Prozess in der Geschäftswelt mit KI automatisieren: Methode in 5 Schritten

Welche 5 Schritte gibt es, um einen Prozess mit einem KI-Agenten zu automatisieren?

Um einen Prozess mit einem KI-Agenten zu automatisieren, lautet die Abfolge: kartieren, Wirkung und Machbarkeit bewerten, an einem einzigen Prozess prototypisieren, Daten und menschliche Validierung absichern, dann ausrollen und schulen [21].

1. Kartieren des bestehenden Prozesses [19].
2. Bewerten von Wirkung und Machbarkeit, um auszuwählen, was sich zu automatisieren lohnt [21].
3. Prototypisieren an einem einzigen Prozess [21].
4. Absichern der Daten und Vorsehen einer menschlichen Validierung [21].
5. Ausrollen und Schulen der Teams [21].

Ein Syntheserahmen, keine Norm

Die Quellen schlagen Varianten vor. Mehrere kündigen eine Methode in fünf Schritten an [19][25][32], während ein Leitfaden sechs zählt [20]. Die Bezeichnungen unterscheiden sich, die Logik deckt sich jedoch. Eine der Quellen formuliert es als kontinuierliche Verbesserung: testen, messen, korrigieren, absichern, dann in größerem Maßstab ausrollen [25].

Die obige Abfolge ist daher eine aus Web-Quellen zusammengeführte Synthese, die häufig von kommerziellen Anbietern stammt. Sie ist keine Norm.

Vom Prozess ausgehen, nicht von der Technologie

Das Prinzip, das das Ganze strukturiert, lautet: vom Prozess ausgehen, nicht von der Technologie [16]. Man verstehe zuerst, was tatsächlich geschieht, und entscheide dann, was automatisiert wird. Die Wahl zwischen Agent, Workflow oder einem anderen Werkzeug folgt danach. Die folgenden Abschnitte behandeln jeden Schritt in dieser Reihenfolge.

Schritte 1 und 2: Welchen Prozess wählen, und wie kartieren?

Für ein erstes Projekt kartiert man zunächst den Prozess, so wie er tatsächlich abläuft, und wählt dann anhand eines Wirkungs- und Machbarkeitsscores den zu automatisierenden Prozess aus [21].

Schritt 1: Kartieren und eingrenzen

Den bestehenden Prozess zu kartieren ist die erste Stufe der Methode in 5 Schritten, die [19] beschreibt. Dabei verfolgt man den tatsächlichen Ablauf: jeden Schritt, jedes Werkzeug, jede Stelle, an der es hakt oder etwas verloren geht [26]. Die Eingrenzung legt danach Anfangs- und Endpunkt, die wichtigsten Beteiligten, die fachlichen Ziele und die heutigen Leistungskennzahlen fest [24]. Diese Kennzahlen dienen als Referenz für den Vorher-Nachher-Vergleich [30].

Schritt 2: Nach Wirkung und Machbarkeit auswählen

Jedem Kandidaten wird ein Wirkungs- und ein Machbarkeitsscore zugewiesen [21]. Die Analyse der Arbeitsabläufe und der Effizienzgewinne liefert die Grundlage für diesen Score [14]. Ziel ist der teuerste und zugleich am besten abgegrenzte Prozess [12].

Für ein erstes Projekt sollte man zwei Prozesstypen ausschließen [22]:

• Prozesse, die bei jedem Schritt menschliches Urteilsvermögen erfordern;
• Prozesse, deren Eingabedaten nicht standardisiert sind.

Diese Empfehlungen stammen aus Leitfäden von Dienstleistern, nicht aus vergleichenden Studien. Sie stimmen jedoch in einem Punkt überein: Die Methode geht vom Prozess aus, nicht von der Technologie [16].

Schritt 3: KI-Agent, Workflow oder RPA, was ist zu konzipieren?

Die Wahl zwischen KI-Agent, Agenten-Workflow und RPA hängt von der Art des Prozesses ab, und die Konzeption muss anschließend deren Rahmen festlegen.

Die Definitionen. Ein KI-Agent ist ein Programm, das autonom handeln kann: Er versteht Anweisungen, trifft Entscheidungen und interagiert mit anderen Systemen [27]. Ein Workflow aus KI-Agenten orchestriert automatisierte Aktionen zwischen mehreren KIs, um komplexe Geschäftsprozesse von Anfang bis Ende abzuwickeln [11].

