KI-Automatisierung: Geschäftsprozesse in 7 Schritten

Beginnen Sie mit einem Prozess, bevor Sie die Technologie auswählen

KI-Automatisierung beginnt mit einem wiederkehrenden Prozess. Wenn Sie Geschäftsprozesse mit KI automatisieren möchten, bilden Sie zuerst den Arbeitsablauf ab. Übertragen Sie vorhersehbare Schritte an Code, Interpretationsaufgaben an KI und risikoreiche Entscheidungen an Menschen. Testen Sie diesen Aufbau in einem begrenzten Pilotprojekt, bevor Sie ihn ausweiten.

Bei Webdelo entwickeln wir B2B-Plattformen, CRM/ERP-Systeme und KI-Integrationen. CRM-Systeme organisieren Kundenbeziehungen. ERP-Systeme steuern betriebliche Abläufe wie Lagerverwaltung und Einkauf. Der Umbau unserer eigenen KI-Content-Pipeline hat eine praktische Erkenntnis bestätigt: Wie Sie die Arbeit aufteilen, ist wichtiger als ein weiteres KI-Tool.

Dieser Leitfaden erklärt, wie Sie einen Prozess auswählen, Kontrollen festlegen und ein Pilotprojekt vorbereiten. Alle folgenden Geschäftsszenarien dienen der Veranschaulichung. Die separat gekennzeichnete Webdelo-Fallstudie enthält unsere veröffentlichten Messwerte.

Was ist KI-Prozessautomatisierung?

KI-Prozessautomatisierung nutzt KI, um Aufgaben innerhalb eines Arbeitsablaufs zu erledigen, entweder eigenständig oder gemeinsam mit Menschen. Ein Arbeitsablauf ist die Abfolge von Schritten, die aus einer Eingabe ein Ergebnis macht. So wird etwa aus einer E-Mail eine Vertriebsanfrage mit einer zuständigen Person. IBMs Definition der KI-gestützten Ablaufautomatisierung umfasst sowohl automatisierte Arbeit als auch menschliche Beteiligung.

Betrachten wir eine beispielhafte Kunden-E-Mail: "Wir benötigen Ersatzgeräte für drei Standorte." Die KI erkennt das Anliegen und erfasst die Standorte. Code bereitet einen Kundendatensatz vor, und eine Vertriebsleitung gibt die Antwort frei.

Regeln, RPA, LLMs und KI-Agenten

• Regeln und Skripte: Code folgt eindeutigen Anweisungen. Er weist beispielsweise Anfragen bestehender Kunden den zuständigen Kundenbetreuern zu.
• RPA, kurz für robotergestützte Prozessautomatisierung: Software bedient Bildschirmoberflächen und klickt auf Schaltflächen. Sie kann ältere Anwendungen verbinden, die keine unterstützte Datenschnittstelle haben.
• LLM, kurz für Large Language Model: Ein großes Sprachmodell interpretiert und erzeugt Text. Es kann eine E-Mail einordnen oder eine Antwort entwerfen. Das Ergebnis muss aber weiterhin geprüft werden.
• KI-Agent: Ein Modell wählt Aktionen aus und nutzt Werkzeuge, um ein Ziel zu erreichen. Seine Zugriffsrechte und erlaubten Aktionen brauchen klare Grenzen.

Der praktische Unterschied zwischen RPA und KI liegt in der Bedienung von Oberflächen einerseits und der Interpretation von Informationen andererseits. Beide können zusammenarbeiten, doch nicht jede Aufgabe benötigt sie. Wenn eine Entscheidung einer stabilen Regel folgt, empfehlen wir zunächst, diese Regel direkt umzusetzen.

Geschäftsprozesse automatisieren: Womit sollten Sie beginnen?

Am besten eignen sich für die KI-Automatisierung Prozesse, die häufig vorkommen, gut verstanden sind und auf brauchbaren Daten beruhen. Beginnen Sie mit Aufgaben, bei denen sich Fehler leicht erkennen und rückgängig machen lassen. Ein Entwurf zur Prüfung ist ein sichereres erstes Pilotprojekt als eine automatisierte Zahlung.

Bewerten Sie jeden möglichen Prozess anhand dieser Kriterien:

• Häufigkeit und Wiederholbarkeit: Fällt dieselbe Art von Arbeit regelmäßig an?
• Manueller Aufwand: Wie viel müssen Mitarbeitende bei jeder Anfrage lesen, kopieren oder prüfen?
• Datenqualität und Zugriff: Sind die benötigten Datensätze vollständig und verfügbar?
• Standardisierung: Kann das Team den normalen Ablauf und seine Ausnahmen beschreiben?
• Fehlerfolgen: Was passiert, wenn eine Einordnung oder Aktion falsch ist?
• Sicherheit und Integration: Welche sensiblen Informationen und Systemberechtigungen sind betroffen?

