counter

KI oder klassische Automatisierung – was ist wann sinnvoll?

05.10.2026 08:56:33 | AH-WEB, Adrian Hetzke | 0 Kommentare
Künstliche Intelligenz kann Informationen verstehen, Texte einordnen und bei Entscheidungen unterstützen. Für viele wiederkehrende Geschäftsprozesse ist sie trotzdem nicht die beste Lösung. Wo Regeln eindeutig sind, arbeitet klassische Automatisierung häufig zuverlässiger, günstiger und nachvollziehbarer. Entscheidend ist deshalb nicht, ob KI eingesetzt werden kann, sondern ob sie für die konkrete Aufgabe überhaupt einen Vorteil bringt.

KI oder klassische Automatisierung – was ist wann sinnvoll?

Kaum ein digitales Thema erhält derzeit so viel Aufmerksamkeit wie künstliche Intelligenz. Unternehmen überlegen, wie sie KI einsetzen können, Softwareanbieter ergänzen ihre Produkte um entsprechende Funktionen und beinahe jeder Prozess scheint plötzlich ein möglicher KI-Anwendungsfall zu sein. Für ein KMU kann daraus schnell der Eindruck entstehen, dass eine moderne Digitalisierung zwangsläufig mit künstlicher Intelligenz beginnen müsse.

Genau das ist aus unserer Sicht der falsche Ausgangspunkt.

Viele Aufgaben, die heute manuell erledigt werden, benötigen überhaupt keine künstliche Intelligenz. Wenn ein Ablauf eindeutigen Regeln folgt, kann eine klassische Automatisierung häufig zuverlässiger, günstiger und leichter kontrollierbar arbeiten. KI wird dort interessant, wo Informationen zuerst interpretiert werden müssen, Sprache eine Rolle spielt oder eine Situation nicht vollständig durch feste Regeln beschrieben werden kann.

Deshalb beginnt AH-WEB bei einem solchen Projekt nicht mit der Frage, welches KI-Modell eingesetzt werden soll. Wir beginnen mit der Aufgabe. Was kostet heute unnötig Zeit? Welche Informationen liegen vor? Was muss damit geschehen? Und an welcher Stelle braucht es tatsächlich Interpretation statt einer klaren Regel? Genau diese Haltung beschreiben wir auch auf unserer Seite zu KI-gestützten Lösungen.

Klare Regeln brauchen meistens keine künstliche Intelligenz

Ein Beispiel macht den Unterschied schnell sichtbar. Ein Kunde füllt ein Formular aus und wählt dabei aus, welche Leistung ihn interessiert. Wenn bei Auswahl A automatisch eine bestimmte Bestätigung verschickt und der Vorgang einem zuständigen Mitarbeiter zugewiesen werden soll, gibt es keinen guten Grund, dafür künstliche Intelligenz einzusetzen. Die Regel ist eindeutig. Ein klassischer automatisierter Ablauf kann sie jedes Mal gleich ausführen.

Dasselbe gilt für viele alltägliche Prozesse. Ein Status ändert sich und löst eine Nachricht aus. Eine Rechnung wird bezahlt und der Auftrag wird für den nächsten Schritt freigegeben. Ein bestimmtes Datum nähert sich und eine Erinnerung wird erzeugt. Daten aus einem Formular müssen in ein anderes System übertragen werden. Solche Aufgaben gehören typischerweise in die Prozessautomatisierung.

Der grosse Vorteil klarer Regeln liegt in ihrer Nachvollziehbarkeit. Wenn eine Bedingung erfüllt ist, geschieht eine definierte Aktion. Das Ergebnis ist reproduzierbar und lässt sich testen. Auch Fehler können meist eindeutig untersucht werden. Bei einem Prozess, der jedes Mal dieselbe Aufgabe erledigen soll, ist diese Berechenbarkeit häufig wichtiger als jede zusätzliche Intelligenz.

