Durch die Nutzung dieser Website erklären Sie sich mit unserem Impressum und unserer Datenschutzerklärung einverstanden. Die Verwendung von Cookies auf dieser Website dient zur Verbesserung der Benutzerfreundlichkeit. Sie willigen ein, dass wir ggf. Cookies auf Ihrem Computer speichern, um Ihr Surfverhalten auf unserer Website zu analysieren. Wenn Sie keine Cookies in Verbindung mit Ihrer Nutzung dieser Website zulassen möchten, müssen Sie die Website entweder verlassen oder Ihre Browsereinstellungen entsprechend konfigurieren. Weitere Informationen über die einzelnen Cookies, die wir verwenden, und wie diese zu erkennen sind, finden Sie in unserer Cookie-Richtlinie.

Robotic Process Automation und Maschinelles Lernen – das neue Outsourcing

Montag, 16. Oktober 2017

5 Minuten Lesezeit

Robotic Process Automation und Maschinelles Lernen – das neue Outsourcing

Die Auslagerung der Kreditorenbuchhaltung oder Zentralisierung bestimmter Funktionen in Shared Service Centern war für Jahrzehnte der bestimmende Trend. Gerade im Bereich unternehmensinterner Finanzdienstleistungen war das bisher gang und gäbe, aber nun gibt es etwas Neues, das dabei helfen soll, Unternehmen schlanker aufzustellen – Robotic Process Automation (RPA) und Maschinelles Lernen (ML).

 

Warum wenden Unternehmen RPA und Maschinelles Lernen in der Kreditorenbuchhaltung an?

Flexibilität, Standardisierung, Erneuerung der Technologie, Best Practices, Reduzierung manueller Arbeit, mehrsprachiger Support und 24/7-Betrieb – für das Outsourcing der Kreditorenbuchhaltung kann man zweifelsohne einen soliden Business Case erstellen. Aber nun wollen sich Unternehmen gegenüber ihren Wettbewerbern einen Vorsprung verschaffen, indem sie Fehler und damit die Notwendigkeit menschlichen Eingreifens in den Rechnungsprozessen weiter reduzieren und gleichzeitig eine Fülle von Finanzdaten sammeln sowie Risiken durch globale Compliance minimieren. Das verringert die repetitiven Aufgaben weiter und setzt Kapazitäten frei, um sich auf wertschöpfendere Tätigkeiten zu fokussieren, wie das strategische Sourcing und das Lieferanten-Risikomanagement.

Künstliche Intelligenz – wie zum Beispiel lernende Systeme, die Daten analysieren und Entscheidungen auf der Grundlage von Erfahrungen treffen – kombiniert mit weitreichender Automatisierung komplexer Prozesse schafft neue Transparenz und beispiellose Produktivität. Mit dieser Technologie wird sich die Wahrnehmung der Kreditorenbuchhaltungen als reine Cost-Center verändern. Kreditorenbuchhalter werden ein wertschöpfender Bestandteil im gesamten Source-to-Pay-Prozess.
(Eine allgemeine Einführung in das Thema Robotic Process Automation und sein Nutzen im Finanzbereich bekommen sie in diesem Blogbeitrag.)

Welche Funktionen der Kreditorenbuchhaltung eigenen sich am besten für RPA und Maschinelles Lernen?

Die häufigsten Gründe, die Organisationen dazu bringen, einige oder alle Funktionen der Kreditorenbuchhaltung auszulagern, sind Schwachstellen im Prozess und ein hohes Fehlerrisiko im Rechnungseingang sowie in der Rechnungsverarbeitung, vor allem bei manueller Bearbeitung. Der Wunsch nach einer effizienten Arbeitsleistung und die Notwendigkeit die Technologie zu verbessern, um Abläufe strategisch zu optimieren, motiviert Innovationen in der Kreditorenbuchhaltung.

Einige Beispiele für Teilbereiche der Kreditorenbuchhaltung, die von RPA und ML verändert werden können:

  • Posteingang inklusive Scan & Capture zur Erzeugung strukturierter Rechnungsdaten für den anschließenden regelbasierten Workflow

  • Rechnungseingang und Auftragseingang mit Übertragung der Daten ins ERP-System

  • Rechnungsworkflow und Bestellworkflow, mit Genehmigung, Feststellen von Abweichungen und Lösung der daraus entstehenden Konflikte

  • Rechnungsautomatisierung inklusive automatisiertes Matching, das heißt vom Abgleich mit Bestellungen bis zur Verbuchung

  • Abgleich der Rechnungsdaten mit dem Zahlungseingang, außerdem mit den Daten aus dem Hauptbuch und dem ERP

  • Zahlungsgenehmigung nach der selbständigen Durchführung verschiedener (Prüfungs-)Aufgaben über verschiedene Informationsquellen hinweg

  • Pflege der Lieferanten-Stammdaten

  • Automatisches Reporting zur Analyse und als Grundlage für Entscheidungen

Wie lässt sich Erfolg messen?

