Kurz gesagt: Die meisten Entscheidungen in einem Geschäftsprozess lassen sich mit einfachen Regeln treffen. Regeln kosten nichts pro Aufruf, sind nachvollziehbar und lassen sich prüfen. KI kommt dort zum Einsatz, wo Regeln nicht weiterkommen, und ihr Ergebnis wird gespeichert, damit dieselbe Frage nie zweimal Geld kostet.
Der umgekehrte Reflex
Wer heute ein Automatisierungsprojekt startet, fängt oft beim Modell an. Welches Modell nehmen wir, welcher Prompt, wie binden wir es an. Die Frage, ob man für diese Entscheidung überhaupt eine KI braucht, kommt selten.
In dem Vertriebstool, das ich gerade mit einem Partner baue, steht deshalb eine Regel ganz oben in der Architektur: KI ist Rückfall, nie erster Griff.
Zuerst schauen wir in eigene Kataloge, in den Zwischenspeicher und in feste Regeln. Erst wenn das nichts findet, fragen wir ein Sprachmodell. Und was das Modell antwortet, speichern wir. Die nächste gleiche Frage beantwortet wieder der Speicher.
Drei Gründe, die nichts mit Technik zu tun haben
Das klingt nach einer Entwicklerentscheidung. Für Sie als Geschäftsführer sind es drei sehr handfeste Gründe.
Kosten. Eine Regel kostet einmal Entwicklungszeit und danach nichts. Eine KI-Abfrage kostet bei jedem Aufruf. Pro Aufruf ist das wenig, aber Automatisierung heißt: sehr viele Aufrufe. Ein Prozess, der täglich tausendmal läuft, macht aus Cent-Beträgen eine Monatsrechnung.
Nachvollziehbarkeit. Wenn eine Regel sagt „Dieser Kunde wurde seit 6 Monaten nicht kontaktiert, deshalb steht er auf der Liste“, versteht das jeder Mitarbeiter. Wenn eine KI sagt „Relevanz 7 von 10“, fragt jeder zu Recht: Warum 7? Ein Wert, den niemand erklären kann, wird ignoriert. Oder schlimmer, blind geglaubt.
Prüfbarkeit. Eine Regel macht bei derselben Eingabe immer dasselbe. Man kann sie testen, einmal, und sich darauf verlassen. Eine KI kann bei derselben Eingabe heute anders antworten als gestern. Das ist nicht falsch, aber es muss dauerhaft überwacht werden. Jede KI-Stelle im Prozess ist eine Stelle, an der Sie Qualität messen müssen.
Ein Beispiel: Welcher Kunde ist heute dran?
Im Vertriebstool gibt es eine Funktion für Bestandskunden. Die Vorgabe war: Es soll in Richtung CRM gehen, aber der Nutzer soll keine Arbeit damit haben. Das System entscheidet, wann ein Kunde wieder relevant ist, und legt höchstens eine Karte am Tag auf den Stapel „Heute“.
Die naheliegende Lösung wäre: Eine KI liest alle Kunden und entscheidet. Das wäre teuer, schwer zu erklären und bei jedem Kunden jeden Tag ein Aufruf.
Wir haben es aufgeteilt.
Regeln entscheiden, ob ein Kunde in Frage kommt. Lange keine Rückmeldung. Vertragsende in 90 oder 30 Tagen. Nie nach einer Empfehlung gefragt. Saisonales Geschäft steht an. Das sind klare Kriterien, die jeder Vertriebler sofort versteht.
Die KI wählt aus den Kandidaten den einen aus und schreibt den Satz dazu. Warum gerade heute, was ein guter Einstieg ins Gespräch wäre. Das ist ein Aufruf pro Nutzer und Tag, ohne Personendaten.
Die Regeln machen die schwere, häufige Arbeit. Die KI macht das, was Regeln schlecht können: abwägen und formulieren.
Ein zweites Beispiel: Wünsche verstehen, ehrlich filtern
Bei der Suche nach Firmen kann der Nutzer in normaler Sprache schreiben, was er sucht. Etwa: „Kleine Handwerksbetriebe im Süden Berlins, die Dächer machen.“
Hier ist KI sinnvoll, weil sie Sprache in Suchkriterien übersetzen kann. Aber sie darf nur übersetzen, nicht entscheiden. Das Ergebnis der Übersetzung sieht der Nutzer als einzelne Bausteine, bevor gesucht wird. Die KI schlägt vor, der Nutzer sieht es, nichts passiert ungefragt.
Und sie darf nichts versprechen, was die Daten nicht hergeben. Keine der Quellen weiß, wie viele Mitarbeiter ein Betrieb hat. Also wird „klein“ nicht zu einem Filter, sondern zu einer Sortierung, und eine Zeile sagt offen: „Nicht filterbar.“ Verspricht die KI „klein“ und liefert dann einen Betrieb mit 80 Leuten, ist das Vertrauen weg.
Wo KI wirklich ihren Platz hat
Das heißt nicht, dass KI überflüssig ist. Es heißt, dass sie an den richtigen Stellen sitzen sollte. Nach meiner Erfahrung sind das vor allem drei Arten von Aufgaben:
- Unstrukturiertes lesen. Ein Impressum, eine E-Mail, ein PDF vom Callcenter. Daraus Felder machen, die eine Regel dann weiterverarbeitet. KI liest, Regel entscheidet.
- Formulieren. Einen Antwortentwurf, eine Zusammenfassung, einen Gesprächseinstieg. Hier ist Text der Zweck, also ist KI der richtige erste Griff.
- Zuordnen, wo Regeln zu viele wären. Etwa die Spalten einer fremden Excel-Liste den eigenen Feldern zuordnen. Das Ergebnis zeigt man vor dem Speichern an, und der ganze Vorgang lässt sich rückgängig machen.
Bei der Zuordnung von E-Mails zu Kunden machen wir es übrigens genauso: zuerst über die Absenderadresse, dann über die Domain, und erst in der dritten Stufe fragt eine KI. Die meisten Mails sind nach Stufe eins erledigt.
Was das für Sie heißt
Wenn Ihnen jemand eine KI-Automatisierung vorschlägt, fragen Sie für jede Stelle, an der eine KI entscheidet:
- Ginge das auch mit einer Regel? Wenn ein Mitarbeiter die Entscheidung in einem Satz erklären kann, ist es meistens eine Regel.
- Was kostet ein Aufruf, und wie oft passiert er? Rechnen Sie es auf einen Monat hoch.
- Wird das Ergebnis gespeichert? Wenn dieselbe Frage jedes Mal neu bezahlt wird, ist das Geld, das niemand bewusst ausgibt.
- Kann Ihr Team erklären, warum das System so entschieden hat? Wenn nicht, wird es dem System nicht lange trauen.
Gute Automatisierung sieht von außen oft unspektakulär aus. Viele Regeln, wenig KI, und genau dort, wo sie etwas bringt.
Wenn Sie einen Prozess automatisieren möchten und wissen wollen, wo KI sich lohnt und wo eine einfache Regel reicht, sprechen wir im Erstgespräch genau darüber.