In McKinseys Umfrage zum Stand der KI von 2026 berichteten fast drei Viertel der besonders erfolgreichen KI-Anwender von einer grundlegenden Neugestaltung ihrer Arbeitsabläufe. Unter den übrigen Befragten berichtete etwa ein Viertel dasselbe. Dieser Zusammenhang beweist keine Ursache-Wirkungs-Beziehung. Er spricht aber dafür, den Prozess zu prüfen, bevor Sie die Technologie auswählen.

Eine beispielhafte Matrix zur Prozessauswahl

Diese qualitativen Bewertungen beschreiben hypothetische Situationen, keine gemessenen Unternehmensergebnisse. Ersetzen Sie sie durch Belege aus Ihrem Team, bevor Sie ein Pilotprojekt auswählen.

Eingehende Anfragen bieten oft einen überschaubaren Einstieg. Mitarbeitende können die vorgeschlagene Einordnung prüfen, bevor etwas geändert wird. Ein beispielhafter Anfrageprozess für eine Website für Reparaturdienst könnte etwa Serviceanfragen von allgemeinen Fragen trennen. Ein Arbeitsablauf zur Unterstützung von Beauty Salon SEO könnte Buchungsanfragen von Produktfragen unterscheiden, ohne über Termine zu entscheiden.

Unser einfacher Bereitschaftstest: Beschreiben Sie den Prozess und seine wichtigsten Ausnahmen auf einer Seite. Wenn das Team sich nicht auf diese Beschreibung einigen kann, klären Sie die Differenzen vor der Automatisierung.

Beispiele für KI-Automatisierung nach Unternehmensbereich

KI ist nützlich, wenn Menschen unstrukturierte Informationen interpretieren müssen, bevor sie eine klar definierte Aktion ausführen. Die folgenden sechs Beispiele für KI-Automatisierung im Unternehmen sind illustrative Szenarien, keine Webdelo-Kundenprojekte. Jedes trennt die Interpretation durch KI von Systemaktionen und menschlicher Verantwortung.

Vertrieb und Kundensupport

Zum Entwerfen von Supportantworten gibt es Forschung. Die Ergebnisse hängen jedoch vom Arbeitsumfeld ab. Das NBER-Arbeitspapier über generative KI am Arbeitsplatz von 2023 untersuchte 5.179 Supportmitarbeitende in einem Unternehmen. Es berichtete von durchschnittlich 14 % mehr gelösten Anliegen pro Stunde. Bei neuen und weniger qualifizierten Mitarbeitenden lag der Anstieg bei 34 %. Bei erfahrenen, hoch qualifizierten Mitarbeitenden waren die Effekte gering. Diese Zahlen sind daher keine Prognose für Ihr Team.

Dokumente und Bestellungen

Die Automatisierung von Bestellungen muss sich nach dem System richten, das die maßgeblichen Informationen enthält. Bei der Entwicklung eines Online-Shops kann KI eingesetzt werden, um "Senden Sie dieselben Artikel an unser neues Büro" zu interpretieren. Das Bestellsystem muss dennoch den Kunden, die Lieferadresse und den verfügbaren Bestand prüfen, bevor ein Mensch die Änderung freigibt.

Marketingabläufe und Berichtswesen

Im Online Marketing könnte ein beispielhaftes Pilotprojekt Kampagnenfeedback für eine wöchentliche Auswertung gruppieren. Halten Sie die ursprünglichen Kommentare zugänglich. So kann die prüfende Person feststellen, ob die Kategorien tatsächlich den Kundenaussagen entsprechen.

Für Google SEO und GEO SEO, also Sichtbarkeit in KI-generierten Suchantworten, kann KI Content-Briefings aus freigegebenem Material vorbereiten. Die Redaktion sollte Fakten und Sprache vor der Veröffentlichung prüfen. Für Berichte gilt dieselbe Aufteilung: Code berechnet die Zahlen, und KI erklärt sie.

Durchgängiges Beispiel: Von der Kundenanfrage ins CRM

Dieser beispielhafte Arbeitsablauf macht aus einer eingehenden Kundenanfrage in sieben Schritten eine freigegebene CRM-Aufgabe. KI interpretiert die Nachricht, Code prüft die Daten, und ein Mensch genehmigt die Aktion. Bei fehlenden Informationen oder unsicherer Interpretation wird die Anfrage in eine Warteschlange zur Prüfung geleitet.

