Zum Hauptinhalt springen
deichklar– Startseite und Seitenanfang
KI & Automatisierung

Was ist KI-Automatisierung – und wann lohnt sie sich im Unternehmen?

Eine Terminänderung, drei Lösungswege: So vergleichst du feste Regeln, KI-Vorschläge und teilautonome Abläufe nach Aufwand und Fehlerfolgen.

Von Steve BrzezinskiAktualisiert am 02. November 20265 Min. Lesedauer

Die KI deutet eine Eingabe. Der Ablauf bestimmt, was danach geschieht.

KI-Automatisierung bedeutet hier: Ein Modell übernimmt einen Schritt in einem wiederkehrenden Arbeitsablauf. Es kann etwa aus einer frei formulierten Nachricht einen Terminwunsch herauslesen. Ob danach ein Mensch einen Vorschlag sieht, eine Aufgabe angelegt oder ein Termin geändert wird, legst du separat fest.

Ein hypothetisches Beispiel: Ein Wartungsbetrieb erhält die Nachricht „Donnerstag passt doch nicht. Ginge auch Freitag nachmittags?“. Wer sie bearbeitet, muss einen bestehenden Termin finden, den Wunsch verstehen und die Verfügbarkeit prüfen. Keine dieser Aufgaben erfordert automatisch, dass eine KI im Kalender schreiben darf.

Was darf bei dieser Terminanfrage automatisch passieren?

Vergleiche drei Angebote für genau diese Aufgabe. Frag bei jedem nach dem ersten sichtbaren Ergebnis für dein Team und danach, was sich für den Kunden bereits geändert hat.

Drei mögliche Antworten des Betriebs

Feste Regel: Angaben übertragen

Ein Formular fragt nach der Buchungsnummer und bietet freie Ersatztermine zur Auswahl. Das System prüft die Auswahl beim Speichern erneut und übernimmt den Termin nach Bestätigung. Die Eingaben sind eindeutig; dafür braucht es kein Modell. Eine frei formulierte E-Mail bleibt beim Team.

KI-Unterstützung: Vorschlag anzeigen

Eine Mitarbeiterin sieht neben der Originalmail den erkannten Änderungswunsch. Sie gleicht ihn mit der Buchung ab, prüft den Kalender und antwortet selbst. Der KI-Schritt hat ihr Lesearbeit abgenommen, aber weder einen Termin geändert noch eine Zusage verschickt.

Teilautonom: einen internen Schritt ausführen

Der Ablauf darf aus einem erkannten Wunsch ohne Einzelfreigabe eine interne Wiedervorlage für die Disposition anlegen. Er darf keine Buchung verschieben und keine Nachricht versenden. Ist die Buchung nicht eindeutig zuzuordnen, geht die Originalmail zur manuellen Bearbeitung; sie wird nicht als erledigt markiert.

Eine kleine Änderung am Satz kann die richtige Handlung umkehren.

Teste neben dem einfachen Fall auch diese Nachricht: „Freitag wäre besser, aber bitte den Donnerstag erst stornieren, wenn Freitag feststeht.“ Das passende Ergebnis ist jetzt ein bedingter Wunsch. Der alte Termin muss bleiben. Ein System, das lediglich „Freitag“ und „stornieren“ herausliest, kann einen scheinbar ordentlichen Datensatz erzeugen und doch das Gegenteil des Kundenwunsches bewirken.

Bitte den Anbieter, im Test sowohl die Originalnachricht als auch den vorgeschlagenen nächsten Schritt zu zeigen. Lass anschließend zwei ähnliche Buchungen oder einen inzwischen belegten Freitag zu. Erwartest du eine Rückfrage, muss die ursprüngliche Anfrage für einen Menschen auffindbar bleiben. Eine überzeugend formulierte Antwort ist kein Nachweis, dass ein Platz frei ist.

Anthropic unterscheidet zwischen vorgegebenen Abläufen und Agenten, die ihre nächsten Schritte selbst wählen. Für die interne Wiedervorlage genügt ein vorgegebener Ablauf mit einem KI-Schritt. Das NIST beschreibt als Risiko generativer KI, dass sie falsche Inhalte überzeugend darstellen kann. Hier folgt daraus ganz praktisch: Verfügbarkeit kommt aus dem Kalender, die Absicht aus der Nachricht, die Freigabe aus deiner Betriebsregel.

Lohnt sich der Vorschlag auch nach dem Gegenlesen?

Vergleiche mit der einfachsten brauchbaren Alternative. Wenn Kunden ohnehin über ein Formular buchen, prüfe zuerst, ob sie dort auch eine Änderung anfragen können. Verursacht dagegen das Lesen vieler unterschiedlich formulierter E-Mails den Aufwand, teste die KI mit einer Auswahl bisher ungesehener, für diesen Zweck freigegebener Beispiele. Halte vorher fest, welche Wünsche das Team darin tatsächlich erkennt.

Zwei Fehler zählen getrennt: Wie oft stuft das System eine andere Nachricht fälschlich als Terminänderung ein? Und wie viele tatsächliche Änderungswünsche übersieht es? Eine gute Gesamtquote kann beide Probleme verdecken, wenn nur wenige Mails Terminänderungen enthalten. Microsoft erläutert diese beiden Perspektiven bei der Bewertung von Textklassifikation. Welche Verwechslung bei dir schwerer wiegt, hängt von den Folgen für den Kunden ab.

Welche Variante würdest du nach einem Probelauf behalten?

Lass dieselben Fälle einmal wie bisher und einmal mit Vorschlägen bearbeiten, zunächst ohne echte Buchungen oder Nachrichten auszulösen. Halte pro Fall fest, ob das Team weniger Zeit brauchte, welche Korrektur nötig war und ob ein Kunde bei einem falschen Ergebnis etwas bemerkt hätte.

Prüfliste

  • Bei der Regel bleiben: Die Angaben lassen sich eindeutig abfragen und eine einfache Prüfung erzielt das gewünschte Ergebnis.
  • Vorschläge beibehalten: Die KI hilft beim Lesen, das Gegenprüfen ist schnell und die Mitarbeiterin sieht die Originalnachricht vor ihrer Entscheidung.
  • Einen internen Schritt freigeben: Die mögliche Fehlaktion ist begrenzt, sichtbar und korrigierbar. Eine benannte Person übernimmt liegen gebliebene Fälle und kann die Automatik abschalten.
  • Beim bisherigen Ablauf bleiben: Die Nacharbeit frisst den Vorteil auf, oder ein übersehener Wunsch hätte Folgen, die das Team im Betrieb nicht zuverlässig auffängt.

Häufige Fragen

Kurz beantwortet.

Steve Brzezinski

Autor & redaktionelle Prüfung

Steve Brzezinski

Redaktionell verantwortlich für Deichklar · KI-gestützt erstellt und geprüft, ohne persönliche Prüfung dieses Beitrags durch Steve

Der Beitrag wird vor der Veröffentlichung auf fachliche Nachvollziehbarkeit, klare Grenzen und Übereinstimmung mit dem tatsächlichen Deichklar-Angebot geprüft.

Kostenloses Erstgespräch

An welcher Nachricht bleibt dein Team hängen?

Beschreibe eine typische Anfrage und was danach passieren soll. Daran lässt sich besprechen, ob eine Regel reicht oder ein KI-Vorschlag das Lesen erleichtert.

Anwendungsfall besprechen