KI-Automatisierung im Mittelstand: Wo sie wirklich sinnvoll ist

KI-Automatisierung klingt schnell nach Großprojekt, IT-Abteilung und ziemlich viel Budget.

Dabei beginnt sinnvolle Automatisierung meistens viel unspektakulärer.

Mit einer Aufgabe, die ständig wiederkommt. Einer Excel-Liste, die von Hand gepflegt wird. E-Mails, deren Inhalte jemand in ein anderes System überträgt. Terminen, denen man hinterhertelefoniert. Angeboten, die immer wieder nach demselben Muster erstellt werden. Oder Unterlagen, die zum dritten Mal angefordert werden müssen.

Genau dort liegt für viele kleine und mittlere Unternehmen das größte Potenzial.

Nicht darin, plötzlich überall KI einzusetzen. Sondern darin, die richtigen Prozesse zu finden und dort gezielt Arbeit abzunehmen.

Was bedeutet KI-Automatisierung eigentlich?

Ein klassischer Workflow kann schon heute viele Arbeitsschritte automatisch erledigen.

Ein Beispiel:

Eine Kundenanfrage kommt per E-Mail herein. Jemand öffnet sie, liest die Informationen, legt den Kunden im CRM an, sucht eine passende Vorlage, erstellt ein Angebot, verschickt es und dokumentiert anschließend den aktuellen Status.

Jeder einzelne Schritt dauert vielleicht nur ein paar Minuten.

Aber wenn dieser Ablauf jede Woche zwanzig, dreißig oder vierzig Mal vorkommt, entsteht daraus ziemlich schnell ein erheblicher Zeitaufwand.

Eine Automatisierung könnte die eingehende Nachricht erkennen, relevante Informationen herauslesen, Daten übertragen, einen Vorgang anlegen, ein Dokument vorbereiten und den nächsten Prozessschritt auslösen.

Der Mensch wird dann zum Beispiel nur noch eingebunden, wenn Informationen fehlen, ein Sonderfall vorliegt oder eine Entscheidung notwendig ist.

Und genau an dieser Stelle kommt häufig KI ins Spiel.

Klassische Automatisierung funktioniert gut nach festen Regeln:

Wenn A passiert, tue B.

KI kann zusätzlich mit weniger strukturierten Informationen umgehen. Sie kann beispielsweise Texte verstehen, Dokumente klassifizieren, Inhalte zusammenfassen oder bestimmte Angaben aus einer E-Mail oder PDF herausziehen.

Die Kombination aus beidem macht viele Prozesse heute deutlich interessanter als noch vor wenigen Jahren.

Nicht jeder Prozess gehört automatisiert

Nur weil etwas technisch automatisierbar ist, heißt das noch lange nicht, dass es sinnvoll ist.

Für den Einstieg suche ich vor allem nach drei Dingen.

1. Der Prozess wiederholt sich häufig

Je öfter dieselbe Aufgabe vorkommt, desto größer ist der mögliche Effekt.

Eine Tätigkeit, die fünf Minuten dauert und hundertmal im Monat erledigt wird, kann spannender sein als ein zweistündiger Prozess, der nur zweimal im Jahr vorkommt.

2. Der Ablauf folgt erkennbaren Regeln

Je klarer der Ablauf, desto leichter lässt er sich automatisieren.

Zum Beispiel:

Eine Anfrage kommt rein. Bestimmte Daten werden benötigt. Ein Vorgang wird angelegt. Eine Bestätigung wird versendet. Fehlen Informationen, erfolgt eine Rückfrage.

Schwieriger wird es, wenn jeder Fall komplett anders ist oder viel Erfahrung, Verhandlung oder persönliche Einschätzung benötigt.

3. Die Informationen liegen bereits digital vor

E-Mails, Formulare, PDFs, CRM-Daten oder Datenbanken sind eine gute Ausgangslage.

Beginnt der gesamte Prozess dagegen mit einem handschriftlichen Zettel auf einem Schreibtisch, muss meist erst einmal die Grundlage digitalisiert werden.

Typische Kandidaten sind deshalb zum Beispiel:

Angebote, Terminbestätigungen, Rechnungen, Mahnungen, Leadbearbeitung, Kunden-Onboarding, Dokumentenverarbeitung, interne Statusmeldungen oder wiederkehrende Dateneingaben.

