Wiederkehrende Arbeit automatisieren – mit Kontrolle an den richtigen Stellen

Ein Prozess ist ein guter Kandidat, wenn er häufig vorkommt, klaren Regeln folgt und heute daran scheitert, dass jemand unstrukturierte Texte oder Dokumente lesen muss. Genau diese Lücke schließen Sprachmodelle: Sie machen aus einer freien E-Mail oder einem PDF strukturierte Daten, mit denen sich klassisch weiterarbeiten lässt.

Als Faustregel gilt: Ab etwa 20 gleichartigen Vorgängen pro Woche lohnt sich die Betrachtung. Darunter übersteigt der Aufwand für Einrichtung, Test und Pflege in der Regel den Nutzen – das sagen wir dann auch.

Eine Automatisierung besteht bei uns fast immer aus vier Bausteinen: einem Auslöser, einem Verstehensschritt durch ein Sprachmodell, einer Prüfung und einer Aktion im Zielsystem. Der Auslöser ist etwa eine neue E-Mail im Rechnungspostfach oder ein Dokument in einem überwachten Ordner.

Den Verstehensschritt übernimmt ein Modell wie Claude oder ein Modell von OpenAI über API-Anbindung. Es extrahiert die relevanten Felder und liefert zusätzlich eine Selbsteinschätzung, wie sicher es sich ist. Diese Sicherheitsbewertung steuert anschließend, ob der Vorgang direkt weiterläuft oder zur Prüfung vorgelegt wird.

Die Ablaufsteuerung setzen wir mit n8n oder Power Automate um. Beides ist visuell nachvollziehbar, versionierbar und lässt sich später auch von Ihren eigenen Leuten anpassen – wir bauen bewusst keine Blackbox.

Sprachmodelle machen Fehler, und sie machen diese Fehler mitunter selbstbewusst. Wer daraus schließt, KI sei für Geschäftsprozesse ungeeignet, greift zu kurz. Wer daraus schließt, man könne alles vollautomatisieren, ebenfalls. Die Lösung liegt im Zuschnitt: Automatisieren Sie das Vorbereiten, nicht das Entscheiden.

Konkret heißt das: Die KI liest die Rechnung aus und legt sie mit allen Feldern gefüllt vor. Die Freigabe erfolgt weiterhin durch einen Menschen – aber in fünf Sekunden statt in drei Minuten. Ab einer definierten Betragsgrenze oder bei unsicherer Erkennung wird zusätzlich der Originalbeleg eingeblendet.

Nach einigen Monaten Betrieb kennen wir die Fehlerquote in Ihrem konkreten Fall. Erst dann diskutieren wir, ob unkritische Teilmengen – etwa Kleinbeträge bekannter Lieferanten – ohne Freigabe durchlaufen dürfen.

Eine Automatisierung ist nur so gut wie ihre Anbindung. Wenn das Ergebnis in einer separaten Oberfläche landet, aus der jemand es abtippen muss, ist nichts gewonnen. Wir schreiben deshalb immer direkt in die Systeme, mit denen Sie ohnehin arbeiten.

In der Praxis prüfen wir zuerst, welche Schnittstellen Ihre Fachanwendungen bieten. Moderne Systeme bringen REST-APIs mit. Ältere Branchensoftware arbeitet oft nur über Dateiimport oder direkten Datenbankzugriff – auch damit lässt sich sauber arbeiten, es erfordert nur mehr Sorgfalt bei Tests und Absicherung.

Wir beginnen nicht mit Technik, sondern mit einer Messung. Wie viele Vorgänge fallen tatsächlich an, wie lange dauert einer heute, wo entstehen Rückfragen? Ohne diese Ausgangswerte lässt sich später nicht beurteilen, ob sich die Investition gelohnt hat.

Danach bauen wir die Automatisierung für einen klar abgegrenzten Prozess und lassen sie zunächst im Schattenbetrieb mitlaufen: Die KI verarbeitet die Vorgänge parallel zum bestehenden Ablauf, ohne dass ihre Ergebnisse wirksam werden. So sehen wir die reale Fehlerquote, bevor irgendetwas produktiv geht.

Die laufenden Kosten einer Automatisierung setzen sich aus API-Nutzung, Betrieb der Ablaufsteuerung und Wartung zusammen. Die API-Kosten sind bei Textverarbeitung meist überschaubar – ein ausgelesener Rechnungsbeleg kostet üblicherweise weniger als ein Cent. Der größere Posten ist die Pflege, wenn sich Formate oder Schnittstellen ändern.

Wir betreiben die Automatisierungen auf Wunsch dauerhaft weiter, überwachen Fehlerquoten und passen sie an. Alternativ übergeben wir sie vollständig dokumentiert an Ihre IT. Beides ist möglich, weil wir bewusst auf gängige, offene Werkzeuge setzen und keine Abhängigkeit konstruieren.