KI-Prozessautomatisierung bedeutet, dass KI-Modelle Vorgänge übernehmen, die bisher Lesen, Verstehen und Entscheiden erforderten, etwa Rechnungen prüfen, Anfragen sortieren oder Aufträge erfassen. Sie lohnt sich bei Abläufen, die täglich wiederkehren, Dokumente in wechselnden Formaten enthalten und sich in Minuten pro Vorgang messen lassen.
Kurzfassung
- KI-Prozessautomatisierung übernimmt Abläufe, die Dokumente verstehen und Fälle einordnen müssen, was klassische RPA mit festen Regeln nicht leistet.
- Geeignet sind häufige, dokumentenlastige und messbare Abläufe, laut Bitkom nutzen 57 Prozent der Unternehmen ab 20 Beschäftigten inzwischen KI (Befragung im Sommer 2026).
- Das betrifft Mittelständler mit wiederkehrender Back-Office-Arbeit, bei denen ein Mensch Ausnahmen weiterhin prüft.
KI statt RPA
Robotic Process Automation (RPA) ahmt menschliche Handgriffe nach: klicken, kopieren, einfügen. Das funktioniert, solange Eingaben immer gleich aussehen. KI-Automatisierung liest dagegen den Inhalt. Sie verarbeitet gescannte Belege, E-Mails und Freitextfelder und kann entscheiden, in welche Kategorie ein Vorgang gehört.
Technisch steckt dahinter meist eine Kombination aus Dokumentenerkennung (Intelligent Document Processing), einem Sprachmodell (LLM) für die Einordnung und festen Regeln für alles, was exakt bleiben muss. Wie das bei Rechnungen und Belegen aussieht, beschreibt der Beitrag Intelligente Dokumentenverarbeitung.
| Merkmal | Klassische RPA | KI-Automatisierung |
|---|---|---|
| Eingabedaten | Strukturiert, gleichbleibend | Strukturiert und unstrukturiert |
| Entscheidungslogik | Feste Regeln | Kontextbasiert, mit Konfidenzwert |
| Bei Abweichungen | Bricht ab | Ordnet ein oder gibt an einen Menschen ab |
| Änderungsaufwand | Hoch bei jeder Anpassung | Geringer, solange der Kern des Ablaufs gleich bleibt |
Im Mittelstand ist dieser Teil noch selten: Laut KfW nutzen 20 Prozent der mittelständischen Unternehmen KI, für Automatisierung und Entscheidungsfindung aber nur 5 Prozent, der Großteil setzt sie zum Chatten und Texten ein (KfW Research, Fokus Volkswirtschaft Nr. 554, Juli 2026).
Welche Prozesse eignen sich?
Ein Ablauf lohnt sich, wenn drei Dinge zusammenkommen: Er kehrt häufig wieder, er verursacht heute manuellen Aufwand oder Fehler, und dieser Aufwand lässt sich in Minuten oder Euro beziffern. Fehlt eines davon, ist ein anderer Ablauf der bessere erste Kandidat. Wie du Kandidaten findest und sortierst, zeigt der Beitrag KI-Use-Cases finden.
Dokumente und Datenextraktion
Rechnungen, Lieferscheine, Aufträge und Verträge erreichen Unternehmen in vielen Varianten. Ein Modell liest die Felder aus, gleicht sie mit Stammdaten ab und übergibt sie an das Buchhaltungs- oder ERP-System. Unklare Fälle gehen an einen Menschen. Wie wir den Rechnungseingang automatisieren, zeigt die Leistungsseite.
Anfragen und Posteingang
Eingehende E-Mails und Anfragen lassen sich klassifizieren, priorisieren und mit einem Antwortentwurf vorbereiten, mehr dazu in KI im Kundenservice. Eindeutige Standardfälle schließt das System ab, alles andere landet mit Entwurf bei einer Person. Setze die Schwelle für automatische Antworten bewusst hoch: Eine falsch beantwortete Anfrage kostet mehr als eine manuell bearbeitete.