Die sieben Schritte im Detail

Stellen Sie sich vor, ein Interessent sendet über eine Unternehmenswebsite diese Nachricht: "Wir benötigen eine Lagerverwaltungssoftware für drei Lager. Bitte vereinbaren Sie eine Demo für nächste Woche." Das System sollte die ursprüngliche Anfrage zusammen mit jeder vorgeschlagenen Interpretation aufbewahren.

1. Eingehende Anfrage: Erfassen Sie die Nachricht und Kontaktdaten mit einer eindeutigen Kennung. So können Mitarbeitende die Anfrage im gesamten Prozess nachverfolgen.
2. KI analysiert das Anliegen: Erkennen Sie die Demo-Anfrage und erfassen Sie die genannten Anforderungen. Behandeln Sie Dringlichkeit als Interpretation, nicht als bestätigte Tatsache.
3. Daten prüfen: Prüfen Sie das E-Mail-Format, Pflichtfelder und mögliche doppelte Kontakte. Ungültige Daten werden zur Prüfung weitergeleitet.
4. CRM-Datensatz entwerfen: Bereiten Sie die vorgeschlagenen Felder in einem Entwurfsbereich vor, ohne den produktiven Kundendatensatz zu ändern. Mitarbeitende können das Ergebnis sicher prüfen.
5. Menschliche Freigabe: Zeigen Sie den Entwurf neben der ursprünglichen Nachricht. Eine Führungskraft bestätigt oder korrigiert die Informationen.
6. Aufgabe oder Antwort erstellen: Speichern Sie den freigegebenen Datensatz und weisen Sie die Demo-Anfrage einer zuständigen Person zu. Bereiten Sie eine Antwort vor, ohne freie Termine zu erfinden.
7. Protokollieren und überwachen: Erfassen Sie die Aktion, die Freigabe und das Ergebnis. Das operative Team kann so Verzögerungen und wiederholte Fehler erkennen.

Wenn Daten fehlen oder die Interpretation unsicher ist

Angenommen, die Anfrage enthält keine nutzbare E-Mail-Adresse. Der Arbeitsablauf sollte einen Ausnahmefall für Mitarbeitende anlegen, statt den fehlenden Wert zu erfinden. Die Weiterleitung zur Prüfung sollte auf fehlgeschlagenen Validierungen und getesteten Regeln für Unsicherheit beruhen. Sie sollte sich nicht allein auf den Konfidenzwert des Modells stützen.

Wenn das CRM nicht verfügbar ist, bewahren Sie die Anfrage auf und begrenzen Sie die Zahl erneuter Versuche. Benachrichtigen Sie danach die zuständige Person. Lassen Sie die Anfrage als unvollständig markiert, bis das System die Speicherung bestätigt.

KI im Unternehmen einführen: 7 Schritte zur Automatisierung

Die sieben Schritte zur Einführung der KI-Automatisierung sind: Prozess abbilden, Ausgangswerte erfassen, Daten vorbereiten, KI- und menschliche Rollen festlegen, Pilotprojekt durchführen, testen und mit laufender Überwachung starten. Jeder Schritt braucht eine zuständige Person und ein konkretes Ergebnis. Ein Prüfpunkt verhindert, dass ungelöste Probleme in den produktiven Betrieb gelangen.

Das freiwillige KI-Risikomanagement-Rahmenwerk des NIST bietet dafür eine hilfreiche Struktur. Seine vier Funktionen umfassen Verantwortlichkeit, Kontext, Messung und Risikomanagement. Sie gelten während der gesamten Umsetzung und sind keine einmalige rechtliche Checkliste.

• Steuerung: Verantwortung und Entscheidungsbefugnisse zuweisen.
• Kontextanalyse: Aufgabe, betroffene Menschen und mögliche Schäden verstehen.
• Messung: Qualität und Risiken anhand vereinbarter Kriterien prüfen.
• Risikobehandlung: Auf Fehler reagieren und Kontrollen anpassen.

Schritt 1: Den bestehenden Prozess und seine Ausnahmen abbilden

Bitten Sie die ausführenden Mitarbeitenden, eine aktuelle Anfrage vom Eingang bis zum Abschluss durchzugehen. Halten Sie jede Übergabe und Entscheidung fest. Untersuchen Sie anschließend eine Anfrage, bei der etwas schiefging, und wie das Team das Problem behoben hat.

Legen Sie bei einem Anfrageprozess genau fest, wann die Arbeit abgeschlossen ist. Eine zugewiesene CRM-Aufgabe und eine versendete Kundenantwort sind unterschiedliche Ergebnisse. Diese Unterscheidung verhindert, dass das Pilotprojekt erfolgreich erscheint, obwohl Arbeit unerledigt bleibt.

