Geschäftsprozesse KI-ready machen: agil bleibt Pflicht

KI-ready ist kein Gütesiegel und kein Software-Feature. Es ist eine Eigenschaft des Prozesses selbst. Ein Prozess ist in dem Maße KI-ready, in dem drei Bedingungen erfüllt sind.

Erstens muss er beschreibbar sein. Was niemand in klaren Schritten aufschreiben kann, kann auch keine KI zuverlässig übernehmen. Zweitens müssen die nötigen Daten in einer Form vorliegen, die eine Maschine lesen kann, nicht nur als E-Mail-Anhang oder im Kopf einer erfahrenen Kollegin. Drittens müssen die beteiligten Systeme ihre Daten herausgeben und entgegennehmen, also Schnittstellen haben.

Diese drei Bedingungen sind der Grund, warum die ersten drei Schritte dieses Leitfadens nichts mit KI zu tun haben. Sie sind Prozessarbeit. Genau dort entscheidet sich, ob ein KI-Projekt später trägt oder zur teuren Technikdekoration wird, also zu Technik, die gut aussieht und nichts bewirkt. Was eine KI im Kern leisten kann und was nicht, ordnet unser Wissen-Artikel zu künstlicher Intelligenz ein.

Der erste Schritt klingt unspektakulär und ist der wichtigste: Schreibt auf, wie der Prozess heute tatsächlich läuft, nicht wie er laut Handbuch laufen sollte. Diese Lücke zwischen Soll und Ist ist in unseren Projekten fast immer größer als erwartet, und genau in ihr verstecken sich die Sonderfälle, an denen eine Automatisierung später scheitert.

Eine brauchbare Dokumentation braucht keine Software und kein Schichtenmodell. Vier Angaben pro Prozessschritt genügen für den Anfang: Was löst den Schritt aus, wer führt ihn aus, welche Information geht hinein und was kommt heraus. Eine halbe Seite pro Prozess, im Gespräch mit den Menschen entstanden, die ihn täglich machen, schlägt jedes ungelesene Flussdiagramm.

So sieht eine solche Aufnahme für einen Angebotsprozess aus, knapp gehalten:

Schon diese kleine Tabelle leistet zwei Dinge. Sie macht sichtbar, an welcher Stelle eine KI sinnvoll ansetzt. Im Beispiel ist das der Sprung von der Kalkulation zum fertigen Angebotsdokument, ein strukturierter und fehlertoleranter Schritt. Und sie zeigt die Übergabepunkte, an denen Informationen von Hand weitergereicht werden. Jeder dieser Punkte ist ein Kandidat für eine spätere Schnittstelle und ein typischer Ort für Verzögerungen und Übertragungsfehler.

Sobald der Ablauf steht, folgen die Daten. Die Leitfrage lautet: Wo kommt jede Information her, und welche Quelle gilt im Zweifel? Diese zweite Frage entscheidet über die Verlässlichkeit jeder späteren KI-Antwort. Stehen Preise im ERP, im Webshop und zusätzlich in einer gepflegten Excel-Liste, dann liefert eine KI je nach Quelle drei verschiedene Wahrheiten, und keine davon ist erkennbar die richtige.

Klärt deshalb für jede wichtige Information eine führende Quelle, bevor ihr automatisiert. Drei Fragen helfen dabei:

1. Welches System führt diese Information? Für Preise das ERP, für Kundendaten das CRM, für Produkttexte das Redaktionssystem. Eine Information, ein verantwortliches System. 2. Wie aktuell muss die Information sein? Eine Preisliste, die einmal pro Woche aktualisiert wird, taugt nicht für eine tagesaktuelle Angebotsautomatik. Aktualität ist eine Datenanforderung, kein Detail. 3. Sind die Daten strukturiert oder Fließtext? Ein gepflegtes Feld "Nettopreis" ist für eine Maschine etwas anderes als ein Preis, der in einem Angebotsabsatz mitten im Satz steht.

Wo ihr hier auf gescannte PDFs, manuell gepflegte Listen oder widersprüchliche Systeme stoßt, habt ihr kein KI-Problem gefunden, sondern ein vorgelagertes Datenprojekt. Das ist eine gute Nachricht, denn ordentliche Daten zahlen auf jedes Vorhaben ein, nicht nur auf KI.

