Zum Inhalt
KI-BlogBriefing zu künstlicher Intelligenz

Unternehmen

Automa­tisierung mit KI

Kurzantwort

KI lohnt sich in Abläufen, deren Eingang unordentlich ist, etwa Mails, eingescannte Belege oder Freitext, deren Ergebnis sich aber prüfen lässt. Das Sprachmodell wandelt den Eingang in feste Felder um, ein Programm prüft sie, und erst dann schreibt der Ablauf in deine Systeme. Ein Kontrollpunkt mit Plausibilitätsregeln und Stichproben gehört immer dazu.

Autor
Veröffentlicht
Geprüft
Lesezeit
7 Minuten
Eine Frau prüft an einer Packstation mit Rollenband und kleinem Drucker ein Paket mit dem Handscanner
Der Ablauf läuft von allein, an einer Stelle schaut ein Mensch hin. Bild: KI-generiert

Automatisierung mit KI heißt im Betrieb meist: Ein fester Ablauf holt Daten aus einer Quelle, ein Sprachmodell erledigt den Teil, für den es bisher einen Menschen brauchte, und der Ablauf schreibt das Ergebnis in ein anderes System. Das Modell liest eine Mail und erkennt, ob es eine Bestellung, eine Reklamation oder eine Frage ist. Es zieht aus einem PDF Lieferant, Datum und Betrag heraus. Alles andere, das Abholen, Prüfen und Weitergeben, erledigt normale Software, und das ist gut so, denn die arbeitet berechenbar.

Wenn das Modell selbst entscheidet, welche Schritte es in welcher Reihenfolge geht, spricht man von einem KI-Agenten, einer Bauform mit eigenen Risiken.

Welche Abläufe sich lohnen

Gute Kandidaten erkennst du an vier Merkmalen. Die Aufgabe kommt oft vor, mindestens mehrmals pro Woche. Der Eingang ist unstrukturiert: Freitext, Mails, Fotos, PDFs in wechselnden Layouts. Das Ergebnis lässt sich prüfen, weil es aus festen Feldern besteht oder ein Mensch es schnell gegenlesen kann. Und ein einzelner Fehler ist ärgerlich, aber nicht teuer.

Typische Beispiele, wie sie auch unter den KI-Beispielen aus Betrieben auftauchen: eingehende Anfragen nach Thema sortieren und an die richtige Person geben, Angaben aus Lieferscheinen und Belegen auslesen, Gesprächsnotizen in Datensätze für die Kundenverwaltung übertragen oder Produkttexte aus Stammdaten entwerfen.

Keine KI braucht, was schon strukturiert vorliegt. Eine elektronische Rechnung im Sinne des Umsatzsteuergesetzes wird in einem strukturierten elektronischen Format ausgestellt, übermittelt und empfangen und ermöglicht eine elektronische Verarbeitung⁠4. Solche Dateien liest ein Programm vollständig und ohne Raten aus. Ein Sprachmodell würde dort nur eine Fehlerquelle einbauen.

Schritt 1: Den Ablauf aufschreiben, wie er heute läuft

Bevor du ein Werkzeug öffnest, schreib den Ablauf in einfachen Sätzen auf: Woher kommt der Auslöser, welche Angaben braucht die bearbeitende Person, wo schlägt sie nach, wohin trägt sie das Ergebnis ein, und was tut sie bei Unklarheiten. Markiere den Schritt, bei dem heute gelesen und verstanden werden muss. Nur dort setzt das Sprachmodell an.

Notiere auch, wie viele Fälle im Monat anfallen und wie lange einer dauert. Diese zwei Zahlen brauchst du später, um zu entscheiden, ob sich der Aufwand lohnt, und um die Modellkosten mit dem KI-Kostenrechner abzuschätzen.

Schritt 2: Das Werkzeug für den Ablauf wählen

Für die Verbindung der Schritte gibt es drei übliche Wege: ein Werkzeug für Abläufe mit grafischer Oberfläche wie n8n, die Automatisierung, die in deiner Bürosoftware oder Branchensoftware schon steckt, oder ein eigenes kleines Programm. Neben n8n gibt es unter anderem Make und Zapier (alle drei im Vergleich).