Der Unterschied zu RPA. Klassisches RPA automatisiert streng repetitive und strukturierte Aufgaben. KI-Automatisierung verarbeitet außerdem unstrukturierte Inhalte (E-Mails, Dokumente, Anfragen in natürlicher Sprache) sowie Situationen, die Urteilsvermögen erfordern [34]. Statt einen Workflow „wenn A, dann B“ zu schreiben, kann man den Agenten bitten, „diese Rechnung zu bearbeiten“. Er entscheidet dann über die Schritte, sucht die Daten, führt API-Aufrufe aus und eskaliert bei Bedarf [20]. Dazu verbindet er sich mit externen Werkzeugen [36].

Was die Konzeption festlegen muss:

• die logischen Schritte des Prozesses [11];
• die Rolle und das Zusammenspiel jedes Agenten [11];
• die Validierungspunkte [12];
• die Zugriffe des Agenten auf Werkzeuge und Daten [12].

Bei den Werkzeugen nennt eine kommerzielle Quelle die Kombination aus Sprachmodellen (GPT-5, Claude) und Orchestrierungswerkzeugen (Make, Zapier) [18]. Diese Kombination ist ein Beispiel, keine Regel. Diese vier Konzeptionspunkte zählen mehr als die Wahl des Werkzeugs.

Schritt 4: Wie prototypisieren und absichern, ohne die Kontrolle zu verlieren?

Um zu prototypisieren, ohne die Kontrolle zu verlieren, testet man den Agenten an einem einzigen Prozess, sichert die Daten ab und sieht eine menschliche Validierung vor, bevor man erweitert [21]. Die Logik ist die einer kontinuierlichen Verbesserung: testen, messen, korrigieren, absichern, dann in größerem Maßstab ausrollen [25].

• Testen und messen: insbesondere die Zahl der Ausnahmen und der nötigen Validierungen verfolgen, aussagekräftiger als die Zahl der automatischen Ausführungen [30].
• Korrigieren und absichern: den Agenten nachjustieren, die verarbeiteten Daten schützen und die Zugriffe festlegen. Validierungspunkte und Zugriffe werden bereits in der Konzeption definiert [12].

Der Mensch bleibt der Entscheider. Laut einer Analyse zu KI-Agenten in Unternehmen ist er es „bei jedem Schritt“ des Prozesses [8]. Die menschliche Validierung ist also keine Option der Pilotphase.

Die Aneignung durch die Fachbereiche ist ein Forschungsthema. Arbeiten zur „Entscheidungskoordination“ untersuchen, wie Fachanwender eine automatisierte Entscheidung übernehmen. Sie stehen im Kontext des europäischen KI-Verordnungsprojekts [6]. Das Thema ist daher ebenso organisatorisch wie technisch.

Governance gehört zum Vorgehen [37]. Einige Anbieter wie ProcessMaker (kommerzielle Quelle) positionieren KI-Agenten übrigens innerhalb gesteuerter Geschäftsprozesse [29].

Schritt 5: Wie ausrollen, Teams schulen und Ergebnisse messen?

Der Rollout erfolgt in zwei Etappen: Teams schulen, dann Schritt für Schritt hochskalieren und die Ergebnisse bei jeder Stufe messen. Die Methode in fünf Schritten eines Fachleitfadens endet mit „ausrollen und schulen“ [21]. Eine andere Quelle setzt den großflächigen Rollout nach den Phasen „testen, messen, korrigieren, absichern“ [25]. In der Praxis wird der Umfang (Volumen, Teams, abgedeckte Fälle) erst dann erweitert, wenn die Messwerte es rechtfertigen.

Die Kennzahlen zum Vorher-Nachher-Vergleich [30]:

• die Bearbeitungszeit;
• die vermiedenen Fehler;
• die Durchlaufzeit;
• das bewältigte Volumen;
• die Zufriedenheit des Teams;
• die Zahl der Ausnahmen;
• die Zahl der nötigen Validierungen.

Der Vergleich setzt voraus, den Ausgangszustand zu kennen. Die heutigen Leistungskennzahlen werden bereits bei der Eingrenzung des Prozesses erhoben [24].

