Dieser Beitrag gibt einen Einblick in die aktuelle wissenschaftliche Diskussion des Themas Geschäftsprozesse und Digitalität – Die Vernetzung von Digital und Analog, stellt aber die Praxisrelevanz und den Anwendungsbezug im betrieblichen Alltag in den Vordergrund.

Gestern waren sie noch Utopie und Science-Fiction, heute schaffen sie bereits unverzichtbare Erleichterung und messbaren Mehrwert im Business-Umfeld: Software-Roboter, die Geschäftsprozesse automatisieren und menschliche Mitarbeiter von monotonen Aufgaben entlasten. Robotic Process Automation (RPA) und Intelligence Automation (IA), letztere unter Nutzung von Machine Learning (ML) sowie Künstlicher Intelligenz (KI), sind als neue Methoden der Optimierung von Geschäftsprozessen ein wichtiger Punkt bei der digitalen Transformation von Unternehmen. Dabei kann es um Kosteneffizienz, Kapazitätsfreisetzung im Zuge von Wachstum oder auch um eine strategische technologische Transformation gehen.

So stellen sich mit Hilfe von Bots auf Dauer eine bessere Servicequalität, zufriedenere Kunden und entlastete Mitarbeiter ein, die keine Zeit mehr bei wiederkehrenden Prozessen verlieren, sondern sich strategischen Herausforderungen zuwenden können.

Es wird Zeit, digitale Chancen und Potenziale gleichsam zu nutzen – nur so gelingt ein erfolgreicher Umgang mit dem Wandel.

1.1 Einführung

1.1.1 Problemstellung

In den vergangenen 30 Jahren wurden verschiedene Managementinstrumente zur Verbesserung von Geschäftsprozessen und deren Kosteneffizienz – oftmals auch iterativ – angewendet. Während in der ersten Phase unter dem Schlagwort Zentralisierung noch primär die Kostenreduktion und eine verbesserte Lieferfähigkeit durch die Bildung von zentralen Operations-Centern im Vordergrund stand, war in der zweiten Phase Auslagerung die Skalierung über externe Dienstleister vorherrschend. Dem folgte die Standardisierung mit der Prämisse der Komplexitätsreduktion, was gleichzeitig Grundlage für eine erste Automation bot. Die sich anschließende Business Process Optimization wiederum war über den Einsatz vielfältiger Werkzeuge und eine End-to-End-Betrachtung der geeignete Startpunkt für Robotic Process Automation (RPA) und Künstliche Intelligenz (KI). Zusammen mit der Digitalen Transformation unterstützen sich diese Technologien heute nun gegenseitig und erlauben eine Transformation der Geschäftsmodelle mit den Instrumenten Social Networks, Mobile Access, Cloud Computing und Big Data. Die moderne Technologie soll dabei den Menschen unterstützen und ihn von zeitraubenden Routineaufgaben weitestgehend befreien. Sie ist Mittel zum Zweck um eine Konzentration auf die Sache an sich zu ermöglichen, wie es bereits Mark Weiser in seinem visionären Artikel »The Computer for the 21st Century« beschrieben hat (vgl. Weiser 1991, S. 94–104).

1.1.2  Zielsetzung des Beitrags und Darlegung des Vorgehens

Die Zielsetzung dieses Beitrags ist es, die Bedeutung der Digitalität im Rahmen der digitalen Transformation aufzuzeigen. Dabei soll die Rolle von Technologien unter Anwendung von Robotic Process Automation (RPA) und Künstliche Intelligenz (KI) in diesem Kontext dargestellt und ein erstes praxisbezogenes Konzept zur Integration der Digitalität mit dem Fokus auf die RPA- und KI-Technologien entwickelt werden.

Daraus ergeben sich folgende Forschungsfragen:

• Welche Chancen entstehen für die Geschäftsprozesse Marketing und Vertrieb eines Unternehmens durch die Berücksichtigung der Aspekte der Digitalität in der Praxis?
• Wie lassen sich die Kriterien der Digitalität in die digitale Transformation der Geschäftsprozesse eines Unternehmens integrieren?
• Auf welche Weise kann dabei die Bewertung der Digitalität erfolgen? Welche Kriterien und Anforderungen sind für die praktikable Handhabung zu berücksichtigen?
• Wie lassen sich digital und analog sinnvoll vernetzen?

 

Hierzu wird in Abschn. 1.2 zunächst auf die theoretischen Grundlagen der Geschäftsprozessoptimierung eingegangen, die den übergeordneten Rahmen für die digitale Transformation eines Unternehmens bildet. Schließlich ist die Digitalisierung kein Selbstzweck eines Betriebes, sondern aktuell die Technologie der Wahl zur Geschäftsprozessoptimierung durch die Automatisierung vorhandener Geschäftsprozesse. Die RPA- und die KI-Technologie sind wichtige Wegweiser dieser Entwicklung, die ein hohes Potenzial im Marketing und Vertrieb aufweisen, und im Anschluss anhand zahlreicher praxisorientierter Beispiele beleuchtet werden.

In ▶ Abschn. 1.3 wird ein praktikables Konzept zur Integration der Kriterien der Digitalität in die digitale Transformation eines Unternehmens aufgestellt. Dafür erfolgt zunächst die Übertragung des kulturwissenschaftlichen Verständnisses der Digitalität nach Stalder (2019) in den betriebswirtschaftlichen Kontext. Der ganzheitliche anwendungsorientiere Ansatz von Appellfeller und Feldmann (2018), der auf einem Referenz-, Reifegrad- und Vorgehensmodell aufbaut, wird im weiteren Verlauf um die Kriterien der Digitalität erweitert. Die Anforderungen an diese Kriterien und deren Ausprägungen werden auf Basis der Erkenntnisse aus der akademischen Forschung und unternehmerischen Praxis entwickelt und mit Bewertungsempfehlungen versehen. Der Bezug zur Automatisierung von Geschäftsprozessen in Form von RPA- und KI-Technologien in Verbindung mit menschlichen Stakeholdern wie Mitarbeitern und Kunden wird dabei hergestellt. Abschließend wird die Vorgehensweise bei der Bewertung anhand eines Beispiels erläutert und eine kritische Betrachtung des vorgeschlagenen Ansatzes vorgenommen. Letztlich wird in ▶ Abschn. 1.4 ein Resümee gezogen, welches die Ergebnisse dieses Betrags zusammenfasst.

