei Routineprozessen, schnelle Einführung, keine tiefe IT-Integration nötig. Die Realität, die sich Jahre später zeigt, ist ernüchternd. Bots, die nach dem nächsten Systemupdate nicht mehr funktionieren. Bot-Farmen, die niemand mehr vollständig überblickt. Wartungsaufwand, der die Einsparungen systematisch auffrisst.

Das heißt nicht, dass RPA in jedem Fall sinnlos war. Aber als breite Strategie hat es ein strukturelles Problem, das von Anfang an angelegt war und sich erst im Betrieb über die Jahre offenbart hat. Wer verstehen will, was stattdessen funktioniert, muss zuerst verstehen, woran RPA als Strategie krankt.

Warum RPA strukturell brüchig ist

Der Kern des Problems liegt in der Funktionsweise. Ein RPA-Bot bedient eine Anwendung so, wie ein Mensch es täte: Er klickt auf Schaltflächen, liest Felder aus, tippt Werte ein, navigiert durch Masken. Er arbeitet also auf der Oberfläche, nicht auf der eigentlichen Logik des Systems. Genau das macht ihn brüchig, denn jede Änderung der Oberfläche, jedes Update, jede verschobene Schaltfläche kann den Bot aus dem Tritt bringen.

In einer Bank, deren Systeme sich ständig weiterentwickeln, ist das ein Dauerproblem. Jedes Release birgt das Risiko, dass Bots brechen, und jeder gebrochene Bot muss gefunden, geprüft und repariert werden. Bei wenigen Bots ist das beherrschbar, bei Hunderten wird es zur Dauerbaustelle. Der Wartungsaufwand wächst mit der Zahl der Bots, und irgendwann übersteigt er die ursprünglich versprochene Einsparung.

Hinzu kommt die mangelnde Transparenz. Bot-Farmen wachsen oft unkontrolliert, weil jeder Bereich seine eigenen Bots baut. Mit der Zeit weiß niemand mehr genau, welche Bots existieren, was sie tun und ob sie sich gegenseitig behindern. Aus einem Effizienzwerkzeug wird ein undurchschaubares Geflecht, das selbst zum Risiko wird.

Die bessere Alternative: API statt Oberfläche

Die erste Säule der Alternative ist die Integration über Schnittstellen statt über die Oberfläche. Statt einen Bot die Maske bedienen zu lassen, spricht man die Funktion des Systems direkt über seine Schnittstelle an. Das ist nicht von Oberflächenänderungen betroffen, weil es auf der stabilen Logik des Systems aufsetzt, nicht auf seiner Darstellung. Eine verschobene Schaltfläche bricht eine Schnittstellenanbindung nicht.

Der Aufwand verlagert sich damit nach vorne. Eine Schnittstellenanbindung ist in der Einrichtung anspruchsvoller als ein schnell zusammengeklickter Bot, aber sie ist im Betrieb ungleich stabiler. Statt laufender Reparaturen bei jedem Update steht eine verlässliche Verbindung, die trägt. Das verändert die Wirtschaftlichkeit grundlegend: höherer Anfangsaufwand, dafür dramatisch geringere Wartungslast.

Die zweite Säule: ein KI-Layer für das Unstrukturierte

RPA stößt überall dort an Grenzen, wo Prozesse nicht starr regelbasiert sind, etwa wenn unstrukturierte Dokumente verarbeitet, Texte verstanden oder Entscheidungen unter Unsicherheit getroffen werden müssen. Genau hier setzt die zweite Säule an: ein Layer aus modernen Sprachmodellen, der das Unstrukturierte bewältigt, das ein starrer Bot nie konnte.

Ein Sprachmodell kann ein Dokument lesen und die relevanten Angaben extrahieren, eine Anfrage verstehen und einordnen, einen Sachverhalt zusammenfassen. In Kombination mit der stabilen Schnittstellenanbindung entsteht so eine Automatisierung, die sowohl die strukturierten als auch die unstrukturierten Teile eines Prozesses bewältigt. Das ist die Klasse von Aufgaben, an denen RPA reihenweise gescheitert ist, weil es nur starre Regeln kannte.

Warum die Kombination der eigentliche Hebel ist

Der Schlüssel liegt im Zusammenspiel beider Säulen. Die Schnittstellenanbindung sorgt für stabile, verlässliche Verbindungen zu den Systemen, der KI-Layer für die Bewältigung des Unstrukturierten und für die Flexibilität, die starre Bots nie hatten. Zusammen ergeben sie eine Automatisierung, die robust und zugleich anpassungsfähig ist, also genau das Gegenteil der brüchigen, starren Bot-Farm.

Für ein Finanzinstitut bedeutet das einen Strategiewechsel. Statt weiter Bots auf Oberflächen zu setzen und die wachsende Wartungslast in Kauf zu nehmen, lohnt es, neue Automatisierungsvorhaben von Anfang an auf Schnittstellen und einen KI-Layer aufzubauen. Bestehende Bots lassen sich dort, wo sie besonders brüchig sind, schrittweise durch diese stabilere Architektur ablösen.