KI nur deshalb einzubauen, weil sie technisch verfügbar ist, würde in solchen Fällen zusätzliche Komplexität schaffen, ohne den Prozess besser zu machen.

Interessant wird KI dort, wo Informationen nicht sauber strukturiert sind

Anders sieht es aus, wenn Menschen Informationen liefern, die nicht bereits in eindeutigen Datenfeldern vorliegen. Eine Anfrage besteht vielleicht aus mehreren Absätzen Freitext. Ein Dokument enthält relevante Angaben an unterschiedlichen Stellen. E-Mails müssen gelesen und einer Kategorie zugeordnet werden. Mehrere Informationen sollen zusammengefasst werden, bevor ein Mitarbeiter den Vorgang weiterbearbeitet.

Solche Aufgaben sind für klassische Automatisierung schwieriger, weil sich nicht jede Formulierung im Voraus kennen lässt. Genau hier kann künstliche Intelligenz einen echten Mehrwert bieten.

Nehmen wir eine Kundenanfrage, in der jemand frei beschreibt, was bei ihm nicht funktioniert. Eine klassische Regel kann überprüfen, ob ein Feld ausgefüllt wurde. Sie kann aber nur schwer erkennen, ob der Text wahrscheinlich eine Website, eine Prozessautomatisierung oder eine individuelle Webapplikation betrifft. Ein KI-System kann den Inhalt dagegen analysieren, wichtige Aussagen herausarbeiten und den Vorgang für die weitere Bearbeitung vorbereiten.

Damit übernimmt die KI noch nicht automatisch die Entscheidung. Sie reduziert zunächst die Arbeit, die notwendig ist, um unstrukturierte Informationen in eine verwendbare Form zu bringen.

Genau dort sehen wir einen der sinnvollsten Einsatzbereiche.

KI sollte vorbereiten, wo Verantwortung beim Menschen bleiben muss

Eine technische Möglichkeit ist nicht automatisch eine gute organisatorische Entscheidung. Je wichtiger die Folgen eines Ergebnisses sind, desto genauer muss geklärt werden, welche Rolle ein Mensch weiterhin übernimmt.

KI kann beispielsweise ein längeres Dokument zusammenfassen, Informationen kategorisieren oder Hinweise auf mögliche Zusammenhänge liefern. Ob daraus eine geschäftliche, rechtliche oder fachliche Entscheidung entsteht, ist eine andere Frage. Bei relevanten Entscheidungen sollte klar sein, wer das Ergebnis prüft und die Verantwortung trägt.

Diese Grenze ist besonders wichtig, weil KI-Systeme nicht wie klassische Programme arbeiten. Ein regelbasiertes System kann so entwickelt werden, dass unter denselben Bedingungen immer dieselbe festgelegte Aktion erfolgt. Ein generatives KI-System arbeitet dagegen mit Wahrscheinlichkeiten und kann auch überzeugend formulierte falsche Ergebnisse erzeugen.

Das bedeutet nicht, dass KI unzuverlässig und deshalb ungeeignet wäre. Es bedeutet, dass ihre Rolle zum Risiko der Aufgabe passen muss. Für das Sortieren einer internen Anfrage kann eine gewisse Fehlertoleranz vertretbar sein, solange ein Mitarbeiter das Ergebnis später sieht. Bei einer automatischen Entscheidung mit finanziellen oder rechtlichen Folgen gelten andere Anforderungen.

Eine gute KI-Lösung beantwortet deshalb nicht nur die Frage, was automatisiert werden kann. Sie definiert ebenso klar, wo bewusst nicht automatisiert wird.

Häufig ist die beste Lösung eine Kombination

In realen Projekten verläuft die Grenze zwischen KI und klassischer Automatisierung selten durch den gesamten Prozess. Oft werden beide Technologien innerhalb desselben Ablaufs eingesetzt.