1.1.3  Forschungsstand

Die Diskussion der Digitalität in der wissenschaftlichen Literatur beginnt Ende der 1990-er Jahre in den Geisteswissenschaften (Soziologie und Medientheorie) und geht ursprünglich auf das Werk von Castells (2017) Das Informationszeitalter: Wirtschaft, Gesellschaft und Kultur zurück.[1] Im deutschsprachigen Raum entwickeln sich in den nächsten zwei Jahrzehnten in den Kultur-, Politik- und Sozialwissenschaften zwei Forschungsrichtungen. Einerseits folgt die Fokussierung auf die Trennung der technischen und der menschlichen Facette der Digitalität wie etwa bei Fuchs (2013) und der DFG-geförderten Symposienreihe Digitalität in den Geisteswissenschaften (vgl. DFG 2020).

Andererseits konzentrierten sich die Forscher auf die simultane Betrachtung beider Facetten – digital und analog als ein Ganzes. Die wesentlichen Arbeiten kommen hier von Schier (2018), der in seinem Werk drei Prämissen der Digitalität aufstellt, sowie von Stalder (2019), der die Digitalität als Dreiklang der Kriterien Referentialität, Gemeinschaftlichkeit und Algorithmizität zusammenfasst und dessen Sicht als grundlegendes Verständnis der Digitalität in diesem Beitrag weiter verfolgt wird.

Der erste Versuch, den Bezug zu den Wirtschaftswissenschaften herzustellen, findet sich bei Hochmann (2018), allerdings auf einem sehr abstrakten philosophischen Niveau. Sonst finden sich in der Literatur kaum Ansätze, welche die Digitalität in die anwendungsbezogenen Gebiete der Betriebswirtschaftslehre wie etwa Marketing und Vertrieb integrieren.

Die Forschung zur Geschäftsprozessoptimierung mithilfe von RPA und KI ist noch sehr jung und beruht im deutschsprachigen Raum im Wesentlichen auf den Arbeiten von Smeets et al. (2019) sowie Langmann und Turi (2020), die sich auf den Einsatz dieser Technologien in der Finanzwirtschaft und im Controlling fokussieren. Auch hier fehlt in der Literatur nahezu gänzlich die Auseinandersetzung mit der Digitalität im Zusammenhang mit RPA und KI.

Folglich widmet sich dieser Beitrag der Verknüpfung dieser Themen, um die bestehende Forschungslücke zu schließen.

1.2  Grundlagen der Automatisierung

1.2.1 Geschäftsprozessoptimierung

Heutzutage wendet fast jedes Unternehmen verschiedene Methoden der Geschäftsprozessoptimierung an, um am Markt bestehen zu bleiben. Ziel ist es, einen Mehrwert zu schaffen und die Effizienz und Produktivität der Organisation so zu steigern, dass sie der zugehörigen Zielsetzung besser entsprechen. Mit Hilfe bekannter Modelle und Verfahren werden etwa Abwicklungszeiten, Fehlerquoten oder Prozesskosten fortlaufend verbessert. Diesem Vorgehen liegt der wirtschaftswissenschaftliche Ansatz des evolutionären Veränderungsprozesses zugrunde. Bei dieser Methode muss eine Erfassung der IST-Prozesse vorangehen, auf deren Grundlagen anschließend Optimierungen durchgeführt werden.

Dazu gehört beispielsweise, aber nicht ausschließlich, der Kontinuierliche Verbesserungsprozess (KVP) genauso wie das Business Process Reengineering (BPR). Die Herausforderung liegt in der Wechselwirkung sowie der großen Komplexität von Prozessen gerade bei globalen Organisationen. Zu deren Analyse lassen sich hervorragend Data Mining Techniken einsetzen, die idealerweise gleich unbekannte Muster oder Engpässe mit aufdecken.

Grundlage für eine tiefergehende Prozessoptimierung ist aber zunächst einmal die Geschäftsprozessmodellierung, welche der verständlichen und übersichtlichen Visualisierung eines Prozesses dient. Neben Flow-Chart, UML (Unified Modeling Language) oder BPML (Business Process Modeling Language) hat sich hier vor allem das von August-Wilhelm Scheer (vgl. Scheer 1998). Mitte der 1990er Jahre zusammen mit SAP entwickelte ARIS-Konzept durchgesetzt. ARIS (Architektur integrierter Informationssysteme) unterteilt den zu modellierenden Prozess in eine Organisations-, Daten-, Funktions- und Steuerungsschicht. Diese wiederum sind Grundlage für Ereignisgesteuerte Prozessketten (EPK) (vgl. Schönsleben 2001, S. 196) und ermögliche über definierte Grundelemente die Darstellung eines zeitlich-logischen Ablaufs auch komplexer Prozesse.

Sobald also Klarheit über bestehende Prozesse besteht, kann die Prozessoptimierung ansetzen. Nach einer eingehenden Planungs- erfolgt die Umsetzungsphase unter Einbindung der Mitarbeiter zum gleichzeitigen Aufbau von Veränderungs-Know-How für künftige Optimierungen, welche aufgrund der gegebenen Umweltdynamik nicht lange auf sich warten lassen werden.

1.2.2 Robotic Process Automation

Rechnungen schnell einscannen, Daten automatisiert hochladen, Lieferbelege oder Zahlungseingänge überwachen lassen: Stetig wiederkehrende Aufgaben, wie das Abgleichen von Listen und andere sich wiederholende Büroaufgaben, gehören auch im 21. Jahrhundert noch häufig zum Arbeitsalltag vieler Unternehmen und ihrer Mitarbeiter. Dabei bindet dies neben Arbeitskraft und Personalkosten auch Motivation der Mitarbeiter. Schließlich möchten sie sich auf die anspruchsvollen und wirklich wichtigen Aufgaben konzentrieren statt sich notgedrungen mit zeitaufwändigen manuellen Tätigkeiten aufhalten. Der Schlüssel hierzu liegt in der Robotic-Process-Automation (RPA): Systeme automatisieren Prozesse im Unternehmen, senken somit Kosten und schaffen Freiräume, um Mitarbeiter für komplexere Aufgaben freizustellen.

Gestern noch Utopie, heute bereits unverzichtbare Erleichterung im Business-Umfeld: Software-Roboter, die Geschäftsprozesse automatisieren und menschliche Mitarbeiter von monotonen Aufgaben entlasten. Die noch junge Methode der Prozessautomatisierung übernimmt Anwenderrollen und interagiert mit anderen Softwaresystemen über Systemgrenzen hinweg. Roboter arbeiten in der Regel 50 % schneller als Menschen und sind zudem nicht an zeitliche Barrieren gebunden, d.h. sie können auch 24 Stunden rund um die Uhr arbeiten sowie an Wochenenden und Feiertagen. Dabei ist die Idee der RPA nicht, Arbeitsplätze wegzurationalisieren, sondern die Tätigkeiten zwischen Mitarbeitern und autonomen Systemen so aufzuteilen, dass sich der Angestellte anspruchsvollen Aufgaben zuwenden kann. Ein Zugewinn für Unternehmen und Mitarbeiter also.

