Welche Geschäftsprozesse eignen sich für KI?

Sobald ein Unternehmen beschließt, sich mit KI zu beschäftigen, lautet die nächste Frage meist: Wo fangen wir an?

Die Antwort ist selten „überall“ und selten die beeindruckendste Idee aus einer Demo. Die besten Kandidaten sind gewöhnliche, wiederkehrende Prozesse, in denen Menschen Zeit damit verbringen, Informationen zu lesen, zu sortieren, zu kopieren oder umzuformulieren, und in denen ein Fehler bemerkt und korrigiert werden kann.

Nicht jeder Prozess, der sich langsam anfühlt, braucht KI. Manche brauchen eine einfache Automatisierung mit klaren Regeln. Andere brauchen ein besseres Formular, eine sauberere Datenquelle oder eine Verbindung zwischen zwei Tools. Manche sollten vorerst manuell bleiben.

Dieser Leitfaden erklärt, welche Merkmale einen Prozess für KI geeignet machen und welche eher dagegen sprechen, wie KI und deterministische Regeln zusammenarbeiten können und wie Sie eine kurze Liste von Kandidaten für Ihr eigenes Unternehmen erstellen.

Was macht einen Prozess zu einem guten Kandidaten für KI?

Ein Prozess ist meist ein guter Kandidat, wenn mehrere dieser Merkmale zutreffen:

• er wiederholt sich häufig: täglich oder wöchentlich, nicht einmal im Jahr
• er umfasst unstrukturierte Informationen: E-Mails, Nachrichten, Dokumente, Notizen oder Freitextfelder in Formularen
• er erfordert Lesen und Interpretieren: verstehen, worum es in einer Nachricht geht, wichtige Angaben herausziehen, zusammenfassen
• das Ergebnis lässt sich prüfen: eine Person kann schnell erkennen, ob das Ergebnis stimmt
• Fehler lassen sich beheben: eine falsche Einordnung oder ein schwacher Entwurf kann ohne ernsthaften Schaden korrigiert werden
• die Eingaben sind einigermaßen einheitlich: jedes Mal ähnliche Arten von Anfragen, Dokumenten oder Daten
• er verursacht derzeit einen Engpass: Anfragen warten in einer Warteschlange, Mitarbeitende kopieren Daten zwischen Tools oder erfahrene Fachkräfte verbringen Zeit mit wenig wertvollem Sortieren

KI hilft meist dort am meisten, wo sonst ein Mensch etwas lesen und darüber eine recht routinemäßige Einschätzung treffen würde.

Welche Aufgaben erledigt KI in der Regel gut?

In Geschäftsabläufen werden KI-Modelle typischerweise für einige wiederkehrende Aufgabentypen eingesetzt.

Klassifizieren und weiterleiten

Eine eingehende E-Mail, ein Ticket oder eine Formulareinsendung lesen und über Kategorie, Dringlichkeit, Sprache oder das zuständige Team entscheiden.

Informationen extrahieren

Bestimmte Felder aus Texten oder Dokumenten herausziehen, etwa Namen, Bestellnummern, Daten, Produktnamen oder den Grund einer Anfrage, und sie in ein strukturiertes Format bringen.

Zusammenfassen

Lange Verläufe, Gesprächsnotizen oder Dokumente in eine kurze Zusammenfassung verwandeln, die eine Person lesen kann, bevor sie handelt.

Entwürfe erstellen

Eine erste Fassung einer Antwort, einer Produktbeschreibung, einer internen Notiz oder eines Berichtsabschnitts vorbereiten, die eine Person prüft und fertigstellt.

Daten anreichern und vereinheitlichen

Lücken füllen oder uneinheitliche Einträge standardisieren, zum Beispiel Firmennamen bereinigen oder Freitextantworten einer festen Liste von Optionen zuordnen.

Entscheidungen unterstützen

Relevante Informationen sammeln und aufbereiten, damit eine Person schneller entscheiden kann, ohne dass die KI die endgültige Entscheidung selbst trifft.

In jedem Fall ist der KI-Schritt Teil eines größeren Workflows. Er erhält eine Eingabe aus einem Tool, erzeugt ein Ergebnis und gibt es an einen weiteren Schritt oder an eine Person weiter.

