Was ist Agentenbasierte Prozessautomatisierung?

Das Problem, für das die meiste Automatisierung nicht gebaut wurde

Jeder Geschäftsprozess besteht aus zwei Teilen. Da ist der geradlinige Weg — die 70% der Fälle, bei denen alles im erwarteten Format ankommt, die Daten sauber sind und die Regeln greifen. Und dann sind da die anderen 30%: die Ausnahmen, die Sonderfälle, die Eingaben, die zu keinem Template passen.

Traditionelle Automatisierung wurde für die 70% gebaut. Das funktioniert dort auch gut. Das Problem: In den 30% verbringt Ihr Team 80% seiner Zeit. Und die meisten Automatisierungsprojekte kommen dort nicht hin.

Das ist keine technologische Grenze — es ist eine Design-Grenze. Skripte folgen Schritten. Workflow-Tools folgen Regeln. Keines davon kann eine Situation bewältigen, für die es nicht explizit programmiert wurde. Wenn eine Rechnung in einem unerwarteten Format ankommt oder eine Kundenanfrage zwei Abteilungen betrifft, tun regelbasierte Systeme das Einzige, was sie können: Sie stoppen und warten auf einen Menschen.

Agentenbasierte Prozessautomatisierung entsteht, wenn Sie Systeme bauen, die über den Prozess nachdenken können — statt ihm nur zu folgen.

Was "agentisch" bedeutet

Das Wort "Agent" wird in der KI inflationär verwendet. Deshalb eine präzise Definition für diesen Kontext.

Ein Agent ist ein System, das Folgendes kann:

1. Wahrnehmen — unstrukturierte Eingaben lesen, interpretieren und Bedeutung extrahieren (Dokumente, E-Mails, Nachrichten, Bilder)
2. Schlussfolgern — situationsabhängig entscheiden, was als Nächstes zu tun ist, nicht nur ein vorgegebenes Skript abarbeiten
3. Handeln — Schritte über mehrere Systeme, Tools oder Kommunikationskanäle hinweg ausführen
4. Eskalieren — erkennen, wann die Grenzen der eigenen Kompetenz erreicht sind, und mit vollständigem Kontext an einen Menschen übergeben

Die zentrale Unterscheidung ist die zwischen Anweisungen befolgen und einen Prozess verstehen. Ein RPA-Bot folgt einem Skript: hier klicken, das kopieren, dort einfügen. Wenn sich die Oberfläche ändert, bricht er zusammen. Ein agentisches System versteht, was es erreichen soll, und kann sich anpassen, wenn sich die Details ändern.

Das bedeutet nicht, dass der Agent strategische Entscheidungen trifft. Es bedeutet, dass der Agent Variationen innerhalb eines klar definierten Rahmens bewältigen kann. Der Rahmen wird von Menschen gesetzt. Das Urteilsvermögen innerhalb dieses Rahmens ist der Mehrwert des Agenten.

Das Automatisierungsspektrum

Es hilft, Agentenbasierte Prozessautomatisierung im Vergleich zu früheren Ansätzen einzuordnen:

Stufe 1: Skripte und Makros

Feste Abfolgen von Aktionen. Keine Entscheidungsfähigkeit. Brechen bei jeder Abweichung vom erwarteten Ablauf. Nützlich für repetitive, identische Aufgaben.

Stufe 2: RPA (Robotic Process Automation)

Automatisierte Interaktionen mit Benutzeroberflächen. Können Verzweigungslogik (wenn/dann) abbilden, aber jede Verzweigung muss explizit programmiert werden. Wartungsintensiv, wenn sich Oberflächen ändern.

Stufe 3: Workflow-Orchestrierung

Tools wie Zapier, Make oder n8n. Verbinden Systeme über APIs. Robuster als RPA, aber immer noch regelbasiert. Können Eingaben nicht verarbeiten, die außerhalb vordefinierter Kategorien liegen.

Stufe 4: Agentenbasierte Prozessautomatisierung

KI-gestützte Systeme, die den Prozess verstehen, unstrukturierte Daten lesen, kontextbezogene Entscheidungen treffen und bei Unsicherheit eskalieren. Können Variationen bewältigen, ohne dass jeder Fall vorprogrammiert werden muss.