Wenn Sie darüber nachdenken, einige oder alle der oben genannten Aufgaben zu automatisieren, werden Sie regelmäßig gefordert sein, die Qualität der Ergebnisse auf Basis operativer KPIs zu belegen, die von Ihrer Organisation definiert wurden. Governance, Kostenreduktion und Ergebnisse werden unter konstanter Beobachtung stehen. Machen Sie sich also klar, woran Sie Erfolg festmachen und wie Sie das kommunizieren, wenn Sie alten Prozessen neue Technologien an die Seite stellen.

Unternehmen, die diese neuen Technologien übernommen haben, beobachten die Abschlussquote und Fehlerfreiheit unter anderem in folgenden Aufgabenbereichen:

  • Nutzerverwaltung anhand von Templates über mehrere Finanzsysteme hinweg

  • Zusätzliche Skonti erfasst, gemeldet und überprüft

  • Automatische Formatkonvertierung zwischen verschiedenen Finanzsystemen

  • Zahlungs- und Kontenabgleich

  • Automatische Konfliktlösung – wie zum Beispiel Handhabung von Nachforderungen, Änderungsanträgen

  • Aktualisierung der Lieferanten-Stammdaten und Dokumentenmanagement via Import/Export

  • Erkennen möglicher Betrugsfälle im gesamten Source-to-Pay-Prozess auf Basis eines Regelwerks und durch das Beobachten von Trend-Verläufen und Auffälligkeiten

  • automatisierte Datenerfassung kombiniert mit Maschinellem Lernen

  • Zusammentragen von Daten aus mehreren Quellen zur Analyse und Aufbereitung als Basis für Entscheidungen

  • Handhabung von Versandbestätigungen

Warum sind RPA und Maschinelles Lernen besser als traditionelles Outsourcing?

Es gibt eine Vielzahl an möglichen Nachteilen beim traditionellen Outsourcing – von fehlender Transparenz über Kosten und Betrieb, unflexible Partner, Verlust der Lieferantenkontrolle und -verwaltung, unklare Kommunikation des Anbieters, schlechte Qualität etc.

RPA löst viele der Herausforderungen, die Outsourcing mit sich bringt, wie beispielsweise:

  • Zu wenig Transparenz: Outsourcing kann dazu führen, dass Sie nicht zu jedem Zeitpunkt wissen, wo sich Ihre Rechnungen befinden oder in welchem Bearbeitungsstatus Ihr Auftrag ist.

  • Verspätete Zahlungen und unpassender Umgang mit Lieferanten: Missmanagement der Lieferanten kann zu erhöhten Preisen und sogar zum Verlust wichtiger Lieferanten führen.

  • Schlechter Service und fehlerhafte Daten: Abhängig von Auftragsvolumen oder spezifischen Branchenanforderungen kann nicht jeder BPO-Anbieter die benötigte Qualität liefern.

  • Unvollständige Daten für das Ausgabenmanagement: Outsourcing kann zu Lücken in Ihren Daten führen, die es Ihnen unmöglich machen, einen Gesamtüberblick über die direkten und indirekten Ausgaben zu erhalten.

  • Unvorhergesehene Betriebsausgaben: Diese können leicht entstehen, wenn Outsourcing-Anbieter All-inclusive-Preise angeben. Achten Sie genau darauf, welche Leistungen in Paketpreisen enthalten sind, sonst kann es im Nachgang zu erhöhten Kosten durch zahlreiche Änderungen im Leistungsumfang und/oder im Projekt kommen.

Wie können Unternehmen RPA und ML in ihre Automatisierungslösung integrieren?

Zukunftsorientierte Unternehmen erschließen sich solche Werkzeuge, indem sie mit erfahrenen Anbietern von Automatisierungslösungen zusammenarbeiten, die Innovationen der Finanztechnologie frühzeitig aufgreifen und in Ihre bestehenden Lösungen integrieren. Somit steht Ihnen als Kunde immer die neueste Technologie zur Automatisierung Ihrer Rechnungsprozesse zur Verfügung. Der richtige Partner wird Sie außerdem dabei unterstützen, Neuerungen bestmöglich im Unternehmen einzuführen und den Mehrwert neuer Technologien zu maximieren.

Welche Trend-Technologien künftig für Einkauf und Finanzen die größte Rolle spielen werden, erfahren Sie im Whitepaper "3 disruptive Trends und ihr Einfluss auf die Zukunft des Finanz- und Beschaffungswesen“.