Prozessautomatisierung mit KI-Agenten: Von starren Regeln zu klaren Zielen

Warum braucht Prozessautomatisierung mit KI neue Modelle?

KI-Prozessautomatisierung bezeichnet die Automatisierung von Geschäftsprozessen mithilfe Künstlicher Intelligenz (KI). Im Unterschied zur regelbasierten Automatisierung übernimmt sie auch Schritte, die sich nicht vollständig in Regeln fassen lassen, etwa weil Anfragen frei formuliert sind oder Kontext gedeutet werden muss.

Ein Urlaubsantrag ist schnell modelliert: Antrag stellen, Dauer prüfen, Freigabe einholen, Kalender aktualisieren. Dann kommen die Ausnahmen. Urlaub in den Schulferien braucht eine zusätzliche Freigabe, Mitarbeitende im Ausland unterliegen anderen Regeln, der Antrag über den Jahreswechsel berührt zwei Urlaubskonten. Aus vier Schritten wird ein Regelwerk mit Dutzenden Verzweigungen.

Komplexere Prozesse wie Order-to-Cash funktionieren ähnlich, nur mit größeren Abhängigkeiten und höheren Kosten. KI-Agenten versprechen, Varianten flexibler zu bewältigen. Diese agentenbasierte Prozessautomatisierung, oder Agentic Process Automation, verfolgt ein vorgegebenes Ziel selbstständig und in mehreren Schritten. Das gelingt jedoch nur, wenn Unternehmen Prozesse für KI-Agenten anders beschreiben als bisher und die Grundlagen schaffen, auf die diese angewiesen sind.

Warum werden regelbasierte Prozesse mit der Zeit schwer beherrschbar?

Regelbasierte Prozesse werden schwer beherrschbar, weil jede Ausnahme eine weitere Regel erfordert. Modelliert werden solche Abläufe häufig in Business Process Model and Notation (BPMN), einer standardisierten Notation, mit der Unternehmen Geschäftsprozesse grafisch darstellen. Ihre Stärke liegt in der Nachvollziehbarkeit: Jeder Schritt ist dokumentiert, jede Entscheidung prüfbar.

Mit der Zeit zeigen sich jedoch typische Grenzen. Jede geänderte Regel erfordert eine Anpassung des Modells und erneute Tests. Sonderfälle vervielfachen die Zahl der Varianten, bis kaum noch jemand den Überblick über alle Pfade hat. Läuft ein Vorgang in eine Variante, die das Modell nicht abdeckt, stoppt der Prozess und muss manuell weitergeführt werden.

Hinzu kommt, dass ein Prozess seine Regeln kennt, aber nicht deren Zweck. Die Freigabepflicht ab fünf Urlaubstagen soll sicherstellen, dass ein Team arbeitsfähig bleibt. Der Prozess fordert die Freigabe aber auch dann, wenn das Team in einer ruhigen Phase ist. Was ein Mensch in Sekunden einschätzen könnte, muss das Modell über eine weitere Regel abbilden.

Am deutlichsten wird der Aufwand bei Systemwechseln. Viele Unternehmen haben über Jahre individuelle Prozesslogik in SAP ECC 6.0 aufgebaut. Die reguläre Wartung dafür endet Ende 2027, eine kostenpflichtige Verlängerung ist bis Ende 2030 möglich. Wer auf SAP S/4HANA wechselt, kann gewachsene Sonderlogik oft nicht unverändert übernehmen und muss sie mit erheblichem Aufwand neu aufbauen.

Das spricht nicht gegen regelbasierte Automatisierung. Für stabile Abläufe mit klaren Regeln bleibt diese die günstigere und verlässlichere Lösung. Problematisch werden Prozesse, deren Regelwerk vor allem aus Ausnahmen besteht. Für Sie lohnt sich der Blick auf KI-basierte Prozessautomatisierung.

Was ändert sich, wenn KI-Agenten Prozesse über Ziele statt Regeln steuern?

Ein zielbasierter Prozess ist ein Ablauf, in dem Unternehmen das gewünschte Ergebnis, den verfügbaren Kontext und die Grenzen festlegen, während ein KI-Agent die einzelnen Schritte innerhalb dieser Grenzen bestimmt. Statt jeden Pfad vorab zu modellieren, beschreiben Unternehmen, was am Ende erreicht sein soll. Zielbasierte Prozesse bilden damit den Kern der Agentic Process Automation.

