Wo KI in einen Workflow gehört – und wo Regeln besser sind

Nehmen wir einen Prozess, den fast jedes Unternehmen kennt: Kundinnen und Kunden möchten per E-Mail eine Bestellung ändern. Ein anderes Lieferdatum, zwei Paletten mehr, eine neue Lieferadresse. Jemand liest die E-Mail, sucht den Auftrag im ERP, prüft, ob die Änderung möglich ist, passt ihn an und antwortet.

Wer das automatisieren will, denkt zuerst oft: Das soll doch einfach die KI machen. E-Mail lesen, verstehen, System aktualisieren, antworten. In der Demo sieht das gut aus. Es ist trotzdem das falsche Design, und meistens bricht es im zweiten Monat.

Zuerst den Prozess in Schritte zerlegen

Bevor Sie irgendetwas über KI entscheiden, schreiben Sie den Prozess als Liste von Schritten auf. Nicht die saubere Version aus dem Prozesshandbuch, sondern die echte, inklusive des Moments, in dem Sandra den Lagerbestand in einer separaten Excel-Datei nachschaut, weil die Zahl im ERP nie ganz stimmt.

Für das Beispiel mit den Bestelländerungen sieht das etwa so aus:

1. 01E-Mail lesen und verstehen, was der Kunde will.
2. 02Auftragsnummer, neues Datum oder neue Menge und Absender herausfinden.
3. 03Den Auftrag im ERP suchen.
4. 04Prüfen, ob die Änderung zulässig ist (Annahmeschluss, Lagerbestand, Kreditlimite).
5. 05Den Auftrag anpassen.
6. 06Dem Kunden antworten.

Jetzt gehen Sie die Liste durch und stellen pro Schritt eine einzige Frage.

Die Frage: Urteil oder Regel?

Liesse sich dieser Schritt als Regel an ein Whiteboard schreiben, so klar, dass eine Praktikantin ihn ohne Rückfrage befolgen könnte? Dann ist es eine Regel, und die gehört in Code. Lautet die ehrliche Antwort «kommt darauf an» oder «meistens», haben Sie einen Schritt gefunden, bei dem KI helfen kann.

Die Schritte 1 und 2 brauchen Urteilsvermögen. E-Mails kommen auf Deutsch, Französisch und Englisch, manchmal alles im selben Verlauf. Auftragsnummern verstecken sich in der Signatur, im Betreff oder in einem weitergeleiteten PDF. Ein Kunde schreibt «gleich wie letztes Mal, aber am Donnerstag». Ein Sprachmodell ist sehr gut darin, aus so einem Durcheinander einen sauberen, strukturierten Datensatz zu machen: Was ist gewünscht, welcher Auftrag, welches Datum, und wie sicher ist die Erkennung.

Die Schritte 3 bis 5 sind Regeln. Existiert der Auftrag? Liegt das neue Datum nach dem Annahmeschluss? Reicht der Bestand? Auf jede dieser Fragen gibt es genau eine richtige Antwort, und die soll jedes Mal gleich ausfallen. Ein Modell liegt meistens richtig. «Meistens» reicht aber nicht, wenn es um eine Lieferung geht. (Langsamer ist es ausserdem, und jeder Aufruf kostet ein bisschen, was sich bei ein paar tausend E-Mails im Monat summiert.)

Schritt 6 braucht wieder Urteilsvermögen. Eine höfliche, korrekte Antwort in der Sprache des Kunden zu formulieren, können Modelle gut, solange die Fakten darin aus Schritt 4 stammen und nicht aus der Fantasie des Modells.

KI an den Rändern, Regeln in der Mitte

Daraus ergibt sich fast immer dasselbe Muster. KI sitzt an den Rändern des Prozesses, dort, wo unordentliche Eingaben hereinkommen und für Menschen lesbare Texte hinausgehen. Regeln sitzen in der Mitte, wo entschieden und in Systemen geändert wird.

Konkret heisst das: Das Modell greift nie direkt aufs ERP zu. Es liefert ein strukturiertes Ergebnis, etwa «Auftrag 48213, Lieferdatum auf 14. November ändern, Erkennung sicher», und ab da übernimmt gewöhnlicher Code. Sagt der Code, die Änderung sei nicht möglich, bekommt das Modell genau diese Information und formuliert eine Antwort, die das erklärt. Diskutieren darf es nicht.

Das hat einen angenehmen Nebeneffekt: Wenn etwas schiefgeht, sieht man, wo. Entweder war die Erkennung falsch (E-Mail und Datensatz vergleichen) oder die Regel (Code anschauen). Bei einem einzigen grossen KI-Schritt bleibt nur ein falsches Ergebnis und ein Schulterzucken.

Die Ausnahmen vor dem Normalfall planen

Keine Erkennung ist perfekt. Manche E-Mails sind tatsächlich mehrdeutig, manche Wünsche decken Ihre Regeln nicht ab, und manchmal ist sich das Modell schlicht unsicher. Das ist in Ordnung, solange vorher feststeht, was dann passiert.

Das Ziel ist nicht 100 Prozent Automatisierung. Das Ziel ist, dass jeder Fall an einem von zwei Orten landet: automatisch erledigt oder bei einer Person, mit allem bereits vorbereitet. Der Auftrag ist gefunden, das Anliegen zusammengefasst, und in einer Zeile steht, warum der Fall gestoppt wurde. Die Person braucht dann dreissig Sekunden statt fünf Minuten.

Wir starten lieber mit einer vorsichtigen Schwelle, bei der mehr Fälle bei einem Menschen landen, und lockern sie, sobald die Zahlen zeigen, dass es sicher ist. Der umgekehrte Weg (aggressiv starten, später aufräumen) ist der, auf dem Automatisierungsprojekte das Vertrauen der Leute verlieren, die damit arbeiten müssen.

So prüfen Sie Ihren eigenen Prozess

Ein paar Anzeichen sprechen bei einem Schritt für KI:

• Die Eingabe ist Freitext, ein Scan oder ein Dokument ohne festes Layout.
• Dasselbe wird auf viele Arten ausgedrückt, oder in mehreren Sprachen.
• Das Ergebnis ist ein Entwurf, den ohnehin noch ein Mensch liest.

Und ein paar sprechen für eine einfache Regel:

• Es gibt eine richtige Antwort, und die muss jedes Mal gleich sein.
• Der Schritt verändert Geld, Lagerbestand, Verträge oder Zugriffsrechte.
• Sie müssten die Entscheidung einer Revisionsstelle erklären können.

Wenn Sie unsicher sind, formulieren Sie den Schritt als einen einzigen Satz. Steht darin «immer», schreiben Sie die Regel. Steht darin «meistens» oder «kommt darauf an», ist das die Stelle, an der ein Modell sein Geld wert ist.