Kaum ein Begriff wird aktuell so inflationär verwendet wie “KI”. Ob E-Mail-Sortierung, Rechnungsverarbeitung oder Kundenservice: Fast jede Softwarelösung wirbt mit künstlicher Intelligenz. In einigen Fällen steckt dahinter jedoch keine echte KI, oder zumindest kein sinnvoller Einsatz davon. Die eigentliche Wahrheit ist deutlich unspektakulärer: Die meisten Unternehmensprozesse lassen sich auch ganz ohne KI schon heute deutlich verbessern.
Wer ineffiziente, unklare oder unnötig komplexe Abläufe hat, wird durch KI keine Wunder erleben. Denn: Ein schlechter Prozess bleibt ein schlechter Prozess, auch wenn er intelligent automatisiert wird.
Deshalb lohnt sich ein nüchterner Blick: Was können klassische Prozesse leisten? Wo hilft Automatisierung? Und an welcher Stelle bringt KI wirklich einen Mehrwert?
Inhaltsverzeichnis
1. Grundlagen guter Geschäftsprozesse
Gute Prozesse sind das Fundament jeder funktionierenden Organisation. Sie sorgen dafür, dass Aufgaben nachvollziehbar erledigt werden, Verantwortlichkeiten klar sind und Ergebnisse reproduzierbar entstehen. Ein sauber aufgebauter Prozess ist verständlich, sinnvoll strukturiert und dort standardisiert, wo es möglich ist.
In der Praxis sehen viele Abläufe jedoch anders aus: Aufgaben werden per E-Mail weitergereicht, Dokumente liegen in unterschiedlichen Systemen, auf lokalen Laufwerken / Netzwerklaufwerken oder Entscheidungen hängen stark von einzelnen Personen ab. Solche oft historisch gewachsenen Strukturen führen häufig zu Rückfragen, unnötigen Wartezeiten und fehlender Transparenz.
Genau an dieser Stelle setzt klassische Prozessautomatisierung an. Sie basiert auf klaren Regeln und definierten Abläufen. Tritt ein bestimmtes Ereignis ein, wird automatisch der nächste Schritt ausgelöst. So kann z. B. eine eingehende Anfrage automatisch eine Aufgabe erzeugen, ein Dokument zur Freigabe weitergeleitet werden oder eine Frist eine Erinnerung auslösen. Diese Form der Automatisierung ist stabil, nachvollziehbar und effizient – und kommt ganz ohne künstliche Intelligenz aus.
2. Warum Prozesse zunächst ohne KI gedacht werden sollten
In vielen Projekten wird heute sehr früh nach KI-Lösungen gefragt. Häufig sind die zugrundeliegenden Prozesse zu diesem Zeitpunkt jedoch noch gar nicht sauber definiert. Statt den Ablauf zu klären, versucht man, ihn direkt mit KI zu verbessern.
In der Praxis führt das oft zu mehr Komplexität, höheren Kosten und wenig überzeugenden Ergebnissen. Der Grund: KI kann nur dort sinnvoll arbeiten, wo es eine stabile Grundlage gibt. Sie benötigt klare Prozessstrukturen, saubere Daten und definierte Entscheidungslogiken. Ohne diese Basis fehlt der Ansatzpunkt für die KI.
Deshalb gibt es in der Praxis fast immer eine einfache Reihenfolge: Zuerst werden Prozesse verstanden und vereinfacht, anschließend werden sie digitalisiert und klassisch automatisiert. Erst wenn diese Grundlage vorhanden ist, lohnt sich der gezielte Einsatz von KI.
Gerade Standardprozesse wie Freigaben, Aufgabensteuerung, Wiedervorlagen oder interne Abstimmungen lassen sich hervorragend mit klassischer Workflow-Automatisierung lösen. In diesen Bereichen entstehen oft die größten Effizienzgewinne, ganz ohne KI.
3. Die Rolle von KI in der Automatisierung
KI ist kein Ersatz für klassische Automatisierung, sondern eine Ergänzung. Während die klassische Automatisierung festen Regeln folgt, kann KI Muster erkennen und unstrukturierte Daten verarbeiten. Man spricht deshalb häufig von intelligenter Automatisierung. Dabei werden klare Prozesslogiken, regelbasierte Workflows und KI-Funktionen miteinander kombiniert.
Ein einfaches Beispiel verdeutlicht den Unterschied: In einem klassischen Workflow wird eine eingehende Rechnung hochgeladen und automatisch an die zuständige Person zur Freigabe weitergeleitet. Dieser Ablauf funktioniert zuverlässig, solange die Rechnung bereits richtig eingeordnet ist.
Kommt KI ins Spiel, kann sie vorher erkennen, dass es sich um eine Rechnung handelt, von welchem Lieferanten sie stammt und welche Daten relevant sind. Erst danach startet der eigentliche Freigabeprozess. Die KI ersetzt den Prozess also nicht, sondern erweitert ihn an den Stellen, an denen klassische Regeln an ihre Grenzen stoßen.
