KI-Automatisierung im Unternehmen: Prozesse mit KI automatisieren

Viele Mittelständler haben inzwischen mehrere KI-Piloten: einen internen Chatbot, einen Assistenten für Kundenantworten, vielleicht ein Projekt zur Dokumentenextraktion. Trotzdem kopieren Mitarbeitende weiterhin Daten aus E-Mails in Excel, prüfen Rechnungen in mehreren Systemen und warten auf Freigaben per Mail. Das Problem ist nicht fehlende Begeisterung. Die KI wurde neben den Prozessen eingesetzt, nicht in ihnen.

Genau hier entscheidet sich, ob KI-Automatisierung operative Wirkung erzeugt oder als weitere Einzellösung endet. Ein Chatbot liefert Informationen. Ein produktiver Workflow liest dagegen Daten aus dem Postfach, gleicht einen Beleg mit Bestellung und Wareneingang ab, bereitet eine Freigabe vor, löst die richtige Aktion im ERP aus und protokolliert jeden Schritt. Dieser Leitfaden zeigt, wie Sie Prozesse mit KI automatisieren: von der Auswahl des ersten Prozesses über die technischen Bausteine bis zu Kontrollen, Kennzahlen und einem Fahrplan für die ersten 13 Wochen.

Warum KI neben der Arbeit nicht reicht

Die Nutzung wächst schnell. Laut Statistik Austria setzten 2025 30 % der österreichischen Unternehmen mit mindestens zehn Beschäftigten KI-Technologien ein, nach 20 % im Jahr 2024, 11 % im Jahr 2023 und 9 % im Jahr 2021. Der EU-Schnitt lag 2025 bei 20 %. Nutzung heißt aber noch nicht Automatisierung. In vielen Betrieben sitzt die KI im Browser, während die Wertschöpfung in BMD, SAP, Microsoft Dynamics, Salesforce, E-Mail-Postfächern und Freigabeprozessen liegt.

Diese Symptome zeigen, dass die KI neben dem Prozess läuft:

• Manuelle Übergaben: Informationen wechseln per E-Mail, Excel oder Chat zwischen Teams.
• Doppelte Dateneingabe: Derselbe Kunde, Auftrag oder Beleg wird in mehreren Systemen erfasst.
• Unklare Zuständigkeit: Niemand weiß genau, wer eine KI-generierte Empfehlung prüft oder freigibt.
• Fehlende Nachvollziehbarkeit: Später lässt sich nicht rekonstruieren, welche Daten verwendet und welche Entscheidung getroffen wurde.
• Lokale Lösungen: Einzelne Mitarbeitende automatisieren ihr Postfach, der zentrale Prozess bleibt unverändert.

Der nächste Reifegrad entsteht erst, wenn KI Freigaben vorbereitet, Transaktionen auslöst und Kontrollspuren schreibt. Das Ziel ist kein intelligenter Bildschirm neben der Arbeit, sondern ein belastbarer Ablauf von der eingehenden Information bis zur geprüften Aktion im Kernsystem.

Praktische Regel: Automatisieren Sie keine Antwort, wenn eigentlich eine Transaktion gebraucht wird.

Was KI-Automatisierung von RPA und Chatbots unterscheidet

Prozessautomatisierung mit KI besteht aus drei Schichten. Erstens nimmt ein Modell Informationen wahr, etwa eine E-Mail, einen Vertrag, eine Rechnung oder eine freie Anfrage. Zweitens entscheidet ein Agent anhand von Ziel, Kontext, Regeln und Berechtigungen, welcher nächste Schritt zulässig ist. Drittens führt ein Konnektor oder ein strukturiertes Tool die Aktion im Zielsystem aus.