Eine Anfrage kann beispielsweise als Freitext eintreffen. KI analysiert den Inhalt, fasst die wesentlichen Punkte zusammen und schlägt eine Kategorie vor. Danach übernimmt ein normaler Workflow. Die strukturierten Daten werden gespeichert, eine Aufgabe wird angelegt und der zuständige Mitarbeiter erhält eine Benachrichtigung. Sobald der Mensch die Einstufung bestätigt hat, laufen die weiteren Schritte wieder nach klar definierten Regeln.

In diesem Beispiel übernimmt KI genau den Teil, für den sie stark ist: die Interpretation unstrukturierter Information. Alles, was danach eindeutig beschrieben werden kann, bleibt klassische Automatisierung.

Das reduziert nicht nur technische Komplexität. Es hilft auch bei Kosten, Nachvollziehbarkeit und Wartung. Ein Prozess muss nicht bei jedem Schritt von einem externen KI-Modell abhängig sein, wenn eine einfache Geschäftsregel dieselbe Aufgabe besser erledigt.

Gerade bei individuellen Lösungen lohnt sich deshalb ein Blick auf den Gesamtprozess. Manchmal genügt eine kleine Automatisierung, manchmal braucht es zusätzlich eine eigene Webanwendung, und manchmal ist KI lediglich ein einzelner Baustein darin. Unsere 5-Perspektiven-Methode hilft genau dabei, diese Entscheidung nicht von der Technologie her zu treffen.

Auch die Daten entscheiden darüber, ob KI sinnvoll ist

Bei der Begeisterung für neue Möglichkeiten wird leicht vergessen, dass KI Informationen benötigt. Deshalb gehört die Frage nach den Daten früh in die Planung.

Welche Informationen werden verarbeitet? Woher stammen sie? Enthalten sie personenbezogene oder vertrauliche Angaben? Müssen sie einen externen Anbieter verlassen? Wie lange werden sie gespeichert? Und ist es überhaupt notwendig, alle vorhandenen Informationen in den KI-Schritt einzubeziehen?

Datensparsamkeit ist dabei nicht nur eine Datenschutzfrage. Sie macht Prozesse häufig auch verständlicher. Wenn eine Aufgabe nur drei Informationen benötigt, sollte nicht vorsorglich der gesamte Kunden- oder Projektdatensatz verarbeitet werden.

Gleichzeitig muss geprüft werden, ob die vorhandenen Daten eine sinnvolle Grundlage bilden. KI kann aus schlechten oder unvollständigen Ausgangsdaten keine verlässliche Wahrheit erzeugen. Eine Automatisierung sollte deshalb nicht einfach eine bestehende Unordnung schneller weiterverarbeiten.

Manchmal besteht der erste sinnvolle Schritt darin, Daten und Prozesse überhaupt erst sauber zu strukturieren.

Kosten entstehen nicht nur bei der Entwicklung

KI kann technisch schnell ausprobiert werden. Eine API ist eingerichtet, ein Modell angebunden und bereits nach kurzer Zeit entsteht ein beeindruckender Prototyp. Daraus darf jedoch nicht geschlossen werden, dass ein produktiver Prozess automatisch ebenso einfach ist.

Bei laufender Nutzung können Kosten pro Anfrage, verarbeitetem Dokument oder Datenmenge entstehen. Modelle verändern sich, Anbieter passen Funktionen an und möglicherweise müssen Eingaben oder Ausgaben überwacht werden. Dazu kommen Fragen zu Datenschutz, Fehlerbehandlung und menschlicher Kontrolle.

Eine klassische Automatisierung kann in vielen Fällen nach der Entwicklung sehr vorhersehbar betrieben werden. Deshalb lohnt sich ein nüchterner Vergleich. Wenn eine Aufgabe zuverlässig durch zehn klare Regeln beschrieben werden kann, ist ein KI-Modell nicht automatisch die wirtschaftlichere Lösung.

