KI und Automatisierung

KI verstärkt die Qualität vorhandener Strukturen

Belastbarer KI-Einsatz entsteht aus dem Zusammenspiel von Aufgabe, Prozess, Wissen, Daten, Technik, Prüfung und Verantwortung.

Ein Unternehmen ist nicht deshalb gut aufgestellt, weil Mitarbeitende verschiedene KI-Werkzeuge nutzen oder einzelne Abläufe automatisiert wurden. Entscheidend ist, ob klar ist:

• welche Aufgabe unterstützt werden soll,
• welche Eingaben und Regeln gelten,
• welches Wissen verwendet werden darf,
• wie Ausnahmen erkannt werden,
• wer Ergebnisse prüft und freigibt,
• welche Risiken und Grenzen bestehen,
• wie Wirkung und Fehler dokumentiert werden.

Der Themenbereich „KI und Automatisierung“ ordnet diese Voraussetzungen von der klassischen Prozessautomatisierung bis zur betrieblichen KI-Governance.

Das zentrale Problem

Technische Möglichkeiten werden häufig vor der organisatorischen Frage betrachtet.

Ein Werkzeug kann Texte entwerfen, Daten zusammenfassen, Anfragen sortieren, Informationen aus Dokumenten abrufen oder Aktionen in anderen Systemen auslösen. Daraus entsteht schnell der Eindruck, der Prozess sei damit bereits verstanden.

In der Praxis bleiben jedoch grundlegende Fragen offen:

• Welche Variante einer Leistung ist verbindlich?
• Welche Daten dürfen an den Anbieter übertragen werden?
• Wie wird mit widersprüchlichen Quellen umgegangen?
• Welche Anfrage darf automatisch beantwortet werden?
• Wann muss ein Mensch übernehmen?
• Wer trägt die Verantwortung für eine fehlerhafte Ausgabe?
• Wie wird erkannt, dass sich der zugrunde liegende Prozess geändert hat?

Technik kann diese Fragen nicht stellvertretend entscheiden. Sie benötigt eine vorbereitete Arbeitsgrundlage.

Die sieben Ebenen belastbarer KI-Arbeit

1. Aufgabe

Jede Anwendung beginnt mit einer klar begrenzten Aufgabe. „Marketing automatisieren“ oder „KI im Kundenservice nutzen“ ist zu breit.

Geeigneter sind Fragen wie:

• Soll eine eingehende Anfrage nach nachvollziehbaren Kriterien vorsortiert werden?
• Soll ein Fachtext auf Grundlage freigegebener Quellen vorbereitet werden?
• Soll ein bestehender Datensatz auf fehlende Pflichtangaben geprüft werden?
• Soll ein Mitarbeitender bei der Suche nach einer verbindlichen Prozessregel unterstützt werden?

Je klarer die Aufgabe, desto besser lassen sich Ergebnis, Risiko und Kontrollbedarf bestimmen.

2. Prozess

Die Aufgabe liegt innerhalb eines Ablaufs. Der Ablauf besitzt Auslöser, Eingaben, Regeln, Übergaben, Ausnahmen und ein erwartetes Ergebnis.

Der Kernbeitrag „Automatisierung rettet keine ungeklärten Prozesse“ zeigt, warum ein unklarer Prozess durch technische Beschleunigung nicht besser wird. Er wird nur schneller wiederholt.

3. Wissen und Daten

Generative Modelle liefern allgemeine Muster und Formulierungen. Unternehmensspezifische Qualität benötigt verbindliche Quellen, Begriffe, Beispiele und Regeln.

„KI ohne Wissensgrundlage produziert austauschbare Ergebnisse“ erläutert, warum ein leistungsfähiges Modell nicht wissen kann, welche Aussage im konkreten Unternehmen aktuell, zulässig und fachlich richtig ist.

4. Technik

Erst nach Aufgabe, Prozess und Wissensgrundlage wird entschieden, welche technische Lösung angemessen ist.

Mögliche Bestandteile sind:

• klassische regelbasierte Automatisierung,
• Sprachmodell,
• Klassifikationsmodell,
• Such- oder Abrufsystem,
• Schnittstelle,
• Prozessplattform,
• Agent,
• Validierungsregel.

Die einfachste tragfähige Lösung ist häufig besser als eine technisch beeindruckende, aber schwer kontrollierbare Architektur.

5. Prüfung

Nicht jedes Ergebnis benötigt dieselbe Kontrolle.

Ein interner Entwurf kann durch Stichproben und fachliche Überarbeitung ausreichend abgesichert sein. Eine verbindliche Kundenantwort, Vertragsinformation, medizinische Aussage oder irreversible Systemaktion verlangt ein höheres Kontrollniveau.