Diese Definition trennt drei Ansätze, die im Markt ständig vermischt werden:

Klassische RPA bedient Oberflächen: Ein Bot klickt Felder an, kopiert Werte und wartet auf bestimmte Bildschirme. Das funktioniert bei stabilen Oberflächen und klaren Regeln. Sobald ein ERP-Release ein Feld verschiebt oder ein Lieferantenportal sein Layout ändert, bricht die Annahme hinter dem Skript. KI ersetzt RPA trotzdem nicht automatisch. Für deterministische Schritte bleibt eine klassische Regel oft zuverlässiger, günstiger und leichter prüfbar. Der Unterschied liegt in der Orchestrierung: Ein Agent interpretiert Inhalte, erkennt Unsicherheit und wählt den nächsten erlaubten Schritt. Die eigentliche Buchung erfolgt danach über eine kontrollierte Schnittstelle, nicht über einen Mausklick.

Ein Chat ist damit eine Oberfläche, keine Automatisierung. Wenn ein Copilot eine Rechnung erklärt, aber keine Bestellung abruft, keinen Wareneingang prüft und keine Freigabe vorbereitet, ist der Informationsschritt verbessert. Der Finanzprozess läuft trotzdem weiter wie zuvor.

Unsere Arbeitsdefinition lautet:

KI-Prozessautomatisierung ist die kontrollierte Ausführung eines Geschäftsziels über mehrere Systeme, bei der KI unstrukturierte Informationen verarbeitet, Regeln und Kontext berücksichtigt und jede kritische Aktion nachvollziehbar ausführt oder zur Freigabe vorlegt.

Welche Prozesse sich für den Einstieg eignen

Der häufigste Fehler bei Automatisierungsprojekten ist ein Start mit dem Tool. Teams vergleichen Plattformen, Modelle und Agenten, bevor sie wissen, welcher Prozess wirtschaftlich und technisch geeignet ist. Beginnen Sie stattdessen mit der Arbeit, die heute messbar Aufwand verursacht und sich kontrolliert automatisieren lässt.

Die Prozessliste als Entscheidungsgrundlage

Sammeln Sie die wiederkehrenden Abläufe aus Vertrieb, Einkauf, Buchhaltung, Kundenservice und Backoffice. Beschreiben Sie nicht nur den Prozessnamen, sondern den tatsächlichen Weg einer Transaktion:

1. Auslöser festhalten: E-Mail, Formular, Auftrag, Zahlungseingang oder Nachricht in Teams oder Slack.
2. Datenquellen benennen: CRM, ERP, Dokumentenablage, Postfach oder Buchhaltungssystem.
3. Entscheidungen dokumentieren: Welche Regeln gelten, welche Informationen fehlen häufig?
4. Übergaben markieren: Wo kopiert ein Mensch Daten oder wartet auf eine Rückmeldung?
5. Ausnahmen sammeln: Welche Fälle brauchen zwingend eine fachliche Prüfung?

Bewerten Sie jeden Kandidaten nach Volumen, Regelklarheit, Datenqualität, Systemabhängigkeit und Freigabebedarf. Ein hoher Wiederholungsgrad hilft, reicht aber nicht aus. Ein Prozess mit vielen Durchläufen und unstrukturierten Eingangsdaten kann riskanter sein als ein kleinerer Ablauf mit klaren Feldern und stabilen Schnittstellen. Sprechen Sie dabei mit den Menschen, die täglich die Ausnahmen bearbeiten, nicht nur mit denen, die das Prozesshandbuch geschrieben haben.

Gute erste Prozesse sind unspektakulär

Der erste Anwendungsfall sollte nicht der prestigeträchtigste sein. Er sollte häufig vorkommen, weitgehend regelbasiert funktionieren und einen klaren Prozess-Owner haben. Gute Kandidaten sind:

• Rechnungseingang mit Abgleich von Bestellung, Wareneingang und Rechnung.
• Stammdatensynchronisation für Lieferanten oder Kunden zwischen ERP und CRM.
• Interne Freigabeketten wie Stundenzettel, Spesen oder Bestellanforderungen.
• Klassifizierung eingehender Anfragen mit Routing an die zuständige Stelle.

Begrenzen Sie den ersten Rollout auf höchstens zwei durchgängige Prozesse. Jeder braucht einen Owner im Fachbereich, definierte Eingangsbedingungen und ein klares Ende.

Stop-Kriterium: Wenn niemand erklären kann, wer bei einer Ausnahme entscheidet, ist der Workflow noch nicht bereit für die Produktion.

