Das 70/30-Problem: Warum Ihre Automatisierung nur den einfachen Teil erledigt

Das Muster, über das niemand spricht

Die folgende Geschichte wiederholt sich in Unternehmen jedes Jahr. Eine Abteilung automatisiert einen Prozess. Das Projekt sieht erfolgreich aus — Berichte zeigen, dass Hunderte von Vorgängen jetzt automatisch ablaufen. Die Geschäftsführung ist zufrieden. Der Automatisierungsanbieter fragt nach einer Referenz.

Sechs Monate später ist das Team, das diesen Prozess bearbeitet, genauso beschäftigt wie zuvor. Manchmal mehr.

Was ist passiert? Die Automatisierung hat die Fälle übernommen, die ohnehin unkompliziert waren. Die 70%, die dem Template folgten, saubere Daten hatten und in die vordefinierten Regeln passten. Diese Fälle waren nie der Engpass.

Die 30% — die Ausnahmen, die Sonderfälle, die unordentlichen Eingaben, die nicht den Erwartungen entsprechen — landen weiterhin auf einem menschlichen Schreibtisch. Und weil die Automatisierung jetzt die einfache Arbeit erledigt, beschäftigen sich die verbliebenen Mitarbeiter ausschließlich mit den schwierigen Fällen. Ihre Arbeit wurde nicht leichter. Sie wurde konzentrierter.

Das ist das 70/30-Problem. Und es ist das häufigste Ergebnis von Automatisierungsprojekten, das niemand eingeplant hat.

Warum das passiert

Die Ursache ist nicht schlechte Technologie. Es ist ein Missverständnis darüber, wo die Zeit tatsächlich hinfliesßt.

Wenn Sie einen Prozess für die Automatisierung analysieren, ist der natürliche Ausgangspunkt der Happy Path — der Standardfall, die saubere Eingabe, die eindeutige Entscheidung. Das ist es, was auf Whiteboards und in der Prozessdokumentation steht. Es ist auch das, was Proof-of-Concept-Demos zeigen.

Das Problem: Der Happy Path ist bereits schnell. Ein kompetenter Mitarbeiter kann eine Standardrechnung in zwei Minuten bearbeiten. Wenn Sie das automatisieren, sparen Sie zwei Minuten pro Fall. Multipliziert mit dem Volumen sieht das in einer Tabellenkalkulation beeindruckend aus.

Aber die Ausnahmefälle — die Rechnung ohne Bestellnummer, die in einem unerwarteten Format, die, die sich auf eine Vertragsdnderung von vor drei Monaten bezieht — jeder davon kostet 15 bis 30 Minuten qualifizierter Arbeitszeit. Die Automatisierung der einfachen Fälle ändert daran nichts.

Die Rechnung geht gegen Sie auf:

• 700 Standardfälle × 2 Minuten = 1.400 Minuten (23 Stunden)
• 300 Ausnahmefälle × 20 Minuten = 6.000 Minuten (100 Stunden)

Die Automatisierung der Standardfälle spart 23 Stunden. Die 100 Stunden Ausnahmebearbeitung bleiben unberührt. Sie haben den kleineren Teil der Zeit automatisiert.

Die drei Ausnahme-Kategorien

Nicht alle Ausnahmen sind gleich. Die Typen zu verstehen hilft bei der Entscheidung, was zu tun ist.

Typ 1: Bekannte Variationen

Ausnahmen, die Mustern folgen — nur komplexeren als der Happy Path. Beispiele: Ein Lieferant, der Rechnungen immer in einem leicht anderen Format schickt. Eine Produktkategorie, die zusätzliche Freigabe erfordert. Eine Region, in der Steuerregeln anders funktionieren.

Die Mitarbeiter, die den Prozess bearbeiten, kennen diese Variationen gut. Sie erledigen sie schnell, weil sie sie schon hundertmal gesehen haben. Aber niemand hat die Automatisierung dafür programmiert.

Das sind die wertvollsten Ziele für agentische Automatisierung. Ein KI-Agent, der den Prozess versteht, kann diese Muster auf die gleiche Weise lernen wie ein Mensch — aus Beispielen und Kontext, nicht aus expliziten Regeln.

Typ 2: Echte Sonderfälle

Seltene Situationen, die tatsächliches Urteilsvermögen erfordern. Ein Vertragsstreit. Eine beschädigte Lieferung, die die Rechnungsstellung betrifft. Eine regulatorische Änderung, die bestehende Abläufe nicht mehr konform macht.