• Verantwortlich: die prozessverantwortliche Person, unterstützt von den ausführenden Mitarbeitenden.
• Ergebnis: ein einseitiges Prozessmapping mit Eingaben, Entscheidungen, Ausnahmen und Abschlussbedingungen.
• Prüfpunkt: Die Mitarbeitenden bestätigen, dass die Darstellung den tatsächlichen Ablauf wiedergibt.
• Häufiger Fehler: Nur den normalen Ablauf dokumentieren und informelle Behelfslösungen auslassen.

Schritt 2: Ein Pilotprojekt auswählen und Ausgangswerte erfassen

Wählen Sie einen eng begrenzten Teil des Prozesses. Ordnen Sie beispielsweise Demo-Anfragen aus einem Kanal ein, statt die gesamte Vertriebskommunikation zu automatisieren. Erfassen Sie die aktuelle Leistung, bevor Sie den Arbeitsablauf ändern.

Die Ausgangsmessung dient später als Vergleichsbasis. Erfassen Sie Bearbeitungszeit und Fehler anhand klarer Definitionen. Trennen Sie die aktive Arbeitszeit von Wartezeiten auf andere Personen oder Systeme.

• Verantwortlich: die prozessverantwortliche Person zusammen mit einem Analysten für betriebliche Abläufe oder der Teamleitung.
• Ergebnis: ein festgelegter Pilotumfang und eine Übersicht der Ausgangswerte mit definierten Leistungskennzahlen.
• Prüfpunkt: Die Ausgangsmessung umfasst repräsentative normale Anfragen und Ausnahmen.
• Häufiger Fehler: Auf Schätzungen aus dem Gedächtnis vertrauen statt auf dokumentierte Arbeit.

Schritt 3: Daten und Zugriffsrechte vorbereiten

Listen Sie die Felder auf, die der Arbeitsablauf benötigt, und bestimmen Sie die maßgebliche Quelle für jedes Feld. Für ein Pilotprojekt im Vertrieb könnten dazu Kontaktinformationen und die Zuständigkeit für Kunden gehören. Entfernen Sie Informationen, die für die Aufgabe nicht nötig sind.

Prüfen Sie, ob das Team die ausgewählten Daten an den gewählten KI-Dienst senden darf. Verwenden Sie ein separates Systemkonto mit eingeschränkten Berechtigungen. Beginnen Sie Tests nach Möglichkeit mit synthetischen oder so aufbereiteten Datensätzen, dass Personen nicht identifiziert werden können.

• Verantwortlich: die prozessverantwortliche Person und die IT, bei Bedarf ergänzt durch eine Datenschutz- oder Sicherheitsprüfung.
• Ergebnis: ein Datenverzeichnis und eine Zugriffsmatrix, die zeigen, wer oder was jedes Feld lesen und ändern darf.
• Prüfpunkt: Die benötigten Daten sind nutzbar, Zugriffe genehmigt und unnötige Berechtigungen entfernt.
• Häufiger Fehler: Der Automatisierung ein gemeinsam genutztes Administratorkonto geben.

Schritt 4: Die Rollen von KI, Code und Menschen festlegen

Weisen Sie jeden Arbeitsschritt dem einfachsten zuverlässigen Mechanismus zu. KI kann die Kundennachricht interpretieren. Code sollte Pflichtfelder und Dubletten prüfen, während ein Mensch unklare oder folgenreiche Änderungen freigibt.

Halten Sie fest, was jeder Schritt erhält und zurückgeben muss. Ein Klassifizierungsschritt könnte ein Anliegen aus einer freigegebenen Liste auswählen und dazu eine belegende Textstelle aus der Anfrage zurückgeben. Jeder Wert außerhalb dieser Liste sollte bei der Validierung abgelehnt werden.

Unsere Fallstudie zur Content-Pipeline hat diese Empfehlung geprägt: Verlegen Sie vorhersehbare Vorbereitung und Validierung in Code. Reservieren Sie Modellaufrufe für Aufgaben, die tatsächlich Interpretation oder Schreiben erfordern.

• Verantwortlich: die technische Leitung und die prozessverantwortliche Person.
• Ergebnis: ein Ablaufdiagramm mit Entscheidungspunkten, erlaubten Aktionen und Abläufen für Fehlerfälle.
• Prüfpunkt: Für jede Systemänderung gibt es eine Validierung und eine verantwortliche Person.
• Häufiger Fehler: Einen Agenten den gesamten Prozess steuern lassen, ohne seine Aktionen zu begrenzen.

