Welche Prozesse eignen sich für KI-Automatisierung?

Geeignet ist ein abgrenzbarer Arbeitsschritt mit prüfbarem Ergebnis

Für KI-Automatisierung eignen sich besonders Arbeitsschritte, die unstrukturierte Inhalte verarbeiten, einen klaren Zweck haben und deren Ergebnisse sich vor einer folgenreichen Verwendung prüfen lassen. Beispiele sind das Zuordnen von Anfragen, das Extrahieren vorgeschlagener Dokumentdaten oder das Vorbereiten eines Berichts. Ob sich ein konkreter Ablauf lohnt, hängt zusätzlich von Fallmenge, Datenzugang, Fehlerfolgen und laufendem Aufwand ab.

Die passende Einheit ist oft kleiner als eine Abteilung oder ein vollständiger Geschäftsprozess. „Den Vertrieb automatisieren“ ist kein prüfbarer Auftrag. „Aus freigegebenen Gesprächsnotizen die vereinbarten nächsten Schritte als Entwurf ins richtige CRM-Feld übernehmen“ benennt dagegen Eingang, Ergebnis und Grenze.

Beginnen Sie deshalb mit dem Engpass: Wo verbringen Mitarbeitende Zeit mit Suchen, Lesen, Übertragen oder Vorbereiten? Welcher Teil davon lässt sich beschreiben, messen und kontrollieren? Prüfen Sie zugleich, ob eine Prozessvereinfachung oder eine bestehende Softwarefunktion das Problem bereits löst.

Die RAND-Untersuchung von 2024 zu gescheiterten KI-Projekten nennt unter anderem falsch verstandene Probleme, ungeeignete Daten und fehlende Infrastruktur. Sie basiert auf Interviews mit erfahrenen Fachleuten und liefert keine allgemeine Erfolgsquote für Ihr Vorhaben. Für die Auswahl folgt daraus eine praktische Frage: Lösen Sie ein beobachtetes Problem oder suchen Sie noch eine Aufgabe für ein bereits gewähltes Tool?

Wann feste Regeln genügen und wann KI etwas beiträgt

Eine feste Regel ist die erste Option, wenn Eingang und Entscheidung eindeutig sind. Eine überfällige Rechnung anhand von Fälligkeitsdatum und Zahlungsstatus zu markieren, erfordert kein Sprachmodell. Dasselbe gilt für Berechnungen, Pflichtfeldprüfungen und die Zuordnung anhand stabiler Kennungen.

KI kann einen Beitrag leisten, wenn Bedeutung aus unterschiedlich formulierten Inhalten erschlossen werden muss. Ein Serviceanliegen kann in einem kurzen Satz, einem langen E-Mail-Verlauf oder einem angehängten Dokument stehen. Ein Modell kann daraus eine Kategorie oder einen Entwurf vorschlagen. Die Zuordnung zum richtigen Kundenkonto und die Erlaubnis zum Versand sollten deshalb noch nicht beim Modell liegen.

Die folgende Auswahlhilfe zeigt, wo die zusätzliche Flexibilität gebraucht wird. Sie ist ein vereinfachtes Entscheidungsmodell, keine Rangliste von Technologien.

Auch ein KI-Schritt kann in einem festen Ablauf liegen: Eingang prüfen, Text klassifizieren, Ergebnis gegen erlaubte Kategorien validieren, bei Unklarheit an einen Menschen übergeben. Ein Agent wird erst relevant, wenn die nächsten Arbeitsschritte und Werkzeuge vom Kontext abhängen sollen. Anthropic unterscheidet solche dynamischen Agenten von vorgegebenen Workflows und empfiehlt, mit der einfachsten geeigneten Lösung zu beginnen.

Wenn ein Ablauf tatsächlich diese zusätzliche Freiheit benötigt, sollten Sie vorab festlegen, wie Sie den KI-Agenten mit begrenzten Rechten und Freigaben pilotieren. Eine mehrstufige Automatisierung wird durch das Etikett „Agent“ allein weder besser noch wirtschaftlicher.