3.1 Klassische Prozessautomatisierung vs. KI-gestützte Automatisierung
Klassische Automatisierung arbeitet regelbasiert. Sie setzt voraus, dass Abläufe klar definiert sind und Daten strukturiert vorliegen. Dafür ist sie vollständig nachvollziehbar, technisch vergleichsweise einfach umzusetzen und ideal für Standardprozesse.
KI-gestützte Automatisierung hingegen arbeitet mit Mustern und Wahrscheinlichkeiten. Sie kann auch mit unstrukturierten Daten umgehen und komplexere Entscheidungen vorbereiten. Dafür ist sie technisch anspruchsvoller und nicht immer vollständig erklärbar.
In der Praxis geht es daher nicht um ein Entweder-oder. Die klassische Automatisierung bildet das stabile Fundament. KI kommt gezielt dort zum Einsatz, wo dieses Fundament allein nicht ausreicht.
3.2 In fünf Schritten zum besseren Prozess
Unternehmen, die ihre Prozesse nachhaltig verbessern möchten, sollten somit nicht mit KI beginnen, sondern mit dem Prozess selbst. Diese fünf Schritte helfen dabei:
- Prozess verstehen
Zuerst geht es darum, den bestehenden Ablauf transparent zu machen. Wer ist beteiligt? Welche Informationen werden benötigt? Wo entstehen Wartezeiten, Rückfragen oder Medienbrüche? - Prozess vereinfachen
Nicht jeder Schritt ist zwingend notwendig. Häufig haben sich Abläufe über Jahre hinweg unbemerkt verkompliziert. Unnötige Schleifen, überflüssige Prüfungen oder informelle Abstimmungen sollten konsequent entfernt werden. - Prozess digitalisieren
Dokumente, Aufgaben und Kommunikation sollten in einer gemeinsamen digitalen Umgebung zusammengeführt werden. Erst wenn der Prozess vollständig digital abläuft, kann er effizient automatisiert werden. - Prozess klassisch automatisieren
Im nächsten Schritt werden klare, regelbasierte Abläufe als Workflows umgesetzt. Zuständigkeiten, Fristen und Weiterleitungen laufen dann automatisch und sorgen für Struktur und Transparenz. - KI gezielt ergänzen
Erst wenn der Prozess stabil digital und automatisiert abläuft, lohnt sich der Einsatz von KI. Sie sollte dort eingesetzt werden, wo unstrukturierte Daten verarbeitet oder komplexe Entscheidungen vorbereitet werden müssen.
Die unterschätzte Gefahr vollautomatisierter KI-Prozesse
In einem KI-Prozess sollte der Mensch stets eingebunden werden. Human in the Loop (HITL) bedeutet, dass ein Mensch an einem Prozess beteiligt ist und die Arbeit der KI überwacht. Eine Gefahr dieses Systems besteht darin, dass der Mensch sich durch die meist richtigen Empfehlungen oder Durchführungen verleiten lässt und so gegebenenfalls eine Halluzination in eine Freigabe gerät. Diese Gefahr lässt sich durch eine intensive Einbindung des Menschen, auch während des Prozesses, reduzieren.
3.3 In welchen Prozessen kann KI besonders profitieren?
KI entfaltet ihren größten Nutzen dort, wo Daten nicht sauber strukturiert vorliegen oder Entscheidungen komplexer werden. Besonders geeignet sind Prozesse mit hohem Volumen, vielen wiederkehrenden Mustern und einem großen Anteil an unstrukturierten Informationen. Typische Beispiele sind die automatische Klassifikation von E-Mails, Analyse von Verträgen, Chatbots im Kundenservice oder die intelligente Verarbeitung von Rechnungen und anderen Dokumenten. In all diesen Fällen übernimmt KI Aufgaben, die bisher viel manuelle Prüfung oder Interpretation erfordert haben.
Welche intelligenten Automatisierungstechnologien gibt es?
Um Künstliche Intelligenz möglichst gewinnbringend in Geschäftsprozesse zu implementieren, ist es sinnvoll, einige technologische Ansätze intelligenter Automatisierungen zu kennen:
- Generative KI / bilderstellende KI: Modelle wie Nano Banana, Adobe Firefly, Midjourney, Flux, … bieten eine gute Unterstützung für Teams, die auf Bildmaterial angewiesen sind und dieses schnell bearbeiten müssen. Diese Modelle werden gerne auch in der Modeindustrie eingesetzt, um neue Kollektionen an KI-Modellen vorzuführen. Sie können nicht nur Standbilder produzieren, sondern auch ganze Videosequenzen generieren.
- Verarbeitung natürlicher Sprache (NLP): Dieser Ansatz findet sich eigentlich in jedem LLM wieder, da Chatbots generell versuchen, die eingegebene Sprache zu verstehen und möglichst natürlich / menschlich zu reagieren, z. B., indem sie E-Mails an eine gewünschte sprachliche Stilistik anpasst. Durch maschinelles Lernen kann die KI auch den Kontext eines Dokumentes verstehen und diesen entsprechend zusammenfassen oder klassifizieren. NLP-Modelle unterstützen ebenfalls bei der Optimierung von Sprache-zu-Text oder Text-zu-Sprache besser, z. B. bei der Erstellung von Protokollen.