Umgekehrt kann KI sehr viel Aufwand einsparen, wenn eine klassische Regelstruktur hunderte Sonderfälle benötigen würde oder Menschen heute grosse Mengen unstrukturierter Information manuell durchsehen müssen.

Die relevante Grösse ist deshalb nicht der Preis eines einzelnen API-Aufrufs. Entscheidend ist, welche Arbeit im Gesamtprozess tatsächlich entfällt.

KI sollte einen messbaren Unterschied im Alltag schaffen

Der Begriff künstliche Intelligenz kann Aufmerksamkeit erzeugen, aber Aufmerksamkeit allein ist noch kein Geschäftsnutzen. Für ein KMU sollte nach der Einführung einer KI-Funktion erkennbar sein, was dadurch besser geworden ist.

Werden Anfragen schneller vorbereitet? Müssen Mitarbeitende weniger Dokumente vollständig lesen? Werden Informationen zuverlässiger gefunden? Sinkt die Zeit für eine wiederkehrende administrative Aufgabe? Oder wird ein Prozess lediglich technisch interessanter, ohne im Alltag spürbar einfacher zu werden?

Diese Fragen helfen, KI vom Selbstzweck zu trennen.

Es ist völlig legitim, neue Technologien auszuprobieren und Erfahrungen zu sammeln. Sobald daraus aber ein produktiver Prozess entstehen soll, braucht die Lösung einen nachvollziehbaren Nutzen. Andernfalls entsteht eine weitere technische Komponente, die gepflegt und bezahlt werden muss, ohne dass sie einen echten Engpass beseitigt.

Die Entscheidung beginnt nicht mit «KI oder nicht KI?»

Die eigentliche Entscheidung liegt eine Ebene davor. Zuerst muss verstanden werden, welche Arbeit heute unnötig kompliziert ist und warum. Erst danach lässt sich bestimmen, welcher Teil regelbasiert automatisiert werden kann, wo Interpretation notwendig ist und an welcher Stelle ein Mensch bewusst eingebunden bleiben sollte.

Unsere fünf Perspektiven bleiben deshalb auch bei KI-Projekten dieselben: Problem – Mensch – Prozess – Technik – Sichtbarkeit. Das Problem definiert das Ziel. Der Mensch zeigt, wer mit dem Ergebnis arbeiten und Verantwortung übernehmen muss. Der Prozess macht sichtbar, wo Informationen entstehen und was danach geschehen soll. Erst dann wird über klassische Automatisierung, KI oder eine Kombination entschieden. Und wenn die Lösung Kunden oder andere externe Nutzer betrifft, muss zusätzlich betrachtet werden, wie verständlich und nachvollziehbar sie nach aussen wirkt.

Vielleicht lautet das Ergebnis einer solchen Analyse: Hier ist KI genau das richtige Werkzeug. Vielleicht reicht eine einfache Automatisierung. Und manchmal zeigt sich, dass zunächst gar keine neue Technik notwendig ist, sondern der bestehende Prozess vereinfacht werden sollte.

Für AH-WEB ist keine dieser Antworten weniger modern als die andere. Modern ist eine Lösung dann, wenn sie ein reales Problem besser löst.

Nicht die Technologie bestimmt die Lösung. Ihr Problem tut es.

Sie überlegen, wo KI in Ihrem Unternehmen sinnvoll eingesetzt werden könnte?

Beginnen Sie nicht mit einem bestimmten Modell oder Anbieter. Beschreiben Sie zuerst die Aufgabe, die heute viel Zeit benötigt, schwer zu strukturieren ist oder bei der Informationen immer wieder manuell gelesen und eingeordnet werden müssen. Daraus lässt sich wesentlich besser ableiten, ob KI tatsächlich einen Vorteil bringt oder eine klassische Automatisierung die einfachere Lösung wäre.

Über das AH-WEB Anfrageformular können Sie genau diesen Ausgangspunkt beschreiben. Eine fertige technische Lösung müssen Sie dafür nicht vorbereiten.

Keine Kommentare vorhanden.