KI-Agenten, RPA oder Workflow-Automatisierung: Was brauchen Sie?

Ein Kunde nimmt ein Angebot an. Jemand aktualisiert Ihr CRM, legt einen Auftrag im Buchhaltungssystem an, speichert die Unterlagen und schickt dem Produktionsteam eine E-Mail.

Jeder Schritt ist notwendig. Dieselben Informationen von Hand zwischen Systemen zu übertragen, kostet Zeit und schafft Fehlerquellen.

Dann meldet sich ein anderer Kunde mit einem komplizierteren Anliegen: Er möchte ein anderes Material, einen früheren Liefertermin und eine Erläuterung zu etwas, das im vergangenen Monat besprochen wurde. Die Bearbeitung dieser Anfrage erfordert Interpretation, Zugriff auf frühere Gespräche und Entscheidungen über das weitere Vorgehen.

Beide Fälle bieten Ansatzpunkte für Automatisierung. Dafür sind unterschiedliche Fähigkeiten gefragt.

Für kleine und mittlere Unternehmen beginnt die Wahl zwischen Workflow-Automatisierung, Robotic Process Automation (RPA) und KI-Agenten damit, die Aufgabe zu verstehen.

Ansatz	Kernfunktion	Typischer Einsatz
Workflow-Automatisierung	Koordiniert festgelegte Schritte, Regeln und Übergaben	Legt nach Annahme eines Angebots einen Auftrag an
RPA	Führt wiederholbare Aktionen in Software aus, auch über deren Benutzeroberfläche	Überträgt Auftragsdaten in eine ältere Anwendung
KI-Agenten	Wählen während der Bearbeitung einer Aufgabe Aktionen und Werkzeuge aus	Untersuchen eine Kundenanfrage anhand mehrerer Quellen

Diese Ansätze überschneiden sich. Ein Geschäftsprozess kann alle drei nutzen, und viele Automatisierungsplattformen unterstützen mehrere davon.

Workflow-Automatisierung eignet sich für Prozesse, bei denen Sie die nächsten Schritte festlegen können. Ein Auslöser startet den Prozess, Regeln bestimmen den Ablauf, und verbundene Systeme führen die Aktionen aus.

Die Annahme eines Angebots könnte beispielsweise einen Workflow starten, der Pflichtfelder prüft, einen Kundenauftrag anlegt, die Freigabe eines Rabatts anfordert und die für die Lieferung zuständige Person benachrichtigt. Verzweigungen und Ausnahmen können Teil des Ablaufs sein: Aufträge oberhalb eines bestimmten Werts benötigen möglicherweise eine zusätzliche Freigabe.

Werkzeuge verbinden Anwendungen häufig über fertige Konnektoren oder APIs, also Schnittstellen, über die Softwaresysteme Informationen austauschen. Microsofts Dokumentation zu Power Automate beschreibt Abläufe, die durch Ereignisse, Zeitpläne oder eine Benutzeraktion gestartet werden.

Dieser Ansatz ist ein guter Ausgangspunkt, wenn Ihr Team den Prozess klar beschreiben kann und die benötigten Integrationen verfügbar sind.

Der aufwendigere Teil besteht oft darin, die Regeln festzulegen. Wer genehmigt einen Rabatt? In welchem System steht die korrekte Kundenadresse? Was passiert, wenn eine Pflichtangabe fehlt? Diese Fragen brauchen klare Antworten, bevor der Workflow zuverlässig funktionieren kann.

RPA hilft, wenn Menschen wiederkehrende Aktionen innerhalb einer Anwendung ausführen müssen. Ein Softwareroboter kann ein Programm öffnen, durch dessen Benutzeroberfläche navigieren, Felder auslesen, Informationen eingeben und das Ergebnis speichern. RPA-Plattformen können auch APIs und andere Integrationsmethoden nutzen; die Bedienung der Oberfläche ist besonders hilfreich, wenn direkte Verbindungen fehlen. IBMs Erklärung zu RPA behandelt beide Ansätze.

Stellen Sie sich vor, Ihr CRM bietet eine unterstützte Integration, Ihre Produktionssoftware nimmt Aufträge aber nur über ein Formular in einer Desktopanwendung entgegen. Ein RPA-Roboter könnte geprüfte Auftragsdaten übernehmen und in dieses Formular eintragen.

RPA kommt infrage, wenn die Aufgabe klaren Regeln folgt, häufig genug anfällt, um eine Automatisierung zu rechtfertigen, und in weitgehend stabiler Software ausgeführt wird.

Wartung ist dabei wichtig. Ein geändertes Formular, ein unerwartetes Pop-up oder eine abgelaufene Sitzung können die Ausführung unterbrechen. Die Automatisierung braucht Prüfungen, die den Erfolg der vorgesehenen Aktion bestätigen, und ein klares Vorgehen bei Fehlern.

Wenn eine unterstützte Integration dieselbe Aufgabe erledigen kann, prüfen Sie diese zuerst. Die Automatisierung über die Benutzeroberfläche ist besonders wertvoll für die Schritte, bei denen weiterhin eine Anwendung bedient werden muss.

KI-Agenten eignen sich für Aufgaben, bei denen die nächste Aktion davon abhängt, was das System herausfindet. In diesem Artikel bezeichnet ein Agent ein System, das mithilfe eines KI-Modells während der Ausführung einzelne Schritte und Werkzeuge auswählt. Anbieter verwenden die Begriffe unterschiedlich; Anthropics Unterscheidung zwischen Workflows und Agenten bietet eine nützliche Grundlage für den Vergleich.