Schritt 5: Ein begrenztes Pilotprojekt durchführen

Begrenzen Sie das Pilotprojekt für einen vereinbarten Zeitraum auf ein Team und einen Eingangskanal. Beginnen Sie mit Entwürfen, die Mitarbeitende freigeben, bevor sie sich auf Kunden oder betriebliche Datensätze auswirken. Halten Sie den bestehenden manuellen Prozess verfügbar.

Legen Sie Erfolgskriterien fest, bevor Sie Ergebnisse auswerten. Dazu gehören eine akzeptable Qualität und Bearbeitungszeit sowie Bedingungen für einen sofortigen Stopp. Planen Sie genügend Zeit für die Prüfung der Ergebnisse ein, statt die Freigaben einer bereits vollen Aufgabenliste hinzuzufügen.

• Verantwortlich: die Pilotprojektleitung und die Leitung des beteiligten Teams.
• Ergebnis: ein Pilotplan mit Umfang, prüfenden Personen, Erfolgskriterien und Stoppbedingungen.
• Prüfpunkt: Das Team kann die Automatisierung pausieren und manuell weiterarbeiten.
• Häufiger Fehler: Das Pilotprojekt nach wenigen überzeugenden Demonstrationen ausweiten.

Schritt 6: Qualität, Sicherheit und Grenzfälle testen

Testen Sie Anfragen, die die Annahmen des Arbeitsablaufs auf die Probe stellen. Nehmen Sie neben normalen Beispielen auch unvollständige Eingaben und Integrationsfehler auf. Prüfen Sie das endgültige Geschäftsergebnis, nicht nur, ob die KI einen lesbaren Text erzeugt hat.

• Reichen Sie fehlende Felder und widersprüchliche Kontaktdaten ein.
• Senden Sie doppelte Anfragen und wiederholen Sie eine Anfrage nach einer Zeitüberschreitung.
• Testen Sie unterstützte Sprachen und unerwartete Sprachkombinationen.
• Verwenden Sie eine Nachricht, die die KI anweist, ihre Regeln zu ignorieren.
• Entziehen Sie eine Berechtigung oder unterbrechen Sie die CRM-Verbindung.

Wenn eine Webdesign Agentur die Prüfoberfläche gestaltet, sollten sich die ursprüngliche Anfrage und die vorgeschlagenen Änderungen leicht vergleichen lassen. Prüfende Personen brauchen außerdem klare Möglichkeiten zum Korrigieren und Ablehnen. Eine verwirrende Oberfläche kann dazu führen, dass die menschliche Freigabe zu einem routinemäßigen Klick wird.

• Verantwortlich: die Testleitung zusammen mit prüfenden Personen aus dem operativen Betrieb und der Sicherheit.
• Ergebnis: ein Testprotokoll mit erwarteten und tatsächlichen Ergebnissen, Fehlern und erneuten Tests.
• Prüfpunkt: Das Team dokumentiert anhand der Ausgangswerte und Qualitätsgrenzen eine Entscheidung für oder gegen die Freigabe.
• Häufiger Fehler: Erfolgreiche Modellantworten als Beleg für einen durchgängig zuverlässigen Prozess betrachten.

Schritt 7: Starten, überwachen und verbessern

Weiten Sie den Einsatz schrittweise aus, nachdem das Pilotprojekt seine Prüfungen bestanden hat. Bestimmen Sie eine Person, die Ausnahmen überwacht und sicherstellt, dass Warnmeldungen die richtigen Menschen erreichen. Dokumentieren Sie, wie sich der Arbeitsablauf pausieren und unvollständige Arbeit wieder aufnehmen lässt.

Prüfen Sie die Leistung monatlich und nach wesentlichen Änderungen am Modell oder an verbundenen Systemen. Reduzieren Sie menschliche Prüfungen nur für klar definierte Aktionen, deren Zuverlässigkeit durch Tests belegt ist. Prüfen Sie diese Aktionen auch nach einer Änderung der Prüfpflicht weiter stichprobenartig.

• Verantwortlich: eine namentlich benannte Leitung für den operativen Betrieb, unterstützt von der IT.
• Ergebnis: ein Runbook, also eine schriftliche Betriebsanleitung, sowie ein Monitoring-Dashboard und ein Prüfplan.
• Prüfpunkt: Das Team zeigt erfolgreich, wie es Warnmeldungen bearbeitet und den Ablauf manuell wiederherstellt.
• Häufiger Fehler: Den Start als Ende des Projekts betrachten.