Diese gehören zu Menschen. Keine Automatisierung sollte versuchen, sie zu bearbeiten. Aber die Automatisierung sollte sie schnell erkennen und dem Menschen den vollständigen Kontext für eine schnelle Entscheidung liefern.

Typ 3: Prozessfehler

Das sind eigentlich keine Ausnahmen — es sind Symptome eines kaputten Prozesses. Daten, die vorgelagert hätten eingegeben werden sollen, wurden nicht eingegeben. Eine Systemintegration, die Datensätze verliert. Eine Abteilung, die den offiziellen Workflow umgeht, weil er für ihren Anwendungsfall nicht funktioniert.

Diese brauchen Prozess-Redesign, nicht Automatisierung. Automatisierung um einen kaputten Prozess herum macht den Bruch nur schwerer sichtbar.

Warum RPA das nicht lösen kann

Robotic Process Automation war ein echter Fortschritt. Es ermöglichte Unternehmen, Interaktionen mit Systemen zu automatisieren, die keine APIs hatten — durch Bildschirm-Automatisierung, die menschliche Klicks nachahmt.

Aber RPA arbeitet mit expliziten Regeln. Jeder Ausnahmepfad muss vorhergesehen und programmiert werden. Wenn Sie 50 verschiedene Rechnungsformate von 50 Lieferanten verarbeiten wollen, brauchen Sie 50 Regelsets. Wenn Lieferant 51 ein neues Format schickt, weiß der Bot nicht, was er tun soll.

Noch kritischer: RPA kann nicht interpretieren. Es kann Text an einer definierten Position auf dem Bildschirm lesen, aber nicht verstehen, was dieser Text im Kontext bedeutet. Es kann nicht auf eine Rechnung schauen und feststellen, dass "Beratungsleistungen — Q4" wahrscheinlich der offenen Bestellung für das vierteljährliche Advisory-Engagement entspricht.

Das ist der fundamentale Unterschied zwischen dem Befolgen von Regeln und dem Verstehen eines Prozesses. Regeln bewältigen die Fälle, die Sie vorhergesehen haben. Verständnis bewältigt die, die Sie nicht vorhergesehen haben.

Was sich mit agentischer Automatisierung ändert

Ein KI-Agent geht den gleichen Prozess anders an:

Statt Regeln nutzt er Verständnis. Der Agent liest eine Rechnung so, wie ein Mensch es tut — er versteht, dass "Widget-Baugruppe, Modell A-200" und "A200 Widget Assy." sich auf dasselbe beziehen. Das ist keine Magie; es ist Sprachverständnis, angewandt auf Geschäftsdokumente.

Statt fester Pfade denkt er über die Situation nach. Wenn Daten fehlen, meldet der Agent nicht einfach einen Fehler. Er sucht die fehlende Information in verwandten Dokumenten — der E-Mail, die die Rechnung begleitete, der Bestellung, dem Lieferschein. Er sammelt Kontext, bevor er entscheidet.

Statt bei Ausnahmen zu stoppen, klassifiziert er sie. Ist das eine bekannte Variation, die er bearbeiten kann? Ein echter Sonderfall, der menschliches Urteilsvermögen braucht? Ein Datenqualitätsproblem, das an das vorgelagerte Team eskaliert werden sollte? Der Agent kann diese Einschätzung treffen, weil er den Prozess versteht, nicht nur das Format.

Statt binärer Ergebnisse drückt er Konfidenz aus. Statt "verarbeitet" oder "fehlgeschlagen" kann der Agent sagen: "Abgeglichen mit 95% Konfidenz" oder "Abgeglichen, aber der Betrag weicht um 8% ab — hier ist eine mögliche Erklärung, aber ich möchte, dass ein Mensch bestätigt."

So finden Sie Ihre 70/30-Verteilung

Bevor Sie das Problem beheben können, müssen Sie es klar sehen. Ein praktischer Ansatz:

Schritt 1: Begleiten Sie den Prozess eine Woche lang

Verlassen Sie sich nicht auf die Dokumentation. Setzen Sie sich zu den Leuten, die die Arbeit tatsächlich machen. Beobachten Sie, was sie schnell erledigen, was Zeit kostet und was sie zögern lässt. Sie werden überrascht sein, wie unterschiedlich der tatsächliche Prozess vom dokumentierten ist.

Schritt 2: Kategorisieren Sie die Fälle

Für jeden Fall, der menschliches Eingreifen erfordert, notieren Sie:

• Was machte ihn zur Ausnahme? (Formatproblem, fehlende Daten, uneindeutiger Abgleich, etc.)
• Wie lange dauerte die Lösung?
• Welche Informationen brauchte die Person für die Entscheidung?
• Tritt diese Art von Ausnahme regelmäßig auf?

