Alexander Beisswenger
Wo mit der Automatisierung anfangen? Prozesse richtig priorisieren
Eine einfache Bewertungsmatrix hilft, den ersten Prozess so zu wählen, dass er schnell Nutzen bringt und als Fundament für weitere taugt.
WeiterlesenMontagmorgen im Vertriebsinnendienst. Zwanzig Bestellungen liegen im Postfach, drei davon kommen als strukturierter Datensatz aus dem Webshop, der Rest als PDF, eine sogar als Foto vom Handy. Die Frage, ob man hier regelbasierte Automatisierung oder KI braucht, beantwortet sich nicht pauschal. Für die Webshop-Bestellungen reicht eine feste Regel. Für das Foto braucht es etwas, das lesen kann.
Viele Gespräche über Digitalisierung im Mittelstand beginnen derzeit mit „Wir sollten etwas mit KI machen“. Das ist verständlich, führt aber oft in die falsche Richtung. Ein großer Teil wiederkehrender Arbeit lässt sich mit klassischer Automatisierung erledigen, ohne Sprachmodell, ohne Unsicherheit, ohne laufende Kosten pro Anfrage. Dieser Artikel zeigt, wo die Grenze verläuft.
Was regelbasierte Automatisierung ist
Regelbasierte Automatisierung folgt festen Anweisungen: Wenn A eintritt, tue B. Eine Bestellung kommt über den Webshop, also wird sie ins ERP übertragen. Ein Arbeitsgang wird im ERP zurückgemeldet, also wird der Auftragsstatus in der Planungsliste aktualisiert. Ein Termin rückt näher, also geht eine Erinnerung raus.
Das funktioniert hervorragend, solange die Eingangsdaten eine feste Form haben. Felder, Spalten, Codes, Datumswerte. Die Regel macht bei gleicher Eingabe immer dasselbe. Das Ergebnis ist vollständig vorhersagbar und lässt sich lückenlos nachvollziehen. Genau das ist etwa bei Prüfprotokollen im Qualitätsmanagement gefragt.
Die Schwäche ist ebenso klar: Sobald die Eingabe vom erwarteten Muster abweicht, scheitert die Regel. Eine Kundenanfrage, die als Fließtext in einer E-Mail steht, kann eine Regel nicht deuten. Sie kann höchstens nach Stichworten suchen, und das geht schnell schief.
Was KI in diesem Zusammenhang meint
Wenn heute von KI im Büro die Rede ist, sind meist Sprachmodelle gemeint, also Systeme, die Text verstehen und erzeugen können. Sie lesen eine E-Mail und erkennen, dass es sich um eine Reklamation handelt. Sie ziehen aus einer PDF-Anfrage Werkstoff, Stückzahl und Liefertermin heraus. Sie fassen einen langen Schriftverkehr zusammen.
Ihre Stärke ist der Umgang mit unstrukturierten Inhalten, also mit allem, was Menschen für Menschen geschrieben haben. Ihre Schwäche: Sie arbeiten mit Wahrscheinlichkeiten. Dieselbe Eingabe kann leicht unterschiedliche Ergebnisse liefern, und gelegentlich liegt das Modell schlicht daneben, klingt dabei aber überzeugt. Deshalb braucht KI immer eine Kontrollschicht.
Automatisierung oder KI: die Entscheidungstabelle
Die folgende Tabelle hilft bei der Einordnung. Sie ersetzt keine genaue Prozessanalyse, zeigt aber, in welche Richtung eine Aufgabe tendiert.