Verwerfen Sie ein Vorhaben früh, wenn mehr als drei manuelle Workarounds nötig sind, kein Prozess-Owner benannt ist oder die Quellsysteme keine belastbaren Daten liefern. Auch häufige Prozessänderungen sprechen gegen einen sofortigen Produktivstart. Erst den Prozess stabilisieren, dann automatisieren.

Anforderungen testbar formulieren

Schreiben Sie für jeden Kandidaten ein kurzes Prozessblatt. Es enthält Startpunkt, Eingaben, erwartete Ausgabe, erlaubte Aktionen, Freigabegrenze und Eskalationsweg. Ergänzen Sie eine Verantwortungsmatrix: Wer besitzt den Prozess, wer prüft die KI-Ausgabe, wer betreibt die Schnittstelle und wer entscheidet bei einem Fehler?

Formulieren Sie Ziele mit vorhandenen Messgrößen. Durchlaufzeit, Fehlerquote, Bearbeitungsvolumen und Eskalationsrate sind brauchbarer als ein allgemeines Ziel wie „mehr Effizienz“. Messen Sie den Ausgangszustand, bevor Sie automatisieren. Sonst können Sie nach dem Go-live nicht unterscheiden, ob die Lösung tatsächlich hilft oder nur Arbeit verschiebt.

Voraussetzungen: erst Daten, dann Schnittstellen, dann KI

Vor dem ersten Agenten steht eine unbequeme Prüfung. Datenreife kommt vor Schnittstellenreife, Schnittstellenreife kommt vor KI-Reife. Wer diese Reihenfolge überspringt, baut einen schnellen Piloten auf einem instabilen Fundament und erklärt später die KI zum Problem, obwohl Stammdaten oder Schnittstellen fehlen.

• Datenreife: Lieferanten, Kunden, Artikel und Kostenstellen brauchen stabile IDs, die zwischen ERP, CRM, Buchhaltung und Lager übereinstimmen. Für jede relevante Entität muss feststehen, welcher Datensatz führend ist und wer ihn verantwortet.
• Schnittstellenreife: Dokumentierte REST- oder SOAP-Schnittstellen, Webhooks, stabile Exportformate und eine verlässliche Authentifizierung sind gute Voraussetzungen. Ein On-Premises-ERP ohne erreichbare Schnittstelle ist ein Warnsignal, das den Aufwand deutlich erhöht.
• KI-Reife: Ein Anwendungsfall, eine Sandbox, ein Berechtigungskonzept, Testdaten und ein Freigabeprozess existieren. Dass ein Team einen Chatbot ausprobiert hat, genügt nicht.

Die Hürden sind in Österreich gut dokumentiert. Unter den Unternehmen ohne KI nennen laut derselben Erhebung von Statistik Austria 15 % fehlendes internes Fachwissen als Grund, je 11 % Datenschutzbedenken und rechtliche Unsicherheit, 9 % Probleme mit Verfügbarkeit oder Qualität der Daten und 8 % Inkompatibilität mit bestehender Software oder bestehenden Systemen. Für eine strukturierte Selbsteinordnung eignet sich unser KI-Reifegradmodell. Wenn Sie Systeme und Datenflüsse vor dem ersten Projekt prüfen lassen wollen, beschreibt das KI-Audit, wie wir dabei vorgehen.

Die technischen Bausteine

Eine produktive Architektur ähnelt einem Nervensystem. Konnektoren lesen Daten und schreiben Aktionen. Die MCP-Schicht standardisiert Tools und Kontext. Agenten übersetzen Ziele in Schritte. Governance blockiert riskante Aktionen, prüft Zuständigkeiten und hinterlässt Spuren.

