Cognitive Automation: Assessing Business Process Automation Potentials in Organizations Driven by Artificial Intelligence

Cognitive automation has progressed beyond rule-based business process automation to target cognitive knowledge and service work. This allows the automation of tasks and processes for which automation seemed unimaginable a decade ago. It thus has the potential to impact front and back offices in a manner similar to physical robots impact on production plants. However, cognitive automation presents novel challenges to organizations decisions regarding the automation potential of use cases, resulting in low adoption and high project failure rates. This is amplified by the highly trans- and interdisciplinary character of the cognitive automation phenomenon, which can lead research and practice to lack the common understanding and unified terminology required to advance the field of cognitive automation. Against this backdrop, this dissertation pursues the goal of enabling organizations to make more structured and informed decisions regarding whether a given task or process is amenable to cognitive automation and how these insights can be translated into respective project requirements. To achieve this goal, this dissertation follows a qualitative, social constructionism paradigm drawing on Systematic Literature Reviews, interviews, focus groups, case studies, action research, and Design Science. First, I conceptualize the developments and distinct perspectives of cognitive automation to provide a representative picture of the phenomenon and its facilitating technologies. The integrated conceptualization will serve as a basis on which future research efforts can build. Ultimately, this will pave the way for a more thorough conceptual convergence in the cognitive automation field. Second, I develop and test a model for assessing cognitive automation use cases. The model will help organizations to make more informed decisions in selecting use cases for cognitive automation and planning the respective initiatives. From a research perspective, the identified determinants affecting use cases amenability to cognitive automation will deepen our understanding of cognitive automation in particular and Artificial Intelligence as the driving force behind cognitive automation in general. Third, to transfer the developed model to perpetuated use in practice, it is embedded in a methodical structure. That is, I extend the question of what factors and relationships to consider when assessing the amenability of use cases for cognitive automation to how this assessment should be conducted in a manner of reproducible management practices. I complement the method artifact with a set of general Artificial Intelligence project management practices that help to follow up on cognitive automation use case assessments by translating the assessment results into project implications for respective cognitive automation projects.

Kognitive Automation geht über die regelbasierte Geschäftsprozessautomation hinaus und zielt auf kognitive Wissens- und Dienstleistungsarbeit ab. Dies ermöglicht die Automatisierung von Aufgaben und Prozessen, die noch vor einem Jahrzehnt unvorstellbar schien. Sie hat somit das Potenzial, Front- und Backoffices in ähnlicher Weise zu beeinflussen wie physische Roboter bei Produktionsanlagen. Kognitive Automatisierung stellt Unternehmen jedoch vor neue Herausforderungen bei der Entscheidung über das Automatisierungspotenzial von Anwendungsfällen, was zu einer geringen Akzeptanz und hohen Misserfolgsraten entsprechender Projekte führt. Hinzu kommt der trans- und interdisziplinäre Charakter des Phänomens der kognitiven Automation, der dazu führt, dass es in Forschung und Praxis an einem gemeinsamen Verständnis und einer einheitlichen Terminologie fehlt, um dieses Feld voranzutreiben. Vor diesem Hintergrund verfolgt diese Dissertation das Ziel, Organisationen in die Lage zu versetzen, strukturierter und fundierter zu entscheiden, ob eine Aufgabe oder ein Prozess für kognitive Automation geeignet ist und wie diese Erkenntnisse in entsprechende Projektanforderungen übersetzt werden können. Um dieses Ziel zu erreichen, folgt die Dissertation einem qualitativen, sozialkonstruktivistischen Paradigma, das auf systematischen Literaturrecherchen, Interviews, Fokusgruppen, Fallstudien, Aktionsforschung und gestaltungsorientierter Forschung basiert. Zunächst konzeptualisiere ich in meiner Dissertation die unterschiedlichen Perspektiven der kognitiven Automation, um ein repräsentatives Bild des Phänomens und seiner unterstützenden Technologien zu zeichnen. Die ganzheitliche Konzeptualisierung dient als Grundlage, auf der zukünftige Forschung aufbauen kann und ebnet den Weg für eine tiefgreifendere konzeptionelle Konvergenz in diesem Feld. Zweitens entwickle und teste ich ein Modell zur Bewertung von Anwendungsfällen kognitiver Automation. Das Modell soll Unternehmen helfen, fundiertere Entscheidungen bei der Auswahl von Anwendungsfällen für kognitive Automation und der Planung dieser Initiativen zu treffen. Aus Forschungssicht werden die identifizierten Determinanten unser Verständnis von kognitiver Automation und von Künstlicher Intelligenz als deren treibende Kraft vertiefen. Drittens bette ich das Modell in eine Methode ein, um es in die Praxis zu übertragen. Dabei erweitere ich die Frage, «welche» Faktoren bei der Bewertung der Eignung von Anwendungsfällen zu berücksichtigen sind, um die Frage, «wie» diese Bewertung im Sinne reproduzierbarer Managementpraktiken durchgeführt werden soll. Ich ergänze die Methode um eine Reihe allgemeiner Projektmanagement-Praktiken für Künstliche Intelligenz, die helfen nach der Bewertung von Anwendungsfällen Projektimplikationen für kognitive Automatisierungsprojekte abzuleiten.