Den Anwendungsbereichen für die Automatisierung von zeitintensiven Geschäftsprozessen sind keine Grenzen gesetzt. Das Machine Learning entwickelt bestimmte, dazu befähigte Roboter sogar so weiter, dass sie eine Lernkurve im Rahmen ihrer Tätigkeiten durchlaufen.

In Finance & Accounting Abteilungen kommt RPA etwa bei der Prüfung von Eingangsrechnungen oder der Durchführung von Zahlungen zur Anwendung. Auch das strikt regelbasierte Erstellen von Lohnzetteln, Personalstatistiken oder der Abgleich von Sozialbeiträgen müssen längst nicht mehr Mitarbeiter der Personalabteilung mühsam manuell erledigen, diese Aufgaben können vielmehr Software-Robotern übertragen werden. Selbst bei der Prüfung und Erstauswertung von Bewerbungsunterlagen ist dies möglich. Die Marketing-Abteilung kann RPA einsetzen, um Werbeflyer an bestimmte Personen zu versenden und um die Analyse von Trends und Umfragen über die Kundenzufriedenheit zu unterstützen. Kunden-Service, Controlling und Risikomanagement sind weitere typische Anwendungsgebiete.

Die jeweilige Auswahl von Prozessen, die durch RPA automatisiert werden, muss jedoch gut durchdacht sein. Die Geschäftsführung ist aber gut beraten, vor der technischen RPA-Umsetzung eine gründliche Analyse der Ist-Situation und eine RPA-Eignungsprüfung durchzuführen. Dieser Schritt ermittelt vor allem ineffiziente, überflüssige und fehlerhafte Prozesse, an denen selbst eine RPA an Grenzen stösst, im äußersten aber sogar scheitern kann. Doch welche Prozesse lassen sich in das RPA-Projekt eingliedern? Was können die Software-Roboter? Grundsätzlich lässt sich sagen, dass sich vor allem Prozesse eignen, die sich häufig wiederholen, regelbasiert sind und lange Ausführungszeiten haben. Da die Automatisierung auch dazu dient, Fehler bei der manuellen Eingabe zu vermeiden, kann dies ein weiteres Kriterium bei der Auswahl sein. Bewältigt werden können auch Systembrüche mit mehreren beteiligten Anwendungen wie MS Excel, Word, Outlook, Datenbanken etc. Wer die Einführung von Software-Robotern plant, sollte wissen, dass die RPA die Vorstufe der Künstlichen Intelligenz (KI) ist, also der höchsten und komplexesten Ebene der Prozessautomatisierung. Demzufolge findet die RPA ihre Grenzen bei sehr komplexen Programmabläufen, die viele Ausnahmen und unstrukturierte Eingabedaten umfassen. Auch Ermessensentscheidungen sowie neue, noch nicht aufgezeichnete Prozesse überfordern Bots. In diesen Fällen sind nach wie vor die Intelligenz und der manuelle Eingriff des Menschen nötig oder aber Instrument der KI.

Als weitere Frage stellt sich, ob attended Bots oder unattended Bots verwendet werden, wie intensiv der Roboter vom Menschen kontrolliert und beaufsichtigt wird. Attented Bots arbeiten im Team mit dem Mitarbeiter, quasi als dessen persönlicher Assistent. Bei der beaufsichtigten Automatisierung wird ein Bot für die Zusammenarbeit mit dem Menschen konfiguriert, um die Produktivität zu steigern. Bearbeitungszeiten von Prozessen können so bis zu 90 % reduziert werden. Typisches Anwendungsbeispiel ist ein Callcenter oder andere Servicedesk-Umgebungen. Erhält der Mitarbeiter zum Beispiel einen Kundenanruf, startet er manuell den Bot, der ihm zum Beispiel Fragen vorschlägt, die er dem Kunden stellen kann und während des gesamten Gesprächs Handlungsanweisungen gibt. Beim Unattended Bot handelt es sich um einen autonom arbeitenden Roboter, der sich vor allem dafür eignet, Backoffice-Prozesse zu optimieren. Ein Kommunikationsbot antwortet zum Beispiel automatisch internen und externen Kunden, bestätigt E-Mail Eingänge durch die Versendung von Instant Replies und führt selbstständig alle weiteren Bearbeitungsschritte durch. Dadurch kann sich bereits eine enorme Kostenreduktion einstellen, die in einigen Fällen bis zu 80 % erreicht.

Die Roboter-Prozessautomatisierung (RPA) ist ein wichtiges Tool Automation, das kombiniert mit anderen maschinellen Lernprogrammen, Softwarepaketen und Automatisierungstools organisationsübergreifend Prozesse und Aufgaben automatisiert. Natürlich kann ein einzelnes Tool den Menschen nicht ersetzen. Das ist auch nicht der Grundgedanke. Aber die Tendenz geht eindeutig zu einer zunehmend KI-gesteuerten Entscheidungsfindung.

1.2.3  Intelligent Automation

Automatisierte Chatbots beantworten individuelle Kundenanfragen, selbstlernende Computerprogramme steuern Investments und decken verdächtige Transaktionen und Geldwäsche auf. Was vor wenigen Jahren noch weitgehend als Zukunftsmusik galt, ist heute im Bank- und Finanzsektor Realität und gängige Praxis. Künstliche Intelligenz (Abkürzung: KI; englisch: Artificial Intelligence, Abkürzung: AI) hat Einzug gehalten und ist eines der wichtigsten Zukunftsthemen der Branche.