Konnektoren schließen die Lücke zwischen den Systemen

Ein Konnektor verbindet den Agenten mit SAP, BMD, DATEV, Navision, Exact, weclapp, Salesforce, E-Mail-Postfächern oder Dokumentenpipelines. Standard-Konnektoren sind sinnvoll, wenn sie die benötigten Objekte, Felder und Aktionen sauber abdecken. Buchhaltung und ERP enthalten aber oft gewachsene Berechtigungen, individuelle Felder und eigene Freigabelogik. Ein eigener Konnektor sollte deshalb mindestens diese Funktionen abbilden:

• Lesen: Kunden, Lieferanten, Belege, Aufträge und Statusinformationen gezielt abrufen.
• Validieren: Pflichtfelder, Formate, Dubletten und Berechtigungen vor einer Aktion prüfen.
• Schreiben: Änderungen idempotent und mit klarer Rückmeldung ausführen, damit ein Wiederholungsversuch keine Doppelbuchung erzeugt.
• Fehler behandeln: Zeitüberschreitungen, fehlende Daten und abgelehnte Aktionen unterscheiden. Technische Fehler werden kontrolliert wiederholt, fachliche Fehler landen in einer Prüfliste.
• Protokollieren: Aufruf, Nutzerkontext, Eingabe, Ergebnis und Freigabe dokumentieren.

Der häufigste Architekturfehler ist, mit dem Sprachmodell zu beginnen. Beginnen Sie mit einer Schnittstellenkarte: Wo entsteht die Information? Welche ID verbindet E-Mail, Auftrag, Rechnung und Buchung? Welche Schreibvorgänge sind erlaubt? Wer darf lesen, vorbereiten, freigeben oder buchen? Wann muss ein Mensch übernehmen?

Die MCP-Schicht als kontrollierter Zugang

Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Modelle Werkzeuge und Kontext in einheitlicher Form nutzen. Eine MCP-Schicht stellt dem Agenten Tools wie „Bestellung abrufen“, „Wareneingang prüfen“ oder „Zahlungslauf zur Freigabe vorlegen“ bereit, jeweils mit klaren Parametern, Rückgabewerten und Berechtigungen. Der Agent erhält keinen unbeschränkten Datenbankzugang, sondern darf nur freigegebene Funktionen aufrufen.

MCP ersetzt dabei weder den BMD-Konnektor noch den DATEV-Adapter. Es standardisiert den kontrollierten Zugriff darüber. Die Tool-Schicht sollte nur Aktionen anbieten, die fachlich beschrieben, technisch abgesichert und organisatorisch verantwortet sind.

Agenten orchestrieren Ziele statt Klickfolgen

Ein Agent erhält ein Ziel, Kontext und Grenzen. Er kann eine eingehende Rechnung klassifizieren, fehlende Daten anfordern, einen Abgleich durchführen und bei Abweichungen eskalieren. Er sollte jedoch keine neuen Zahlungsbedingungen erfinden oder eine ungeprüfte Buchung auslösen. Produktive Workflows bestehen deshalb nicht aus einem großen Prompt, sondern aus kleinen Zuständigkeiten mit definierten Übergabepunkten:

• Erkennung: Der Workflow prüft, ob die Nachricht zum erwarteten Eingangstyp passt.
• Verarbeitung: Der Agent liest Daten und erzeugt einen Entwurf, führt aber keine kritische Änderung aus.
• Prüfung: Regeln und ein Mensch kontrollieren Unsicherheit, Vollständigkeit und Empfänger.
• Ausführung: Erst nach Freigabe wird ein CRM-Status geändert, eine Aufgabe erstellt oder ein ERP-Schritt angestoßen.
• Eskalation: Unbekannte Fälle, widersprüchliche Daten und fehlende Berechtigungen stoppen den Ablauf.

Wie diese Schichten als Plattform zusammenspielen, welche Integrationsmuster es gibt und wie Sie eine Plattform auswählen, beschreibt unser Beitrag zur Enterprise Automation Platform.

Anwendungsfälle in Finance, HR und Operations

Finance, HR und Operations brauchen nicht dieselbe Automatisierungslogik. In Finance zählt die Transaktionssicherheit, in HR die Nachvollziehbarkeit einer sensiblen Entscheidung, in Operations die Verbindung von aktuellen Daten und praktischer Disposition.

