KI-Automatisierung ist ein Arbeitsablauf, in dem künstliche Intelligenz Text interpretiert, Daten ordnet oder einen Antwortentwurf erstellt, und ein kontrollierter Prozess das Ergebnis weiterverwendet. Für ein kleines Unternehmen ist der richtige Einstieg eine einzige, regelmäßig wiederkehrende Aufgabe, die sich gut messen lässt.
Bei unseren eigenen Systemen folgen wir demselben Prinzip: Wir starten mit einer klar abgegrenzten Aufgabe, sehen uns an, wo sie Fehler macht, und erweitern erst danach. Den tatsächlichen Nutzen müssen Sie immer an Ihrem eigenen Prozess messen. Ein allgemeines Versprechen von Zeitersparnis sagt nicht, ob es sich bei Ihnen lohnt.
Wann Sie KI brauchen und wann einfache Automatisierung reicht
Wenn ein Formular immer dieselben Daten an dieselbe Stelle schickt, reicht regelbasierte Automatisierung. Um eine Anfrage ins CRM zu bringen, brauchen Sie keine KI.
KI ist nützlich, wenn die Eingabe variiert und interpretiert werden muss: die Art des Anliegens in einer frei formulierten Anfrage erkennen, eine längere E-Mail zusammenfassen oder Daten aus Dokumenten in unterschiedlichen Formaten auslesen.
Am besten funktionieren beide zusammen. Die KI interpretiert den Text, und Regeln entscheiden, welchen nächsten Schritt das Ergebnis auslösen darf.
1. Anfragen sortieren und vorbereiten
Aus einer eingehenden Anfrage kann eine kurze Zusammenfassung entstehen: was der Interessent möchte, bis wann, und welche Angaben fehlen. Das System kann eine Kategorie oder einen Zuständigen vorschlagen, der Vertrieb prüft und übernimmt.
Lassen Sie es aber keine Anfragen aufgrund einer unsicheren KI-Bewertung verwerfen. Vergleichen Sie am Anfang die Vorschläge mit dem, was der Vertrieb entschieden hätte.
Messen Sie Bearbeitungszeit, Fehlzuordnungen und ob die echte Antwort schneller geworden ist. Mehr dazu steht im Artikel zur Lead-Qualifizierung, und die Datenerfassung sollten Sie schon auf der Landingpage für Anfragen bewusst gestalten.
2. E-Mail-Zusammenfassungen und Antwortentwürfe
Das System kann Angebotsanfragen, Supportfälle und interne Post trennen, und der zuständige Kollege bekommt eine Zusammenfassung und einen Antwortentwurf, den er vor dem Senden prüft.
In unserer eigenen Kundengewinnung gibt es einen solchen Schritt. Eine KI liest die Antworten der Unternehmen, die wir angeschrieben haben, und wenn jemand schreibt, dass er keine weiteren E-Mails möchte, wird er automatisch von der Liste genommen. Genau für solche schmalen, überprüfbaren Aufgaben ist KI zuverlässig einsetzbar. Preise oder Zusagen verschickt sie aber nie allein. Das entscheidet immer ein Mensch.
Rechnen Sie Prüf- und Korrekturzeit in die Messung ein. Wenn das System oft danebenliegt, ist schnelle Texterstellung keine echte Ersparnis.
3. Daten aus Dokumenten auslesen
Aus Bestellungen, Datenblättern oder Lieferantendokumenten lassen sich die nötigen Felder auslesen, und der Prozess kann fehlende Angaben, abweichende Formate oder doppelt eingehende Dokumente melden.
Für kritische Felder braucht es Prüfregeln. Wenn zum Beispiel eine Bestellnummer in Ihren Unterlagen nicht existiert, geht das Dokument in die manuelle Prüfung.
Testen Sie auch mit schlechten und unvollständigen Beispielen. An einfachen Beispielen schneidet jedes System gut ab. Erst der Umgang mit Fehlern zeigt, ob es für den Alltag taugt.
4. Wissensbasis für den Support und Expertenantworten
Ein KI-Assistent kann helfen, aktuelle Produkt- oder Leistungsinformationen zu finden und eine Antwort vorzubereiten. Dafür braucht es eine geordnete, aktualisierbare Wissensbasis und eine verantwortliche Person.
In unserem eigenen Produkt DogDietLab beantwortet ein KI-Berater Fragen zur Hundeernährung, aber die fachlichen Inhalte prüft eine Expertin. Dort ist das nicht optional: Auch ein System, das auf eigenen Quellen basiert, kann sich irren. Deshalb muss es einen Weg geben für den Fall, dass es keine Antwort findet, einen Widerspruch sieht oder eine Frage bekommt, die ein Mensch lösen sollte.
Prüfen Sie auch ehrlich, ob es überhaupt genutzt wird. Wir haben das Chatfenster von unserer eigenen Website entfernt, weil praktisch niemand hineingeschrieben hat und die Besucher lieber das Formular nutzten. Was wo funktioniert, beschreibe ich im Artikel KI-Chatbot oder klassischer Chat.