Unabhängig vom Werkzeug zählen drei Fragen. Gibt es für deine Systeme fertige Bausteine oder zumindest eine dokumentierte Schnittstelle? Wo laufen die Daten, und passt das zu deinen Datenschutzregeln? Und wer pflegt den Ablauf, wenn die Person, die ihn gebaut hat, im Urlaub ist?

Schritt 3: Eigene Systeme über Schnittstellen anbinden

Die meisten Programme im Betrieb haben eine Schnittstelle (API), über die andere Software Daten lesen und schreiben darf. Für die Anbindung brauchst du die Dokumentation der Schnittstelle, einen Zugangsschlüssel mit passenden Rechten und eine Testumgebung oder wenigstens Testdatensätze.

  1. Leg für den Ablauf ein eigenes Benutzerkonto oder einen eigenen Schlüssel an, nur mit den Rechten, die der Ablauf braucht. Ein Ablauf, der Belege ausliest, muss keine Stammdaten löschen dürfen.
  2. Hol die Daten über die Schnittstelle oder über einen Webhook, den das Quellsystem bei neuen Einträgen auslöst.
  3. Gib dem Sprachmodell eine feste Ausgabeform vor. Bei der Claude-Schnittstelle sorgen strukturierte Ausgaben dafür, dass die Antwort immer gültiges JSON nach einem vorgegebenen Schema ist, mit den Pflichtfeldern und Datentypen, die du festlegst⁠1. Andere Anbieter haben vergleichbare Funktionen.
  4. Schreib das Ergebnis erst nach dem Kontrollpunkt (Schritt 4) in das Zielsystem.
  5. Speichere zu jedem Durchlauf, welches Modell in welcher Fassung mit welcher Anweisung das Ergebnis erzeugt hat.

Eine feste Ausgabeform sichert nur das Format ab. Ein Modell kann einen Betrag sauber ins Feld "Betrag" schreiben und sich trotzdem verlesen haben. Erfundene Angaben dieser Art heißen Halluzinationen, und gegen sie hilft der nächste Schritt.

Wir empfehlen eine dünne eigene Zwischenschicht zwischen deinen Systemen und dem Modellanbieter. Sie hält Anweisungen und Schemas an einer Stelle, wiederholt Anfragen bei Zeitüberschreitungen und schreibt das Protokoll. Ein späterer Wechsel des Modells betrifft dann nur diese Schicht. Die Prompts musst du nach einem Wechsel trotzdem neu testen.

Ein Mann steckt in einem offenen Serverschrank ein Netzwerkkabel in einen Switch, ordentlich gebündelte graue Kabel
Die Anbindung läuft über Schnittstellen mit eigenem Zugang und knappen Rechten. Bild: KI-generiert

Schritt 4: Einen Kontrollpunkt einbauen

Ablaufschema einer KI-Automatisierung mit Schnittstellen, Sprachmodell, Kontrollpunkt und drei Ausgängen: Zielsystem, Prüfliste und Fehlerablauf
  1. Schnittstelle holt und schreibt Daten
  2. Modell füllt das Schema
  3. Kontrollpunkt prüft Regeln
  4. Protokoll jeder Durchlauf
Ablauf mit Schnittstellen und Kontrollpunkt vor dem Zielsystem. Grafik: KI-Blog

Der Kontrollpunkt sitzt zwischen Modell und Zielsystem und entscheidet für jeden Fall: automatisch weiter, an einen Menschen oder zurück. Er besteht aus einfachen Regeln, die ein Programm prüft:

  • Sind alle Pflichtfelder gefüllt und haben sie das richtige Format, etwa ein Datum, das in der Vergangenheit liegt?
  • Passen die Angaben zu deinen Stammdaten, zum Beispiel ein Lieferant, den es gibt, oder eine Auftragsnummer, die offen ist?
  • Stimmen Summen und Plausibilitäten, etwa Netto plus Steuer gleich Brutto?
  • Liegt der Fall innerhalb fester Grenzen, etwa unter einem Betrag, ab dem immer ein Mensch draufschaut?