Finance verlangt kontrollierte Transaktionen

Bei Eingangsrechnungen erfasst die KI den Inhalt, erkennt Lieferant und Bestellbezug und markiert Abweichungen. Der klassische Drei-Wege-Abgleich zwischen Bestellung, Wareneingang und Rechnung läuft auf strukturierten ERP-Daten. Die KI interpretiert unklare Dokumente, die Regel- und Konnektorschicht entscheidet über den nächsten Schritt.

Eine Zahlung sollte nie allein wegen einer Modellantwort ausgelöst werden. Der Agent bereitet einen Zahlungslauf vor, identifiziert fehlende Freigaben und benachrichtigt die zuständige Person. Die finale Freigabe bleibt bei der definierten Rolle. Auch die Vorbereitung einer Umsatzsteuervoranmeldung in BMD oder SAP braucht Quellenbezug, Prüfschritte und eine dokumentierte Verantwortlichkeit. Mehr dazu im Beitrag zur Automatisierung von Finanzprozessen.

HR braucht Zurückhaltung bei Entscheidungen

In HR kann ein Agent Bewerbungsunterlagen nach vorab definierten Kriterien strukturieren, fehlende Unterlagen anfordern, Vertragsentwürfe vorbereiten und Onboarding-Aufgaben an IT, Führungskraft und Personalverrechnung verteilen. Der Mensch prüft, ob die Kriterien sachlich gerechtfertigt sind und ob die vorgeschlagene Behandlung zur Person passt.

Vollautomatisierte Personalauswahl oder algorithmische Leistungsbewertung sind keine Schnellgewinne. KI-Systeme für die Auswahl von Bewerbenden oder für Entscheidungen über Beförderung, Kündigung und Leistungsbewertung zählen nach Anhang III des EU AI Act zu den Hochrisiko-Systemen. Seit 2. Februar 2025 gilt außerdem für alle Unternehmen, die KI einsetzen, die Pflicht zur KI-Kompetenz der Beschäftigten nach Art. 4 AI Act. Dazu kommen DSGVO, Gleichbehandlung und die Mitbestimmung des Betriebsrats, die bei Systemen zur Verarbeitung von Beschäftigtendaten häufig eine Betriebsvereinbarung verlangt.

Operations muss mit Ausnahmen umgehen können

In Operations führt KI Wartungshinweise aus Maschinendaten und Serviceberichten zusammen, strukturiert Lieferantenrisiken oder schlägt Außendiensttermine nach Qualifikation, Ort und Dringlichkeit vor. Die Automatisierung gewinnt an Qualität, wenn sie nicht nur einen Plan erstellt, sondern auch erkennt, wann Material fehlt, ein Termin unrealistisch ist oder ein Lieferantendatensatz widersprüchlich ist. Der Mensch greift ein, wenn die Entscheidung finanzielle, sicherheitsrelevante oder arbeitsrechtliche Folgen hat.

Kontrollen, Compliance und Auditierbarkeit

Mehr KI erzeugt nicht automatisch mehr Automatisierung. Wenn Stammdaten widersprüchlich sind, Rollen fehlen und jede Ausnahme an eine Einzelperson geht, skaliert auch ein gutes Modell nicht. Das ist kein Modellproblem, sondern ein Betriebs- und Kontrollproblem.

Wirtschaftsprüfer brauchen nicht nur das Endergebnis. Sie müssen nachvollziehen können, welche Quelle verwendet wurde, welcher Regel die Entscheidung folgte und wer die Aktion freigegeben hat. Ein Betriebsrat braucht zusätzlich Klarheit darüber, welche Personaldaten verarbeitet werden und wo menschliche Kontrolle stattfindet. Die technische Umsetzung sollte mindestens diese Kontrollpunkte enthalten:

• Versionierte Prompts und Tools: Jede relevante Modell- und Toolversion lässt sich einer Ausführung zuordnen.
• Vollständige Audit-Logs: Eingabe, Datenquellen, Entscheidung, Tool-Aufruf, Freigabe und Ergebnis gehören in eine unveränderbare Prozessspur.
• Vier-Augen-Prinzip: Zahlungen, kritische Stammdatenänderungen und sensible HR-Entscheidungen brauchen eine getrennte Freigabe.
• Datenminimierung: Der Agent erhält nur jene personenbezogenen Daten, die für den konkreten Zweck erforderlich sind.
• Secrets und Rechte: Zugangsdaten liegen in einem Vault, technische Nutzer haben nur die Rechte, die ihr Rollenprofil erlaubt.
• KI-Verzeichnis: Ein internes Verzeichnis hält Zuständigkeit, Zweck, Kontrollen und Betriebsumgebung jedes Systems fest.