Digitalisierung und Technologien auf KI-Basis strukturieren den Finanzsektor um, weil sie dazu in der Lage sind, Geschäftsmodelle und den Markt für Finanzdienstleistungen grundlegend zu verändern. Datenanalyse und Informationsgewinnung aus Massendaten (Big Data), die aus immer größer werdenden auch unstrukturierten Datenmengen bestehen, sind mittlerweile so professionalisiert, dass dazulernende Computerprogramme heute besser über globale Warenströme informiert sind als alteingesessene Handelshäuser. Cargill, Louis Dreyfus oder Trafigura waren mit ihren hauseigenen Hedgefonds dank ihrer exklusiven Marktinformationen an der Terminbörse früher kaum zu schlagen. Die Mitarbeiter des niederländischen Rohstoffhandelsunternehmens Trafigura (180 Milliarden Dollar Umsatz) schickten Tanker und Frachter um die Welt und wussten stets, wo ein Überangebot die Preise drückt. Erzielte deren Hedgefonds Galena Metals bis 2013 noch traumhafte 9,4 Prozent Rendite pro Jahr, so musste Trafigura 2015 die Sparte schließen, so wie andere Trader auch. Investments werden jetzt mittels KI gesteuert, ohne je eine Ladung Platin aus Südafrika oder ein Barrel Öl aus Venezuela bewegt zu haben.

Der Einsatz der KI im Finanzsektor steht allerdings erst am Anfang und kündigt bereits neue Wettbewerbsdynamiken an. Das Beherrschen der damit einhergehenden Menge und Komplexität von Daten wird künftig wichtiger sein als die Beherrschung des Umfangs oder der Komplexität von Kapital.

Auch Regierungen haben den Wert der KI mittlerweile erkannt. Als Würdigung dessen wird ab 2021 das Porträt Alan Turings in Großbritannien symbolisch die 50-Pfund-Note zieren. Der britische Mathematiker gilt als einer der einflussreichsten Theoretiker der frühen Computerentwicklung und entwickelte 1950 einen Test, der zeigen sollte, ob die Intelligenz einer Maschine dem Menschen ebenbürtig sei – den nach ihm benannten Turing-Test. Die deutsche Bundesregierung ihrerseits berücksichtigt inzwischen auch die Finanzwirtschaft in ihrer »Strategie Künstliche Intelligenz«. Seit November 2018 setzt die Regierung so einen Rahmen für die Entwicklung und Anwendung der KI in Deutschland um insbesondere den Forschungsstandort zu stärken. Als Maßnahme dieser Strategie wurde Ende 2019 die Plattform Financial Big Data Cluster (FBDC) von Wirtschaftsministerium sowie Branchen- und Technologieexperten gegründet, um Datenmengen aus dem Finanzsektor für die Betrachtung verfügbar zu machen, Transaktionen gemeinschaftlich zu untersuchen und so gegen Geldwäsche vorzugehen. Vorreiter beim Einsatz dieser innovativen Technologien für den Finanzsektor sind dabei Frankfurt/Main und Umgebung als wichtigstes Finanz- und Bankenzentrum. Mittels eines Masterplans für die Start-up-Region Frankfurt Rhein-Main haben sich Wirtschaft, Wissenschaft und Politik zudem – vorgenommen, die Region zum führenden Fintech-Standort in Kontinentaleuropa sowie zu einem international anerkannten Technologiestandort auszubauen. Im TechCampus werden Mitarbeiter entsprechend qualifiziert. Des Weiteren stärkt ein hochschulübergreifendes Kompetenzzentrum für KI die Spitzenforschung.

Mit der Arbeit dieser deutschland-, europa- sowie weltweiten Initiativen wird es wahrscheinlich, dass der Einsatz der KI im Finanzsektor weiter zunimmt und erheblich wächst. Für Branchenakteure ist es daher unerlässlich, Entwicklungen aus der Nähe zu verfolgen und deren Einsatz im eigenen Unternehmen zu prüfen, um wettbewerbsfähig zu bleiben. Dabei beschränken sich Einsatzmöglichkeiten zudem nicht nur auf Analyse-Algorithmen und investigative Untersuchungen. Auch im alltäglichen Kundenverkehr wird der Einsatz von KI-Technologien allgegenwärtig. So informieren z. B. Sprachassistenten Kunden zu Filialen, Finanzprodukten und Aktienkursen; auch Kontozugriff und Abfrage von Kontoständen sowie Umsätzen sind per Spracheingabe möglich. Weitere Anwendungsbeispiele finden sich in Form von Chatbots, also textbasierten Dialogsystemen in der Kundenkommunikation.

Einen aktuellen Forschungsgegenstand stellt derzeit der Einsatz der KI für die Kreditvergabe dar. Dabei werten neuronale Netze Informationen tausender früherer Kreditentscheidungen und das Rückzahlverhalten von Kunden aus. Die so gewonnenen Muster gleichen die Systeme dann mit den Daten des neuen Kreditantrags ab. So können die Algorithmen Aussagen zur Kreditwürdigkeit des Kunden treffen. Hinderungsgrund für die praktische Einsetzbarkeit stellt jedoch noch die fehlende Nachvollziehbarkeit und Transparenz der algorithmusbasierten Entscheidungen dar. So muss auch gegenüber der Finanzaufsicht die Möglichkeit gegeben sein, Entscheidungsbegründungen zu Kreditbewilligungen beziehungsweise -ablehnungen schlüssig und plausibel darzulegen. Erste Prototypen sind jedoch in der Lage, datenbasierte Entscheidungen zur Kreditvergabe für den Menschen argumentativ nachvollziehbar zu machen. Es ist daher absehbar, dass KI-basierte Technologien im Finanzsektor auch diese Hürde mittel- bis langfristig nehmen werden.

Neben zuverlässigen Ermittlungen hinsichtlich der Kreditwürdigkeit von Kunden bietet KI wertvolle Beiträge zur Bindung bestehender Kunden. Mit personenspezifischen Angeboten, automatischen Antwortmöglichkeiten und dementsprechend beschleunigten Kommunikationsprozessen bietet KI den Banken eine Möglichkeit, sich zu differenzieren. Angesichts von sonst nur gering vorhandenen Differenzierungsmöglichkeiten entsteht hier eine gewichtige Option, sich durch neue Services deutlich von Mitbewerbern abzuheben.

1.3  Integration der Digitalität in der Praxis

1.3.1 Digitalität in der betriebswirtschaftlichen Praxis

Die Aussage des Chefs der Deutschen Telekom Timotheus Höttges, dass alles was digitalisiert werden könne, auch tatsächlich digitalisiert werde, und alles vernetzt und automatisiert, was vernetzt und automatisiert werden könne,[2] unterstreicht die Bedeutung ganzheitlicher Betrachtung digitaler Transformation von Unternehmen unter Aspekten der Digitalität (vgl. Höttges 2015).

Die Interdependenzen zwischen zunehmender Automatisierung der Geschäftsprozesse durch moderne Technologien und der Gestaltung der Arbeitsprozesse menschlicher Akteure wie Mitarbeiter und Kunden in einer unternehmerischen Welt, wo keine explizite Grenze zwischen Digital und Analog gezogen wird, rücken in den Vordergrund folgender Analyse.

