KI-Automatisierung: Wo ein guter Workflow anfängt
Ein Team kopiert Daten zwischen mehreren Tools. Jemand prüft die Angaben, ergänzt fehlenden Kontext und bereitet den nächsten Schritt vor. Genau solche Übergänge sind ein sinnvoller Ausgangspunkt für Automatisierung. Die erste Frage lautet für mich: Was soll nach diesem Ablauf verlässlich vorliegen?
Recherchestand: 2026-09-09 · Titelbild: KI-generierte Illustration
Mit einem klaren Ergebnis beginnen
‚Wir brauchen etwas mit KI‘ beschreibt noch keine Aufgabe. ‚Wir brauchen eine geprüfte Übersicht geeigneter Kontakte mit Quellen und einem vorbereiteten nächsten Schritt‘ ist bereits viel konkreter. Daraus lassen sich Eingaben, Verarbeitung und Ergebnis ableiten. Erst dann wird entschieden, wo Regeln ausreichen und wo ein Sprachmodell hilft.
Das ist auch der Grund, warum ein Workflow nicht an jeder Stelle einen Agenten braucht. Ein Datenformat prüfen, einen vorhandenen Datensatz erkennen oder einen Status ändern sind häufig klar definierte Vorgänge. Ein Modell kann dort unterstützen, wo Texte eingeordnet, Informationen zusammengeführt oder Vorschläge vorbereitet werden müssen.
Die Unterscheidung im Überblick
- ZielErgebnis und Grenzen festlegen
- ÜbergabeDaten und Zuständigkeit klären
- AbnahmeMit echten Fällen prüfen
Die Übergänge gehören zum Produkt
In meinen Projekten gehören Schnittstellen und Oberflächen zum selben Problem. Ein Outreach-Werkzeug muss Ergebnisse so vorbereiten, dass der nächste Arbeitsschritt verständlich ist. Eine Content-Plattform muss aus Signalen einen prüfbaren Plan machen. Ein CRM muss zeigen, was bereits bearbeitet wurde und wer als Nächstes handeln soll.
Eine erfolgreiche Modellantwort allein schließt diesen Kreis nicht. Wenn die Zuordnung zum richtigen Datensatz fehlt, Fehler nur im Serverlog stehen oder niemand das Ergebnis freigeben kann, bleibt die Arbeit am Team hängen. Deshalb plane ich Status, Rückfragen und Fehlerfälle zusammen mit dem normalen Ablauf.
Freigaben dort, wo sie etwas schützen
Nicht jede Aktion hat dieselben Folgen. Informationen lesen ist etwas anderes als eine Nachricht versenden oder einen bestehenden Datensatz überschreiben. Berechtigungen sollten zum jeweiligen Schritt passen und serverseitig geprüft werden. Ein Text im Prompt ersetzt diese Prüfung nicht.
Bei einem ersten Projektumfang lässt sich viel gewinnen, wenn das System zunächst vorbereitet: recherchieren, sortieren, einen Entwurf erstellen und die Quellen danebenlegen. Ein Mensch prüft das Ergebnis. Ob spätere Schritte automatisch laufen dürfen, hängt von den tatsächlichen Fehlerfällen und den Folgen einer falschen Aktion ab.
- Welche Daten dürfen gelesen und verarbeitet werden?
- Welche Änderungen brauchen eine Freigabe?
- Wie wird ein fehlgeschlagener Lauf erkannt und erneut gestartet?
- Was passiert, wenn eine Quelle fehlt oder sich eine Schnittstelle ändert?
Mit echten Beispielen prüfen
Zum Testen gehören die normalen Fälle ebenso wie unvollständige Angaben, doppelte Daten und widersprüchliche Quellen. Ein sinnvoller Vergleich misst den gesamten Ablauf: Wie viel Nacharbeit bleibt? Sind die Ergebnisse nachvollziehbar? Kann das Team erkennen, wann es selbst entscheiden muss?
Die verlinkten Projekte zeigen unterschiedliche Umsetzungen dieser Fragen. Welche Architektur zu einem neuen Vorhaben passt, ergibt sich aus dessen Daten, Berechtigungen und Arbeitsweise. Für eine erste Anfrage reichen ein konkreter Ablauf, einige typische Beispiele und eine Beschreibung dessen, was heute daran Zeit kostet.
