Welcher Prozess lohnt sich für die Automatisierung – und wo verbrennt man lediglich Geld? Ein kurzer Leitfaden für eine strategische Selektion.

Der aktuelle Diskurs um Künstliche Intelligenz (KI) ist von einem Paradoxon geprägt. Einerseits versprechen Grossmodelle von OpenAI oder Claude eine beispiellose Produktivitätssteigerung; andererseits verharren viele Pilotprojekte im Stadium von isolierten Experimenten. Das Problem liegt selten an der Leistungsfähigkeit der Algorithmen, sondern an einer mangelnden Vorauswahl der Anwendungsfälle. Wer versucht, hochkomplexe, strategische Einzelfallentscheidungen zu automatisieren, wird enttäuscht. Wer hingegen die «Sisyphusarbeit» des digitalen Alltags identifiziert, erzielt rasche Erfolge.

Bisher war Prozessautomatisierung (oft unter dem Begriff Robotic Process Automation, kurz RPA, zusammengefasst) ein binäres Geschäft. Ein Prozess musste zu 100 Prozent regelbasiert sein, um automatisiert werden zu können. Jede Abweichung vom Standardprotokoll führte zum Systemabbruch. Das Resultat: Nur ein Bruchteil der Unternehmensabläufe war für eine Automatisierung geeignet, da die meisten realen Daten – E-Mails, Offerten, Gesprächsprotokolle – in unstrukturierter Form vorliegen.

Die Innovation: Wenn Software «versteht» statt nur ausführt

Der technologische Sprung besteht heute darin, dass wir dank LLMs die Barriere der Unstrukturiertheit durchbrochen haben. Moderne Workflows, wie wir sie bei mühlemann+popp konzipieren, nutzen KI als kognitives Bindeglied.

Technisch betrachtet fungiert die KI hierbei als Interpreter: Sie extrahiert aus einem Freitext-Dokument (z. B. einer E-Mail oder PDF) relevante Parameter, validiert diese gegen bestehende Datenbanken und bereitet die Entscheidung für das nachgelagerte System (ERP oder CRM) vor. Wir sprechen hier von «Agentic Workflows» – Systemen, die nicht nur stumpf Befehle ausführen, sondern innerhalb definierter Leitplanken autonom Zwischenschritte bewältigen.

Der Reality Check: Wo sich die Spreu vom Weizen trennt

Nicht jeder Prozess, der technisch automatisierbar wäre, ist wirtschaftlich sinnvoll. Unsere Projekterfahrung zeigt, dass eine kühle Analyse der folgenden Kriterien über den Return on Investment (ROI) entscheidet. 

Ein klassischer Gewinner: Die Rechnungsverarbeitung

Ein Paradebeispiel für einen lohnenswerten KI-Einsatz ist die Verarbeitung von Kreditorenrechnungen. Hier treffen hohe Volumina auf semi-strukturierte Daten. Die KI identifiziert den Kreditor, extrahiert Betrag, Rechnungsnummer, Kostenstelle etc. und schlägt basierend auf historischen Daten die Kostenstelle vor. Der Mensch wechselt von der Rolle des Datenerfassers in die Rolle des Kontrolleurs.

Ein klassischer Verlierer: Strategische Verhandlungen

Im Gegensatz dazu steht die Lieferantenverhandlung für Grossverträge. Hier spielen Empathie, Marktkenntnis und langfristige Strategie eine Rolle. Da diese Verhandlungen selten stattfinden und jeder Fall individuell gelagert ist, übersteigen die Entwicklungskosten für eine KI-Unterstützung den Nutzen bei weitem.

Fazit & Business Value

Die Einführung von KI-Workflows ist kein IT-Projekt, sondern eine Übung in betriebswirtschaftlicher Effizienz.

• Für KMU: Der Fokus sollte auf der Entlastung von administrativen Querschnittsaufgaben liegen (HR-Onboarding, Fakturierung, Kundenanfragen). Hier ist der Hebel zur Skalierung ohne Personalaufstockung am grössten.

• Für Enterprises: Hier liegt der Wert in der Datenkonsistenz über Abteilungsgrenzen hinweg und der Beschleunigung von globalen Prozessen.

• Wann abwarten? Wenn Ihre Prozesse aktuell noch gar nicht dokumentiert sind. KI kann einen schlechten Prozess nicht heilen; sie beschleunigt ihn nur. Ordnung muss vor der Automatisierung stehen.

Wir bei mühlemann+popp begleiten Unternehmen dabei, diese Grenze zwischen technischer Machbarkeit und betriebswirtschaftlicher Vernunft präzise zu ziehen. Es geht uns nicht um die maximale Automatisierung, sondern um die optimale – dort, wo Technologie den Menschen wirklich unterstützen kann.