Fälle, die eine Regel verletzen, landen in einer Liste für die manuelle Bearbeitung. Zusätzlich ziehst du in den ersten Wochen eine feste Stichprobe aus den automatisch durchgelaufenen Fällen und prüfst sie von Hand. Sinkt die Fehlerquote in der Stichprobe nicht, ist der Ablauf noch nicht reif.

Das BSI fordert für KI-Komponenten, die mit Werkzeugen, Schnittstellen oder automatisierten Abläufen gekoppelt sind, Isolation, Validierungsschichten und Berechtigungskonzepte wie bei anderen sicherheitskritischen Systemen⁠5. Der Kontrollpunkt aus diesem Schritt ist eine solche Validierungsschicht. Er hilft auch gegen manipulierte Eingänge: Wer in eine Mail eine versteckte Anweisung schreibt, erreicht damit wenig, wenn das Ergebnis ohnehin gegen die Stammdaten geprüft wird.

Schritt 5: Fehler auffangen und den Betrieb beobachten

Jeder Ablauf scheitert irgendwann: Die Schnittstelle ist kurz weg, ein Schlüssel ist abgelaufen, ein Dokument hat ein unbekanntes Format. Wichtig ist, dass das jemand erfährt. In n8n legst du dafür einen eigenen Fehlerablauf an, der mit dem Baustein "Error Trigger" beginnt und in den Einstellungen anderer Abläufe als Fehlerablauf eingetragen wird. Er bekommt unter anderem die Fehlermeldung, den zuletzt ausgeführten Baustein und einen Link auf die gescheiterte Ausführung⁠2. Mit dem Baustein "Stop and Error" kannst du einen Fehler auch selbst auslösen, etwa wenn der Kontrollpunkt zu viele Fälle aussortiert⁠2.

Schau dir außerdem regelmäßig an, wie viele Fälle durchlaufen, wie viele beim Kontrollpunkt hängen bleiben und wie viel die Modellaufrufe kosten. Steigt der Anteil der aussortierten Fälle plötzlich, hat sich womöglich etwas am Eingang geändert, etwa ein neues Rechnungslayout eines großen Lieferanten. Halte außerdem fest, welche Fassung von Anweisung, Schema und Modell gerade läuft. Wenn sich die Ergebnisse verschlechtern, siehst du dann, ob eine Änderung auf deiner Seite oder ein Modellwechsel beim Anbieter dahintersteckt.

Beispiel: Belege in der Buchhaltung vorbereiten

In der Buchhaltung zeigt sich gut, wo KI hilft und wo nicht. Elektronische Rechnungen im strukturierten Format liest ein Programm ohne KI aus⁠4. Für Belege, die als Foto, Scan oder einfaches PDF kommen, kann ein Ablauf so aussehen: Texterkennung (OCR) oder ein Modell mit Bildverständnis liest den Beleg, das Modell füllt Lieferant, Belegdatum, Betrag und Steuersatz in ein festes Schema, der Kontrollpunkt gleicht mit Lieferantenliste und Bestellungen ab, und die Buchhaltung bekommt einen vorbereiteten Datensatz mit Vorschlag.

Buchen, Kontieren und steuerliche Entscheidungen bleiben bei der Buchhaltung und der Steuerberatung, auch wenn Buchhaltungsprogramme mit KI-Funktionen Vorschläge machen.

Eine Buchhalterin sortiert an ihrem Schreibtisch leere Zettel in eine Ablage, daneben Taschenrechner und Stift
Die KI bereitet Belege vor, gebucht wird von Menschen. Bild: KI-generiert

Was Betriebe bremst

In der Bitkom-Befragung vom Sommer 2026 nannten Unternehmen, die KI bereits einsetzen, als Hemmnisse vor allem Datenschutz (66 Prozent), rechtliche Unsicherheit (56 Prozent) und schwer kalkulierbare Kosten (54 Prozent). Schlechte Ergebnisqualität nannten 26 Prozent, mangelnde Nachvollziehbarkeit 25 Prozent⁠3. Gegen die beiden letzten Punkte helfen die Schritte oben: feste Ausgabeformen, ein Kontrollpunkt und ein Protokoll, das zeigt, wie ein Ergebnis zustande kam.