Wann sind deterministische Regeln besser als KI?

Viele Aufgaben, die nach KI-Chancen aussehen, lassen sich mit gewöhnlicher Automatisierungslogik besser lösen. Regeln sind in der Regel vorzuziehen, wenn:

• die Entscheidung immer einer klaren Bedingung folgt, etwa einem Betrag, einem Datum, einem Status oder einem Feldwert
• dieselbe Eingabe immer genau dasselbe Ergebnis liefern muss
• das Ergebnis vollständig erklärbar und nachprüfbar sein muss
• es darum geht, Daten ohne Interpretation von einem System in ein anderes zu übertragen
• schon ein kleiner Fehler erhebliche finanzielle, rechtliche oder sicherheitsrelevante Folgen hätte

Beispiele sind: eine Bestellung zur Freigabe schicken, wenn sie einen festgelegten Betrag überschreitet, einen CRM-Datensatz anlegen, wenn ein Formular abgeschickt wird, einen Rechnungsstatus aus der Buchhaltungssoftware in ein Dashboard übernehmen oder eine feste Anzahl von Tagen vor einer Frist eine Erinnerung senden.

KI für solche Aufgaben einzusetzen, bringt Kosten, Unvorhersehbarkeit und Wartungsaufwand ohne klaren Nutzen. Der einfachste zuverlässige Weg ist meist der richtige.

Wie arbeiten KI und Regeln zusammen?

Die zuverlässigsten Workflows kombinieren oft beides. Ein typisches Muster sieht so aus:

1. Ein regelbasierter Auslöser startet den Workflow, zum Beispiel trifft eine neue E-Mail in einem gemeinsamen Postfach ein.
2. Ein KI-Schritt liest die Nachricht und schlägt eine Kategorie und eine kurze Zusammenfassung vor.
3. Regeln prüfen das KI-Ergebnis, zum Beispiel muss die Kategorie aus einer festen Liste stammen.
4. Regeln leiten die Anfrage anhand der Kategorie an das richtige Team weiter.
5. Eine Person prüft die Zusammenfassung und antwortet.
6. Der Workflow protokolliert, was passiert ist, damit sich Probleme nachverfolgen lassen.

In diesem Aufbau übernimmt die KI den Teil, der Interpretation erfordert, und Regeln übernehmen alles, was vorhersehbar sein muss. Fehlt das KI-Ergebnis oder entspricht es nicht dem erwarteten Format, kann der Workflow auf einen Standardweg zurückfallen, etwa eine allgemeine Warteschlange zur manuellen Prüfung.

Diese Kombination ist oft robuster als ein Workflow, der sich bei jedem Schritt auf KI verlässt.

Welche Prozesse sind meist schlechte Kandidaten?

Seien Sie vorsichtig bei Prozessen, die:

• selten vorkommen, sodass sich der Aufwand für Aufbau und Pflege einer Automatisierung kaum rechtfertigen lässt
• sich häufig ändern, sodass der Workflow ständig angepasst werden müsste
• von Informationen abhängen, die niemand aufgeschrieben hat
• endgültige Entscheidungen über Menschen betreffen, etwa Einstellungen, Kredite oder Zugang zu Leistungen, ohne starke menschliche Aufsicht
• hochsensible Daten verarbeiten, bei denen Sie noch nicht geprüft haben, was zulässig ist
• keine klare verantwortliche Person haben, die die Ergebnisse prüfen kann
• bereits fehlerhaft oder uneinheitlich sind, sodass eine Automatisierung das Durcheinander nur beschleunigen würde

Manche dieser Prozesse können später zu guten Kandidaten werden, sobald sie geklärt, stabilisiert oder ordentlich geregelt sind.

Was ist mit Regulierung und sensiblen Daten?

Die Art des Prozesses ist für die Compliance ebenso wichtig wie für die technische Gestaltung.

Interne Anwendungen mit geringem Risiko, etwa das Zusammenfassen von E-Mails oder das Verschlagworten von Support-Tickets, werfen vor allem Datenschutzfragen auf: Welche Informationen werden an einen KI-Anbieter gesendet, wie werden sie gespeichert und wer hat Zugriff darauf?