„Warum menschliche Prüfung Teil jedes belastbaren KI-Prozesses bleibt“ ordnet Prüfung als festgelegte Prozessfunktion ein.

6. Verantwortung

Jeder produktive Einsatz benötigt benannte Verantwortung für:

• Geschäftszweck,
• Prozess,
• Wissen und Daten,
• technische Konfiguration,
• fachliche Freigabe,
• Datenschutz und Sicherheit,
• Vorfälle und Eskalation.

Die Verantwortung darf nicht beim einzelnen Mitarbeitenden enden, der ein Werkzeug bedient.

7. Lernen

Modelle, Quellen, Prozesse und Anbieter verändern sich. Belastbare Nutzung benötigt deshalb Protokollierung, Fehleranalyse, Aktualisierung und wiederkehrende Prüfung.

Eine funktionierende Anwendung ist kein abgeschlossener Zustand. Sie ist ein betreuter Teil des digitalen Systems.

Die Entwicklung von 2022 bis 2026

Automatisierung vor dem KI-Boom

Im Februar 2022 stand bei vielen Unternehmen noch die Verbindung vorhandener Software, Daten und wiederkehrender Abläufe im Vordergrund.

Die entscheidende Erkenntnis war bereits damals gültig: Automatisierung beschleunigt nicht nur den gewünschten Ablauf. Sie beschleunigt ebenso unklare Regeln, schlechte Daten und fehlerhafte Übergaben.

Generative KI verändert einzelne Arbeitsschritte

Nach der Veröffentlichung von ChatGPT Ende 2022 wurde im Februar 2023 zunächst sichtbar, wie sich Entwurf, Zusammenfassung, Umformulierung, Ideenbildung und Prüfung verändern.

Der historische Beitrag „Generative KI verändert zuerst die Arbeitsweise“ trennt diese unmittelbare Wirkung von späteren Erwartungen an vollständig integrierte KI-Systeme.

Wissen wird zur Voraussetzung

Mit leistungsfähigeren Modellen wurde zugleich deutlicher, dass überzeugende Sprache keine unternehmensspezifische Wahrheit garantiert.

Im April 2023 bestand die strategische Aufgabe deshalb nicht nur im besseren Prompt. Unternehmen mussten klären, welche Quellen und Regeln die Anwendung überhaupt verwenden sollte.

Vorprüfung wird notwendig

Im Herbst 2023 verlagerte sich die Frage von „Was kann das Modell?“ zu „Unter welchen Bedingungen darf und soll der Ablauf produktiv werden?“

„Was Unternehmen vor der KI-Automatisierung klären müssen“ bündelt dafür sechs Prüffelder: Aufgabe, Daten, Rollen, Freigabe, Risiko und Erfolgskriterium.

Governance wird organisatorisch

Bis Juni 2025 war KI-Nutzung in vielen Unternehmen nicht mehr nur ein Experiment einzelner Personen. Der EU AI Act war in Kraft, erste Bestimmungen zu verbotenen Praktiken und KI-Kompetenz galten seit Februar 2025, weitere Pflichten folgten gestaffelt.

„KI-Einsatz braucht Rollen, Regeln und Verantwortlichkeiten“ beschreibt die organisatorische Antwort. Nicht als juristische Vollprüfung, sondern als Führungs- und Betriebsmodell.

Transparenzpflichten werden konkret

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 des AI Acts. Damit wird konkreter, wann Menschen über direkte KI-Interaktion, Deepfakes oder bestimmte KI-generierte Inhalte informiert werden müssen.

„AI Act für Unternehmen: Wie aus Regulierung ein Wettbewerbsvorteil werden kann“ zeigt, warum die relevante Aufgabe über einzelne Kennzeichnungen hinausgeht: Unternehmen müssen Einsatzfälle, Daten, Prüfung und Verantwortung beherrschbar organisieren.

Das SDC-Modell für KI-Orchestrierung

Typische Fehlannahmen

„Ein besseres Modell löst unser Qualitätsproblem.“

Ein leistungsfähigeres Modell kann bessere allgemeine Ausgaben erzeugen. Es löst keine widersprüchlichen Quellen, ungeklärten Fachbegriffe oder fehlende Freigaberegeln.

„Automatisierung spart automatisch Zeit.“

Eine Automatisierung kann Zeit sparen. Sie kann ebenso zusätzliche Kontrolle, Fehlerbehandlung und Pflege erzeugen. Die gesamte Prozesswirkung muss betrachtet werden.

„Menschliche Prüfung macht jede Anwendung sicher.“

Prüfung wirkt nur, wenn die prüfende Person ausreichend informiert, qualifiziert und handlungsfähig ist. Eine formale Bestätigung am Ende ist kein belastbarer Kontrollmechanismus.