Die beste Human-in-the-loop-Integration ist kein pauschaler Freigabeknopf. Sie zeigt dem Menschen genau die Evidenz, die er für eine Entscheidung braucht.

Führen Sie die Risikobewertung vor dem Agentenbau durch, nicht danach. Governance darf kein spätes Freigabegremium sein. Sie gehört in den Konnektor, in die MCP-Tools und in die Ausnahmeregeln. Dann lässt sich ein Prozess zurückrollen, prüfen und verbessern, ohne die gesamte Automatisierung stillzulegen. Einen strukturierten Rahmen dafür beschreibt unser Security Governance Framework.

Kennzahlen und Wirtschaftlichkeit

Ein Workflow ist nicht erfolgreich, weil er läuft. Er ist erfolgreich, wenn er einen vorher definierten Prozess messbar verbessert und die Kontrollqualität hält. Der Automatisierungsgrad allein sagt wenig aus: Ein Workflow kann viele Fälle automatisch abschließen und trotzdem problematisch sein, wenn die Fehlerquote steigt oder Ausnahmen unbemerkt bleiben.

Die Wirtschaftlichkeitsrechnung bleibt einfach:

ROI = (vermiedene Prozesskosten minus laufende Automatisierungskosten) geteilt durch die gesamten Automatisierungskosten

In die Kosten gehören Implementierung, Konnektorwartung, Lizenzen, Modell- und API-Kosten, Monitoring und interne Betriebszeit. Auf der Nutzenseite zählt nur tatsächlich freigesetzte oder sinnvoll umgelagerte Kapazität. Rechnen Sie den Payback für 6, 12 und 24 Monate getrennt durch. So erkennen Sie, ob ein Vorhaben kurzfristig trägt oder erst durch Skalierung wirtschaftlich wird. Wie Sie die Zeitersparnis selbst sauber herleiten, zeigt der Beitrag Zeitersparnis berechnen.

Typische Fehler in der Rechnung: Drittanbieter-API-Kosten werden vergessen, schleichende Prozessänderungen lösen den ursprünglichen Business Case auf, und eine Einsparung wird mit einer bloßen Umlenkung von Aufwand verwechselt. Wenn eine Fachkraft statt Dateneingabe nun täglich Ausnahmefehler korrigiert, ist das keine Einsparung. Vor der Erfolgsfreigabe sollten Finance und IT gemeinsam diese sieben Fragen beantworten:

1. Sind Durchlaufzeit, Fehlerquote und manueller Aufwand vor dem Pilot dokumentiert?
2. Ist der Prozess-Owner für Fachlichkeit und Ausnahmen benannt?
3. Sind alle Schnittstellen, Lizenzkosten und Wartungsaufwände erfasst?
4. Gibt es einen vollständigen Audit-Trail für lesende und schreibende Aktionen?
5. Sind Berechtigungen, Datenschutz und regelmäßige Rechteprüfungen geklärt?
6. Ist geklärt, ob Kapazität wirklich frei wird oder nur anders eingesetzt wird?
7. Existiert ein Betriebs-, Wiederholungs- und Notfallprozess?

Weitere Hebel, an denen sich KI-Automatisierung finanziell bemerkbar macht, sammelt unser Beitrag zur Kostensenkung mit KI.

Fahrplan für die ersten 13 Wochen

Ein Pilot darf nicht nur zeigen, dass ein Modell Text versteht. Er muss beweisen, dass ein Prozess mit echten Daten, echten Rollen und einem definierten Rückfallweg funktioniert.