- Computer Vision / Bild- & Videoanalyse: Diese Systeme erlauben die Analyse von Videodaten und Bildern zu analysieren und ermöglichen so die Identifikation von Beschädigungen oder anderen Auffälligkeiten.
- Maschinelles Lernen: Künstliche Intelligenz wird im besten Fall differenziert eingesetzt und spezialisiert für einen bestimmten Einsatzzweck trainiert. Mithilfe geschärfter Algorithmen kann die KI so häufig viel besser Muster erkennen, als es den meisten Menschen möglich ist. Die Größe der Datensätze spielt dabei natürlich eine zentrale Rolle.
Tools wie ChatGPT oder Gemini verbinden verschiedene Methoden, um ein gutes Ergebnis für den User zu erzeugen.
3.4 Wie Intelligent Document Processing (IDP) genutzt werden kann
Ein besonders sinnvoller KI-Anwendungsfall ist die intelligente Dokumentenverarbeitung (u.a. mit OCR), auch Intelligent Document Processing (IDP) genannt. Hier übernimmt KI Aufgaben, die bisher manuell erledigt wurden. Sie erkennt Dokumenttypen, liest Inhalte aus, extrahiert relevante Daten und ordnet Dokumente automatisch dem richtigen Prozess oder Vorgang zu. So kann z. B. eine eingehende Rechnung automatisch als solche erkannt, ausgelesen und direkt in den passenden Freigabeprozess überführt werden.
Der eigentliche Effizienzgewinn entsteht dabei nicht allein durch den Einsatz der KI, sondern durch den klar definierten Prozess, in den sie eingebettet ist. Erst das Zusammenspiel aus strukturiertem Workflow und intelligenter Datenerkennung sorgt für spürbare Verbesserungen.
4. Wie humbee intelligente Prozesse verknüpft
In humbee entstehen Prozesse daher nicht als theoretische Diagramme, sondern direkt aus der täglichen Zusammenarbeit. Aufgaben, Dokumente, Kommunikation und Verantwortlichkeiten werden in einem gemeinsamen Kontext, dem Vorgang, gebündelt.
Dadurch entstehen automatisch strukturierte Abläufe, die für alle Beteiligten transparent sind. Medienbrüche werden so reduziert, Zuständigkeiten sind klar erkennbar und Prozessschritte lassen sich leicht nachvollziehen. Auf dieser Grundlage können Workflows stabil automatisiert werden. Genau hier wird der Einsatz von KI spannend: Sie kann dort gezielt ergänzt werden, wo zusätzliche Intelligenz tatsächlich einen Mehrwert bietet.
4.1 Erfolgsfaktoren für den Einsatz intelligenter Automatisierungen
Ein Unternehmen ist nur dann mit Automatisierung wirklich erfolgreich, wenn neben der Auseinandersetzung mit den eigenen Prozessen eine Analyse der Datenqualität erfolgt. Die entscheidenden Faktoren für den Erfolg:
- Datenqualität / Datenschatz: Gut gepflegte Daten werden immer wichtiger. Eine schlechte Datengrundlage mit möglicherweise sogar veralteten Dateien schadet oft mehr als sie nutzt. Eine Qualitätssicherung der Daten muss gewährleistet sein.
- Realistische Erwartungen: Nicht alle Prozesse sollten vollständig automatisiert werden. Es benötigt ein gutes Gespür dafür, an welchem Punkt der Aufwand der Automatisierung den echten Nutzen übersteigt.
- Veränderungsbereitschaft: Die besten Implementationen von KI helfen nicht, wenn Mitarbeitende nicht bereit sind, neue Workflows zu verwenden. Daher ist es wichtig, Teams bei der Nutzung von KI und Automatisierungen möglichst frühzeitig einzubinden, mögliche Bedenken ernst zu nehmen und gemeinsam zu besprechen.
5. Intelligente Prozesse in der Praxis
In seinem Vortrag beim humbee experience day hat Digitalexperte Achim Hepp uns auf eine spannende Reise rund um das Thema KI in der Kundenkommunikation eingeladen. Er zeigt, wie Unternehmen schon heute von intelligenten Systemen profitieren können, wo die größten Chancen liegen, aber auch, welche Herausforderungen es zu meistern gilt – insbesondere bei Datenschutz und Empathie.
6. Ein Blick in die Zukunft der KI-Workflows
In den kommenden Jahren werden KI-gestützte Workflows deutlich leistungsfähiger. Systeme werden Daten selbstständig analysieren, Entscheidungen vorbereiten und Prozesse dynamisch anpassen können. Langfristig werden sog. KI-Agenten ganze Prozesse eigenständig steuern.
Doch auch zukünftig bleibt eine grundlegende Regel bestehen: Ohne klare Prozesse gibt es nichts, was sinnvoll automatisiert oder intelligenzt gemacht werden kann. Unternehmen, die heute ihre Abläufe strukturieren und digitalisieren, schaffen die beste Grundlage für den sinnvollen Einsatz von KI und vermeiden es, auf jedes neue Buzzword aufspringen zu müssen.