„Eine interne Richtlinie ist bereits Governance.“

Eine Richtlinie kann Regeln dokumentieren. Governance benötigt zusätzlich Rollen, Entscheidungen, technische Kontrollen, Kompetenz, Vorfallbehandlung und regelmäßige Überprüfung.

„RAG verhindert Halluzinationen.“

Der Abruf externer Quellen kann Antworten besser verankern. Er kann ebenso ungeeignete, veraltete oder falsch priorisierte Quellen liefern. Abruf und Generierung müssen geprüft werden.

„Agenten können den Prozess später selbst ordnen.“

Ein Agent kann mehrschrittige Aufgaben ausführen. Er benötigt dadurch umso klarere Rechte, Grenzen, Zustände und Rückfallpfade. Mehr Handlungsmacht erhöht den Governance-Bedarf.

Verbindung zu anderen Themenbereichen

• Digitale Strategie entscheidet, welche Aufgaben und Abhängigkeiten Priorität besitzen.
• Content und Expertise schafft die Wissensarchitektur und geprüften Aussagen.
• Daten und Steuerung definiert Erfolgskriterien, Qualitätsmessung und Rückkopplung.
• Websites und digitale Systeme stellen kontrollierbare Zugriffe, Schnittstellen und Handlungspfade bereit.
• Organisation und Transformation verankert Rollen, Kompetenz und Veränderungsfähigkeit.

Handlungsrahmen

1. Nutzungssituationen erfassen

Unternehmen sollten bestehende und geplante KI-Nutzungen dokumentieren. Dazu gehören auch informelle Anwendungen in einzelnen Teams.

2. Aufgaben begrenzen

Jede priorisierte Nutzung wird in eine konkrete Aufgabe mit erwartbarem Ergebnis, zulässigen Eingaben und klarer Abbruchbedingung übersetzt.

3. Prozess und Wissensgrundlage prüfen

Regeln, Ausnahmen, Quellen, Berechtigungen und Verantwortlichkeiten werden geklärt, bevor weitere Technik ergänzt wird.

4. Kontrollniveau festlegen

Die erforderliche Prüfung richtet sich nach Auswirkung, Fehlerwahrscheinlichkeit, Umkehrbarkeit und betroffenen Personen.

5. Rollen und Eskalation definieren

Geschäftliche, fachliche, technische und rechtliche Verantwortung werden getrennt benannt und miteinander verbunden.

6. Wirkung und Fehler lernen lassen

Messgrößen, Vorfälle, Korrekturen und Prozessänderungen fließen in eine dokumentierte Lernschleife.

Was Unternehmen nicht tun sollten

Unternehmen sollten KI-Nutzung nicht allein über Verbote oder einzelne Werkzeuge steuern. Eine reine Sperrlogik verlagert Nutzung häufig in inoffizielle Bereiche. Eine reine Freigabelogik ohne Regeln erzeugt dagegen unkontrollierte Ausweitung.

Sie sollten auch nicht versuchen, jeden denkbaren Fall sofort zentral zu lösen. Ein begrenzter, relevanter Prozess mit klaren Quellen und Verantwortlichkeiten liefert mehr Erkenntnis als ein breites Programm ohne belastbare Grundlage.

Konsequenz für Unternehmen

KI und Automatisierung werden geschäftlich wertvoll, wenn sie nicht als zusätzliche Technologiewelt neben dem Unternehmen betrieben werden.

Sie müssen in vorhandene Verantwortung, Wissen, Daten, Prozesse und Steuerung eingebettet werden. Daraus entsteht keine vollständige Fehlerfreiheit. Es entsteht ein System, das Nutzen, Grenzen und Abweichungen nachvollziehbar behandeln kann.

Fachlicher Anschluss

KI-Einsatz von der Aufgabe bis zur Governance strukturieren

Eine belastbare Einführung beginnt mit der Klärung von Prozess, Wissen, Daten, Rollen und Kontrollbedarf. Die SDC-Discovery ordnet bestehende Nutzungen, priorisiert geeignete Anwendungsfälle und macht sichtbar, welche Voraussetzungen vor technischer Orchestrierung oder Automatisierung fehlen.

KI- und Automatisierungsgrundlage strukturiert prüfen

Autor

Über Göke Frerichs

Göke Frerichs verbindet seit 1999 digitale Strategie, Kommunikation, Technologie und Umsetzung. Als Digitalstratege und Smart Digital Creative unterstützt er inhabergeführte B2B-Unternehmen dabei, aus einzelnen Maßnahmen klare und belastbare digitale Systeme zu entwickeln. Seine Perspektive beruht auf langjähriger Beratungs- und Umsetzungspraxis in DACH und Nordamerika.

Mehr über Göke Frerichs