Das sind selten die spektakulärsten KI-Projekte.

Aber oft die, die im Alltag tatsächlich etwas bringen.

Der größte Fehler: Mit dem Tool anfangen

Das passiert erstaunlich schnell.

Man sieht eine Demo von n8n, Make, Power Automate oder irgendeinem neuen KI-Agenten und denkt:

Das brauchen wir auch.

Und danach beginnt die Suche nach einem Problem, das man damit lösen könnte.

Ich halte die umgekehrte Reihenfolge für sinnvoller.

Erst Prozess. Dann Problem. Dann Lösung. Und ganz am Ende das Tool.

Bevor überhaupt etwas gebaut wird, sollte der aktuelle Ablauf einmal sauber aufgenommen werden.

Wer macht was? Welche Informationen werden gebraucht? Wo kommen sie her? In welchen Systemen wird gearbeitet? Was passiert, wenn etwas fehlt? Wo gibt es Wartezeiten? Wo werden Daten doppelt eingegeben? Wo passieren Fehler? Und wo braucht es tatsächlich eine menschliche Entscheidung?

Das klingt banal. Ist aber einer der wichtigsten Schritte überhaupt.

Denn dabei stellt man manchmal fest, dass ein Prozess gar keine KI braucht.

Vielleicht reicht eine vorhandene Funktion im bestehenden System. Eine vernünftige Schnittstelle. Ein Formular. Eine einfache Regel. Oder schlicht ein besser organisierter Ablauf.

Auch das ist ein gutes Ergebnis.

Automatisierung sollte kein Selbstzweck sein.

Die erste Version muss nicht perfekt sein

Ein weiterer Fehler ist der Versuch, sofort jeden denkbaren Sonderfall abzudecken.

Dann entsteht schnell ein riesiges Projekt.

Viel sinnvoller ist häufig ein kleiner Einstieg.

Wenn eine erste Version 70 oder 80 Prozent der normalen Fälle zuverlässig verarbeitet, kann das bereits enorme Entlastung bringen.

Die restlichen Fälle gehen zunächst weiterhin an einen Menschen.

Das hat sogar Vorteile.

Man sieht sehr schnell, welche Ausnahmen tatsächlich häufig auftreten und welche theoretisch zwar möglich sind, in der Praxis aber fast nie vorkommen.

Danach kann der Workflow Schritt für Schritt verbessert werden.

Der erste Automatisierungsprozess sollte deshalb auch nicht unbedingt der strategisch wichtigste Prozess des Unternehmens sein.

Besser ist ein Ablauf, der häufig vorkommt, gut verstanden wird und relativ klar beschrieben werden kann.

Damit lassen sich Erfahrungen sammeln, ohne gleich einen kritischen Kernprozess umzubauen.

Welche Tools braucht man dafür?

Im No-Code- und Low-Code-Bereich gibt es inzwischen eine ganze Reihe von Plattformen.

Zu den bekanntesten gehören beispielsweise Make, n8n, Zapier und Microsoft Power Automate.

Sie verfolgen grundsätzlich denselben Gedanken: Verschiedene Systeme miteinander verbinden und festlegen, was passieren soll, wenn ein bestimmtes Ereignis eintritt.

Welches Tool passt, hängt weniger davon ab, welches gerade den größten Hype hat.

Wichtiger sind Fragen wie:

Welche Systeme nutzen wir bereits? Wie komplex ist der Prozess? Welche Daten werden verarbeitet? Wo sollen diese Daten gespeichert werden? Brauchen wir Self-Hosting? Welche Schnittstellen stehen zur Verfügung? Wer betreut den Workflow später?

Gerade bei personenbezogenen oder vertraulichen Daten kann es sinnvoll sein, Lösungen genauer auf Hosting, Datenstandort, Auftragsverarbeitung und Zugriffsmöglichkeiten zu prüfen.

n8n ist zum Beispiel interessant, weil es auch selbst betrieben werden kann. Make ist sehr visuell und eignet sich gut für komplexere Workflows. Power Automate kann naheliegen, wenn ein Unternehmen ohnehin stark mit Microsoft 365 arbeitet.