In der Literatur wird die Digitalität nach Stalder (2019) und Schier (2018) aus kulturpolitischer Sicht als Weiterentwicklung der Digitalisierung verstanden, die eine nahtlose Verschmelzung von Mensch und Technik in den Vordergrund stellt und folglich eine hohe Relevanz auch für die digitale Transformation eines modernen Unternehmens ausmacht. Schier (2018) versteht die Digitalität nicht als einzelne Methode, sondern als Grundansatz zur Schaffung ausgewogener Balance zwischen digitalen und analogen Lebenswelten durch den vernetzten Einsatz von Inhalten, Methoden, Ansätzen, Geschäftsmodellen etc. Dieser Beitrag orientiert sich an dem Verständnis der Digitalität nach Stalder 2019, der die Digitalität als »(…) jenes Set von Relationen, das heute auf Basis der Infrastruktur digitaler Netzwerke in Produktion, Nutzung und Transformation materieller und immaterieller Güter sowie in der Konstruktion und Koordination persönlichen und kollektiven Handelns realisiert wird.« (Stalder 2019, S. 18). Auf dieser Basis leitet er drei charakteristische Merkmale der Kultur[3] der Digitalität ab:

1. Referentialität spiegelt die permanente Wiederverwendung bereits generierter, mit Bedeutung versehener Informationen, Erfahrungen, Wissen etc. im Entscheidungsprozess sowohl zur Produktion als auch Reproduktion neuer Inhalte wider (vgl. Stalder 2019, S. 96-98; Hochmann 2018). Für den Einsatz in der Praxis bedeutet es, dass jegliches Wissen etwa mithilfe einer Suchmaschine schnell gefunden und genutzt werden kann, um daraus neues Wissen zu schaffen und mit bestehendem Wissen zu verbinden. Die Verbindungen (Referenzen) zum bestehenden Wissen werden hierbei zunehmend automatisiert generiert. Da die Zeit eine knappe Ressource des Unternehmens ist, sind die Mitarbeiter auch aufgrund kognitiver Beschränkungen und daraus entstehenden Big-Data-Problematik[4] auf die Unterstützung digitaler Assistenten (RPA, KI) angewiesen. Die multidimensionalen Kundenprofile (etwa Customer Journey etc.), die mit deren Hilfe dynamisch generiert werden und eine hohe Detaillierungstiefe aufweisen, ermöglichen individualisierte, jederzeit verifizierbare Marketingstrategien (etwa Werbekampagnen) und erhöhen damit die Kundenbindung.
2. Gemeinschaftlichkeit unterstreicht die Notwendigkeit der freiwilligen, von traditionellen normativen (Unternehmens-)Zwängen gelösten Intersubjektivität (Kollaboration) für die Gewährleistung der Handlungsfähigkeit menschlicher Akteure (vgl. Stalder 2019, S. 129-131). Ein einzelner Mitarbeiter kommt mit zunehmender Komplexität gesellschaftlicher, technologischer und wirtschaftlicher Zusammenhänge alleine nicht mehr zurecht und ist stets auf einen offenen Austausch in größtenteils selbst generierten, zunehmend interdisziplinären (Unternehmens-)Communities[5] Durch die Gemeinschaftlichkeit entstehender interdependenter Wissenstransfer in Communities generiert einen Mehrwert für alle teilnehmenden Akteure. Die digitalen Assistenten ermöglichen dem Unternehmen die nahtlose Einbindung der Kunden als (Co-)Designer in die Produktentwicklung, die automatisierten Marketingkampagnen in sozialen Netzwerken, die individualisierte Peer-to-Peer Beratung und die Vertriebsunterstützung. Folglich nimmt die Bedeutung effizienter und effektiver Vernetzung, Verarbeitung und Visualisierung menschlicher Kommunikationsprozesse durch digitale Assistenten kontinuierlich zu, um insbesondere kreative und agile Entscheidungsprozesse in Unternehmen zu fördern.
3. Algorithmizität postuliert die Verwendung digitaler Technologien zur Unterstützung des Entscheidungsprozesses eines menschlichen Akteurs unter steigender Komplexität der Umwelt als notwendige Bedingung (vgl. Stalder 2019, S. 164-167). Folglich gewährleistet der zunehmende Einsatz von digitalen Assistenten (RPA-Bots) die Entscheidungsfähigkeit der Mitarbeiter in einem modernen Unternehmen und fördert die Weiterentwicklung dieser Technologien (KI-Bots). Einerseits erfolgt die Entscheidungsunterstützung der Mitarbeiter durch die digitalen Assistenten permanent und undurchsichtig als eine Art der Black-Box-Verarbeitung und schafft dadurch neue Abhängigkeiten von digitalen Hilfsmitteln. Andererseits kann ein Mitarbeiter dadurch zunehmend selbstständig handeln (Gewährleistung persönlicher Handlungsfreiheit). Die Kaufentscheidung wird dem Kunden erheblich durch die Unterstützung intelligenter digitaler Assistenten erleichtert, da unter anderem ein online und stationär integrierter Customer-Self-Service (CSS) (etwa mithilfe von Chat-Bots) sowie ein Produktvergleich/-suche mithilfe automatisch generierter Kriterien möglich werden.

Insgesamt führt die Automatisierung der Geschäftsprozesse mithilfe der RPA- und KI-Technologien unter Berücksichtigung der Kriterien der Digitalität nicht nur zur Effizienzerhöhung durch verkürzte Prozesszeiten, Fehlerreduktion und einfache Prozessstandardisierung. Vielmehr ergeben sich dadurch synergetische Vorteile, die zur Effektivitätssteigerung der Mitarbeiter, Kunden und des gesamten Unternehmens beitragen. Die signifikante Reduktion des Anteils an unqualifizierten Aufgaben durch RPA-Technologie um bis zu 90 % (vgl. Smeets et al. 2019, S. 22) fördert die Konzentration eines Mitarbeiters auf die qualifizierten Aufgaben, steigert somit seine Motivation und lässt mehr Zeit für die Kundenkommunikation. Des Weiteren wird aufgrund erhöhter Flexibilität beim Treffen von Entscheidungen, der Förderung der Kreativität, einfacher Kollaboration und agiler Arbeitsweise ein hoher Betrag zur Steigerung der Qualität der Entscheidungsfindung durch ein besseres Wissensmanagement geleistet.[6]