Nehmen wir einen Kunden, der einen bestehenden Auftrag ändern möchte. Ein Agent ließe sich so einrichten, dass er den Auftrag sucht, die relevante Korrespondenz prüft, verfügbare Produktinformationen abruft und fehlende Angaben erkennt. Sein nächster Schritt würde von den Ergebnissen abhängen.

Er könnte einen Änderungsvorschlag vorbereiten, eine Rückfrage entwerfen oder den Fall mit den zugehörigen Informationen an einen Mitarbeiter weitergeben.

Ein Agent ist eher sinnvoll, wenn sich Anfragen deutlich unterscheiden und ihre Bearbeitung unterschiedliche Abfolgen von Aktionen erfordert. Sein Handlungsspielraum braucht weiterhin Grenzen: Auf welche Datensätze darf er zugreifen, welche Änderungen darf er vornehmen, und wann muss er einen Menschen hinzuziehen?

KI-Ergebnisse können falsch sein. Bei Entscheidungen mit erheblichen Auswirkungen, etwa der Genehmigung einer Preisänderung oder der Zusage eines Liefertermins, sollte die Prüfung durch einen Menschen von Anfang an vorgesehen sein. Der Überblick von AWS zu KI-Agenten behandelt sowohl den Einsatz von Werkzeugen als auch die Rolle menschlicher Prüfung.

Ein Agent braucht außerdem ein messbares Ziel. Ob „Bereite eine Auftragsänderung mit nachvollziehbaren Belegen vor“ erfüllt wurde, lässt sich leichter beurteilen als „Kümmere dich um den Kundenservice“.

Eine wichtige Unterscheidung lautet: Der Einsatz von KI erfordert nicht automatisch einen Agenten.

Angenommen, Sie möchten einen Kundennamen, einen Produktcode und den gewünschten Liefertermin aus einer E-Mail auslesen. KI könnte diese Informationen innerhalb eines festgelegten Workflows erfassen. Der Workflow könnte anschließend die Felder und den Kundendatensatz prüfen und unvollständige Anfragen zur Prüfung weitergeben.

Die KI interpretiert die Eingabe; der umgebende Prozess legt fest, was als Nächstes passiert. Für diese Aufgabe kann das ausreichen.

Dasselbe gilt für das Zusammenfassen von Dokumenten, das Einordnen von Anfragen oder das Entwerfen von Antworten. Prüfen Sie vor der Einführung eines Agenten, ob das System seine nächsten Aktionen selbst wählen muss.

Für viele Unternehmen ergibt sich die beste Lösung aus einer Kombination dieser Fähigkeiten. Betrachten wir diesen beispielhaften Ablauf für einen Auftrag:

1. Ein Workflow nimmt eine Anfrage entgegen und legt einen Datensatz an.
2. Ein KI-Schritt liest die Informationen aus der Nachricht aus und überträgt sie in strukturierte Felder.
3. Prüfregeln kontrollieren Produktcodes und Pflichtangaben.
4. Ein Agent untersucht Anfragen, für die zusätzlicher Kontext benötigt wird.
5. Ein Mitarbeiter genehmigt verbindliche geschäftliche Zusagen.
6. Eine Integration oder ein RPA-Roboter trägt den freigegebenen Auftrag ein.
7. Der Workflow dokumentiert den Abschluss und benachrichtigt das zuständige Team.

Jede Komponente hat eine klar definierte Zuständigkeit. Sie können die Datenerfassung getrennt von der Auftragseingabe testen und messen, ob der Agent bei der Bearbeitung der ihm zugewiesenen Fälle hilft.

Um einen Ausgangspunkt zu wählen, betrachten Sie eine wiederkehrende Aufgabe und beantworten Sie fünf Fragen:

• Können wir die Schritte und Ausnahmen beschreiben? Dann prüfen Sie einen festgelegten Workflow.
• Können die Systeme die benötigten Informationen direkt austauschen? Prüfen Sie verfügbare Konnektoren und APIs.
• Muss weiterhin jemand die Benutzeroberfläche einer Anwendung bedienen? Prüfen Sie RPA für diesen Teil.
• Erfordert die Aufgabe die Interpretation von Informationen? Ziehen Sie einen KI-Schritt innerhalb des Workflows in Betracht.
• Muss das System während der Bearbeitung unterschiedliche Aktionen zur Informationsbeschaffung selbst auswählen? Dann kann ein Agent gerechtfertigt sein.

Vergleichen Sie neben den Entwicklungskosten auch die laufenden Kosten. Berücksichtigen Sie Lizenzen, Ausführungskosten, Wartung, Überwachung und die Zeit, die Mitarbeitende für die Prüfung von Ausnahmen aufwenden.

Ein Pilotprojekt sollte die tatsächlichen Prozessergebnisse messen: Wie viele Aufträge wurden korrekt erfasst, wie lange dauerte jeder Fall, wie oft musste jemand eingreifen, und was kostete die Ausführung? Testen Sie gewöhnliche Fälle ebenso wie fehlende Angaben, doppelt eingereichte Anfragen und unterbrochene Abläufe.

Beginnen Sie mit einem Prozess, für den jemand klar verantwortlich ist und der häufig genug ausgeführt wird, um Verbesserungen messen zu können. Nutzen Sie Workflow-Automatisierung für die Koordination bekannter Schritte, RPA für die notwendige Bedienung von Anwendungen und KI-Funktionen dort, wo Interpretation oder ein anpassbares Vorgehen einen Mehrwert bieten.

Asend kann Sie dabei unterstützen, diesen Prozess zu beschreiben, die passende Kombination auszuwählen und ein Pilotprojekt mit messbaren Ergebnissen zu planen.