Jede Stufe hat ihren Platz. Die Frage ist, welche zu Ihrem Prozess passt — konkret: wie viel Variation in den Eingaben und Entscheidungen existiert.

Drei Säulen

Agentenbasierte Prozessautomatisierung bedeutet nicht einfach, ein großes Sprachmodell einzusetzen. Sie ruht auf drei Dingen:

1. Prozess-Mapping

Vor jeder Technologieentscheidung brauchen Sie ein klares Bild davon, wie der Prozess tatsächlich funktioniert. Nicht die idealisierte Version aus der Dokumentation, sondern die reale — einschließlich der Ausnahmen, Workarounds und informellen Regeln, die erfahrene Teammitglieder im Kopf haben.

Diesen Schritt überspringen die meisten Anbieter, weil er zeitaufwändig und wenig glamourös ist. Aber ohne ihn bauen Sie einen Agenten, der die einfachen Fälle beherrscht (die ohnehin handhabbar waren) und bei den schwierigen scheitert (die der eigentliche Grund für das Projekt sind).

2. Autonomes Handeln innerhalb klarer Grenzen

Der Agent muss Entscheidungen treffen, aber innerhalb klar definierter Grenzen. Bei der Rechnungsverarbeitung könnte das bedeuten: Der Agent kann Positionen mit Bestellungen abgleichen, Abweichungen melden und zur Freigabe weiterleiten — aber er kann keine Zahlungen über einem bestimmten Betrag freigeben und eskaliert alles, wobei seine Konfidenz unter 90% liegt.

Die Grenzen sind genauso wichtig wie die Fähigkeiten. Ein Agent ohne klare Eskalationsregeln ist ein Risiko.

3. Menschliche Eskalation mit Kontext

Wenn der Agent an seine Grenzen stößt, muss die Übergabe an einen Menschen alles enthalten, was dieser für eine schnelle Entscheidung braucht. Nicht nur "konnte nicht verarbeitet werden", sondern "hier ist, was ich gefunden habe, hier ist, was nicht zusammenpasst, und hier ist meine beste Interpretation — zusammen mit dem Grund, warum ich nicht sicher genug bin, um selbst zu handeln."

Gute Eskalation verwandelt eine 20-minütige Recherche in eine 2-minütige Entscheidung.

Wann Agentenbasierte Prozessautomatisierung sinnvoll ist

Dieser Ansatz ist nicht für alles geeignet. Er macht Sinn, wenn:

• Ihr Prozess hohe Variation hat. Wenn 90% Ihrer Fälle identisch sind, reicht eine einfachere Automatisierung. Wenn 30% oder mehr Ausnahmen sind, brauchen Sie etwas, das schlussfolgern kann.
• Das Volumen die Investition rechtfertigt. Ab 500+ Dokumenten pro Monat oder 100+ Kundeninteraktionen pro Tag stimmt die Wirtschaftlichkeit. Für 10 Rechnungen im Monat stellen Sie einen Werkstudenten ein.
• Qualifizierte Mitarbeiter Zeit für Routine-Entscheidungen aufwenden. Wenn Ihre erfahrenen Leute wiederholt die gleichen Arten von Entscheidungen treffen — keine komplexen strategischen, sondern routinemäßige, die Kontext erfordern — kann ein Agent diese übernehmen.
• Mehrere Systeme beteiligt sind. Wenn ein Prozess Ihr ERP, E-Mail, ein Dokumentenmanagementsystem und eine Tabellenkalkulation umfasst, ist die Integrationskomplexität hoch. Agenten bewältigen das gut, weil sie systemübergreifend arbeiten können — wie ein Mensch.

Wann nicht

Seien Sie ehrlich, wenn einfachere Tools ausreichen:

• Geringe Variation, hohes Volumen. Wenn jeder Fall gleich aussieht, sind RPA oder Workflow-Tools günstiger und berechenbarer. Nutzen Sie kein LLM für etwas, das ein regulärer Ausdruck erledigen kann.
• Geringes Volumen. Wenn der Prozess nur wenige Male pro Woche läuft, sind die Einrichtungskosten eines agentischen Systems schwer zu rechtfertigen. Eine Checkliste und ein fokussierter Mensch reichen wahrscheinlich.
• Kein klarer Prozess. Wenn der Prozess selbst undefiniert ist — wenn niemand erklären kann, was zwischen Eingabe und Ausgabe passiert — brauchen Sie Prozessdesign vor Automatisierung. Technologie kann nicht automatisieren, was Sie nicht definiert haben.