Prüfen Sie sechs Bedingungen am echten Prozess

Ist der Eingang verfügbar und nutzbar?

Ermitteln Sie, woher Texte, Dokumente oder Datensätze kommen. Sind sie vollständig, aktuell und für den vorgesehenen Einsatz freigegeben? Kann das System sie über eine tragfähige Schnittstelle erreichen? Schlechte Scans, wechselnde Dateiformate oder unklare Zugriffsrechte gehören in die Aufwandsschätzung. Ein Modell beseitigt diese Voraussetzungen nicht.

Ist das gewünschte Ergebnis eindeutig?

„Ein guter Bericht“ lässt sich schwer abnehmen. Ein Entwurf mit benannten Kennzahlen, belegten Quellen und markierten Datenlücken ist konkreter. Definieren Sie Pflichtangaben, zulässige Kategorien und Fehler, die das Ergebnis unbrauchbar machen. Das Team muss erkennen können, wann es besser ist, keinen Vorschlag zu übernehmen.

Wie häufig tritt welcher Fall auf?

Erfassen Sie Fallzahl und Fallmix über einen repräsentativen Zeitraum. Trennen Sie Standards von Sonderfällen und berücksichtigen Sie saisonale Spitzen. Ein seltener, sehr aufwendiger Arbeitsschritt kann wirtschaftlich interessant sein; ein häufiger, bereits schneller Vorgang kann es trotzdem nicht sein. Eine pauschale Mindestmenge beantwortet diese Frage nicht.

Wie schwer wiegt ein Fehler?

Eine falsch vorgeschlagene interne Kategorie hat andere Folgen als eine falsche Zahlungsanweisung. Betrachten Sie Datenvertraulichkeit, Außenwirkung, betroffene Personen und Rücknehmbarkeit. Je schwerer eine Fehlentscheidung wiegt, desto stärker müssen Begrenzung, Prüfung und fachliche Abnahme sein. Entscheidungen mit erheblicher Wirkung auf Menschen benötigen eine gesonderte rechtliche und fachliche Prüfung.

Ist die Prüfung im Alltag machbar?

Ein Entwurf spart nur dann Arbeit, wenn ein zuständiger Mensch ihn zuverlässig und rechtzeitig prüfen kann. Sind dafür dieselben Quellen vollständig neu zu lesen, kann ein großer Teil des erwarteten Nutzens verschwinden. Rechnen Sie Korrekturzeit und Wartezeit auf Freigaben ein. Ein Freigabeklick ohne ausreichenden Kontext erfüllt den fachlichen Zweck nicht.

Wer hält den Ablauf funktionsfähig?

Benennen Sie einen fachlichen Owner und eine technische Betriebsverantwortung. Modell-, Formular- und Schnittstellenänderungen können Tests und Anpassungen auslösen. Dokumentieren Sie verwendete Systeme, Daten und Zuständigkeiten im KI-Inventar. Ohne zuständigen Betreiber wird aus einem Pilot schnell eine stille Daueraufgabe für einzelne Mitarbeitende.

Vier Beispiele: den KI-Anteil bewusst klein halten

Serviceanfragen vorsortieren

Das Modell schlägt Anliegen und zuständiges Team vor. Feste Regeln prüfen, ob die Kategorie zulässig und das Zielteam vorhanden ist. Unklare Fälle gelangen in eine manuelle Sichtung. Gemessen wird nicht nur die Zuordnungsquote, sondern auch, wie viel Nacharbeit falsch zugewiesene Vorgänge auslösen.

Dokumentdaten vorbereiten

KI extrahiert vorgeschlagene Werte aus unterschiedlich aufgebauten Dokumenten. Pflichtfelder, Rechenlogik und Referenznummern werden anschließend unabhängig geprüft. Ein vorgeschlagener Betrag ist noch keine Zahlungsfreigabe. Wenn die Daten bereits strukturiert vorliegen, kann eine direkte Übernahme ohne Sprachmodell die geeignetere Lösung sein.