Es gibt also nicht das eine richtige Automatisierungstool.

Es gibt nur ein Tool, das für einen bestimmten Prozess und eine bestimmte IT-Landschaft besser oder schlechter passt.

Datenschutz und EU AI Act gehören von Anfang an dazu

Sobald personenbezogene Daten verarbeitet werden, gehört Datenschutz in die Planung und nicht erst ans Ende des Projekts.

Welche Daten verarbeitet der Workflow? Wer bekommt Zugriff? Welche externen Dienste sind beteiligt? Wo werden Informationen gespeichert? Gibt es die notwendigen Verträge zur Auftragsverarbeitung? Werden Daten außerhalb der EU verarbeitet?

Besonders genau muss man hinschauen, wenn Systeme nicht nur Arbeitsschritte ausführen, sondern Menschen bewerten oder Entscheidungen vorbereiten, die direkte Auswirkungen auf Personen haben.

Ein gutes Beispiel dafür sind bestimmte HR-Anwendungen.

Ein Workflow, der Bewerbungsunterlagen automatisch ablegt, ist etwas anderes als ein KI-System, das Bewerber bewertet oder automatisch aussortiert.

Viele klassische Automatisierungen in kleinen und mittleren Unternehmen gehören zwar nicht zu den Hochrisiko-Anwendungen des EU AI Acts. Trotzdem sollte jeder Anwendungsfall einzeln geprüft werden.

Datenschutz und Regulierung sind dabei kein Grund, Automatisierung grundsätzlich sein zu lassen.

Sie sind einfach Teil einer vernünftigen Umsetzung.

Und was bringt das finanziell?

Hier wird es interessant.

Denn eine Automatisierung ist nicht automatisch wirtschaftlich, nur weil sie technisch funktioniert.

Deshalb sollte bereits vor der Umsetzung feststehen, was eigentlich verbessert werden soll.

Dafür braucht es einen Ausgangswert.

Zum Beispiel: Wie lange dauert der Prozess heute? Wie häufig läuft er pro Woche oder Monat? Wie viele Personen sind beteiligt? Wie viele manuelle Arbeitsschritte gibt es? Wie oft entstehen Fehler oder Rückfragen? Wie lange dauert der komplette Vorgang?

Erst dann lässt sich später vernünftig vergleichen.

Angenommen, eine wiederkehrende Aufgabe benötigt heute 15 Minuten und kommt 100-mal pro Monat vor.

Dann sprechen wir über 25 Stunden Arbeitszeit.

Reduziert eine Automatisierung den manuellen Aufwand auf fünf Minuten, bleiben gut acht Stunden übrig.

Das bedeutet eine Ersparnis von rund 17 Stunden pro Monat.

Jetzt kann man anfangen zu rechnen.

Was kostet diese Arbeitszeit? Was kostet die Umsetzung? Welche laufenden Kosten entstehen? Und nach welchem Zeitraum hat sich die Investition gerechnet?

Das ist deutlich aussagekräftiger als ein pauschales:

Mit KI sparen Sie 30 Prozent Kosten.

Zeitersparnis allein ist noch kein ROI

Hier kommt allerdings ein Punkt, der gerne vergessen wird.

Wenn eine Automatisierung fünf Stunden Arbeit pro Woche spart, sind diese fünf Stunden nicht automatisch fünf Stunden Gewinn.

Entscheidend ist, was anschließend mit der gewonnenen Zeit passiert.

Kann ein Mitarbeiter dadurch mehr Kunden betreuen? Angebote schneller bearbeiten? Liegengebliebene Aufgaben erledigen? Mehr Zeit in Beratung oder Vertrieb investieren? Überstunden reduzieren? Oder eine zusätzliche Stelle vermeiden, obwohl das Unternehmen wächst?

Dann entsteht ein wirtschaftlicher Effekt.

Wenn die eingesparte Zeit dagegen einfach irgendwo verschwindet, gibt es zwar eine Entlastung, aber noch lange keinen entsprechenden finanziellen Nutzen.

Deshalb gehören Zeitersparnis und tatsächlicher Nutzen getrennt betrachtet.

