KI trifft Prozessautomatisierung

Klassische RPA ist wie ein sehr genauer digitaler Mitarbeiter: Sie macht das, was ihr vorher Schritt für Schritt beigebracht wurde. Sie klickt, kopiert und überträgt Daten. Das ist wertvoll, aber eher starr. Schon kleine Änderungen an Masken, Dateiformaten oder Abläufen können dazu führen, dass ein Bot angepasst werden muss. 

Die Forschung spricht deshalb zunehmend von „Intelligent Process Automation“. Gemeint ist die Verbindung von RPA, Künstlicher Intelligenz und weiteren Technologien wie Texterkennung, maschinellem Lernen oder natürlicher Sprachverarbeitung. Ziel ist nicht nur, feste Klickfolgen zu automatisieren, sondern flexibler mit Informationen umzugehen und Prozesse besser zu unterstützen [2][3]. 

Für Handwerksbetriebe heißt das: Es geht nicht darum, gleich ein großes KI-Projekt zu starten. Viel spannender ist die Frage, welche kleinen Büroprozesse jeden Tag Zeit kosten und sich mit einfachen Bausteinen verbessern lassen. 

Stellen Sie sich einen SHK-, Elektro- oder Tischlereibetrieb vor. Eine neue Kundenanfrage kommt per E-Mail rein: 

„Hallo, wir haben seit gestern Probleme mit der Heizung. Es kommt nur lauwarmes Wasser. Können Sie diese Woche vorbeikommen? Adresse ist wie beim letzten Mal.“ 

Ohne Automatisierung passiert jetzt vieles von Hand. Jemand liest die E-Mail, sucht die Kundendaten, prüft frühere Aufträge, fragt nach einem Termin, legt vielleicht einen Vorgang an und schreibt eine Antwort. 

Kundinnen und Kunden erwarten heute schnelle Rückmeldungen, individuelle Angebote und digitale Services. In der Bitkom-Studie „Digitalisierung des Handwerks 2025“ geben 85 Prozent der Handwerksbetriebe an, mindestens einen digitalen Service anzubieten. Gleichzeitig beobachten viele Betriebe, dass Kundinnen und Kunden anspruchsvoller werden: 87 Prozent erwarten individuelle Angebote und schnelle Erreichbarkeit [1]. 

Das passt genau zu smarten Workflows. Sie können helfen, schneller auf Anfragen zu reagieren, ohne dass jemand ständig das Postfach im Blick haben muss.

Der entscheidende Punkt ist deshalb nicht: „Welches Tool nehmen wir?“
Sondern: „Welchen Prozess wollen wir verbessern, welche Daten fließen dabei und wer trägt die Verantwortung?“

Ein KI-gestützter Workflow besteht meist aus mehreren Stationen: 

Zuerst kommt ein Auslöser. Das kann eine neue E-Mail sein, ein Formular auf der Website, eine Datei in einem Ordner oder eine Nachricht aus einem Kundenportal. 

Danach wird der Inhalt vorbereitet. Anhänge werden gelesen, Text wird extrahiert, alte Kundendaten werden gesucht oder fehlende Informationen werden markiert. 

Dann kommt die KI ins Spiel. Sie klassifiziert den Vorgang, fasst ihn zusammen oder erzeugt einen Antwortvorschlag. Bei komplexeren Anwendungen kann sie auch auf interne Wissensquellen zugreifen, etwa Preislisten, Wartungsanleitungen oder Vorlagen. In der Forschung wird dafür häufig Retrieval-Augmented Generation genutzt. Dabei wird ein Sprachmodell mit passenden Informationen aus einer kontrollierten Wissensbasis versorgt, statt frei aus dem allgemeinen Modellwissen zu antworten [4]. 

Zum Schluss folgt die Aktion. Das kann eine E-Mail im Entwurfsordner sein, ein neuer Eintrag im Bestellsystem, eine Aufgabe für das Büro oder eine Benachrichtigung an die zuständige Monteurin. 

So hilfreich KI ist: Sprachmodelle können Fehler machen. Sie können Inhalte falsch interpretieren, unvollständig zusammenfassen oder überzeugend klingende, aber falsche Aussagen erzeugen. Die Forschung beschreibt dieses Problem als „Halluzinationen“ oder Konfabulationen [5].

Deshalb sollten Betriebe klare Grenzen setzen. Ein guter Grundsatz lautet:

Unkritisch sind oft Aufgaben wie Sortieren, Zusammenfassen, Entwürfe erstellen oder Daten vorbereiten. Kritischer sind Preiszusagen, Vertragsinhalte, rechtliche Bewertungen, sicherheitsrelevante Einschätzungen oder Personalentscheidungen. Hier sollte immer eine menschliche Prüfung eingebaut sein.

Auch Datenschutz und IT-Sicherheit gehören von Anfang an dazu. Wenn Kundendaten, Angebotsdetails, Fotos oder Rechnungen verarbeitet werden, muss klar sein, wo diese Daten landen, wer Zugriff hat und wie lange sie gespeichert werden. Der europäische AI Act verfolgt einen risikobasierten Ansatz und betont je nach Einsatzfeld Transparenz, Dokumentation, menschliche Aufsicht, Robustheit und Cybersicherheit [7]. Auch das NIST AI Risk Management Framework empfiehlt, KI-Risiken entlang des gesamten Lebenszyklus zu betrachten und passende Maßnahmen für Steuerung, Messung und Kontrolle festzulegen [6].

Der beste Start ist klein. Suchen Sie sich nicht den kompliziertesten Ablauf im Betrieb, sondern einen häufigen Vorgang, der nervt, aber überschaubar ist. Zum Beispiel: 

Neue Kundenanfragen per E-Mail sollen automatisch vorsortiert und als Antwortentwurf vorbereitet werden.

Danach lohnt sich ein kurzer Blick auf den Prozess: 

Für den ersten Test reicht oft ein Pilot mit wenigen Regeln. Zum Beispiel: Die KI darf nur klassifizieren, zusammenfassen und einen Entwurf schreiben. Versendet wird nichts automatisch. So sammelt Ihr Betrieb Erfahrung, ohne die Kontrolle abzugeben. 

Wenn der Ablauf stabil läuft, kann der nächste Schritt folgen. Dann werden vielleicht Kundendaten ergänzt, ein Ticket erstellt oder eine Aufgabe an die richtige Person weitergeleitet. Schritt für Schritt entsteht eine Automatisierung, die mit dem Betrieb wächst.