KI-gestützte Prozessautomatisierung: Wie Unternehmen repetitive Aufgaben intelligent eliminieren

Viele Geschäftsprozesse verbinden regelbasierte Schritte mit Informationen, die Menschen lesen, einordnen oder übertragen müssen. KI kann einzelne dieser Schritte unterstützen, etwa Inhalte aus Dokumenten klassifizieren oder einen Textentwurf erzeugen. Sie macht einen Prozess jedoch nicht automatisch zuverlässig oder wirtschaftlich. Vor einer Umsetzung sollten Unternehmen klären, welches Problem gelöst werden soll, welche Arbeitsschritte tatsächlich variabel sind und wie Fehler und Ausnahmen behandelt werden.

Regelbasierte Automatisierung und KI unterscheiden

Ein Workflow kann feste Regeln ausführen, zum Beispiel einen Vorgang an eine zuständige Stelle weiterleiten, wenn ein klar definiertes Feld einen bestimmten Wert enthält. KI-Verfahren können zusätzliche Aufgaben übernehmen, wenn Eingaben unstrukturiert oder unterschiedlich formuliert sind. Dazu gehören beispielsweise Textklassifikation, Extraktion oder das Erstellen eines Entwurfs. Die konkrete Fähigkeit hängt vom eingesetzten Modell, den Eingaben und der technischen Integration ab.

Diese Ansätze können innerhalb eines Ablaufs kombiniert werden: Regeln steuern eindeutige Fälle, während ein KI-Schritt beispielsweise Textinhalte einordnet. Das Ergebnis sollte nicht ungeprüft als verlässliche Entscheidung behandelt werden. Microsoft beschreibt etwa, wie eine mit einem Prompt erzeugte Ausgabe in Power Automate an einen menschlichen Freigabeschritt übergeben werden kann (Dokumentation zu Prompts und menschlicher Prüfung in Power Automate). Die Dokumentation beschreibt eine konkrete Produktfunktion; sie belegt keine allgemeine Genauigkeit oder Eignung für andere Systeme.

Prozesse anhand des konkreten Problems auswählen

Beginnen Sie mit einem nachvollziehbar abgegrenzten Ablauf. Halten Sie fest, welche Eingaben eingehen, welche Schritte stattfinden, wo Übergaben und Ausnahmen auftreten und welches Ergebnis erwartet wird. Erst dann lässt sich beurteilen, ob eine Regel, eine Schnittstelle, bessere Datenqualität, ein KI-Baustein oder eine organisatorische Änderung passend sein könnte.

Wiederkehrende Vorgänge können eine Prüfung lohnen, wenn Eingaben und gewünschte Ergebnisse ausreichend beschreibbar sind und die heutige Bearbeitung Aufwand oder vermeidbare Fehler verursacht. Das allein ist noch kein Beleg für einen positiven wirtschaftlichen Effekt. Nutzen Sie Ausgangswerte, die für den Ablauf relevant sind, beispielsweise Bearbeitungsaufwand, Nachbearbeitungen, Fehlerarten oder Wartezeiten. Vergleichen Sie sie im Pilot mit denselben Definitionen und berücksichtigen Sie den Aufwand für Integration, Kontrollen und Ausnahmen.

Dokumentenverarbeitung, interne Freigaben oder die Zuordnung eingehender Anfragen können mögliche Untersuchungsfelder sein. Ob KI darin sinnvoll ist, hängt unter anderem von Formatvielfalt, Fehlerfolgen, Datenzugriff, vorhandenen Systemen und den erforderlichen Prüfungen ab. Es gibt hier keine pauschale Rangfolge geeigneter Prozesse.

Ausnahmen, Verantwortung und laufende Prüfung

Ein automatisierter Ablauf braucht festgelegte Zuständigkeiten. Dokumentieren Sie, wer den Prozess betreibt, wer Fehler bearbeitet und wer Änderungen freigibt. Legen Sie fest, wie ein Vorgang bei fehlenden Daten, widersprüchlichen Ergebnissen oder technischen Störungen stoppt oder an eine zuständige Person übergeben wird. Schwellenwerte können dabei helfen, Prüfungen zu steuern, müssen aber anhand repräsentativer Fälle validiert werden.

Die nötige menschliche Aufsicht hängt vom jeweiligen Zweck und den Folgen einer Fehlentscheidung ab. Der NIST AI Risk Management Framework empfiehlt, den Kontext und Risiken zu erfassen, Prüfmethoden festzulegen und Systeme vor dem Einsatz sowie im Betrieb zu bewerten. Es handelt sich um ein freiwilliges Rahmenwerk, keine Einzelfallfreigabe (NIST AI RMF Core, NIST AI RMF Playbook).

Bei generativen Komponenten kommt hinzu, dass Ausgaben plausibel wirken und dennoch falsch oder unvollständig sein können. NIST führt solche fehlerhaften Ausgaben als ein Risiko generativer KI auf und empfiehlt, Risiken im Kontext des jeweiligen Systems zu bewerten (NIST Generative AI Profile). Ein technisches Protokoll kann bei der Fehlersuche unterstützen, macht die Gründe für jede KI-Ausgabe aber nicht automatisch vollständig nachvollziehbar.

Ein Pilot, der eine Entscheidung ermöglicht

Ein sinnvoller Pilot beantwortet vorab festgelegte Fragen. Welche Fälle werden geprüft? Wie sieht der bisherige Ablauf aus? Welche Ergebnisse gelten als korrekt? Welche Fehler dürfen nicht automatisch weiterverarbeitet werden? Wer überprüft die Ausgaben und wie werden Abweichungen erfasst?

Vergleichen Sie den automatisierten Ablauf mit der bisherigen Bearbeitung anhand derselben Falltypen. Prüfen Sie auch seltene und problematische Fälle, nicht nur typische Eingaben. Dokumentieren Sie Annahmen, Grenzen und Ergebnisse. So können Sie entscheiden, ob die Lösung angepasst, auf weitere Fälle ausgeweitet oder verworfen wird. Zur strukturierten Bewertung von Nutzen, Kosten und Risiken lesen Sie auch den Beitrag über KI-Pilotprojekte und Business Cases.

Datenschutz, Sicherheit und Änderungen berücksichtigen

Vor der Verarbeitung personenbezogener oder vertraulicher Informationen sind Datenflüsse, Zugriffsrechte, Speicherorte und die Bedingungen beteiligter Anbieter für den konkreten Betrieb zu prüfen. Die nötigen Maßnahmen richten sich nach Daten, Zweck, System und Organisation; aus dem Einsatz eines bestimmten Tools folgt keine pauschale Datenschutzbewertung.

Auch nach dem Start kann sich der Prozess ändern: Formulare, Regeln, Schnittstellen, Daten oder Modelle werden angepasst. Planen Sie deshalb Tests und Zuständigkeiten für Änderungen sowie die Überwachung relevanter Qualitäts- und Betriebsmerkmale. Umfang und Häufigkeit sollten zum Risiko und zur Nutzung passen.

Nächster Schritt

Wenn Sie einen konkreten Ablauf bewerten möchten, beginnen Sie mit Prozessgrenzen, Beteiligten, Ausnahmen und einem messbaren Ausgangspunkt. Die Leistungsseite zur Prozessautomatisierung mit KI beschreibt Beratung zur Prozessauswahl, einen Workshop zur Konzeption sowie Unterstützung bei Tests und Betrieb.