Die richtige Kennzahl ist nicht die Zahl der automatischen Ausführungen [30]. Ein hohes Volumen sagt nichts über die Qualität des Ergebnisses oder den Kontrollaufwand aus, der bei den Teams verbleibt. Deshalb stehen Ausnahmen und Validierungen auf der Liste.

Der Dienstleister Digit-AI kündigt eine Reduktion manueller Aufgaben um 40 bis 70 % bei Prozessen mit hohem Volumen und repetitiver Logik an [28]. Dabei handelt es sich um eine kommerzielle, nicht überprüfte Behauptung. Besser ist es, Ihre Ziele anhand Ihrer eigenen Ausgangsmessungen festzulegen.

Wie sieht ein Agent aus, der den Prozess von Anfang bis Ende ausführt?

Ein Agent, der einen Prozess von Anfang bis Ende ausführt, erhält ein Ziel, keine starre Abfolge von Regeln. Ein klassischer Workflow kodiert ein „wenn A, dann B“. Mit einem Agenten kann man verlangen, „diese Rechnung zu bearbeiten“: Er entscheidet selbst über die Schritte, sucht die Daten, führt API-Aufrufe aus und eskaliert bei Bedarf [20]. Diese Beschreibung stammt von einem kommerziellen Akteur, ebenso wie die folgende: Agentische KI setzt sich Ziele, reagiert auf den Kontext und passt ihre Aktionen mit minimalem menschlichem Eingriff an. Sie verbindet sich außerdem mit externen Werkzeugen, um komplexe Workflows auszuführen [36].

Aus Forschungssicht kennzeichnet eine Publikation Agenten durch mehrstufige Planung und die Interaktion mit der Außenwelt. Sie hält fest, dass der Mensch bei jedem Schritt der Entscheider bleibt [8].

Oupi folgt dieser Logik. Die Plattform verkettet Recherche, Verfassen und Aktionen in den verbundenen Werkzeugen und berichtet anschließend. Dieser Bericht entspricht den Schritten 4 und 5 der Methode: Er ermöglicht, das Handeln des Agenten zu überwachen, bei Bedarf zu korrigieren und die bei der Eingrenzung definierten Messgrößen zu speisen.

Welche konkreten Anwendungsfälle gibt es für einen Operations-Verantwortlichen?

Die folgenden Anwendungsfälle helfen, Kandidaten für die Automatisierung in Ihren eigenen Abläufen zu finden. Sie stammen von kommerziellen Akteuren (einem Automatisierungsanbieter, einer Beratung, einer Agentur): Sie veranschaulichen Einsatzmöglichkeiten, belegen aber keinen Nutzen und ersetzen nicht die Vorher-Nachher-Messung aus Schritt 5.

Querschnittsprozesse (HR, Versicherung, Kundenbeziehung, Gesundheit)

• Empfang und Einarbeitung von Mitarbeitenden [15].
• Bearbeitung von Schadensmeldungen [15].
• Kundensupport [15].
• Lenkung von Patienten [15].

Buchhaltung

• Ein KI-Agent analysiert Preisabweichungen, erkennt Umsatzsteuer-Anomalien und bereitet Buchungssätze vor [35].

Dokumentenflüsse und Nachrichtenverkehr

• Die E-Mail-Sortierung und Dokumentenextraktion werden unter den Einsatzfällen für Prozesse mit hohem Volumen und repetitiver Logik genannt [28].

Diese Beispiele haben einen gemeinsamen Nenner: Es sind wiederkehrende Abläufe mit Eingaben, die sich beschreiben lassen, und Schritten, die sich kartieren lassen. Stellen Sie sich für jedes davon die Fragen aus den Schritten 1 und 2: Ist das Volumen ausreichend? Sind die Eingabedaten standardisiert? Wo ist eine menschliche Validierung nötig?

Wenn ein Prozess Recherche, Verfassen und Aktionen über mehrere Werkzeuge verkettet, entspricht das der Arbeitsweise von Oupi: Die Plattform verkettet diese Schritte in den verbundenen Werkzeugen und berichtet, was sie getan hat. Sie können die Oupi-Missionen erkunden, um sie mit Ihren eigenen Abläufen zu vergleichen.