Am Beispiel des Urlaubsantrags lautet das Ziel etwa: „Stelle sicher, dass die Urlaubsanfrage angemessen geprüft, genehmigt und gebucht ist.“ Der Agent prüft dann selbstständig die verbleibenden Urlaubstage im Personalsystem, gleicht den Zeitraum mit Projektfristen ab, holt die Freigabe der Führungskraft ein oder wendet sich an die Vertretung, wenn diese abwesend ist, und dokumentiert seine Entscheidung.

Damit verschiebt sich die Leitfrage der Prozessgestaltung. Sie lautet nicht mehr „Wie mache ich den Ablauf regelbasiert sicher?“, sondern „Welchen Kontext braucht der Agent, um das Ziel sicher zu erreichen?“. Eine belastbare Zielbeschreibung umfasst dafür mehrere Bestandteile:

• Ziel und Erfolgskriterium: Woran lässt sich erkennen, dass der Vorgang korrekt abgeschlossen ist?
• Kontext und Datenquellen: Welche Informationen braucht der Agent und in welchen Systemen liegen sie?
• Werkzeuge: Welche Aktionen darf der Agent ausführen, etwa Schnittstellenaufrufe oder bestehende Automatisierungen?
• Grenzen und Übergaben: Was darf der Agent nicht entscheiden und wann übernimmt ein Mensch?
• Dokumentation: Wie hält der Agent fest, warum er wie entschieden hat?

Feste Regeln verschwinden dabei nicht. Was sich eindeutig definieren lässt, etwa der gesetzliche Urlaubsanspruch oder eine Freigabegrenze, bleibt als feste Regel im System hinterlegt. Der Agent übernimmt die Teile, für die sich der Weg nicht vorab festlegen lässt.

Wichtig ist eine realistische Erwartung: KI-Agenten auf Basis von Sprachmodellen lernen im laufenden Betrieb nicht eigenständig dazu. Entscheidet ein Agent falsch, passen Menschen Ziel, Anweisungen oder Kontext an und testen die Änderung, bevor sie wirksam wird.

Warum bleibt KI-Prozessautomatisierung oft im Pilotstadium stecken?

Viele KI-Piloten zur Prozessautomatisierung bleiben stecken, weil der Sprung aus der Testumgebung in den Produktivbetrieb an Prozess, Integration und Daten scheitert. Laut dem Bericht „The GenAI Divide: State of AI in Business 2025“ der MIT-Initiative NANDA erzielten 95 Prozent der untersuchten Organisationen keinen messbaren finanziellen Ertrag aus ihren Initiativen mit generativer KI. Die Autor:innen führen das vor allem auf eine mangelhafte Einbindung in die Unternehmensabläufe zurück. Die Zahl beruht auf Interviews, Befragungen und der Analyse veröffentlichter Projekte und lässt sich nicht pauschal übertragen. Die Richtung deckt sich jedoch mit Erfahrungen aus der Praxis, in der vor allem drei Ursachen auftreten:

• Erstens funktioniert der Pilot, der Prozess dahinter aber nicht.
  Ein KI-Agent bewältigt in der Testumgebung einen klar abgegrenzten Ausschnitt. Im Produktivbetrieb trifft er auf die volle Variantenvielfalt, für die der Prozess nie mit Blick auf einen Agenten gestaltet wurde.
• Zweitens sind Systeme nur paarweise miteinander verbunden.
  Bei solchen Punkt-zu-Punkt-Integrationen fehlt eine zentrale Ebene, über die ein Agent verlässlich auf Daten und Aktionen zugreifen kann. Jede neue Anbindung wird zum Einzelprojekt.
• Drittens sind die Daten fragmentiert.
  Fehlt dem KI-Agenten der Kontext, trifft er falsche Entscheidungen oder erfindet Informationen. In einem Umfeld, in dem er selbstständig handelt, ist das besonders folgenreich.