Die passenden KI-Tools für Unternehmen auswählen

Wählen Sie KI-Tools für Unternehmen nach der Aufgabe und der nötigen Kontrolle aus. Vorhersehbare Schritte gehören meist in Regeln und unterstützte Systemverbindungen. Nutzen Sie KI zur Interpretation. Führen Sie Agenten erst ein, wenn sich die nötigen Aktionen nicht sinnvoll durch einen festen Arbeitsablauf beschreiben lassen.

Eine API, kurz für Application Programming Interface, ist eine kontrollierte Schnittstelle, über die Systeme Daten austauschen. Plattformen für die Entwicklung ohne Code oder mit wenig Code bieten visuelle Werkzeuge zum Erstellen von Arbeitsabläufen. Dadurch erfordern manche Verbindungen weniger individuelle Programmierung.

Ein Baukasten ohne Code kann ausreichen, um einen freigegebenen Entwurf weiterzuleiten. Ein Arbeitsablauf mit individuellen Berechtigungen oder mehreren betrieblichen Systemen kann Web Entwicklung erfordern, um die unterstützende Anwendung und Integrationen umzusetzen. Entscheiden Sie anhand der Anforderungen, nicht allein nach der Unternehmensgröße.

Wann einfacher Code besser ist als ein LLM

Nutzen Sie Code für Berechnungen und Prüfungen mit eindeutigen Regeln. Unser veröffentlichter Pipeline-Vergleich zeigte, warum wir Agenten nicht standardmäßig einsetzen: Routineaufgaben verursachten viele unnötige Modellaufrufe.

• Summen aus vertrauenswürdigen Zahlenwerten berechnen.
• Formate und Pflichtfelder prüfen.
• Dubletten anhand festgelegter Abgleichregeln erkennen.
• Anfragen nach festen Zuständigkeitsregeln weiterleiten.
• Links und sprachspezifische Veröffentlichungsvorgaben prüfen.

KI mit CRM, ERP und anderen Systemen verbinden

KI in CRM- und ERP-Systemen sollte über kontrollierte Integrationen arbeiten. Die KI schlägt eine Interpretation oder Änderung vor, die anschließend validiert wird. Risikoreiche Aktionen erfordern eine Freigabe. Ein Integrationsdienst mit eingeschränkten Berechtigungen schreibt die Daten tatsächlich ins System und protokolliert das Ergebnis.

• Eingangskanäle: Formulare und Nachrichten liefern die ursprüngliche Anfrage.
• Integrations-API: Die kontrollierte API-Integration überträgt zulässige Daten zwischen Systemen.
• CRM: Das Kundensystem enthält Kontakte, Verkaufschancen und zugewiesene Folgeaufgaben.
• ERP: Das betriebliche System liefert maßgebliche Bestands- und Auftragsinformationen.
• KI-Modul: Das Modell interpretiert die Anfrage und schlägt strukturierte Felder vor.
• Validator: Code prüft, ob diese Felder die festgelegten Regeln erfüllen.
• Prüfung durch Mitarbeitende: Ein Mensch klärt Unsicherheiten und gibt folgenreiche Aktionen frei.
• Systemprotokolle: Aufzeichnungen zeigen, was passiert ist und ob jede Aktion erfolgreich war.

Ein kurzes Beispiel für den Datenaustausch

Ein Formular sendet einen Namen, eine E-Mail-Adresse und eine Nachricht. KI gibt ein Anliegen wie "Demo-Anfrage" zurück und erfasst das genannte Produktinteresse. Der Validator prüft Pflichtfelder und bestehende Kontakte, bevor ein Entwurf vorbereitet wird.

Klären Sie bei der Planung einer Integration mit CRM-Systemen, welche Felder und Aktionen das bestehende System zugänglich macht. Für eine KI-gestützte ERP-Integration ist dieselbe Prüfung bei betrieblichen Datensätzen nötig. Dass ein Konnektor existiert, bedeutet nicht, dass er jede Berechtigung oder Transaktion unterstützt, die Ihr Prozess benötigt.

Zugriff, Datenqualität und Fehlerbehandlung

Verwenden Sie separate Dienstkonten, die nur die für die jeweilige Aufgabe nötigen Berechtigungen besitzen. Die Einordnung von Anfragen sollte beispielsweise keine Berechtigung zum Löschen von Kontakten erfordern. Bereinigen Sie wichtige Kundendatenfelder, bevor Sie diese zur Entscheidung über Zuständigkeiten nutzen.

