Kaum ein Thema wird derzeit so überverkauft wie „KI-Automatisierung“. Viele Anbieter versprechen, dass eine KI in wenigen Wochen ganze Abteilungen ersetzt. In der Praxis sieht es anders aus: Die größten Effekte entstehen dort, wo KI stumpfe, wiederkehrende Aufgaben übernimmt – nicht dort, wo sie komplette Entscheidungsprozesse ersetzen soll.

Wo Automatisierung wirklich ansetzt

Bevor überhaupt über KI gesprochen wird, lohnt sich ein ehrlicher Blick auf die Prozesse selbst. Rechnungen, die manuell aus PDFs abgetippt werden. Angebote, die jedes Mal von Hand aus denselben Textbausteinen zusammengesetzt werden. E-Mails, die täglich in dieselben drei Kategorien sortiert und weitergeleitet werden. Das sind die Kandidaten, bei denen sich Automatisierung fast immer lohnt, weil der Aufwand pro Vorgang gering, aber die Häufigkeit hoch ist.

Klassische Automatisierung – feste Regeln, definierte Abläufe – funktioniert hier oft schon sehr gut, ganz ohne KI im eigentlichen Sinn. KI wird interessant, sobald Daten unstrukturiert sind: ein eingescanntes Formular mit handschriftlichen Notizen, eine E-Mail, deren Anliegen erst verstanden werden muss, ein Vertrag, aus dem bestimmte Klauseln extrahiert werden sollen. Genau an diesen Stellen kann ein Sprachmodell oder ein spezialisiertes Machine-Learning-Modell den Unterschied machen, weil es Inhalte interpretieren kann, statt nur nach starren Mustern zu suchen.

Ein typisches Beispiel

Nehmen wir die Rechnungsverarbeitung, weil sie in fast jedem Unternehmen vorkommt. Eingehende Rechnungen kommen per E-Mail, als PDF, manchmal als Foto. Ohne Automatisierung tippt jemand Lieferant, Betrag, Rechnungsnummer und Fälligkeitsdatum händisch ins Buchhaltungssystem. Mit einer KI-gestützten Lösung liest ein Modell diese Felder automatisch aus, ordnet die Rechnung dem richtigen Kostenträger zu und legt sie zur Freigabe vor. Die Person in der Buchhaltung prüft nur noch, statt zu tippen.

Der Aufwand für so ein System ist real – man braucht Testdaten, muss Ausnahmefälle definieren, und die ersten Wochen läuft es meist parallel zum bisherigen Prozess, um Fehler abzufangen. Aber der Effekt ist messbar: Statt für 200 Rechnungen im Monat mehrere Tage Erfassungsarbeit zu brauchen, bleibt oft nur noch die Kontrolle.

Worauf es bei der Umsetzung ankommt

Der größte Fehler, den wir bei Automatisierungsprojekten sehen, ist der Versuch, gleich den kompletten Prozess auf einmal umzubauen. Das führt fast immer zu Verzögerungen und Frust, weil sich mitten im Projekt zeigt, dass Teilschritte anders laufen als angenommen. Sinnvoller ist es, mit einem klar abgegrenzten Teilprozess zu starten, ihn zum Laufen zu bringen und dann zu erweitern.

Genauso wichtig: Wer die Automatisierung später bedient, muss von Anfang an eingebunden werden. Ein System, das technisch elegant ist, aber an der Realität der Buchhaltung oder des Kundenservice vorbeigeht, wird in der Praxis umgangen oder schlicht ignoriert. Die besten Ergebnisse entstehen, wenn die Mitarbeitenden, die den Prozess heute manuell erledigen, mit am Tisch sitzen und sagen können, wo es tatsächlich hakt.

Ein Punkt, der oft zu kurz kommt: Datenschutz und Nachvollziehbarkeit. Sobald Kundendaten oder vertrauliche Dokumente durch ein KI-Modell laufen, muss klar sein, wo diese Daten verarbeitet werden, ob sie das Unternehmen verlassen und wie lange sie gespeichert bleiben. Bei sensiblen Daten setzen wir deshalb häufig auf Modelle, die sich lokal oder in einer europäischen Cloud-Umgebung betreiben lassen, statt unbesehen auf einen US-Anbieter zu setzen.

Wann sich der Aufwand lohnt

Nicht jeder Prozess sollte automatisiert werden. Wenn ein Vorgang nur zweimal im Monat vorkommt, rechnet sich der Aufwand meist nicht. Interessant wird es ab einer gewissen Wiederholungsrate – und immer dann, wenn Fehler durch manuelle Arbeit teuer werden, etwa bei Rechnungen, Bestellungen oder Kundenanfragen mit engen Reaktionszeiten.

Am Anfang jedes Projekts steht bei uns deshalb eine Bestandsaufnahme: Welche Prozesse laufen wie oft, wie viel Zeit kosten sie, und wo entstehen die meisten Fehler. Erst danach lässt sich seriös sagen, ob und wo sich KI-gestützte Automatisierung tatsächlich rechnet.