Verträge, CRM und mehrere Systeme
Bei Verträgen markiert das Modell definierte Klauseln, Fristen und Abweichungen von der Vorlage, die Bewertung bleibt bei einer Fachperson (KI-Vertragsanalyse im Unternehmen). Im CRM qualifiziert es Anfragen, priorisiert Nachfasstermine und trägt Aktivitäten nach (CRM-Automatisierung im Mittelstand). Bauen mehrere Schritte mit Zwischenentscheidungen aufeinander auf, wird aus der Automatisierung ein KI-Agent, ein Beispiel zeigt KI-Agent-Beispiel: Backoffice.
Reporting und Vorbereitung von Entscheidungen
Berichte aus mehreren Quellen zusammenführen, auffällige Werte markieren und in Text fassen, das läuft in vielen Betrieben noch von Hand. Ein automatisierter Ablauf liefert jede Woche dieselbe Struktur und spart das Zusammenkopieren. Welche Vorgänge sich so zuschneiden lassen, dass das System seine eigene Sicherheit angibt, zeigen die Anwendungsfälle für Entscheidungsmodelle.
Erst den Prozess verstehen
Bevor etwas automatisiert wird, braucht es ein Bild davon, wie der Ablauf tatsächlich läuft, nicht wie er im Handbuch steht. Dazu reicht oft ein Tag mit den Beteiligten: Welche Schritte gibt es, wo entstehen Rückfragen, welche Ausnahmen kommen vor? Process-Mining-Werkzeuge wie Celonis können das aus Systemdaten ableiten, lohnen sich aber erst bei vielen Varianten.
Halte außerdem die Ausgangslage fest: Minuten pro Vorgang, Fehlerquote, Vorgänge pro Woche. Ohne diese Zahlen lässt sich nach dem Start nicht sagen, ob die Automatisierung etwas gebracht hat.
In fünf Schritten zur Automatisierung
Nach unserer Erfahrung aus Projekten läuft eine klar geschnittene Automatisierung nach 1 bis 2 Wochen im Tagesgeschäft. Die Schritte überschneiden sich, Datenaufbereitung beginnt schon während der Analyse.
- Ablauf wählen und messen. Nimm einen einzelnen Ablauf mit hoher Frequenz und halte die Ausgangslage fest.
- Daten und Zugänge klären. Welche Dokumente, Systeme und Schnittstellen sind beteiligt, und welche Daten dürfen das Unternehmensnetz verlassen? Schlechte Scans verschlechtern jedes Ergebnis, unabhängig vom Modell.
- Modell und Betrieb festlegen. Für feste Felder reichen oft spezialisierte Extraktionsmodelle, für Einordnung und Freitext ein LLM, ergänzt um Retrieval-Augmented Generation (RAG), also den Abruf eigener Dokumente. Wo das Modell laufen kann, ordnet Private KI-Infrastruktur für Unternehmen ein.
- Anbinden und mit echten Daten testen. Plane für jeden Fall unter dem Konfidenzschwellwert einen Weg zu einem Menschen ein. Teste mit Produktionsdaten, nicht mit aufgeräumten Beispielen.
- Überwachen und nachziehen. Beobachte Ausnahmequote und manuelle Eingriffe. Steigt die Quote, haben sich Daten oder Ablauf geändert.
Wer mehrere Modelle gemeinsam einsetzt, findet in KI-Agenten im Unternehmen eine Einordnung, wann ein Agent statt einer festen Abfolge sinnvoll ist.
Kosten und Wirtschaftlichkeit
Die Kosten setzen sich aus drei Teilen zusammen: der Einrichtung des Ablaufs, den laufenden Modellkosten und dem Betrieb mit Überwachung und Pflege. Was die Einrichtung kostet, hängt vor allem von der Zahl der Systeme und der Vielfalt der Dokumente ab. Die Modellkosten wachsen mit dem Volumen, die Listenpreise der Anbieter stehen mit Stand im LLM-Vergleich für Unternehmen. Rechne die Betriebskosten über mindestens drei Jahre, nicht nur das erste Projekt.
Ob sich das lohnt, zeigt ein einfaches Rechenbeispiel, keine Messung aus einem Kundenprojekt: 400 Vorgänge im Monat mit je zehn Minuten Handarbeit sind etwa 67 Stunden. Spart die Automatisierung davon die Hälfte, bleiben rund 33 Stunden pro Monat für andere Arbeit. Diesen Wert setzt du den laufenden Kosten gegenüber.