Daraus ergibt sich eine Reihenfolge. Wirksame Prozessautomatisierung mit KI-Agenten setzt einen digitalen Kern voraus, also CRM-, ERP- und Cloud-Systeme mit standardisierten Prozessen. Darauf baut eine Integrationsschicht aus Schnittstellen, Middleware und Identitätsverwaltung auf, gefolgt von harmonisierten Daten und klaren Regeln für Datenqualität, Sicherheit und Berechtigungen.

Was passiert, wenn jede Plattform eigene KI-Agenten mitbringt?

Bringt jede Plattform einer Systemlandschaft eigene KI-Agenten mit, entstehen Insellösungen, die jeweils einen Prozessschritt abdecken, aber keinen durchgängigen Prozess. Nahezu jeder Softwareanbieter bietet inzwischen Agenten für die eigene Plattform an. Unternehmen setzen sie im CRM-System ein, im ERP-System und in der Office-Umgebung, häufig unabhängig voneinander.

Die Entwicklung erinnert an den Schnittstellen-Wildwuchs vergangener Jahre, also eine unkontrolliert gewachsene Zahl von Schnittstellen, über die niemand mehr einen Gesamtüberblick hat. Bei Agenten sind die Folgen ähnlich. Sie greifen auf unterschiedliche Datengrundlagen zu und sehen daher jeweils nur einen Ausschnitt des Kontexts. Sicherheit, Governance und Überwachung werden für jedes System getrennt geregelt. Die Abhängigkeit von einzelnen Anbietern steigt.

Solange Agenten einzelne Aufgaben erledigen, mag das ausreichen. Für einen Prozess, der über mehrere Systeme läuft, braucht es eine übergreifende Ebene, auf der Unternehmen Orchestrierung, Governance, Sicherheit und den gesamten Lebenszyklus ihrer Agenten steuern, von der Entwicklung bis zur Ablösung. Hilfreich sind dafür früh beantwortete Fragen: Welche Agenten gibt es im Unternehmen, wer verantwortet sie, worauf dürfen sie zugreifen und wie übergeben sie Aufgaben aneinander?

Was bedeutet Agentic Process Automation für Prozessverantwortliche?

Prozessverantwortliche formulieren künftig Ziele und sorgen für Kontext, statt Regeln zu pflegen. Ihre Aufgabe verschiebt sich vom Modellieren jeder Verzweigung hin zum Beschreiben von Ergebnissen, Erfolgskriterien und Grenzen.

Dazu gehört, das Verhalten eines KI-Agenten mit realen Fällen zu testen, gerade mit den Sonderfällen, an denen das alte Regelwerk gewachsen ist. Ebenso gehört dazu, gemeinsam mit der IT zu klären, welche Daten und Schnittstellen der Agent braucht. Der Wandel ist dabei weniger eine technische als eine organisatorische Herausforderung. Teams, die jahrelang in Regeln gedacht haben, müssen nachvollziehen können, warum ein Prozess sich ändert und welche Wirkung das hat. Change-Management gehört deshalb von Beginn an in die Planung.

Fazit: Regeln dort, wo sie tragen, und Ziele dort, wo sie fehlen

KI-Agenten lösen klassische Prozessmodelle nicht ab. Was sich eindeutig definieren lässt, bleibt im Regelwerk. Wo Varianten, Kontext und Abwägung den Ablauf bestimmen, übernimmt ein Agent mit klarem Ziel. Die Kombination aus beiden macht Prozesse flexibler, ohne dass sie an Nachvollziehbarkeit verlieren.

Entscheidend ist die Reihenfolge. Prozessautomatisierung mit KI-Agenten braucht verknüpfte Systeme, verlässliche Daten und eine gemeinsame Steuerung, bevor sie im Produktivbetrieb Mehrwert schafft. Ein guter Startpunkt ist ein Prozess, der heute an seinen Ausnahmen leidet und dessen Daten bereits gut zugänglich sind.

Sie möchten herausfinden, welche Ihrer Prozesse sich für zielbasierte Abläufe mit KI-Agenten eignen? Die Expert:innen von Salesfive unterstützen Sie bei Prozessanalyse, Integrations- und Datenarchitektur sowie der Governance für Agenten in Ihrer Systemlandschaft. Sprechen Sie uns an!