Prozessoptimierung: Wann reicht Software, wann braucht es KI?

Ich werde oft gefragt, ob ich “KI machen” kann. Meistens steckt dahinter eine andere Frage: “Wir haben einen Prozess, der nervt. Kann man da was tun?”

Die Antwort ist fast immer ja. Aber meistens hat die Lösung wenig mit dem zu tun, was man sich unter “KI-Projekt” vorstellt.

Was ich tatsächlich tue

Mein Job ist, mir einen Prozess bei dir anzuschauen, zu verstehen was er wirklich tut, und dann die einfachste Lösung zu finden, die das Problem tatsächlich löst. Das kann ein LLM-Agent sein. Genauso gut kann es ein simples Skript sein, eine saubere Integration zwischen zwei Systemen, oder eine klarere interne Logik.

Die Frage ist nie: “Wie bauen wir hier KI rein?” Die Frage ist: “Wo ist die Reibung, was kostet das, und was ist der einfachste Weg das zu beheben?”

Der Prozess zuerst

Bevor ich irgendetwas baue, schau ich mir an, wie der Prozess heute wirklich läuft. Nicht wie er im Flowchart steht, sondern wie er tatsächlich passiert: mit allen Ausnahmen, Workarounds und dem Excel in der Ecke, das “eigentlich nie jemand anfassen soll”.

Das ist wichtig, weil fast jeder Prozess anders bricht als erwartet. Die Beschwerden, die reinkommen, sind zu 80 % Standard und zu 20 % kompliziert. Das Angebot, das aus einem Kundenanruf entstehen soll, hat fünf verschiedene Vorlagen je nach Projekttyp. Die Übertragung zwischen CRM und ERP hat drei manuelle Schritte, die alle drei aus guten Gründen entstanden sind.

Wer das nicht versteht, baut eine Lösung, die im Demo funktioniert und in der Praxis reiht.

Wann einfache Software reicht

Viele Prozesse brauchen keine KI. Sie brauchen saubere Software.

Wenn du jeden Tag Daten von System A nach System B kopierst: das ist ein Integration-Problem, kein KI-Problem. Eine gut gebaute Schnittstelle löst das zuverlässiger und billiger.

Wenn bei euch Formulardaten per Hand in eine Tabelle übertragen werden: das ist ein Datenpipeline-Problem. Automatisierbar ohne ein einziges LLM.

Wenn Bestellungen aus einer bestimmten Quelle immer gleich weiterverarbeitet werden: das ist Regelautomatisierung. Einfach, deterministisch, wartbar.

Ich sage das meinen Kunden lieber vor dem Projekt als danach. Ein gut gebautes Skript, das zuverlässig läuft, ist besser als ein KI-Modell, das manchmal die falsche Antwort gibt.

Wann KI einen echten Beitrag leistet

KI ist dann sinnvoll, wenn der Input variabel und unstrukturiert ist und trotzdem etwas Sinnvolles herauskommen soll.

E-Mails von Kunden sind unstrukturiert. Jede klingt anders, enthält unterschiedliche Informationen, und trotzdem soll daraus ein Angebot oder eine Weiterleitung entstehen. Hier hilft ein LLM, weil es mit diesem Variationsraum umgehen kann.

Eingescannte Lieferscheine sind unstrukturiert. Jeder Lieferant hat ein anderes Layout. Trotzdem sollen Positionen, Mengen und Preise herausgezogen werden. Auch das ist ein Fall für KI, weil klassische Regeln bei diesem Variationsraum versagen.

Fragen an eine interne Wissensbasis sind unstrukturiert. Mitarbeiter fragen nicht nach exakten Stichwörtern, sondern nach Bedeutung. Hier ist semantische Suche und Retrieval-Augmented Generation (RAG) ein sinnvoller Ansatz.

Das Muster: variabler, textbasierter Input, der trotzdem in ein strukturiertes Ergebnis überführt werden soll. Sobald das der Kern des Problems ist, lohnt sich der Blick auf KI.

Was “KI kann das nicht” oft falsch meint

Ein Satz, den ich oft höre: “Dieser Prozess ist zu komplex für KI, da braucht es Urteilsvermögen.” Das stimmt manchmal. Aber manchmal bedeutet das nur: die KI sollte hier nicht alleine entscheiden. Das bedeutet nicht, dass man rundherum nichts automatisieren kann.

Ein Beispiel: Reklamationen, bei denen manchmal Kulanz gewährt wird und manchmal nicht. Die Entscheidung selbst braucht Urteilsvermögen. Aber die Triage (welche Abteilung, welche Priorität, welche Informationen fehlen noch) ist automatisierbar. Der Sachbearbeiter bekommt dann einen vorbereiteten Fall statt einen rohen E-Mail-Eingang.

Die Pipeline um die Entscheidung herum kann sehr gut Software sein, auch wenn die Entscheidung selbst beim Menschen bleibt.

Das Ergebnis

Am Ende des Tages will ich, dass weniger Zeit für Dinge draufgeht, die kein Mensch machen sollte: kopieren, tippen, suchen, sortieren, weiterleiten. Was danach übrig bleibt, ist die Arbeit, bei der ein Mensch tatsächlich etwas beiträgt.

Ob dafür KI nötig ist oder nicht, hängt vom Prozess ab. Ich schau es mir an und sag dir ehrlich, was Sinn ergibt.