Ein Praxisbeispiel anhand der Optimierung der Analyse des Kundenverhaltens im Cross-Channel-Management verdeutlicht diese Überlegungen: Ein Mitarbeiter der Marketingabteilung wird durch den Einsatz von RPA-/KI-Technologie von den Routineaufgaben beim manuellen Monitoring des Verhaltens einzelner Kunden oder Kundengruppen entlastet. Er bekommt nun nach seinen Kriterien automatisch vorselektierte integrierte Customer Journeys auf dem Bildschirm angezeigt (Algorithmizität). Eine interaktive Tag- beziehungsweise Schlagwortwolke, welche die ausgewählten Kundenmerkmale darstellt, erlaubt ihm eine schnelle Analyse der Korrektheit einer online/offline Werbekampagne. Mit einem Klick auf einzelne Schlagwörter in der Tagwolke kann der Mitarbeiter auf die Customer Journeys einzelner Kunden oder Kundengruppen eingehen und weitere detaillierte Informationen wie direkte und indirekte Touch Points (etwa Anzeige, Werbespot, Bewertungsportale, Blogs etc.) beziehungsweise Kommunikationskanäle der Kunden (etwa Online-Shop, Filiale, Lieferdienst etc.) direkt und in Echtzeit aufrufen (Referentialität). Der Bedarf an Meetings und Zusammentreffen mit Kollegen reduzierte sich erheblich, da jetzt das Wissen der Kollegen durch automatisierte Werkzeuge aufbereitet und bedarfsgerecht jederzeit zur Verfügung gestellt wird. Auch die Anbindung der Mitarbeiter des Außendienstes an das Wissenspool/Datenbasis des Unternehmens erfolgt permanent und in Echtzeit. Die Kollaboration des Marketing-Teams wird dadurch stark vereinfacht (Gemeinschaftlichkeit).

1.3.2 Integration der Digitalität

Die Erweiterung der digitalen Transformation eines Unternehmens um die drei Kriterien der Digitalität wird anhand des Ansatzes von Appellfeller und Feldmann (2018) analysiert, der einen systematischen Leitfaden zur Durchführung digitaler Transformation darstellt. Als Teil der anwendungsorientierten Forschung weist der Ansatz von Appellfeller und Feldmann (2018) einen hohen praktischen Bezug auf und liefert durch einen eng verzahnten Theorie-Praxis-Transfer eine umfassende Grundlage für die relevanten Entscheidungen im Unternehmen im Zuge der digitalen Transformation. Dieser Ansatz besteht aus einem Referenz-, Reifegrad- und Vorgehensmodell.

Das Referenzmodell dient der Beschreibung und der Strukturierung der digitalen Transformation und beinhaltet zehn Elemente: Digitalisierte Geschäftsprozesse, IT-Systeme, Digitale Daten, Digitale Vernetzung, Digitalisierte Maschinen und Roboter, Digitalisierte Produkte/Dienstleistungen, Digitalisierte Mitarbeiter, Digital angebundene Kunden und Lieferanten, Digitalisierte Prozesse und Digitalisiertes Geschäftsmodell (vgl. Appellfeller und Feldmann 2018, S. 2-11).

Das Reifegradmodell[7] erlaubt die Messung und Bewertung des Ist-Zustandes als Grundlage für die anschließende Planung des Soll-Zustandes des jeweiligen Elements anhand flexibel definierter Kriterien durch die Einordnung in vier Reifegradstufen der Digitalisierung. Die Empfehlungen zur Definition der Kriterien und der Einordnung in jeweilige Reifegradstufen werden durch Fachexperten im Rahmen eines Audits geprüft und festgelegt. Jedes Kriterium lässt sich durch die Festlegung von Anforderungen und deren Ausprägungen detailliert beschreiben. Die Reifegradmessungen auf Basis von Kriterien, Anforderungen und Ausprägungen lassen sich schließlich mithilfe einer Profil-Linie darstellen, welche sowohl den Ist- als auch den Soll-Status eines Elements qualitativ abbildet. Die Quantifizierung der Messungen erfolgt mit einem Scoring-Modell durch die Addition gewichteter Reifegrade von Kriterien, Anforderungen und Ausprägungen zu einem Ist- und Soll-Scoring-Wert eines Elements. Damit lassen sich die aktuellen und angestrebten Reifegrade der digitalen Transformation pro Element des Referenzmodells abbilden und als Führungsinstrument nutzen (vgl. Appellfeller und Feldmann 2018, S. 13-16).

 

 

Abb. 1.1 Integration der Digitalität bei digitaler Transformation. (Quelle: In Anlehnung an Appellfeller und Feldmann 2018, S. 14.)

 

Das Vorgehensmodell beschreibt abschließend die Umsetzung geplanter Vorgaben auf Basis der Ergebnisse des Referenz- und des Reifegradmodells. Folglich fassen alle drei Modelle die Struktur, die Bewertung, die Planung und das Vorgehen bei der Umsetzung der digitalen Transformation eines Unternehmens gesamtheitlich zusammen (vgl. Appellfeller und Feldmann 2018, S. 16-18) (vgl. Abb. 1.1).

Zur Integration der oben aufgeführten Kriterien der Digitalität mit Fokus auf RPA- und KI-Technologie wird das Referenzmodell von Appellfeller & Feldmann 2018 um ein weiteres Element Digitalität erweitert. Die Reifegradmessung dieses Elements nutzt die drei gewichteten Kriterien Referentialität, Gemeinschaftlichkeit und Algorithmizität, die detailliert durch Ausprägungen relevanter Anforderungen mit Empfehlungen zur Stufenzuordnung abgebildet werden.

Einerseits repräsentiert die Automatisierung der Geschäftsprozesse durch RPA- und KI-Technologie die technische Facette der Digitalität, die im Kontext der digitalen Transformation in enger Verbindung mit vier Elementen des Referenzmodells Digitale Daten, IT-Systeme, Digitalisierte Geschäftsprozesse und Digitale Vernetzung steht. Andererseits nutzen die menschlichen Akteure, die anhand drei weiteren Elemente Digitalisierte Mitarbeiter, Digital angebundene Kunden und Digital angebundene Lieferanten dargestellt sind, die Ergebnisse der Automatisierung als Werkzeuge der Kollaboration und des Wissensmanagements in Form digitaler Assistenten auf Basis der RPA- und KI-Technologie (vgl. ◉ Abb. 1.1).

