KI-Automatisierung für KMU

Eine sinnvolle KI-Automatisierung verbindet eine unstrukturierte Eingabe mit einem überprüfbaren Arbeitsergebnis. Zwischen einer E-Mail und einer erledigten Aufgabe liegen jedoch mehrere Entscheidungen: Wer ist der Absender? Zu welchem Auftrag gehört die Nachricht? Welche Information fehlt? Darf das System selbst handeln? Wer bemerkt, wenn die Übergabe scheitert? Genau diese Strecke gehört in die Planung.

Für ein KMU ist deshalb ein abgegrenzter Vorgang ein besserer Projektgegenstand als „KI in der Verwaltung“. Ein brauchbarer Auftrag lautet etwa: Eingehende Wartungsanfragen einem bestehenden Kunden zuordnen, fehlende Angaben markieren und einen prüfbaren Auftrag anlegen. Die KI darf den Freitext erschließen. Eine eindeutige Kundennummer kann anschließend über eine gewöhnliche Suche geprüft werden. Ein verbindlicher Termin bleibt zunächst freigabepflichtig.

So entsteht auch eine verständliche Grenze zwischen KI-Agent, Workflow und Chatbot. Der Workflow steuert die festgelegten Schritte. Ein Sprachmodell hilft bei variablen Inhalten. Ein Chatbot stellt eine Gesprächsoberfläche bereit. Ein Agent kann innerhalb erlaubter Werkzeuge weitere Schritte auswählen. Welche Kombination angemessen ist, hängt vom Vorgang ab; zusätzliche Autonomie muss einen erkennbaren Nutzen haben. Der Vergleich der drei Ansätze erklärt die Auswahl ausführlich.

Das folgende Beispiel ist ein entworfener Ablauf für einen fiktiven Servicebetrieb. Es beschreibt keine ausgeführte Kundenintegration und enthält keine gemessenen Ergebnisse. Eine Nachricht lautet: „Bei der Anlage in der Lindenstraße fällt seit gestern die Heizung aus. Bitte wie beim letzten Mal Herrn Berger anrufen.“ Diese Nachricht enthält weder eine eindeutige Adresse noch eine verifizierte Telefonnummer.

Der erste Schritt hält Nachricht und Anhänge unter einer Vorgangskennung fest. Die Extraktion erzeugt anschließend getrennte Felder: Anliegen, erwähnter Standort, Kontaktperson und gewünschte Aktion. Ein nicht genannter Wert bleibt leer. Die Kundensuche kann zwei passende Objekte finden; in diesem Fall entsteht eine Rückfrage statt einer geratenen Zuordnung. Erst nach Klärung werden die erlaubten Daten an das Auftragsystem übergeben.

Nun lässt sich über Automatisierung sprechen: Die Einführung könnte zunächst Eingang, Extraktion und Entwurf umfassen. Eine spätere Erweiterung um Terminbuchung braucht zusätzliche Regeln, Kalenderrechte und eigene Prüffälle. Der ursprüngliche Vorgang bleibt ein vollständig nutzbarer Arbeitsablauf, auch wenn diese Erweiterung nie erfolgt.

Die Anzahl der Nachrichten allein reicht für die Priorisierung nicht. Eine kurze Standardantwort kann weniger Aufwand verursachen als ein seltener Beleg mit falscher Zuordnung. Beobachten Sie deshalb vollständige Fälle und erfassen Sie Bearbeitung, Rückfragen, Korrekturen und Liegezeit getrennt. Fragen Sie außerdem, welche Verzögerung wirklich stört: lange Wartezeiten für Kunden, eine blockierte Rechnung oder die Unterbrechung einer Fachperson.

Eine einfache Entscheidungsmatrix hilft beim Vergleich dreier konkreter Kandidaten. Bewerten Sie Wiederholung, prüfbares Ergebnis, Systemzugang und Folgen einer Fehlentscheidung jeweils mit einer nachvollziehbaren Begründung. Die Bewertung ist ein internes Auswahlwerkzeug; sie sagt keine Erfolgswahrscheinlichkeit voraus. Ein Kandidat mit hohem Nutzen und fehlendem Systemzugang bleibt zunächst ein Klärungsauftrag.

Für den fiktiven Wartungsbetrieb wären die tägliche Übertragung eindeutiger Kontaktdaten, die Zuordnung unklarer Anfragen und eine automatische Angebotsfreigabe drei unterschiedliche Aufgaben. Die erste benötigt möglicherweise gar keine KI. Die zweite kann von Texterkennung profitieren. Die dritte trägt zusätzliche wirtschaftliche Verantwortung und gehört nicht automatisch in denselben Auftrag. Diese Trennung verhindert, dass eine funktionierende Erkennung als Nachweis für eine verlässliche Entscheidung missverstanden wird.

Nehmen wir rein beispielhaft 600 Vorgänge im Monat und sechs Minuten heutige Bearbeitung an. Das entspricht 60 Stunden. Nach einer geplanten Einführung könnten 420 einfache Fälle noch zwei Minuten Prüfung benötigen, während 180 Ausnahmen weiterhin sechs Minuten beanspruchen. Daraus ergeben sich 14 plus 18 Stunden. Kommen vier Stunden für Kontrolle, Pflege und Störungen hinzu, verbleiben 36 Stunden. Die rechnerisch frei werdende Kapazität beträgt 24 Stunden.

Bei einem angenommenen internen Bewertungsansatz von 40 Euro pro Stunde wären das 960 Euro Kapazitätswert pro Monat. Das ist keine automatische Auszahlung oder Personalkostensenkung. Ob dieser Wert nutzbar wird, hängt von Auslastung, verlagerten Tätigkeiten und tatsächlich vermeidbaren Kosten ab. Ein Team kann dieselben Stunden für schnellere Rückmeldungen verwenden, ohne dass seine Personalausgaben sinken.