5. Regelmäßige Berichte vorbereiten
Aus den Daten verschiedener Systeme im Unternehmen kann eine übersichtliche Zusammenfassung entstehen, und die KI kann helfen zu formulieren, was sich verändert hat und was einen Blick wert ist.
Die Zahlen müssen aber immer aus der Datenquelle kommen. Die KI sollte fehlende Daten nicht mit Schätzungen ergänzen und keinen Zusammenhang behaupten, nur weil sich zwei Kennzahlen gleichzeitig bewegt haben.
Ein gutes Ergebnis ist etwa eine kurze Wochenübersicht der zu prüfenden Abweichungen, mit nachvollziehbaren Quellen. Die Entscheidung verantwortet weiterhin ein Mensch.
So wählen Sie das erste Projekt
Suchen Sie eine Aufgabe, die oft genug vorkommt, auf verfügbaren Daten beruht und bei der klar ist, wann sie gut erledigt ist. Sie braucht einen Verantwortlichen, der Test und Betrieb begleitet.
Schreiben Sie den heutigen Ablauf von Anfang bis Ende auf. Wo wird von Hand kopiert? Wo wartet ein Vorgang? Welche Entscheidung braucht Fachwissen? Planen Sie den neuen Ablauf einschließlich der fehlerhaften und unvollständigen Fälle.
Testen Sie die erste Version im kleinen Kreis und legen Sie vorher fest, bei welcher Fehlerquote und welchem Prüfaufwand Sie sie für brauchbar halten. Bei unseren eigenen Automatisierungen machen wir es genauso: Was die KI schreibt, ist anfangs immer ein Entwurf, der auf Freigabe wartet.
So berechnen Sie den Nutzen
Messen Sie zuerst, wie lange die Aufgabe heute dauert. Rechnen Sie dann in dieselbe Rechnung die Prüfung, Korrektur und den Betrieb ein, die neben der Automatisierung bleiben.
Ein Beispiel zur Veranschaulichung: 200 Fälle im Monat brauchen pro Fall 3 statt 6 Minuten menschlicher Arbeit. Der Unterschied sind 600 Minuten, also 10 Stunden im Monat. Wenn eine interne Arbeitsstunde 40 Euro wert ist, ist die frei werdende Kapazität 400 Euro wert. Das ist keine automatische Ersparnis: Entscheidend ist, wofür Sie die Zeit nutzen.
Davon müssen noch Software-, Nutzungs- und Wartungskosten abgezogen werden, und die einmaligen Einführungskosten rechnen Sie separat. Die Zahlen sind nur ein Beispiel, weder unsere Preise noch erwartete Ergebnisse.
Weitere Gesichtspunkte finden Sie im Artikel zu Kosten und ROI.
Was Sie vom Umsetzer verlangen sollten
Eine klare Prozessbeschreibung, eine Liste der beteiligten Systeme, einen Zugriffsplan und Regeln für die Fehlerbehandlung. Protokollierung, erneute Verarbeitung und Übernahme durch einen Menschen sollten gelöst sein.
Bei den Kosten sollten Aufbau, nutzungsabhängige Gebühren und Betrieb getrennt ausgewiesen sein. Bei der Übergabe sollten Sie Testfälle und eine Anleitung bekommen.
Unsere eigene Arbeit an KI-Systemen beginnt mit genau diesen Bedingungen. Geben Sie nur so viel Datenzugriff, wie die Aufgabe braucht, und legen Sie klar fest, wer den Prozess ändern darf.
Häufige Fragen
Braucht jede wiederkehrende Aufgabe KI?
Nein. Bei klaren Regeln und strukturierten Daten reicht eine einfache Automatisierung.
Müssen bestehende Systeme ersetzt werden?
Nicht unbedingt. Prüfen Sie zuerst, welche Datenverbindungen und Berechtigungen Ihre heutigen Systeme bieten.
Kann eine KI, die aus der eigenen Wissensbasis antwortet, sich irren?
Ja. Die Arbeit mit Quellen verringert manche Fehler, ersetzt aber weder Prüfung noch Übergaberegeln.
Wann sollte ich automatische Antworten an Kunden erlauben?
Wenn die Aufgabe schmal ist, die Informationen verlässlich sind, die Tests gut waren und Ausnahmen behandelt werden. Bei komplexen Antworten oder allem mit Zusagen sollte eine Freigabe bleiben.
Was sollte ich zum ersten Gespräch mitbringen?
Einen konkreten Ablauf, einige teilbare Beispiele, den heutigen Zeitaufwand und das Ergebnis, das Sie sich wünschen.
Haben Sie eine wiederkehrende Aufgabe, die viel Zeit kostet? Schreiben Sie mir, woher die Daten kommen und was heute mit ihnen passiert. Daran sehen wir, wo KI sinnvoll ist und wo eine einfache Automatisierung reicht.

