Ein Operations-Leiter zeigte mir stolz seinen neuen Flow: die KI verteilte eingehende Leads von allein ans Vertriebsteam, in Sekunden. Schön. Das Problem: Das Erfassungsformular hatte sechs optionale Felder, die jeder Vertriebler anders ausfüllte. Das zu automatisieren hat nichts geordnet; es hat das Chaos, das sie schon hatten, vertausendfacht, nur schneller. Zwei Wochen später schalteten sie es ab.
Mit KI automatisieren repariert keinen Prozess: es verstärkt ihn
Hier ist die Wahrheit, die dir fast kein Anbieter sagt, weil er fürs Gegenteil bezahlt wird: Automatisierung korrigiert keinen schlechten Prozess, sie führt ihn schneller und in größerem Volumen aus. Ist der Prozess kaputt, gibt dir das Automatisieren dieselben Fehler, früher und in größerer Zahl. Die nützliche Frage lautet also nicht „kann ich das mit KI automatisieren?“ —fast immer kannst du—, sondern wann man nicht mit KI automatisieren sollte, genau die, die in der Demo niemand stellt.
Die vier Fälle, in denen Automatisieren rausgeworfenes Geld ist
Nicht alles verdient einen Agenten. Das sind die vier Szenarien, in denen —aus der Erfahrung, es umzusetzen— Automatisieren mit KI teuer wird und enttäuscht:
1. Der Prozess ist kaputt oder ungestaltet
Wenn niemand erklären kann, wie heute entschieden wird —was reinkommt, was rauskommt, nach welchen Kriterien—, gibt es nichts zu automatisieren: Es gibt zuerst etwas zu gestalten. Einen undefinierten Prozess zu automatisieren heißt, Improvisation zu programmieren. Der Schritt, den fast alle überspringen, ist, sich hinzusetzen und den Flow zu zeichnen, bevor man ein Tool anfasst. Ohne diese Diagnose schafft Automatisierung mehr Arbeit, als sie wegnimmt.
2. Das Volumen reicht nicht
Automatisierung hat Fixkosten: Design, Umsetzung, Wartung, Monitoring. Ein Prozess, der hundertmal am Tag passiert, amortisiert sie mühelos; einer, der einmal im Monat passiert, selten. Bevor du einen Agenten baust, mach die langweilige Rechnung: wie oft es passiert, wie viel jedes Mal kostet, wie viel es kosten würde, es automatisiert zu halten. Gehen die Zahlen nicht auf, schlagen eine Vorlage und zehn Minuten ein System.
3. Die Daten sind nicht verlässlich
Ein Agent entscheidet mit dem, was er liest. Lebt deine Information verstreut, veraltet oder widersprüchlich über Systeme hinweg, repariert die KI das nicht: Sie erbt es und verbreitet es mit Selbstsicherheit. Auf schlechten Daten zu automatisieren heißt, überzeugende Fehler zu fabrizieren. Zuerst ordnet man die Quelle; dann automatisiert man darüber. Die umgekehrte Reihenfolge füllt die Foren mit „die KI hat sich Sachen ausgedacht“-Fällen.
4. Die Entscheidung braucht menschliches Urteil
Manche Entscheidungen willst du nicht delegieren: eine heikle Beschwerde, eine Ausnahme mit einem Großkunden, etwas mit rechtlicher oder Reputationswirkung. Da ersetzt die KI nicht, sie assistiert: Sie bereitet vor, fasst zusammen, schlägt vor, und ein Mensch entscheidet. „Automatisieren“ mit „den Menschen aus allem rausnehmen“ zu verwechseln ist der Fehler, der aus einem guten Tool einen Vorfall macht. Gutes Design automatisiert das Repetitive und eskaliert an einen Menschen genau das, was Urteil verdient.
Die richtige Reihenfolge: diagnostizieren, gestalten, dann automatisieren
Nichts davon heißt „automatisiere nicht“. Es heißt, in der Reihenfolge zu automatisieren, die funktioniert, nicht in der, die die Demo verkauft. In der Praxis:
- Diagnostiziere den Prozess so, wie er heute ist, mit Daten: wie oft er passiert, wer ihn anfasst, wo er klemmt, nach welchen Kriterien entschieden wird. Es ist der Schritt, der Prozesse mit KI automatisieren davon trennt, ein Tool zu kaufen und zu beten.
- Gestalte neu, bevor du die KI anfasst. Streiche die Felder, die niemand nutzt, definiere das Kriterium, säubere die Datenquelle. Ein einfacher, klarer Prozess ist der, den die KI gut ausführt; den verworrenen frisst sie auf.
- Automatisiere das Repetitive und überlass das Urteil einem Menschen. Das machen wir, wenn wir interne Prozesse mit Agenten bauen: Die KI macht die Fleißarbeit, der Mensch entscheidet, was zählt. Willst du, dass wir es bauen und gemessen hinterlassen, ist das Operations-Automatisierung.
Also, wann SOLLTE man mit KI automatisieren?
Wenn er klar ist, oft passiert, auf verlässlichen Daten fußt und nicht bei jedem Schritt menschliches Urteil braucht.
Wenn der Prozess klar ist, oft passiert, sich auf verlässliche Daten stützt und nicht bei jedem Schritt menschliches Urteil verlangt. Da glänzt die KI: das Repetitive beantworten, Daten aus Dokumenten ziehen, Informationen zwischen Systemen bewegen, einen ersten Entwurf schreiben. Der Unterschied zwischen dem Projekt, das funktioniert, und dem, das in der Demo stirbt, ist nicht das Modell oder das Tool —heute taugt fast jedes—: Es ist, die Hausaufgaben vor dem Automatisieren gemacht zu haben.