Berichte entwerfen

Ein Modell formuliert einen Text zu freigegebenen Kennzahlen. Die Kennzahlen selbst werden aus den festgelegten Datenquellen berechnet. Im Entwurf bleiben Quelle, Zeitraum und Datenlücken erkennbar. Das Team kontrolliert Aussagen und Schlussfolgerungen. Verändert das Modell Zahlen oder erfindet es Erklärungen für Abweichungen, ist das ein Qualitätsfehler.

Internes Wissen auffindbar machen

KI bereitet Antworten aus zugänglichen Unterlagen vor und verweist auf die verwendeten Stellen. Zugriffsrechte müssen dabei auch für die Suche gelten. Widersprüchliche oder veraltete Quellen werden sichtbar gemacht. Als Erfolg zählt eine verwertbare, belegte Antwort; eine kurze Antwort ohne tragfähige Grundlage ist keine Zeitersparnis.

Diese Beispiele beschreiben mögliche Aufgabenzuschnitte, keine garantierte Eignung und keine Kundenprojekte von Liburn. Entscheidend bleibt, ob der jeweilige Prozess die Prüfbedingungen erfüllt.

Rechnen Sie den gesamten Ablauf, nicht nur eingesparte Minuten

Eine Wirtschaftlichkeitsrechnung beginnt mit einer gemessenen Ausgangslage. Vergleichen Sie für denselben Fallmix die bisherige Bearbeitungszeit mit der verbleibenden Arbeit einschließlich Sichtung, Korrekturen und Ausnahmen. Dazu kommen Einrichtung, Integration, Tests, Schulung sowie laufende Nutzung, Betrieb und Wartung.

Die folgende Rechnung ist vollständig illustrativ. Alle Beträge, Zeiten und Fallzahlen sind frei gewählte Annahmen, keine Marktpreise und keine Liburn-Projektergebnisse. Sie zeigt, warum ein positiver monatlicher Beitrag noch keinen positiven Nutzen im ersten Jahr garantiert.

Die Rechnung lautet: 1.000 × 8 Minuten ÷ 60 × 45 € = 6.000 € bisheriger Personalaufwand. Bei vier verbleibenden Minuten ergeben sich 3.000 €. Nach 1.200 € zusätzlichen laufenden Kosten bleiben monatlich 1.800 € kalkulatorischer Vorteil. Die angenommenen 24.000 € für Einrichtung, Integration, Tests und Schulung teilen sich durch diesen Betrag: Die einfache Amortisationsdauer liegt bei rund 13,3 Monaten.

Für das erste Jahr ergibt sich ein anderer Blick: 21.600 € laufender Vorteil abzüglich 24.000 € Anfangsinvestition sind −2.400 €. Hierbei ist sogar angenommen, dass das volle Volumen sofort zwölf Monate lang erreicht wird. Eine Anlaufphase würde das Ergebnis verschlechtern. Finanzierung, Steuern und weitere projektspezifische Kosten sind in dieser vereinfachten Rechnung nicht enthalten.

Prüfen Sie die empfindliche Annahme der verbleibenden Arbeitszeit: Werden statt vier sechs Minuten benötigt, betragen die Personalkosten 4.500 €. Nach den zusätzlichen 1.200 € bleiben nur 300 € pro Monat. Bei ansonsten gleichen Annahmen verschiebt sich die einfache Amortisation auf 80 Monate. Deshalb gehört die tatsächliche Prüfung mit in den Pilot.

Freie Kapazität ist außerdem nicht automatisch eine zahlungswirksame Einsparung. Wenn Mitarbeitende dieselbe Arbeitszeit behalten und andere Aufgaben übernehmen, entsteht zunächst zusätzlicher Spielraum. Ob daraus vermiedene Überstunden, geringerer Fremdleistungsbedarf oder mehr bearbeitete Aufträge werden, muss separat belegt werden.