Legen Sie Zeitlimits fest, damit eine hängende Verbindung Anfragen nicht unbegrenzt blockiert. Begrenzen Sie Wiederholungsversuche und verwenden Sie eine eindeutige Anfragekennung. Diese verhindert, dass erneute Versuche doppelte Datensätze erzeugen. Wenn das Ergebnis eines Schreibvorgangs unklar ist, prüfen Sie vor einem erneuten Versuch, ob er erfolgreich war.

Sicherheit, menschliche Aufsicht und KI-Risiken

KI-Prozessautomatisierung braucht Kontrollen gegen falsche Antworten, die Offenlegung von Daten und unbefugte Aktionen. Menschliche Kontrolle im Ablauf bedeutet, dass ein Mensch KI-Ergebnisse prüft oder freigibt, bevor sie tatsächliche Folgen haben. Legen Sie fest, welche Entscheidungen immer eine solche Freigabe benötigen.

Lassen Sie im ersten Pilotprojekt externe Zusagen und folgenreiche Änderungen an Datensätzen nur nach menschlicher Freigabe zu. Prüfende Personen benötigen die ursprüngliche Eingabe und eine sichtbare Erklärung der vorgeschlagenen Aktion. Auch Protokolle brauchen begrenzte Aufbewahrungsfristen, da sie sensible Informationen enthalten können.

DSGVO und EU-KI-Verordnung: Was Sie prüfen sollten

Die Europäische Kommission veröffentlichte ihre Leitlinien zu den Transparenzpflichten nach Artikel 50 am 20. Juli 2026. Die betreffenden Pflichten gelten ab dem 2. August 2026. Ihr Umfang hängt vom KI-System ab und davon, ob Ihre Organisation es anbietet oder betreibt.

Lassen Sie die geltenden Transparenzpflichten und DSGVO-Anforderungen für Ihren Arbeitsablauf durch eine qualifizierte Rechtsberatung prüfen. Diese Prüfung sollte den Verarbeitungszweck und den Umgang mit personenbezogenen Daten umfassen. Dieser Leitfaden ist keine Rechtsberatung und keine Zusage zur Rechtskonformität.

KI-Automatisierung testen und messen

Vergleichen Sie das Pilotprojekt anhand betrieblicher Kennzahlen mit den dokumentierten Ausgangswerten. Definieren Sie Qualitätsgrenzen, die der Arbeitsablauf vor einer Ausweitung einhalten muss. Messen Sie abgeschlossene Arbeit einschließlich Ausnahmen und Korrekturen, statt erfolgreiche KI-Antworten zu zählen.

• Extraktionsgenauigkeit: korrekt ausgelesene Felder geteilt durch geprüfte Felder.
• Manuelle Korrekturquote: Ergebnisse mit wesentlichem Korrekturbedarf geteilt durch geprüfte Ergebnisse.
• Zeit pro Anfrage: verstrichene Zeit vom Eingang bis zum vereinbarten Abschlusszeitpunkt.
• Ausnahmequote: außerhalb des normalen Ablaufs weitergeleitete Anfragen geteilt durch alle Anfragen.
• Wiederholungsversuche: erneute Integrationsversuche, erfasst nach System und Ursache.
• Quote fehlerhafter Datensätze: falsch gespeicherte Datensätze geteilt durch geprüfte gespeicherte Datensätze.
• Kosten pro abgeschlossenem Vorgang: die festgelegten Betriebskosten geteilt durch erfolgreich abgeschlossene Vorgänge.

Vereinbaren Sie akzeptable Grenzwerte, bevor Sie die Pilotergebnisse sehen. Erfassen Sie kritische Fehler separat, damit gute Durchschnittswerte sie nicht verdecken. Prüfen Sie die Qualität nach Anfragetyp. Ein Arbeitsablauf kann Standardanfragen gut bearbeiten und bei Bestelländerungen scheitern.

Webdelos Fallstudie mit Messwerten: Routinearbeit in Code verlagern

In unserer am 16. September 2026 veröffentlichten Fallstudie "KI-Workflow-Optimierung: Eine um den Faktor 2,7 günstigere Pipeline" haben wir einen agentenbasierten Ablauf zur Inhaltserstellung durch eine skriptgesteuerte Pipeline ersetzt. Code bereitete den Kontext vor und validierte die Ergebnisse. Das Modell übernahm Interpretation und Schreiben.

Der folgende Vergleich umfasst drei konkrete Testbriefings. Jedes Paar zeigt die Modellaufrufe für die agentenbasierte Architektur und die skriptgesteuerte Pipeline.

