Vor der KI kommt der Prozess: So findet der Automatisierungs-Check belastbare Potenziale

Nicht jeder wiederkehrende Ablauf ist ein guter Kandidat für KI. Oft bringt eine einfache Regel, ein sauberer Datenübergang oder ein klarer Verantwortungswechsel mehr als ein Agent. Der wirtschaftliche Nutzen entsteht daher nicht beim Modellnamen, sondern bei der Auswahl des richtigen Prozesses.

Diese Auswahl wird im Sommer 2026 zusätzlich relevant. Die Europäische Kommission veröffentlichte am 20. Juli 2026 Leitlinien zu den Transparenzpflichten des Artikels 50 im EU AI Act. Die betreffenden Pflichten sollen ab 2. August 2026 anwendbar sein. Je nach System geht es unter anderem darum, Menschen über die Interaktion mit KI zu informieren oder KI-generierte beziehungsweise manipulierte Inhalte maschinenlesbar zu kennzeichnen.

Für österreichische KMU folgt daraus keine pauschale Warnung vor Automatisierung. Es folgt eine bessere Planungsfrage: Wo reicht klassische Automation, wo ist KI sinnvoll, welche Daten fließen und welche Kontrolle muss erhalten bleiben?

Warum der Prozess vor dem Werkzeug kommt

Viele Automatisierungsideen beginnen mit einer Produktsuche: Welcher Agent kann E-Mails beantworten? Welches Modell liest Rechnungen? Welche Plattform verbindet CRM, Website und Buchhaltung? Das klingt konkret, überspringt aber die wichtigsten Informationen.

Ein Prozess sollte zuerst in Auslöser, Eingaben, Entscheidung, Ausgabe und Ausnahme zerlegt werden. Wer startet ihn? Welche Daten werden benötigt? Welche Entscheidung folgt festen Regeln? Wo ist menschliches Urteil nötig? Was passiert bei unvollständigen, widersprüchlichen oder sensiblen Angaben?

Erst danach lässt sich entscheiden, welche Technik passt.

• Eine feste Zuordnung nach Betrag oder Postleitzahl braucht meist keine KI.
• Freitext aus Kundenanfragen kann ein Sprachmodell sinnvoll strukturieren.
• Eine verbindliche Freigabe mit finanzieller Wirkung sollte nicht stillschweigend an ein Modell delegiert werden.
• Ein Medienbruch zwischen zwei Systemen kann oft über eine API oder einen geplanten Export behoben werden.

Diese Trennung hält Lösungen günstiger und besser prüfbar. Sie verhindert außerdem, dass ein Modell dort eingesetzt wird, wo deterministische Software zuverlässiger wäre.

Was der Automatisierungs-Check liefert

Der kostenlose Automatisierungs-Check führt durch eine strukturierte Beschreibung des Unternehmensprozesses. Er fragt nach Wiederholung, Aufwand, Daten, Systemen, Varianten, Risiken und gewünschtem Ergebnis. Daraus entsteht eine priorisierte Einschätzung möglicher Automatisierungsschritte.

Der Check scannt keine Website, verwendet kein Firecrawl und ruft kein KI-Modell auf. Die Bewertung folgt festen Regeln. Das ist keine Einschränkung, sondern eine bewusste Produkteigenschaft: Der kostenlose Versuch soll kalkulierbar sein, vergleichbare Ergebnisse liefern und keine internen Prozessdetails an ein Modell senden.

Das Ergebnis unterscheidet zwischen schnell umsetzbaren Verbesserungen, Kandidaten für Systemintegration und Fällen, in denen zusätzliche Analyse nötig ist. Es soll keine fertige Architektur vortäuschen. Ein Fragebogen kennt weder alle Datenfelder noch historische Ausnahmen oder die tatsächliche Qualität der beteiligten Systeme.

Die fünf wichtigsten Prüffelder

1. Häufigkeit und Volumen

Ein Vorgang, der täglich hundertmal vorkommt, bietet meist mehr Potenzial als eine seltene Sonderaufgabe. Häufigkeit allein genügt aber nicht. Fünf Minuten Ersparnis bei einem robusten Standardprozess können wertvoller sein als eine theoretische Stunde bei einem komplexen Ausnahmefall.

2. Regelklarheit

Je klarer Eingaben und Entscheidungen beschrieben werden können, desto leichter lässt sich ein Ablauf automatisieren. Unklare Regeln sind kein Zeichen, dass sofort KI gebraucht wird. Häufig zeigen sie, dass zuerst Zuständigkeiten oder Datenstandards geklärt werden sollten.

3. Datenverfügbarkeit

Eine Automation ist nur so verlässlich wie ihre Eingaben. Liegen Kundendaten in mehreren Tabellen, fehlen eindeutige IDs oder werden wichtige Informationen nur in E-Mails erwähnt, entsteht zusätzlicher Integrationsaufwand. Bei personenbezogenen oder vertraulichen Daten kommen Berechtigung, Aufbewahrung und Protokollierung hinzu.

4. Fehlerfolgen

Ein falsch zugeordnetes internes Label ist etwas anderes als eine fehlerhafte Zahlung, Kündigung oder medizinische Auskunft. Je höher die Wirkung eines Fehlers, desto wichtiger sind Freigaben, Grenzwerte, Protokolle und ein Rückfallpfad.

5. Ausnahmequote

Manche Prozesse sehen im Diagramm einfach aus, bestehen in der Praxis aber aus Sonderfällen. Eine Automation sollte Ausnahmen nicht verstecken. Sie braucht eine klare Übergabe an Menschen und muss zeigen, warum sie nicht weiterarbeiten konnte.