| Kriterium | Regelbasierte Automatisierung | KI (Sprachmodell) |
|---|---|---|
| Datenform | Strukturiert: Felder, Tabellen, XML, feste Formulare | Unstrukturiert: Fließtext, PDF, Scans, gemischte Formate |
| Fehlertoleranz | Gering nötig, Ergebnis ist immer gleich | Fehler möglich, braucht Prüfung oder Freigabe |
| Nachvollziehbarkeit | Vollständig, jede Regel ist dokumentiert | Eingeschränkt, Begründung muss eigens protokolliert werden |
| Laufende Kosten | Sehr gering pro Vorgang | Kosten pro Anfrage, abhängig von Menge und Modell |
| Einrichtung | Klare Regeln nötig, Ausnahmen müssen bekannt sein | Beispiele und Anweisungen nötig, Ausnahmen werden teils selbst erkannt |
| Änderungen | Jede neue Variante braucht eine neue Regel | Kommt mit neuen Varianten oft ohne Umbau zurecht |
Daraus lassen sich vier Leitfragen ableiten:
- Liegen die Daten strukturiert vor? Wenn ja, zuerst prüfen, ob eine feste Regel reicht.
- Was kostet ein Fehler? Bei Preisen, Lieferterminen oder technischen Zusagen muss ein Mensch freigeben, egal welche Technik dahintersteht.
- Muss jeder Schritt prüfbar sein? Bei Vorgängen mit Nachweispflicht, etwa in der Prüfdokumentation, gehört der eigentliche Eintrag ins System in feste Regeln.
- Lohnt sich der Aufwand? Bei wenigen Vorgängen im Monat ist manchmal die manuelle Bearbeitung die wirtschaftlichste Lösung.
Beispiele aus Vertrieb, Kundenservice und Wissensmanagement
Abstrakt klingt das einleuchtend. Im Alltag verschwimmen die Grenzen. Drei Bereiche zeigen, wie die Aufteilung konkret aussieht.
Vertrieb
Kundenanfragen kommen per E-Mail, über das Kontaktformular, als angehängte Zeichnung oder als Anfrage-PDF des Einkaufs. Kein Format gleicht dem anderen. Das ist klassisches KI-Terrain: Das Sprachmodell erkennt Kunde, Produkt, Menge und Termin und legt einen strukturierten Datensatz an. Der Anwendungsfall Kundenanfragen automatisch erfassen zeigt das im Detail.
Das Nachfassen von Angeboten dagegen ist im Kern regelbasiert. Angebot älter als zehn Tage, keine Rückmeldung, also Erinnerung an den Vertriebsmitarbeiter. KI kann den Text der Nachfass-Mail vorformulieren, die Entscheidung, wann und ob nachgefasst wird, folgt festen Regeln.
Kundenservice
Das Sammelpostfach ist ein typischer Mischfall. Ob eine Mail an den Vertrieb, den Service oder die Buchhaltung gehört, lässt sich aus Absender und Betreff nur teilweise ableiten. Ein Sprachmodell liest den Inhalt und ordnet zu, feste Regeln sorgen für Weiterleitung, Fristen und Vertretungen.
Bei Ersatzteilanfragen ist es ähnlich. Ein Foto vom Typenschild und ein paar Zeilen zum defekten Teil muss jemand deuten. Hier hilft ein Sprachmodell, die passende Maschine und Stückliste zu finden. Ob das Teil lieferbar ist und was es kostet, kommt dagegen über feste Regeln aus dem ERP.
Wissensmanagement und Software
Wenn Daten zwischen ERP, Excel-Listen und Fachsystemen hin- und herwandern, ist das fast immer eine Aufgabe für feste Regeln. Spalte A hier, Feld B dort. Der Anwendungsfall Datenübertragung zwischen Systemen braucht in der Regel kein Sprachmodell.
Die Kombination: wie beides zusammenspielt
In den meisten sinnvollen Lösungen arbeiten beide Ansätze Hand in Hand. Ein bewährtes Muster sieht so aus:
- Eingang: Ein Dokument oder eine Nachricht kommt an.
- Verstehen (KI): Das Sprachmodell liest den Inhalt und wandelt ihn in strukturierte Daten um.
- Prüfen (Regeln): Feste Regeln gleichen die Daten mit Stammdaten, Bestellungen oder Preislisten ab.