Woche 1 bis 2: Startpunkt sind keine Tool-Demos, sondern reale Prozessspuren. Das Team analysiert, wo E-Mails, Excel, ERP und Freigaben heute zusammenlaufen, und wählt drei hochvolumige Anwendungsfälle mit klaren Datenankern und begrenztem Risiko. Betriebsrat, Datenschutz und Finance gehören bereits jetzt an den Tisch, nicht erst vor dem Go-live.

Woche 3 bis 5: Das Team baut die Verbindungen zu ERP, HR- und Finance-Systemen. Jeder Konnektor braucht Lese- und Schreibrechte, Fehlerverhalten, Testdaten und eine verantwortliche Person. Parallel werden die MCP-Tools definiert. Führungskräfte lernen in kurzen Trainings, welche Prozesse sich eignen und welche Kontrollen sie verlangen, während Engineers mit einem wiederverwendbaren Muster aus Tool-Schema, Berechtigungsprüfung, Audit-Log und Eskalation arbeiten.

Woche 6 bis 10: Der Agent arbeitet mit einem kleinen Nutzerkreis und einem abgegrenzten Datenbereich. Gemessen werden nicht nur Antwortqualität, sondern Durchlaufzeit, manuelle Übergaben, Ausnahmequote, Freigabezeit und Fehlerkorrekturen gegen die Baseline. Ein Pilot ohne Baseline ist eine Demo. Wöchentliche Reviews prüfen fehlgeschlagene Läufe, neue Ausnahmefälle und Berechtigungsfragen.

Woche 11 bis 13: Vor dem Produktivstart prüft das Team Monitoring, Berechtigungen, Kosten, Datenresidenz, Support und Incident-Prozess. Am Ende steht nicht die Übergabe eines Dashboards, sondern ein betriebsfähiger Dienst mit Dokumentation, Runbooks, Eskalationsregeln, Rollback-Plan und benannter Eigentümerschaft im Fachbereich. Wie wir diesen Weg gemeinsam mit internen Teams gehen, beschreibt die Seite zur KI-Implementierung.

Entscheidungshilfe: bereit für den nächsten Schritt?

Ein KI-Automatisierungsprogramm ist reif für die Skalierung, wenn fünf Bedingungen erfüllt sind:

• Prozessklarheit: Die priorisierten Abläufe haben einen definierten Start, ein fachliches Ergebnis und einen dokumentierten Ausnahmeweg.
• Systemzugriff: ERP, Finance und relevante Postfächer sind über getestete Konnektoren erreichbar, ohne unsichere Schattenkopien.
• Kontrollfähigkeit: Jede kritische Aktion erzeugt einen Audit-Eintrag und kann durch eine zuständige Person freigegeben oder zurückgerollt werden.
• Messbarkeit: Der Pilot vergleicht Durchlaufzeit, manuelle Übergaben, Ausnahmequote, Korrekturaufwand und Akzeptanz mit der Baseline.
• Betriebsfähigkeit: Hosting, Datenresidenz, Lizenzierung, Support und Abstimmung mit dem Betriebsrat sind vor dem Roll-out geklärt.

Ein Go ist gerechtfertigt, wenn der Agent einen klar abgegrenzten Prozess sicher vorbereitet und die Fachabteilung die Ergebnisse anhand der gespeicherten Evidenz prüfen kann. Ein No-Go bleibt richtig, wenn Datenanker fehlen, Rollen ungeklärt sind oder der Anbieter keinen belastbaren Export der Logs ermöglicht.

Die Reihenfolge für Mittelständler ist deshalb klar: einen Finance- oder Backoffice-Prozess starten, Konnektoren inventarisieren, MCP-Tools bauen, Audit-Logging etablieren und erst danach auf HR und Operations erweitern. Wer mit drei Chatbots beginnt, bekommt drei Chatbots. Wer mit einem kontrollierten Kernprozess beginnt, baut eine Grundlage, die weitere Abläufe tragen kann.

Sprechen Sie mit uns

Wenn Sie einen konkreten Finance-, ERP- oder Backoffice-Prozess mit KI automatisieren wollen, sprechen Sie mit uns.