KI: So viel wie nötig, so wenig wie möglich

Automatisierung ist nicht erst seit ChatGPT ein Thema. Unternehmen automatisieren Prozesse seit Jahrzehnten, mit Makros, Skripten, Workflows, Robotic Process Automation. Das funktioniert, das ist erprobt, und das hat einen entscheidenden Vorteil: Es ist deterministisch. Wenn ich heute 3 plus 3 rechne, kommt 6 raus. Morgen auch. Übermorgen auch.

Der Durchbruch der Large Language Models und die Fortschritte im Natural Language Processing haben die Erwartungen an Automatisierung massiv verändert. Plötzlich scheint alles möglich. Aber genau hier lauert die Falle: Nicht alles, was möglich ist, ist auch sinnvoll.

Drei Stufen der Automatisierung

In unserer Beratungspraxis unterscheiden wir drei Stufen. Jede hat ihren Platz, und ihre Grenzen.

Stufe 1: Klassische Automatisierung, ohne KI

Regelbasierte Workflows, API-Integrationen, Datenbank-Operationen, Dateitransfers, Formulare, die automatisch verarbeitet werden. Alles, was sich in klare Wenn-Dann-Regeln fassen lässt.

Der große Vorteil: Diese Prozesse sind das Robusteste, was wir bauen können. Wir bewegen uns komplett im deterministischen Raum. Das Ergebnis ist vorhersagbar, reproduzierbar, testbar. Keine Überraschungen.

Typische Werkzeuge: n8n, Make, Zapier, Python-Skripte, REST APIs, klassische RPA-Tools.

Stufe 2: KI-Assistenz, KI als Werkzeug im Prozess

Hier nehmen wir KI gezielt in einen ansonsten klassischen Prozess hinzu. Warum? Weil bestimmte Aufgaben nicht regelbasiert lösbar sind:

Natürliche Sprache muss verstanden, klassifiziert oder generiert werden. Bilder, Handschriften oder gescannte Dokumente müssen erkannt werden. Unstrukturierte Daten müssen in strukturierte Formate überführt werden. Sonderfälle müssen erkannt werden, die sich nicht in einfache Regeln fassen lassen.

In dieser Stufe bleibt der Gesamtprozess vormodelliert: der Ablauf steht fest. Nur an bestimmten Stellen kommt KI als Werkzeug zum Einsatz, um Aufgaben zu lösen, die ohne sie nicht machbar wären.

Stufe 3: KI-Agenten, KI als Entscheider

Hier drehen wir das Prinzip um. Wir modellieren nicht mehr den kompletten Ablauf vor, sondern stellen einem KI-Agenten Werkzeuge zur Verfügung, und der Agent entscheidet eigenständig, welche er nutzt, in welcher Reihenfolge, und wie oft.

Der große Vorteil: Enorme Flexibilität. Der Agent kann auf unvorhergesehene Situationen reagieren, kreative Lösungswege finden und komplexe Aufgaben bewältigen, für die wir keinen starren Workflow bauen könnten.

Der Nachteil: Wir geben Kontrolle ab. Und das erfordert Guardrails, klare Grenzen, innerhalb derer der Agent agieren darf. Denn die Autonomie eines Agenten bedeutet auch: Er kann falsche Entscheidungen treffen. Und die Risiken, die dabei entstehen, müssen wir aktiv begrenzen.

Natürlich gibt es in der Literatur noch diverse Automatisierungslevels und Reifegrade. Aber wenn man diese drei Ebenen verstanden hat, und dass jede ihren ganz spezifischen Anwendungsfall und Nutzen hat, dann ist schon viel gewonnen.

Aus der Praxis: Wir hatten einen Kunden, der zahlreiche Automatisierungsprozesse betrieb, effizient, stabil, zuverlässig. Alles lief. Dann kam der Wunsch, KI in diese bestehenden Prozesse einzubauen. Nicht weil es ein konkretes Problem gab. Nicht weil etwas fehlte. Sondern weil KI eben gerade das große Thema war.

Das ist ein Muster, das wir häufig sehen. Und es ist genau der falsche Ansatz.

"Wir implementieren KI nicht der KI wegen. Wir implementieren KI dort, wo wir sie brauchen, um Probleme zu lösen, die ohne sie nicht lösbar sind.", Thorsten Vellmerk

Warum weniger KI oft mehr ist

Künstliche Intelligenz, so wie wir sie heute kennen, basiert auf Wahrscheinlichkeiten. Das ist fundamental anders als ein Taschenrechner. Beim Taschenrechner ist 3 plus 3 heute 6, morgen 6, immer 6.

Bei wahrscheinlichkeitsbasierten Systemen kann morgen 5,9 rauskommen. Oder 6,1. Diese Abweichungen sind systemimmanent, und in vielen Fällen sogar gewünscht, denn sie ermöglichen erst die Kreativität und Flexibilität, die KI so mächtig macht.

Natürlich arbeiten wir im Entwicklungsprozess daran, diese Abweichungen zu minimieren, durch bessere Prompts, engere Kontexte, Validierungsschritte. Aber der Grundsatz bleibt:

"Wenn ich etwas deterministisch lösen kann, dann nutze ich keine KI. Denn jede KI-Komponente macht den Prozess ein Stück unsicherer, und in der Regel auch teurer.", Thorsten Vellmerk

Das ist kein Anti-KI-Statement. Im Gegenteil: Es ist die Voraussetzung dafür, dass KI dort eingesetzt wird, wo sie wirklich glänzt. Wenn wir KI überall einsetzen, auch dort, wo ein einfaches If-Then reicht, dann verwässern wir ihren Mehrwert und erhöhen gleichzeitig Kosten, Komplexität und Fehleranfälligkeit.

Die richtige Stufe wählen

In unserer Beratung beginnen wir deshalb immer mit der Frage: Auf welcher Stufe sollte dieser Prozess automatisiert werden? Die Antwort ist oft überraschend: Viele Prozesse, für die Kunden glauben, KI zu brauchen, lassen sich mit klassischer Automatisierung lösen, schneller, günstiger, zuverlässiger.

Und dort, wo KI wirklich gebraucht wird, setzen wir sie gezielt ein, als Assistenz in einem kontrollierten Prozess oder als Agent mit klar definierten Guardrails.

Fazit

Die drei Stufen der Automatisierung sind kein Fortschrittsmodell, bei dem man möglichst schnell zur höchsten Stufe will. Sie sind ein Werkzeugkasten. Und wie bei jedem guten Werkzeugkasten gilt: Nimm das Werkzeug, das zum Problem passt, nicht das, das am eindrucksvollsten aussieht.

Sie sind sich nicht sicher, welche Stufe für Ihren Prozess die richtige ist? Sprechen Sie uns an, wir helfen Ihnen, die richtige Balance zwischen Automatisierung und KI zu finden.