Anwendungen, die Entscheidungen über Menschen beeinflussen, können unter dem EU AI Act und anderen Vorschriften in Kategorien mit strengeren Anforderungen fallen, insbesondere bei Transparenz, menschlicher Aufsicht und Dokumentation.

Dies ist keine Rechtsberatung. Wenn ein Kandidatenprozess personenbezogene Daten oder Entscheidungen über Einzelpersonen betrifft, sollten Sie ihn vor dem Aufbau mit der Unterstützung von D4Hub zu KI-Compliance und bei Bedarf mit einer Rechtsberatung prüfen.

Beispiele für Prozesse, die eine Prüfung wert sind

Die folgenden Beispiele sind gängige Ausgangspunkte. Sie sind keine Empfehlung für jedes Unternehmen, zeigen aber, welche Art von Prozess oft passt.

Kundenservice und Support

• eingehende Tickets nach Thema und Dringlichkeit sortieren
• lange Unterhaltungen vor einer Eskalation zusammenfassen
• Antworten auf häufige Fragen entwerfen, die ein Mitarbeiter prüft
• die Sprache einer Anfrage erkennen und sie weiterleiten

Vertrieb und CRM

• Firmen- und Kontaktdaten aus eingehenden E-Mails extrahieren
• CRM-Datensätze vereinheitlichen und Dubletten entfernen
• Gesprächsnotizen zusammengefasst ins CRM übertragen
• Leads anhand einer Mischung aus Formulardaten und Freitextantworten weiterleiten

Betrieb und Verwaltung

• wichtige Felder aus Standarddokumenten wie Lieferscheinen oder Bestellungen extrahieren
• Dokumente in den richtigen Ordner oder die richtige Kategorie einsortieren
• interne Zusammenfassungen aus mehreren Datenquellen erstellen

E-Commerce

• Produktbeschreibungen aus strukturierten Produktdaten entwerfen, mit menschlicher Prüfung
• Kundennachrichten zu Bestellungen, Retouren oder Versand kategorisieren
• Produktbewertungen nach Thema verschlagworten

Bei jedem Beispiel ist der KI-Teil nur ein Schritt. Der Rest des Workflows, also Auslöser, Weiterleitung, Speicherung und Benachrichtigungen, beruht in der Regel auf Standardautomatisierung.

Wie erstellen Sie eine kurze Liste von Kandidaten?

Ein praktischer Ansatz ist, Ideen bei den Menschen zu sammeln, die die Arbeit erledigen, und sie dann zu filtern.

Sammeln Sie Probleme, keine KI-Ideen

Fragen Sie die Teams, welche Aufgaben sie als repetitiv, langsam oder frustrierend empfinden. Vermeiden Sie die Frage „Wo könnten wir KI einsetzen?“, denn sie führt eher zu vagen oder werkzeuggetriebenen Antworten.

Beschreiben Sie jeden Kandidaten in einer Zeile

Notieren Sie für jede Idee, worin die Aufgabe besteht, wer sie erledigt und wie oft. Wenn Sie sie nicht einfach beschreiben können, ist sie vielleicht noch nicht reif.

Trennen Sie KI-Schritte von Regelschritten

Markieren Sie bei jedem Kandidaten, welche Teile Interpretation erfordern und welche klaren Regeln folgen. Bei manchen Kandidaten wird sich zeigen, dass sie gar keine KI brauchen, und das ist ein gutes Ergebnis.

Filtern Sie nach Risiko und Umkehrbarkeit

Bevorzugen Sie Kandidaten, bei denen Fehler sichtbar und leicht zu korrigieren sind. Heben Sie sich Prozesse mit hohem Risiko für später auf.

Wählen Sie einen Kandidaten zur genaueren Prüfung

Wählen Sie einen Kandidaten aus, den Sie genauer betrachten. Wie Sie ihn richtig bewerten, lesen Sie unter woran erkennen Sie, ob sich ein KI-Anwendungsfall lohnt?.

Was sind die häufigsten Fehler?