Schritt 3: Berechnen Sie die Zeitverteilung

Sie werden wahrscheinlich etwas nahe am 70/30-Muster finden, wobei die genauen Zahlen variieren. Die Kernerkenntnis ist nicht das Verhältnis — es ist, wohin die Stunden fließen.

Schritt 4: Klassifizieren Sie die Ausnahmen

Nutzen Sie die drei Kategorien von oben. Bekannte Variationen, echte Sonderfälle und Prozessfehler erfordern jeweils unterschiedliche Lösungen.

Schritt 5: Identifizieren Sie das "Stammwissen"

Fragen Sie die erfahrenen Teammitglieder: "Was wissen Sie über diesen Prozess, das nirgendwo aufgeschrieben ist?" Ihre Antworten offenbaren die informellen Regeln, die jede Automatisierung — agentisch oder nicht — beherrschen muss.

Der Prozess-Mapping-Schritt, den die meisten Anbieter überspringen

Eine unbequeme Wahrheit über die Automatisierungsbranche: Discovery und Prozess-Mapping skalieren nicht so wie Software-Vertrieb. Ein Anbieter, der zwei Wochen damit verbringt, Ihren tatsächlichen Prozess zu verstehen, bevor er eine Lösung vorschlägt, verliert das Geschäft immer gegen den Anbieter, der im ersten Meeting ein schickes Tool vorführt.

Deshalb beginnen die meisten Automatisierungsprojekte mit der Technologieauswahl statt mit dem Prozessverständnis. Der Wagen steht vor dem Pferd, und sechs Monate später haben Sie eine gut implementierte Lösung für das falsche Problem.

Der Prozess-Mapping-Schritt muss kein sechsmonatiges Beratungsprojekt sein. Für die meisten Prozesse erfasst eine fokussierte Woche der Beobachtung und Dokumentation die wesentlichen Muster. Aber er muss stattfinden, und er muss die Leute einbeziehen, die die Arbeit tatsächlich machen — nicht nur die Manager, die beschreiben, wie es funktionieren soll.

Wie es aussieht, wenn es richtig gemacht wird

Wenn das 70/30-Problem richtig adressiert wird, unterscheiden sich die Ergebnisse von typischen Automatisierungsprojekten:

• Die Arbeit der Menschen verändert sich, nicht nur ihr Volumen. Statt weniger von der gleichen Arbeit zu erledigen, wechseln sie zu Tätigkeiten mit höherem Urteilsbedarf. Der erfahrene Rechnungsprüfer wird zum Ausnahme-Analysten und bearbeitet nur noch die Fälle, die wirklich seine Expertise brauchen.
• Die Bearbeitungszeit für Ausnahmen sinkt deutlich. Nicht weil Ausnahmen verschwinden, sondern weil der Agent Kontext liefert, der Entscheidungen schneller macht. Aus einer 20-minütigen Recherche wird eine 2-minütige Überprüfung der Ergebnisse des Agenten.
• Neue Ausnahmetypen werden schneller bearbeitet. Wenn ein neues Lieferantenformat auftaucht, kann der Agent es meist ohne Neuprogrammierung verarbeiten — weil er Dokumente versteht, nicht nur Templates.
• Der Prozess wird sichtbar. Weil der Agent sein Vorgehen dokumentiert, können Sie endlich die vollständige Verteilung der Falltypen, Ausnahmehäufigkeiten und Entscheidungsmuster sehen. Diese Daten existierten nicht, als alles in den Köpfen der Mitarbeiter stattfand.

Vom richtigen Punkt aus starten

Wenn Ihre aktuelle Automatisierung die einfachen 70% bewältigt und die schwierigen 30% Ihrem Team überlässt, sind Sie nicht allein. Das ist das Standardergebnis regelbasierter Automatisierung bei Prozessen mit signifikanter Variation.

Die Lösung sind nicht mehr Regeln. Keine größere RPA-Implementierung. Sondern ein anderer Ansatz: Den Prozess verstehen, wie er tatsächlich funktioniert. Identifizieren, wo Urteilsvermögen gefragt ist (nicht nur Regelbeachtung). Und Agenten bauen, die die Variation bewältigen können.

Beginnen Sie mit einem Prozess. Analysieren Sie ihn ehrlich. Zählen Sie die Ausnahmen. Berechnen Sie, wohin die Zeit fließt. Dann entscheiden Sie, ob die 30% die Automatisierung wert sind — und ob Ihr aktueller Ansatz sie erreichen kann.

Die 70% waren nie das Problem. In den 30% liegt die Chance.