Warum RPA trotzdem so beliebt wurde

Um die richtige Lehre zu ziehen, muss man verstehen, warum RPA überhaupt so populär wurde. Der Reiz lag in der scheinbaren Umgehung der IT. Ein Fachbereich konnte einen Bot bauen lassen, ohne auf die oft langwierige Integration durch die IT zu warten. Das versprach Geschwindigkeit und Unabhängigkeit, und genau das war in vielen Häusern, in denen IT-Projekte als langsam galten, hochattraktiv.

Dieser vermeintliche Vorteil war zugleich die Wurzel des Problems. Weil der Bot die IT umging, umging er auch deren Standards, deren Überblick und deren Wartungslogik. Die Geschwindigkeit am Anfang wurde mit Brüchigkeit am Ende erkauft. Die Lehre ist nicht, dass Automatisierung schlecht ist, sondern dass die Abkürzung an der IT vorbei sich rächt, sobald die Zahl der Bots wächst und die Systeme sich weiterentwickeln.

Der Trugschluss der schnellen Einsparung

Die Wirtschaftlichkeitsrechnung von RPA sah anfangs hervorragend aus, weil sie den Wartungsaufwand systematisch unterschätzte. Gerechnet wurde mit der Einsparung im ersten Jahr, nicht mit den Reparaturkosten der folgenden Jahre. Erst im laufenden Betrieb zeigte sich, dass jeder Bot eine Dauerverpflichtung ist, die bei jedem Systemupdate Aufmerksamkeit verlangt. Über Jahre summiert sich das zu einem Aufwand, der die ursprüngliche Einsparung auffrisst.

Diese Erfahrung sollte die Bewertung jeder Automatisierung verändern. Die richtige Frage ist nicht, wie schnell und billig sich etwas anfangs umsetzen lässt, sondern wie hoch die Gesamtkosten über die Lebensdauer sind, inklusive Wartung und Anpassung. Eine Schnittstellenanbindung schneidet bei dieser ehrlichen Rechnung fast immer besser ab als ein Bot, auch wenn sie anfangs mehr kostet.

Die Rolle der Governance

Ein oft übersehener Aspekt ist die Governance der Automatisierung. Die unkontrolliert gewachsenen Bot-Farmen waren auch ein Governance-Versagen: Niemand hatte den Überblick, niemand verantwortete das Ganze, jeder baute für sich. Eine stabile Architektur aus Schnittstellen und KI-Layer verlangt und ermöglicht zugleich eine klarere Governance, weil sie zentraler aufgesetzt ist und sich besser überwachen lässt.

Das passt zu den steigenden aufsichtlichen Erwartungen. Wenn automatisierte Verfahren über risikorelevante Vorgänge mitentscheiden, verlangt die Aufsicht zunehmend Nachvollziehbarkeit, Überwachung und klare Verantwortung. Eine undurchschaubare Bot-Farm lässt sich kaum prüfungsfest verantworten, eine sauber dokumentierte Schnittstellenarchitektur mit definiertem KI-Layer dagegen schon. Die bessere Architektur ist damit nicht nur stabiler, sondern auch aufsichtskonformer.

Was das für die nächste Automatisierungsentscheidung heißt

Die Lehre aus dem RPA-Jahrzehnt ist nicht, Automatisierung zu meiden, sondern sie anders aufzusetzen. Vor jeder neuen Automatisierung lohnt die Frage, ob sie auf der stabilen Logik eines Systems aufsetzt oder auf dessen Oberfläche, und ob sie die unstrukturierten Teile eines Prozesses mit einem KI-Layer bewältigt oder an starren Regeln scheitert. Wer diese Fragen vorab stellt, vermeidet die Brüchigkeit, die RPA so teuer gemacht hat.

Für Finanzinstitute ist das eine Gelegenheit, aus den Fehlern der vergangenen Jahre zu lernen, statt sie zu wiederholen. Die Technologie für stabile, anpassungsfähige Automatisierung ist heute verfügbar und reifer als zu Zeiten der ersten RPA-Welle. Wer sie nutzt, baut eine Automatisierung, die mit den Systemen mitwächst, statt bei jedem Update zu zerbrechen, und die den Menschen dort entlastet, wo es wirklich zählt.

Was das für laufende RPA-Landschaften heißt

Für Häuser, die bereits in RPA investiert haben, ist das kein Anlass für einen abrupten Komplettumbau. Der sinnvolle Weg ist, die bestehende Bot-Landschaft nüchtern zu bewerten: Welche Bots laufen stabil und liefern Wert, und welche sind Dauerbaustellen, die mehr Wartung kosten, als sie sparen? Die brüchigen Kandidaten sind die ersten, die durch die stabilere Architektur ersetzt werden sollten.

Wir analysieren mit Ihnen Ihre bestehende Automatisierungslandschaft und entwickeln den Weg von brüchigen Bots zu einer stabilen Architektur aus Schnittstellenanbindung und KI-Layer. Strategie und Umsetzung aus einer Hand. Beginnen Sie mit einer Potenzialanalyse.