Wo KI einen echten Zusatznutzen hat

KI ist besonders nützlich, wenn unstrukturierte Informationen in eine definierte Form gebracht werden müssen. Beispiele sind das Klassifizieren eingehender Anfragen, das Extrahieren von Daten aus Dokumenten, das Zusammenfassen langer Vorgänge oder das Formulieren eines Entwurfs auf Basis freigegebener Quellen.

Auch hier sollte das Modell nicht automatisch zum letzten Entscheider werden. Eine gute Architektur kombiniert probabilistische und deterministische Schritte. Das Modell schlägt eine Kategorie vor; Geschäftsregeln prüfen Pflichtfelder; ein Mensch entscheidet bei geringer Sicherheit; das System protokolliert Quelle und Ergebnis.

Für weitergehende Umsetzungen verbindet unsere Leistung Künstliche Intelligenz für Unternehmen solche Modelle mit Datenzugriff, Berechtigungen und messbaren Qualitätskriterien. Wenn ein eigenständiger Assistent oder eine aufgabenbezogene Schnittstelle sinnvoll ist, geht die AI-Agent-Entwicklung einen Schritt weiter.

Was Artikel 50 für die Planung bedeutet

Die Leitlinien der Kommission vom 20. Juli 2026 behandeln bestimmte Transparenzpflichten für Anbieter und Betreiber von KI-Systemen. Nicht jede interne Automation fällt automatisch in denselben Anwendungsfall. Trotzdem sind die zugrunde liegenden Planungsfragen für Unternehmen nützlich.

Erstens sollte sichtbar sein, wann ein Mensch mit einem KI-System interagiert, wenn dies nicht ohnehin offensichtlich ist und die konkrete Pflicht greift. Zweitens brauchen synthetische Inhalte je nach Art und Nutzung eine geeignete Kennzeichnung. Drittens sollten Rollen geklärt werden: Wer stellt das System bereit, wer setzt es ein und wer kontrolliert die Ausgabe?

Die konkrete rechtliche Einordnung hängt vom System, vom Einsatz und von den Rollen ab. Ein kostenloser Check ersetzt daher weder eine AI-Act-Klassifizierung noch Rechtsberatung. Er kann aber früh anzeigen, welche Punkte in einem Projekt nicht erst nach dem Launch besprochen werden sollten.

Ein wirtschaftlich sinnvoller Umsetzungsweg

Ein guter Einstieg beginnt mit einem begrenzten Prozess und einer Ausgangsmessung. Wie viel Zeit kostet er heute? Wie häufig treten Fehler auf? Wie lange warten Kundinnen? Welche Nacharbeit entsteht? Ohne Ausgangswert bleibt der Nutzen später eine Schätzung.

Danach folgt ein Pilot mit klarer Grenze. Er kann zum Beispiel Anfragen vorsortieren, aber nichts versenden. Er kann Rechnungsdaten extrahieren, aber keine Zahlung auslösen. Er kann einen Antwortentwurf erstellen, aber eine Mitarbeiterin gibt ihn frei.

Für den Pilot sollten vier Zielwerte definiert werden:

1. Bearbeitungszeit pro Vorgang.
2. fachliche Treffer- oder Fehlerquote.
3. Anteil der Fälle, die an Menschen übergeben werden.
4. Kosten pro erfolgreich abgeschlossenem Vorgang.

Erst wenn diese Werte tragfähig sind, lohnt sich eine breitere Integration. Dadurch bleiben Modell- und Plattformkosten kontrollierbar, und das Team lernt an realen Fällen statt an einer abstrakten Demo.

Grenzen des kostenlosen Ergebnisses

Der Automatisierungs-Check bewertet Angaben, die ein Unternehmen selbst macht. Wenn Zeitaufwand, Ausnahmequote oder Datenqualität zu optimistisch eingeschätzt werden, wird auch das Potenzial zu positiv wirken. Eine zweite Grenze liegt in versteckten Abhängigkeiten: Zugänge, API-Limits, Altsoftware, Betriebsvereinbarungen oder Aufbewahrungspflichten werden oft erst in der technischen Analyse sichtbar.

Auch ein positiver Befund ist noch kein Business Case. Lizenz-, Entwicklungs-, Betriebs- und Kontrollkosten müssen dem erwarteten Nutzen gegenübergestellt werden. Besonders bei KI-Modellen gehören laufende Qualitätskontrolle und mögliche Modelländerungen in die Kalkulation.

Fazit

Die wichtigste Automatisierungsentscheidung lautet nicht „Welches KI-Modell nehmen wir?“, sondern „Welcher klar begrenzte Prozess verdient eine technische Lösung?“ Der Ostheimer Automatisierungs-Check macht diese Entscheidung strukturiert, ohne bereits Website-Daten zu sammeln oder KI-Kosten auszulösen.

Für österreichische KMU ist das ein pragmatischer Start: Potenziale vergleichen, Risiken sichtbar machen und nur dort tiefer investieren, wo Volumen, Daten und Fehlerfolgen zusammenpassen. Die neuen EU-Leitlinien vom 20. Juli 2026 verstärken diesen Ansatz. Gute Automation braucht nicht mehr Hype, sondern klare Rollen, überprüfbare Ausgaben und einen kontrollierten Weg in den Betrieb.

Quellen

• Europäische Kommission, 20. Juli 2026: Guidelines on transparency obligations for certain AI systems
• Europäische Kommission: Transparency obligations under Article 50 of the AI Act
• Europäische Kommission: AI Act regulatory framework
• Europäische Kommission: AI literacy questions and answers