Beim Datenschutz hilft ein Blick auf den Weg der Daten: Welche Angaben verlassen den Betrieb, bei welchem Anbieter landen sie, und gibt es einen Vertrag zur Auftragsverarbeitung? Je sauberer außerdem die Stammdaten sind, gegen die der Kontrollpunkt prüft, desto seltener sortiert er Fälle unnötig aus, ein Grund mehr, die Datenqualität vor dem Start anzusehen.

Wer die Verantwortung behält

Eine KI-Automatisierung übernimmt einen Teilschritt; die Verantwortung für das Ergebnis bleibt im Betrieb. Sie braucht jemanden, der Fehlermeldungen bearbeitet, die Stichproben prüft und nach Modellwechseln die Tests wiederholt. Wer die Anbindung nicht selbst baut, gibt sie an einen IT- oder KI-Dienstleister und behält Stichproben und Fehlermeldungen trotzdem im eigenen Haus. Bei der Auswahl eines Dienstleisters lohnt deshalb die Frage, ob er Schemas, Anweisungen und Protokoll übergibt. SEO NW, das Unternehmen hinter ki-blog.de, ist selbst ein solcher Anbieter.

Was das für dich heißt

Am Anfang steht der Ablauf auf Papier, das Werkzeug kommt danach.

  1. Schreib einen Ablauf auf, der oft vorkommt, und markiere den Schritt, an dem heute gelesen und verstanden werden muss.
  2. Leg für die Automatisierung einen eigenen Zugang mit knappen Rechten zu deinen Systemen an.
  3. Formuliere drei bis fünf Prüfregeln für den Kontrollpunkt, bevor du das Modell anschließt.
  4. Plane für die ersten Wochen feste Stichproben ein und notiere die Fehlerquote.

Häufige Fragen

Brauche ich für KI-Automatisierung Programmierkenntnisse?

Für einfache Abläufe nicht. Werkzeuge mit grafischer Oberfläche bringen Bausteine für Mail, Tabellen und Sprachmodelle mit. Sobald du eigene Systeme ohne fertigen Baustein anbindest, hilft es, Schnittstellendokumentation lesen und JSON verstehen zu können.

Wie erkenne ich, ob das Modell einen Beleg falsch gelesen hat?

Ein einzelner Fall zeigt das nicht zuverlässig. Deshalb prüft der Kontrollpunkt jeden Fall gegen Regeln und Stammdaten, und in den ersten Wochen gleichst du eine Stichprobe von Hand ab. Erst wenn die Stichproben stabil gut sind, lässt du mehr Fälle automatisch durch.

Kann ich KI-Automatisierung mit sensiblen Kundendaten nutzen?

Nur mit einem Anbieter, der vertraglich zusichert, Eingaben nicht zum Training zu nutzen, und mit einem Vertrag zur Auftragsverarbeitung. Bei besonders sensiblen Daten kommt auch ein Modell auf eigener Hardware in Frage.

Was kostet eine KI-Automatisierung?

Laufend zahlst du das Werkzeug für Abläufe und die Modellaufrufe je Fall. Dazu kommt die einmalige Arbeit für Aufbau, Anbindung und Tests und die laufende Pflege. Für die Modellaufrufe brauchst du zwei Zahlen: die Fälle im Monat und die Token je Fall.

Quellen

Stand:

  1. Anthropic: Structured outputs (Claude API Docs), abgerufen am 22.11.2026. zurück
  2. n8n: Error handling, abgerufen am 22.11.2026. zurück
  3. Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI (Presseinformation), Stand 14.09.2026, abgerufen am 22.11.2026. zurück
  4. Bundesministerium der Justiz: Umsatzsteuergesetz, § 14 Ausstellung von Rechnungen, abgerufen am 22.11.2026. zurück
  5. Bundesamt für Sicherheit in der Informationstechnik: Auswirkungen auf die Cybersicherheit von Organisationen durch die Entwicklung im Bereich Künstlicher Intelligenz (BITS-B Nr. 2026-262788-1032, Version 1.0), Stand 22.06.2026, abgerufen am 22.11.2026. zurück

Weiterlesen

Bilder: KI-generiert

Aus dem Lexikon

Bilder: KI-generiert