Folglich stellen die Anforderungen an die drei Kriterien der Digitalität den Bezug zwischen der Digitalität und sieben Elementen des Referenzmodells her. Die Definition, Auswahl und Syste-matisierung der Anforderungen und deren Ausprägungen basieren auf den aktuellen Erkenntnissen aus der akademischen Forschung und unternehmerischen Praxis (vgl. Appellfeller und Feldmann 2018; Wölfl et al. 2019; Langmann und Turi 2020; Smeets et al. 2019; Kollmann 2019; Rump und Eilers 2019) (vgl. ◉ Abb. 1.2, ◉ Abb. 1.3 und ◉ Abb. 1.4).

Das Resultat der Messung bildet den Ist-Status der Digitalität eines Unternehmens sowohl unter qualitativen als auch quantitativen Aspekten anhand des Ist-Scoring-Werts ab. Basierend auf diesen Ergebnissen folgt abschließend die Planung und Abbildung des Soll-Zustandes der Digitalität in Form einer Profil-Linie und eines Soll-Scoring-Werts (vgl. ◉ Abb. 1.1).

Abb. 1.2 Assessment Referentialität.

 

Abb. 1.3 Assessment Gemeinschaftlichkeit.

 

Abb. 1.4 Assessment Algorithmizität.

 

1.3.3  Anwendungsbeispiel

Ein Beispiel in der ◉ Abb. 1.5 erläutert die Vorgehensweise aus dem ▶ Abschn. 1.3.2. Die Kriterien Referentialität, Gemeinschaftlichkeit und Algorithmizität erhalten anhand praktischer Überlegungen jeweils eine Gewichtung von 0,3 / 0,3 / 0,4.[8]

Zur Bestimmung des Ist-Scoring-Werts der Referentialität werden die sechs Anforderungen Digitale Daten, IT-Systeme, Digitale Vernetzung, Digitalisierte Geschäftsprozesse, Digitale Mitarbeiter und Digital angebundene Kunden und Lieferanten mit einem Gewicht von  versehen. Die Ausprägungen Struktur der Daten und Indexierung der Daten des Kriteriums Digitale Daten werden mit  gleichgewichtet. Die Ist-Reifegradmessung dieser Ausprägungen ergibt anhand der Empfehlungen aus der ◉ Abb. 1.2 eine Einordnung in die Stufe 1 und die Stufe 2 respektive. Folglich ergibt sich der Ist-Scoring-Wert der Anforderung Digitale Daten: 0,5 * 2 + 0,5 * 1 = 1,5

Bei der Bestimmung der Ist-Scoring-Werte weiterer fünf Anforderungen wird analog verfahren. Die errechneten gewichteten Scoring-Werte der sechs Anforderungen fließen anschließend in die Bestimmung des Ist-Scoring-Werts des Kriteriums Referentialität ein: 1/6 * 1,5 + 1/6 * 2,5 + 1/6 * 2,0 + 1/6 * 2,6 + 1/6 * 2,3 = 2,15. Die Berechnung der Ist-Scoring-Werte der Kriterien Gemeinschaftlichkeit und Algorithmizität erfolgt auf die identische Weise.

Danach wird durch die Addition der gewichteten Ist-Scoring-Werte der drei Kriterien der Ist-Scoring-Wert des Elements Digitalität bestimmt:  0,3 * 2,15 + 0,3 * 2,29 + 0,4 * 1,62 = 1,98. Die Berechnung der Soll-Scoring-Werte des Elements Digitalität und dazugehöriger Kriterien und deren Ausprägungen erfolgt analog (vgl. ◉ Abb. 1.5). Insgesamt ergeben sich dadurch die Ist- und Soll-Zustände des Elements Digitalität mit dazugehörigen Profillinien sowie Ist- und Soll-Scoring-Werten (vgl. ◉ Abb. 1.1).

Abb. 1.5 Beispiel Assessment Digitalität.

 

1.4 Fazit und Ausblick

Unternehmer stehen heute mehr denn je vor der Herausforderung, ihr Business »von Offline zu Online« zu transformieren, die Kommunikation mit den Kunden sowohl in der analogen als auch in der digitalen Welt zu ermöglichen und deren Verknüpfung herzustellen. In Abhängigkeit von der Zielgruppe sind die Transformatoren zwischen der virtuellen und der realen Welt in den Geschäftsprozess zu integrieren.

Die vorstehenden Analysen zeigen, dass die Automatisierung der Geschäftsprozesse mithilfe der RPA- und KI-Technologien unter Berücksichtigung der Kriterien der Digitalität nicht nur zu einer Effizienzerhöhung durch verkürzte Prozesszeiten, Fehlerreduktion und einfache Prozessstandardisierung führt. Es ergeben sich vielmehr auch synergetische Vorteile, die zur Effektivitätssteigerung der Mitarbeiter, Kunden und des gesamten Unternehmens beitragen.

Die Integration der Digitalität als Element der digitalen Transformation anhand der Erweiterung des Ansatzes von Appellfeller und Feldmann (2018) liefert einen praxisorientierten Leitfaden zur ganzheitlichen Verknüpfung von Digital und Analog in Unternehmen. Die konkreten Handlungsemfehlungen zur Strukturierung und Bewertung des Reifegrades der Digitalität, die auf Basis aktueller Erkenntnisse aus der Wissenschaft und Praxis aufgestellt wurden, erlauben eine universelle Anwendung unter detaillierter Berücksichtigung relevanter Anforderungen an die RPA- / KI-Technologie und die damit verbundenen Akteure. Ein Anwendungsbeispiel erläutert die Vorgehensweise bei der Bewertung der Digitalität und verschafft Klarheit für deren praktische Umsetzung.

RPA- und KI-Projekte sind also als neue Methode der Optimierung von Geschäftsprozessen ein wichtiger Punkt bei der digitalen Transformation von Unternehmen. Grundlage ist die optimale Auswahl der Prozesse und eine gut strukturierte Planung für die Umsetzung und Einführung. Nur so stellen sich auf Dauer eine bessere Servicequalität, zufriedenere Kunden und entlastete Mitarbeiter ein, die keine Zeit mehr bei wiederkehrenden Prozessen verlieren, sondern sich strategischen Herausforderungen zuwenden können.

Es wird Zeit, digitale Chancen und analoge Potenziale gleichsam zu nutzen – nur so gelingt ein erfolgreicher Umgang mit dem Wandel.