Vergleichen Sie diesen Wert mit dem vollständigen Betrieb. Bei beispielhaften 300 Euro monatlichen externen Kosten verbleiben rechnerisch 660 Euro vor Einführungsaufwand. Eine angenommene Einführung von 7.920 Euro entspräche zwölf Monaten dieses Werts. Ändert sich die Ausnahmequote, ändert sich die Rechnung sofort. Rechnen Sie deshalb mindestens einen vorsichtigen und einen günstigen Fall. Das Kostenmodell für KI-Automatisierung erläutert die Posten und ihre Grenzen.

Ein Softwareabonnement, ein selbst gebauter Workflow und eine betreute Umsetzung enthalten selten dieselben Leistungen. Schreiben Sie zuerst auf, was im Preis enthalten sein soll: Zugänge, Konfiguration, Datenzuordnung, Abnahmetests, Dokumentation, Schulung und Betreuung. Legen Sie zusätzlich fest, welche Arbeiten das eigene Team übernimmt. Erst dann lassen sich Angebote sinnvoll vergleichen.

Die zentrale Angebotsfrage lautet: Was gilt als geliefert? Für das Wartungsbeispiel wäre eine sichtbare Auftragskennung im Zielsystem ein besserer Nachweis als ein Screenshot einer erfolgreichen Modellausgabe. Fordern Sie die Beschreibung des Ausnahmewegs und des Wiederanlaufs an. Eine Nachricht darf bei einem erneuten Versuch nicht ohne Prüfung einen zweiten Auftrag erzeugen.

Bei Angeboten mit „unbegrenzter Nutzung“ sollte klar werden, auf welche Leistung sich die Aussage bezieht. Gesprächsminuten, API-Aufrufe, Speicher und menschliche Unterstützung können separat abgerechnet werden. Eine datierte Kostenannahme ist belastbarer als eine unbestimmte Pauschale.

Österreich, Deutschland und die Schweiz teilen viele Geschäftsprozesse, aber nicht jede Produktumgebung oder rechtliche Voraussetzung. Erfassen Sie die tatsächlich eingesetzten Systeme einschließlich Version, Module und Vertrag. Ein Datenweg, der für BMD beschrieben wurde, ist kein Nachweis für DATEV, Abacus oder bexio. Ebenso muss eine österreichische Rufnummer nicht dieselben Weiterleitungsbedingungen haben wie eine Schweizer Nummer.

Datenschutz muss am konkreten Datenweg geprüft werden. Für den EU-Kontext nennt die DSGVO unter anderem Grundsätze, Rechtsgrundlagen, Auftragsverarbeitung und Sicherheit in den Artikeln 5, 6, 28 und 32. Diese Fragen werden durch einen europäischen Serverstandort allein nicht beantwortet. Amtlicher Text der DSGVO. Für die Schweiz bietet der EDÖB den Einstieg in die geltenden Datenschutzanforderungen. Der Leitfaden ersetzt keine Prüfung des konkreten Einsatzes.

Praktisch benötigt der Projektauftrag eine Übersicht der Datenkategorien, Empfänger, Zugänge und Aufbewahrungsregeln. Eine Datei für den Erstkontakt sollte möglichst keine vertraulichen Originaldaten enthalten. Für einen späteren Test können bereinigte oder synthetische Fälle die technischen Schritte erklären; die fachliche Abnahme muss anschließend auch die erlaubte tatsächliche Einsatzumgebung berücksichtigen.

Eine prüfbare Abnahme beginnt vor dem Bau. Notieren Sie pro Fall die Eingabe, den erwarteten Zielzustand und die Person, die das Ergebnis beurteilt. Ergänzen Sie den normalen Fall um eine Dublette, eine fehlende Kundennummer, widersprüchliche Angaben, einen entzogenen Zugang und einen Ausfall des Zielsystems. Ein korrekt angehaltener Vorgang kann dabei das gewünschte Ergebnis sein.

Trennen Sie fachliche und technische Bewertung. Eine erfolgreiche API-Antwort beweist keine richtige Kundenzuordnung. Umgekehrt muss eine fachlich richtige Extraktion noch nachvollziehbar im Zielsystem ankommen. Kritische Fehler sollten einzeln betrachtet werden; ein hoher Gesamtdurchschnitt darf einen fremden Empfänger oder eine doppelte Buchung nicht verdecken. Die Freigabe-Anleitung zeigt, welche Informationen ein Prüfer benötigt.

Das freiwillige AI Risk Management Framework von NIST bietet einen zusätzlichen Rahmen für die fortlaufende Behandlung von KI-Risiken. Es ist keine DACH-Zertifizierung. Für ein kleines Unternehmen lässt sich die Verantwortung zunächst sehr konkret festhalten: Wer darf Änderungen veröffentlichen, wer prüft die Auswirkungen und wer kann den Ablauf stoppen?

Zur Übergabe gehören deshalb nicht nur Workflowdateien. Das Team braucht eine verständliche Betriebsanleitung, Zugang zu den eigenen Konten, eine Liste offener Grenzen und einen geübten manuellen Ersatzweg. Neue Modelle, veränderte Schnittstellen oder fachliche Regeln lösen passende Wiederholungsprüfungen aus. Die Einführung ist dann erfolgreich beschrieben, wenn auch ein späterer Betreiber erklären kann, was das System tut, woran offene Arbeit erkennbar ist und wann eine Person übernehmen muss.