Erfolg muss man messen

Ein Automatisierungsprojekt ist nicht erfolgreich, weil der Workflow läuft.

Die interessantere Frage lautet:

Hat sich der Prozess verbessert?

Dafür braucht es keine riesigen Dashboards.

Schon wenige Kennzahlen reichen aus.

Zum Beispiel: Wie viele Vorgänge wurden automatisiert? Wie viele mussten manuell bearbeitet werden? Wie viel Zeit benötigt ein Vorgang vorher und nachher? Wie häufig treten Fehler auf? Wie lange dauert der gesamte Prozess?

Nach einigen Wochen oder Monaten lässt sich damit ziemlich gut erkennen, ob die Lösung tatsächlich etwas bringt.

Und genau deshalb ist die Messung des Ausgangszustands so wichtig.

Wer vorher nichts misst, kann hinterher nur sagen:

Gefühlt ist es jetzt besser.

Das reicht mir persönlich nicht.

Nach dem Go-live ist der Workflow nicht plötzlich unsterblich

Auch Automatisierungen brauchen Pflege.

Schnittstellen ändern sich. Software bekommt Updates. Prozesse verändern sich. Neue Sonderfälle tauchen auf.

Deshalb sollte jeder produktive Workflow einen Verantwortlichen haben.

Nicht unbedingt jemanden, der ihn selbst programmieren kann.

Aber jemanden, der weiß: Was soll dieser Workflow tun? Woran sehe ich, dass er funktioniert? Wo erkenne ich Fehler? Und wen hole ich dazu, wenn etwas nicht mehr läuft?

Ein guter Workflow sollte im Alltag möglichst wenig Aufmerksamkeit benötigen.

Aber ganz ohne Verantwortung funktioniert es nicht.

Wann kommt die nächste Automatisierung?

Nicht sofort.

Ich würde zuerst schauen, ob der erste Prozess stabil läuft und die erwartete Verbesserung tatsächlich eingetreten ist.

Dann kommt der nächste.

So entsteht nach und nach keine wilde Sammlung einzelner Automationen, sondern eine sinnvolle Automatisierungslandschaft.

Und irgendwann erkennt man häufig Zusammenhänge.

Der automatisierte Anfrageprozess liefert Daten für die Angebotserstellung.

Die Angebotserstellung hängt mit dem CRM zusammen.

Aus einem angenommenen Angebot entstehen Termine.

Nach Abschluss folgt die Rechnung.

Und plötzlich betrachtet man nicht mehr einzelne Aufgaben, sondern komplette Prozesse.

Genau dort wird Automatisierung richtig spannend.

Mein Fazit

Für sinnvolle KI-Automatisierung braucht ein KMU weder zehn KI-Agenten noch sofort eine komplett neue IT-Landschaft.

Es braucht zunächst einen guten Blick auf die eigenen Abläufe.

Wo geht regelmäßig Zeit verloren? Welche Aufgaben wiederholen sich? Wo übertragen Menschen Informationen von einem System ins nächste? Wo wird gewartet, gesucht oder hinterhertelefoniert? Und welcher dieser Prozesse lässt sich überschaubar verbessern?

Dann kann man anfangen.

Prozess verstehen. Ist-Zustand messen. Potenzial bewerten. Klein automatisieren. Testen. Messen. Verbessern.

Und wenn sich herausstellt, dass sich eine Automatisierung an einer Stelle nicht lohnt?

Dann ist auch das eine wertvolle Erkenntnis.

Denn Digitalisierung bedeutet für mich nicht, möglichst viel Technik einzusetzen.

Sondern Technik genau dort einzusetzen, wo sie Arbeit wirklich einfacher macht.

Wenn du weiterdenken willst

• 5 Prozesse, bei denen sich Automatisierung wirklich lohnt
• Lohnt sich Automatisierung? So rechnest du den Nutzen aus

Monika Egglseder

Ich beschäftige mich mit Prozessen, Digitalisierung und Business Automation für kleine und mittlere Unternehmen. Dabei interessiert mich weniger, was technisch alles möglich ist, sondern was im Arbeitsalltag tatsächlich etwas besser macht.

Prozesse. Einfach. Machen.