 

Frank Thole, Partner WEPEX Unternehmensberatung

Arthur Dill, Manager WEPEX micobo Blockchain Lab

Christian Woelke, Senior Manager WEPEX Unternehmensberatung

 

Literatur

• Allweyer, T. (2016). Robotic Process Automation – Neue Perspektiven für die Prozessautomatisierung. Fachbereich Informatik und Mikrosystemtechnik der Hochschule Kaiserslautern. http://www.kurze-prozesse.de/blog/wp-content/uploads/2016/11/Neue-Perspektiven-durch-Robotic-Process-Automation.pdf. Zugegriffen am 27.12.2018.

• Appelfeller, W. & Feldmann C. (2018). Die digitale Transformation des Unternehmens. Systematischer Leitfaden mit zehn Elementen zur Strukturierung und Reifegradmessung. Berlin: Springer Gabler.

• Börner, A.-L. (2020). Die Digitalisierung akademischer Berufe am Beispiel der (Syndikus-)Rechtsanwältinnen und -anwälte, in: Rump, J., Eilers, S. (Hrsg.), Die vierte Dimension der Digitalisierung – Spannungsfelder in der Arbeitswelt von morgen (S. 163–190). Berlin: Springer Gabler.

• Castells, M. (2017). Der Aufstieg der Netzwerkgesellschaft. Das Informationszeitalter. Wirtschaft. Gesellschaft, 2. Auflage, Band 1, Wiesbaden: Springer VS.

• DFG (Deutsche Forschungsgemeinschaft) (2020). Digitalität in den Geisteswissenschaften, Symposienreihe gefördert durch die DFG. http://digitalitaet-geisteswissenschaften.de/digitalitaet. Zugegriffen am 03.03.2020.

• Dill, A. (2016). Die Adaptive Fraktale Markthypothese – Fraktale Strukturen und evolutionäre Prozesse auf modernen Aktienmärkten. Dissertation. Essen: DuEPublico.

• Fuchs, P. (2013). Digitalität als Mythologem der Moderne. Ripperger & Kremers: Berlin.

• Langmann, C., und Furi, D. (2020). Robotic Process Automation – Digitalisierung und Automatisierung von Prozessen. Springer Gabler Verlag 02/2020.

• Hochmann, L. (2018). Digitalität vernäht Wirtschaft und Gesellschaft, Ökologisches Wirtschaften, 4 (33), 36–40.

• Höttges, T. (2015). Europas Wohlstand hängt am Erfolg der Digitalisierung. Rede auf der Hauptversammlung der Deutschen Telekom am 21. Mai 2015 in Köln. https://www.telekom.com/de/medien/medieninformationen/detail/europas-wohlstand-haengt-am-erfolg-der-digitalisierung-349144. Zugegriffen: 26. Februar 2020.

• Kollmann, T. (2019). E-Business: Grundlagen elektronischer Prozesse in der Digitalen Wirtschaft, 7. Auflage. Berlin: Springer Gabler.

• Langmann, C. & Turi, D. (2020). Robotic Process Automation (RPA) – Digitalisierung und Automatisierung von Geschäftsprozessen. Berlin: Springer Gabler.

• Rump, J. & Eilers, S. (2019). Die vierte Dimension der Digitalisierung – Spannungsfelder in der Arbeitswelt von morgen. Berlin: Springer Gabler.

• Scheer, A.-W. (1998). ARIS. Vom Geschäftsprozess zum Anwendungssystem, 3. Auflage. Berlin, Heidelberg, New York: Springer Verlag.

• Schier, A. (2018). Identitäten in Digitalität vom »digital lifestyle« zu »design your life«. Generation und politische Kultur im Zeichen gewandelter Lebenswelten in Deutschland im Digitalitäts-Diskurs in Werbung. Hamburg: Dr. Kovac.

• Schönsleben, P. (2001). Integrales Informationsmanagement, Informationssysteme für Geschäftsprozesse – Management, Modellierung, Lebenszyklus und Technologie, 2. Auflage. Berlin: Springer.

• Smeets, M., Erhard, R. & Kaußler, T. (2019). Robotic Process Automation (RPA) in der Finanzwirtschaft. Technologie – Implementierung – Erfolgsfaktoren für Entscheider und Anwender. Berlin: Springer Gabler.

• Stalder, F. (2019). Kultur der Digitalität, 4. Auflage. Berlin: Suhrkamp.

• Weiser, M. (1991). The Computer for the 21st Century, Scientific American, Nr. 265 (3), 94–104.

• Willcocks L., Lacity M. & Craig A. (2017). Robotic Process Automation: Strategic Transformation Level for Global Business Services? Journal of Informaton Technology Teaching Cases, Nr. 7, 17–28.

• Wölfl, S., Leischnig A., Ivens, B. & Hein, D. (2019). From Big Data to Smart Data – Problemfelder der systematischen Nutzung von Daten in Unternehmen, in: Becker, W., Eierle, B., Fliaster, A., Ivens, B., Leischnig, A., Plfaum, A., Sucky, E. (Hrsg.), Geschäftsmodelle in der digitalen Welt (S. 213–231). Berlin: Springer Gabler.

[1] Davon ist das technische Verständnis der Digitalität in der Wirtschaftsinformatik zu trennen, wonach diese als Umwandlungsfähigkeit der analogen in die digitalen Daten definiert wird und maßgebend für die Automatisierung der Geschäftsprozesse mit RPA / KI ist (vgl. Allweyer 2016, S. [Zeilenumbruch fixieren!] 4; Willcocks et al. 2017; S. 22; Smeets et al. 2019, S. 41).

[2] Vgl. z.B. zur Automatisierung des Wertpapierhandels Dill (2016).

[3] Als Kultur wird hier die dynamische Auseinandersetzung in permanenten Veränderungen verstanden (vgl. Stalder 2019, S. 10-11).

[4] Unter Big-Data-Problematik wird das Versagen eines Menschen aufgrund von kognitiven Beschränkungen bei der Verarbeitung von großen, komplexen, schnelllebigen und vielfältigen Datenmengen versanden (vgl. Börner 2018, S. 170).

[5] Z.B. Social Media, Unternehmensportale, Blogs, Forums etc.

[6] Vgl. dazu die Praxisbeispiele in ▶ Abschn. 1.2.2 und ▶ Abschn. 1.2.3.

[7] Reifegradmodelle finden eine breite Verwendung in der Praxis zur Bewertung und Optimierung von Geschäftsprozessen (vgl. Appellfeller und Feldmann 2018, S. 13).

[8] Zur Einhaltung der Konsistenz der Bewertung sollen sich die Gewichte der Kriterien, der Anforderungen und der Ausprägungen stets zu einer 1 addieren.