Vermeiden Sie:

• den Prozess zu wählen, der am innovativsten klingt, statt den, der die meisten Reibungsverluste verursacht
• KI für Schritte einzusetzen, die eine einfache Regel zuverlässig erledigen würde
• einen Prozess zu automatisieren, der noch nicht stabil oder abgestimmt ist
• die menschliche Prüfung zu früh abzuschaffen
• die Teile des Workflows rund um den KI-Schritt zu vergessen, etwa Fehlerbehandlung und Protokollierung
• mehrere Prozesse gleichzeitig anzugehen und keinen abzuschließen
• anzunehmen, dass sich ein Prozess, der in einer Demo funktioniert, mit echten, unordentlichen Daten genauso verhält

Wie D4Hub helfen kann

D4Hub hilft Ihnen, Prozesse auszuwählen und zu gestalten, bevor ein Tool festgelegt wird. Je nach Bedarf unterstützt D4Hub Sie bei:

• der Prüfung Ihrer Liste von Kandidatenprozessen
• der Darstellung eines ausgewählten Prozesses so, wie er tatsächlich abläuft
• der Trennung von KI-Schritten und Schritten, die deterministische Regeln nutzen sollten
• der Gestaltung von Workflows, die KI, Regeln und menschliche Prüfung kombinieren
• der Verbindung der beteiligten Tools über Integrationen, Webhooks oder APIs
• dem Aufbau oder der Verbesserung von Workflows in n8n, Make, Zapier und ähnlichen Plattformen
• der Integration von KI-Modellen in die Tools, die Ihr Team bereits nutzt
• dem Einbau von Ausweichpfaden, Protokollierung und Monitoring
• dem frühzeitigen Benennen von Datenschutz- und Compliance-Fragen, die zu klären sind

Sie können in jeder Phase Unterstützung anfragen, ob Sie nur eine Idee prüfen oder eine Liste von Prozessen priorisieren möchten.

Wenn [Auslöser], nutzt [wer] [Tools], um [Aktion], damit [Ergebnis].

Häufig gestellte Fragen

Sollten wir mit dem Prozess beginnen, der uns die meiste Zeit kostet?

Nicht immer. Ein zeitaufwendiger Prozess kann auch komplex oder risikoreich sein. Ein besserer erster Kandidat ist oft einer, der häufig vorkommt, klar definiert und risikoarm ist. So lernen Sie, wie sich Automatisierung in Ihrem Unternehmen verhält, bevor Sie größere Prozesse angehen.

Kann KI einen Prozess von Anfang bis Ende ohne Menschen abwickeln?

In einigen eng begrenzten Fällen ja, aber die meisten zuverlässigen Geschäftsabläufe binden an wichtigen Stellen eine Person ein, besonders am Anfang. Menschliche Prüfung hilft, Fehler zu erkennen, und schafft das Vertrauen, das nötig ist, um zu entscheiden, ob mehr Automatisierung sinnvoll ist.

Was, wenn sich herausstellt, dass der Prozess gar keine KI braucht?

Das ist ein gutes Ergebnis. Eine einfache regelbasierte Automatisierung ist meist günstiger im Betrieb, leichter zu pflegen und besser vorhersehbar. Ziel ist es, den Prozess zu verbessern, nicht KI um ihrer selbst willen einzusetzen.

Sind kundennahe Prozesse ein guter Ausgangspunkt?

Sie können es sein, mit Sorgfalt. Antworten zu entwerfen, die ein Mitarbeiter prüft, ist weniger riskant als automatische Antworten direkt an Kunden zu senden. Wenn Sie mit internen oder unterstützten Schritten beginnen, können Sie die Qualität prüfen, bevor Kunden das Ergebnis sehen.

Wie viele Prozesse sollten wir gleichzeitig automatisieren?

Beim ersten Projekt meist einen nach dem anderen. Einen Prozess gut abzuschließen, mit verantwortlicher Person, Monitoring und Dokumentation, lehrt mehr, als mehrere zu beginnen und halbfertig liegen zu lassen.

Unsere Tools haben keine API. Lässt sich der Prozess trotzdem automatisieren?

Manchmal, über Exporte, E-Mail-basierte Auslöser, Dateiübertragungen oder Integrationsplattformen, die diese Tools unterstützen. In anderen Fällen ist die Einschränkung real und kann beeinflussen, welchen Prozess Sie wählen. D4Hub kann prüfen, was mit Ihren konkreten Tools technisch möglich ist.