Wie es in der Praxis aussieht

Stellen Sie sich die Rechnungsverarbeitung bei einem mittelständischen Fertigungsunternehmen vor. Es gehen 800 Rechnungen pro Monat von 200 Lieferanten ein. Etwa 60% kommen als PDF, 25% als E-Mail-Anhänge und 15% über ein Lieferantenportal.

Mit traditioneller Automatisierung könnte das Unternehmen OCR-Extraktion und Abgleichregeln für die Top-20-Lieferanten aufbauen (die vielleicht 50% des Volumens abdecken). Der Rest — verschiedene Formate, fehlende Bestellnummern, Teillieferungen, eingemischte Gutschriften — landet in einer manuellen Warteschlange.

Mit einem agentischen Ansatz:

1. Der Agent liest jede Rechnung unabhängig vom Format und extrahiert Positionen, Beträge, Lieferantendaten und Steuerinformationen
2. Er gleicht mit Bestellungen, Lieferscheinen und Verträgen ab — und versteht dabei, dass "Widget A-200" in der Rechnung "A200 Widget-Baugruppe" in der Bestellung entsprechen könnte
3. Bei eindeutigen Übereinstimmungen leitet er direkt zur Freigabe weiter
4. Bei Abweichungen markiert er das spezifische Problem: "Rechnungsbetrag liegt 12% über der Bestellung — dies könnte die Preisanpassung aus der Lieferanten-E-Mail vom 15. Januar widerspiegeln"
5. Bei Fällen, die er wirklich nicht lösen kann, eskaliert er mit einer Zusammenfassung dessen, was er gefunden hat und was ihn verwirrt hat

Das Ergebnis ist nicht, dass Menschen aus dem Prozess entfernt werden. Das Ergebnis ist, dass Menschen nur noch die Fälle sehen, die wirklich ihr Urteilsvermögen brauchen — und wenn sie diese sehen, haben sie den Kontext für eine schnelle Entscheidung.

Die Lücke im Prozessverständnis

Der häufigste Fehler in KI-Automatisierungsprojekten: Man baut für den dokumentierten Prozess statt für den gelebten. Jedes erfahrene Teammitglied weiß Dinge, die in keinem Handbuch stehen:

• "Wenn Lieferant X eine Rechnung ohne Bestellnummer schickt, prüfe die E-Mail seines Vertrieblers — die Bestellnummer kommt immer separat"
• "Rechnungen der italienischen Tochtergesellschaft verwenden ein anderes Datumsformat"
• "Wenn der Gesamtbetrag unter 500 EUR liegt, geben wir einfach frei, unabhängig vom Abgleich"

Diese informellen Regeln existieren, weil der formale Prozess die Realität nicht abdeckt. Ein agentisches System muss sie lernen — das heißt, jemand muss sie zuerst sichtbar machen. Das ist die Prozess-Mapping-Arbeit, und dort entsteht der größte Teil des Werts — bevor eine Zeile Code geschrieben wird.

Erste Schritte

Wenn Sie evaluieren, ob Agentenbasierte Prozessautomatisierung zu Ihrer Situation passt, beginnen Sie mit diesen Fragen:

1. Welcher Prozentsatz der Fälle durchläuft Ihren aktuellen Prozess ohne menschliches Eingreifen? Liegt er unter 70%, gibt es erhebliches Verbesserungspotenzial.
2. Wo verbringen Ihre qualifizierten Mitarbeiter Zeit mit Routine-Entscheidungen? Das sind die wertvollsten Automatisierungsziele.
3. Wie viele Ausnahme-Typen gibt es? Wenn Sie sie auflisten können (auch grob), kann ein Agent sie lernen. Wenn niemand es weiß, brauchen Sie zuerst Prozess-Discovery.
4. Was passiert, wenn etwas schiefgeht? Die Fehlermodi zu verstehen ist wichtiger, als den Happy Path zu verstehen.

Die Technologie ist da. Die Modelle sind leistungsfähig. Der Engpass ist fast immer das Prozessverständnis — zu wissen, was man bauen soll, bevor man es baut.