Tool oder gebaute Lösung
Drei Kategorien decken fast alle Fälle ab, mit steigendem Aufwand und steigender Kontrolle.
- No-Code-Plattformen mit KI-Bausteinen. Zapier, Make und n8n verbinden bestehende Software über fertige Konnektoren und geben einzelne Schritte an ein KI-Modell, etwa um E-Mails zu klassifizieren. n8n lässt sich auch selbst betreiben, was bei sensiblen Daten den Ausschlag geben kann, die Einordnung steht in n8n KI. Wer Microsoft 365 nutzt, hat mit Power Automate oft eine Plattform im Haus (Power Automate KI). Für Enterprise-RPA-Plattformen ordnet UiPath KI ein, was Autopilot und Agents leisten.
- KI-Funktionen in vorhandener Software. Buchhaltungs-, CRM- und Ticketsysteme bringen eigene Funktionen mit. Sie brauchen keine neue Integration, sehen aber nur die Daten ihres eigenen Systems. Wo diese Grenze bei Rechnungen verläuft, zeigt der Vergleich DATEV-Automatisierungsservice vs. eigene KI.
- Gebaute Automatisierung. Eine eigene Lösung verbindet mehrere Systeme, setzt eigene Schwellen für unsichere Fälle und protokolliert jede Entscheidung mit Begründung. Aufbau und Betrieb sind aufwendiger, dafür gibt es keine Plattformgrenzen.
Keine Kategorie ist grundsätzlich besser. Entscheidend ist der Punkt, ab dem ein Tool mehr kostet oder mehr Risiko erzeugt, als es Arbeit spart.
| Kriterium | Tool reicht meistens | Gebaute Lösung lohnt sich |
|---|---|---|
| Verbundene Systeme | ein bis zwei, mit fertigem Konnektor | drei oder mehr, mit Sonderlogik dazwischen |
| Volumen | niedrig bis mittel | hoch, mit Abrechnung pro Ausführung |
| Nachweispflicht | keine besonderen Anforderungen | jede Entscheidung muss begründet sein |
| Datenschutz | unkritische Daten, AVV ausreichend | sensible Daten, fremde Cloud ausgeschlossen |
| Ausnahmefälle | selten und vorhersehbar | häufig, mit eigener Eskalation |
Zwei Punkte werden oft unterschätzt. Plattformen rechnen meist pro Ausführung ab, das ist am Anfang günstig und wird mit dem Volumen zum größten Posten, eine gebaute Lösung hat nach dem Aufbau überwiegend feste Kosten. Außerdem protokolliert ein Tool meist nur, dass ein Schritt gelaufen ist, nicht warum. Verlangen Revision, Berufsrecht oder interne Kontrolle diese Begründung, muss sie von Anfang an mitgeschrieben werden.
Selbst bauen oder begleiten lassen
Laut S&P Global Market Intelligence (Befragung von 1.006 IT- und Fachverantwortlichen in Nordamerika und Europa, 2025) haben 42 Prozent der Unternehmen die meisten ihrer KI-Initiativen wieder aufgegeben, berichtet CIO Dive. Nach unserer Erfahrung scheitern Projekte selten an der Technologie, sondern an unklaren Erfolgskriterien, fehlender Datenbasis oder zu großen ersten Schritten.
Wie sich sensible Geschäftsdaten datenschutzkonform verarbeiten lassen, vertieft Datenschutzkonforme KI.
Wie ein Projekt mit uns abläuft und welche Abläufe wir am häufigsten automatisieren, steht auf der Seite Prozessautomatisierung mit KI.
Was jetzt zu tun ist
- Liste die Abläufe auf, die jede Woche wiederkehren und Dokumente oder E-Mails verarbeiten.
- Miss bei einem davon Minuten pro Vorgang, Vorgänge pro Woche und Fehlerquote.
- Prüfe, welche Daten das Unternehmensnetz nicht verlassen dürfen, und wähle den Betriebsweg danach.
- Starte mit einem einzelnen Ablauf und einem Menschen für alle unsicheren Fälle.
- Vergleiche nach zwei bis vier Wochen die Messwerte mit der Ausgangslage.