Über diese Briefings hinweg sank der rechnerische Gegenwert nach Modellpreisen von 95,32 US-Dollar auf 35,13 US-Dollar, also um den Faktor 2,71. Diese Beträge sind berechnete Äquivalente auf Basis der Modellpreise, keine bezahlten Rechnungen. Der Arbeitsablauf lief im Rahmen eines Abonnements.

Die gesamte Verarbeitungszeit sank von 94,2 auf 36,8 Minuten, also um den Faktor 2,56. Die Ergebnisse gelten für diese Testläufe und versprechen keine vergleichbaren Resultate in anderen Projekten.

Die Erkenntnis zur Architektur hilft unmittelbar bei der Planung eines Pilotprojekts: Belassen Sie Linkprüfungen und die Prüfung sprachspezifischer Vorgaben im Code. Messen Sie, ob die verbleibenden Modellaufgaben akzeptable Ergebnisse liefern. Weniger Aufrufe allein belegen noch keine ausreichende Qualität für den Geschäftsbetrieb.

Häufige Fehler bei der KI-Automatisierung und Checkliste

KI-Automatisierung kann scheitern, wenn Zuständigkeiten und Betriebsregeln unklar bleiben. Eine unzuverlässige Datenquelle oder eine unbeaufsichtigte Warteschlange für Ausnahmefälle kann auch ein leistungsfähiges Modell ausbremsen. Prüfen Sie anhand einer Checkliste, ob das Pilotprojekt ausreichend kontrolliert ist, um fortzufahren.

Ein häufiger Fehler ist, einen Prozess zu automatisieren, den Mitarbeitende bereits uneinheitlich ausführen. Ein anderer ist, weitreichende Berechtigungen zu vergeben, statt die Zugriffsanforderungen zu klären. Fehlen dann noch Ausgangsmessungen, lässt sich schwer beurteilen, ob der neue Arbeitsablauf die Arbeit tatsächlich verbessert hat.

Checkliste zur Freigabe Ihres Pilotprojekts

• Die Prozessdarstellung enthält Ausnahmen und eine klare Abschlussbedingung.
• Eine namentlich benannte Person trägt die Verantwortung für den Arbeitsablauf.
• Die Ausgangswerte der Leistungskennzahlen sind dokumentiert.
• Datenquellen und wichtige Felder wurden geprüft.
• Systemberechtigungen sind auf notwendige Aktionen beschränkt.
• Die Zuständigkeiten von KI, Code und Menschen sind dokumentiert.
• Risikoreiche Aktionen erfordern die Freigabe durch eine festgelegte Person.
• Grenzfälle und die Wiederherstellung nach Fehlern wurden getestet.
• Protokolle und Warnmeldungen funktionieren, und eine Person ist für die Reaktion zuständig.
• Erfolgsgrenzen und Stoppbedingungen sind vereinbart.

Glossar: Wichtige Begriffe einfach erklärt

• Arbeitsablauf: die Abfolge von Aktionen, die aus einer Eingabe ein abgeschlossenes Ergebnis macht.
• LLM: ein großes Sprachmodell, das Text interpretiert und erzeugt.
• KI-Agent: ein KI-System, das Aktionen auswählt und Werkzeuge nutzt, um ein Ziel zu erreichen.
• API: eine definierte Schnittstelle, über die Softwaresysteme Daten austauschen oder Aktionen anfordern.
• RPA: Software, die wiederkehrende Aktionen über Anwendungsoberflächen ausführt.
• CRM: ein System zur Verwaltung von Kundeninformationen und Kundenbeziehungen.
• ERP: ein System zur Verwaltung zusammenhängender betrieblicher Abläufe wie Lagerverwaltung und Einkauf.
• Menschliche Kontrolle im Ablauf: ein Ansatz, bei dem ein Mensch KI-gestützte Arbeit prüft oder freigibt.

Vereinbaren Sie eine Beratung mit Webdelo und lassen Sie einen einzelnen Geschäftsprozess gezielt prüfen. Bringen Sie eine Prozessbeschreibung und repräsentative Beispiele mit, die Sie weitergeben dürfen. Die Prüfung kann Datenanforderungen, Integrationen, Risiken und einen realistischen Pilotumfang klären.

Sicherheit gewinnen, bevor Sie die Automatisierung ausweiten

Beginnen Sie mit einem klar definierten Arbeitsablauf und einem messbaren Abschluss. Belassen Sie vorhersehbare Aufgaben im Code, nutzen Sie KI dort, wo Interpretation hilft, und übertragen Sie folgenreiche Entscheidungen an Menschen. Weiten Sie den Einsatz erst aus, wenn das Pilotprojekt eine akzeptable Qualität und eine zuverlässige Wiederherstellung nach Fehlern nachweist.