- Entscheiden (Mensch): Was eindeutig ist, läuft durch. Was unsicher oder kritisch ist, landet zur Freigabe bei einer zuständigen Person.
- Ausführen (Regeln): Die freigegebenen Daten werden ins Zielsystem geschrieben und protokolliert.
Die KI übernimmt das Lesen, nicht das Entscheiden. So bleibt der Prozess nachvollziehbar, Fehler des Modells werden abgefangen, und die laufenden Kosten bleiben überschaubar, weil das Sprachmodell nur dort eingesetzt wird, wo es wirklich gebraucht wird.
Dieses Muster hat einen weiteren Vorteil: Es lässt sich schrittweise ausbauen. Man kann mit einer reinen Regel-Lösung beginnen und KI später für die Restfälle ergänzen. Oder man startet mit KI-Vorschlägen, die zunächst alle von Hand geprüft werden, und gibt erst nach einigen Wochen Erfahrung eindeutige Fälle zur automatischen Verarbeitung frei.
Typische Fehler bei der Auswahl
KI für strukturierte Daten
Wer eine Excel-Liste per Sprachmodell ins ERP übertragen lässt, bezahlt für jede Zeile und riskiert, dass einzelne Werte falsch übernommen werden. Eine feste Zuordnung von Spalten zu Feldern ist hier genauer und günstiger.
Regeln für unstrukturierte Texte
Umgekehrt scheitern viele Versuche, Kundenanfragen mit Stichwortregeln zu sortieren. Die Regel „enthält Reklamation, also Service“ erfasst nicht die Mail, in der steht „leider passt das Teil nicht“. Hier stößt man schnell an Grenzen, und die Regelsammlung wächst ins Unüberschaubare.
Keine Kontrollschicht
Der häufigste Fehler beim Einsatz von KI ist, ihre Ergebnisse ungeprüft weiterzureichen. Ein Sprachmodell, das Bestelldaten direkt ins ERP schreibt, wird irgendwann eine falsche Menge oder einen falschen Artikel übernehmen. Plausibilitätsprüfungen und Freigaben gehören von Anfang an dazu.
Unklare Abläufe
Weder Regeln noch KI helfen, wenn der Ablauf selbst nicht klar ist. Wenn drei Kollegen dieselbe Aufgabe auf drei verschiedene Arten erledigen, muss zuerst geklärt werden, wie es richtig geht. Erst dann lohnt sich die Automatisierung. Mehr dazu im Beitrag Wo mit der Automatisierung anfangen?.
Wann sich beides nicht lohnt
Nicht jede Aufgabe sollte automatisiert werden. Wenn ein Vorgang nur wenige Male im Monat vorkommt, jedes Mal anders aussieht und viel Erfahrungswissen verlangt, ist ein Mensch meist die bessere Wahl. Das gilt etwa für die technische Machbarkeitsprüfung einer Sonderanfrage oder für Preisverhandlungen mit einem Großkunden.
Auch Entscheidungen mit rechtlicher oder finanzieller Tragweite bleiben beim Menschen: Freigaben, Preise, Zusagen gegenüber Kunden. Automatisierung kann solche Entscheidungen vorbereiten, Daten zusammentragen und Vorschläge machen. Treffen sollte sie ein Mensch.
Fazit
Die Frage „Automatisierung oder KI?“ ist meist falsch gestellt. Richtig ist: Welcher Teil einer Aufgabe ist strukturiert, welcher nicht, und wo muss ein Mensch entscheiden? Feste Regeln sind dort überlegen, wo Daten klar vorliegen und jeder Schritt prüfbar sein muss. Sprachmodelle spielen ihre Stärke dort aus, wo bisher Menschen lesen und deuten mussten. Wer beides geschickt kombiniert und Freigaben einplant, bekommt Lösungen, die zuverlässig laufen und deren Kosten kalkulierbar bleiben. Wie wir dabei vorgehen, steht unter Vorgehen.