Eine KI ist nur so nützlich wie ihr Zugang zu den richtigen Systemen. Im dritten Schritt prüft ihr deshalb, ob die beteiligten Systeme ihre Daten maschinenlesbar herausgeben und ob sie Ergebnisse wieder entgegennehmen. Eine Information, die nur per Handexport aus einem System zu holen ist, lässt sich nicht in einen laufenden Workflow einbinden. Sie wird zum täglichen manuellen Zwischenschritt, der den versprochenen Zeitgewinn wieder auffrisst.

Die ehrliche Schnittstellen-Inventur ist überschaubar. Geht die Übergabepunkte aus Schritt 1 durch und beantwortet für jeden zwei Fragen: Gibt das vorgelagerte System die Daten über eine Schnittstelle heraus, etwa eine API? Und nimmt das nachgelagerte System das Ergebnis über eine Schnittstelle wieder entgegen, oder muss ein Mensch es eintippen?

In der Praxis fällt das Ergebnis gemischt aus. Moderne Cloud-Systeme bringen Schnittstellen meist mit. Ältere Branchensoftware oder selbstgebaute Insellösungen oft nicht, oder nur gegen Aufpreis und mit Einschränkungen. Dieser Befund ist keine Niederlage, sondern eine Planungsgrundlage. Er sagt euch, welche Automatisierung morgen möglich ist und welche zuerst eine technische Anbindung braucht. Ob ihr diese Anbindung selbst baut oder einkauft, ist eine eigene Abwägung, die unser Beitrag Make or Buy bei KI-Lösungen durchgeht.

Die ersten drei Schritte könnten den Eindruck erwecken, KI-ready sei ein Zustand, den man einmal erreicht und dann abhakt. Das Gegenteil ist der Fall. Prozesse, Daten und Systeme ändern sich laufend, und KI-Werkzeuge entwickeln sich noch schneller. Agilität ist hier keine Methodenmode, sondern die einzige Arbeitsweise, die mit diesem Tempo mithält.

Konkret heißt das: Baut nicht ein halbes Jahr an der perfekten durchautomatisierten Lösung, sondern bringt eine kleine, nützliche Version in vier bis sechs Wochen in den echten Betrieb. Lasst sie von den Menschen nutzen, die den Prozess kennen, messt das Ergebnis gegen den Ausgangswert und bessert im nächsten kurzen Zyklus nach. So lernt die Lösung am echten Fall, und ihr merkt früh, wenn ein Weg in die Sackgasse führt, solange die Korrektur noch günstig ist.

Drei Prinzipien halten diese Iteration gesund:

• Klein anfangen. Ein Teilschritt des Prozesses, nicht der ganze Prozess auf einmal. Im Angebotsbeispiel der Entwurf des Dokuments, nicht die komplette Anfrage-bis-Auftrag-Strecke.
• Den Menschen im Kreis lassen. Die KI schlägt vor, ein Mensch gibt frei, besonders solange das Vertrauen in die Ergebnisse noch wächst. Aus den Korrekturen lernt ihr, wo nachzubessern ist.
• Jede Iteration messen. Ohne Vorher-Nachher-Vergleich wird aus Nachbessern Bastelei. Eine einfache Kennzahl je Prozess, etwa Bearbeitungszeit oder Fehlerquote, reicht für den Anfang.

Dieser iterative Weg ist auch der Grund, warum der Mittelstand hier einen Vorteil hat. Kurze Wege und Prozesse, die eine Person noch vollständig überblickt, machen schnelle Zyklen erst möglich. Nutzt diesen Vorteil, statt ihn mit einem schwergewichtigen Großprojekt zu verschenken.

Sucht euch einen einzigen Prozess aus, der oft vorkommt und bei dem ein Fehler nicht weh tut. Setzt euch eine Stunde mit den Menschen zusammen, die ihn täglich machen, und füllt die kleine Tabelle aus Schritt 1: Auslöser, Verantwortliche, Eingabe und Ausgabe je Schritt. Allein diese Stunde zeigt euch meist schon, wo KI sinnvoll ansetzt und wo zuerst Daten oder Schnittstellen fehlen.

Wenn ihr danach einschätzen wollt, welche Prozesse den größten Hebel haben und in welcher Reihenfolge ihr vorgeht, sprecht uns an. In einem Zukunfts-Check ordnen wir eure Prozesse gemeinsam ein und benennen den realistischen ersten Schritt. Wenn ihr lieber direkt ins Gespräch kommt, erreicht ihr uns über die Kontaktseite.