Messen Sie im Pilot Nutzen und Fehler gemeinsam

Wählen Sie einen abgegrenzten Falltyp mit ausreichenden Beispielen und einem verfügbaren Fachteam. Erfassen Sie die heutige Bearbeitungszeit und typische Fehler, bevor Sie den Ablauf ändern. Ein Vergleich mit dem schlechtesten Einzelfall oder einer besonders günstigen KI-Demo liefert keine belastbare Ausgangslage.

Testen Sie zunächst mit historischen oder kontrollierten Fällen ohne unbeabsichtigte Außenwirkung. Vergleichen Sie vergleichbare Eingänge und vereinbarte Qualitätskriterien. Wenn KI-Ergebnisse im Pilot ohnehin manuell geprüft werden, erfassen Sie die dafür benötigte Zeit mit. Ignorieren Sie abgebrochene Fälle nicht; sie gehören in die Gesamtrechnung.

Hilfreich sind vier Messgrößen: Bearbeitungszeit einschließlich Nacharbeit, fachliche Ergebnisqualität, Anteil korrekt übergebener Ausnahmen und gesamte laufende Kosten. Ergänzen Sie die Durchlaufzeit, wenn Wartezeiten auf Informationen oder Freigaben das eigentliche Problem sind. Definieren Sie für jede Kennzahl, welche Fälle in den Nenner eingehen.

Vereinbaren Sie vorab, welche Fehler einen Stopp auslösen und welche Schwächen eine Nachbesserung erlauben. Eine kleine Ersparnis kann ausreichend sein, wenn zusätzlich ein belastbarer Qualitätsgewinn entsteht. Umgekehrt darf eine hohe Zeitersparnis keine unkontrollierten Zugriffe oder falschen Außenwirkungen verdecken.

Nach dem Pilot entscheiden Sie zwischen begrenztem Betrieb, Anpassung und Verzicht. Bleibt der Prüfaufwand hoch, kann eine reine Assistenzfunktion sinnvoller sein als die ursprünglich gedachte Automatisierung. Das ist ein brauchbares Ergebnis der Auswahl.

Wann Sie den Ablauf vorerst nicht automatisieren sollten

Verschieben Sie den Pilot, wenn niemand das gewünschte Ergebnis abnehmen kann, Datenrechte ungeklärt sind, der zugrunde liegende Prozess laufend wechselt oder ein Fehler erhebliche Folgen hätte, ohne rechtzeitig erkannt zu werden. Beheben Sie zuerst die fehlende Voraussetzung. Ein noch leistungsfähigeres Modell löst fehlende Zuständigkeit nicht.

Auch eine rechnerisch attraktive Idee kann ungeeignet sein, wenn ihre Einsparung nur unter unrealistischen Annahmen entsteht: vollständige Bearbeitung ohne Kontrolle, keine Wartung, keine Ausnahmefälle oder sofortige Vollauslastung. Halten Sie solche Annahmen offen und rechnen Sie mindestens einen ungünstigeren Fall.

Für die erste Auswahl genügt ein kurzer Prozesssteckbrief: Eingang, gewünschtes Ergebnis, Fallmix, heutiger Aufwand, Datenzugriff, Fehlerfolgen, Prüfung, Betreiber und erwartete Gesamtkosten. Vergleichen Sie damit mehrere konkrete Arbeitsschritte. Ein vollständiges Technologieprogramm ist dafür noch nicht nötig.

Wenn Sie aus dieser Auswahl einen umsetzbaren Ablauf entwickeln möchten, verbindet die KI-Automatisierung Prozessaufnahme, technische Umsetzung und Übergabe. Ausgangspunkt bleibt die Aufgabe, bei der der zusätzliche Nutzen unter realen Betriebsbedingungen nachweisbar ist.