KI verändert Geschäftsprozesse grundlegend, doch nicht jeder Anwendungsfall profitiert gleichermassen. Während KI im Umgang mit unstrukturierten Daten, Vorhersagen und Mustererkennung überzeugt, bieten klassische BPM-Systeme oft mehr Stabilität, Nachvollziehbarkeit und Wirtschaftlichkeit. Mit «Agentic AI» kann sich dieses Gleichgewicht verschieben – allerdings sollten Governance-Vorgaben definiert werden, um die Auditierbarkeit nicht zu gefährden.
Symbolbild Copilot
Bürokratie ist regelbasiert – und das ist ihr Vorteil
Viele Abläufe in Unternehmen und öffentlichen Verwaltungen folgen klaren, reproduzierbaren Regeln. Formulare müssen vollständig ausgefüllt, Genehmigungen nach definierten Kriterien geprüft werden. Solche Prozesse lassen sich präzise mit klassischen Business-Process-Management-Systemen (BPM) abbilden. Sie gewährleisten Effizienz, Stabilität und Auditierbarkeit – Eigenschaften, die in regulierten Umgebungen unverzichtbar sind.
Beispiel:
Eine Stadtverwaltung prüft Baugesuche. Sind alle Pflichtfelder ausgefüllt und Unterlagen vorhanden, wird der Antrag automatisch weitergeleitet. Hier genügt die einfache Regel: «Feld X muss ausgefüllt sein». KI wäre in diesem Szenario weder wirtschaftlich noch notwendig, BPM bietet die stabilere Lösung.
Grenzen der KI in regulierten Prozessen
So leistungsfähig KI-Modelle sind, ihre Intransparenz bleibt ein zentrales Problem. Entscheidungen lassen sich häufig nicht vollständig nachvollziehen – ein erhebliches Risiko für regulierte Branchen.
- Intransparenz: Wird ein Kreditantrag abgelehnt, muss der Entscheidungsgrund dokumentierbar sein. Fehlende Erklärbarkeit kann rechtliche Unsicherheiten erzeugen.
- Bias-Risiken: KI-Systeme lernen aus historischen Daten. Sind diese verzerrt, reproduziert die KI unbewusst bestehende Vorurteile. Bewerberfilter sind ein bekanntes Beispiel.
- Nachvollziehbarkeit: Behörden und Versicherungen verlangen dokumentierte Entscheidungswege. BPM-Systeme punkten hier mit strukturierten, nachvollziehbaren Prozessketten.
Beispiel:
Eine Versicherung prüft Schadensfälle. Während die KI Muster in Rechnungen erkennt und Hinweise liefert, erfolgt die finale Entscheidung in einem BPM-Prozess – nachvollziehbar, revisionssicher und regelkonform.
Wo nicht-generative KI die entscheidende Rolle spielt
Nicht-generative KI – also Systeme für Klassifikation, Mustererkennung und Prognose – entfaltet ihren Mehrwert insbesondere dort, wo Datenmengen gross, unstrukturiert oder semantisch komplex sind.
- Dokumentanalyse: KI kann Texte wie Verträge, Arztberichte oder handschriftliche Notizen strukturieren.
- Prognosen: Durch die Erkennung von Mustern in Wartungsdaten werden Ausfälle frühzeitig vorhersehbar.
- Automatisierte Weiterleitung: KI ordnet eingehende Anfragen korrekt zu und übergibt sie an nachgelagerte Prozessschritte.
Beispiel:
Ein internationales Handelsunternehmen nutzt nicht-generative KI, um Lieferdokumente aus unterschiedlichen Ländern zu analysieren. Nach der Klassifikation und Validierung übernimmt BPM den weiteren Ablauf.
Generative KI: Neue Dimensionen, neue Grenzen
Generative KI, etwa Large Language Models (LLM), erweitert die Automatisierung um sprachliche und inhaltliche Fähigkeiten. Sie erzeugt Texte, erstellt Zusammenfassungen und interagiert in natürlicher Sprache. Die Vorteile davon zeigen sich insbesondere im Kundenservice, in der Dokumentenerstellung oder bei Echtzeitübersetzungen.
Wichtige Einschränkung:
Generative KI ist besonders anfällig für Halluzinationen und erfordert menschliche Kontrolle. In compliance-kritischen Prozessen sollte sie nur unterstützend eingesetzt werden, denn die finale Entscheidung muss überprüfbar bleiben.
Beispiel:
Ein Versicherungsunternehmen nutzt generative KI, um komplexe Schadensakten für Kunden verständlich zusammenzufassen. Die KI erstellt den Entwurf, der Sachbearbeiter prüft ihn. Die Freigabe erfolgt über einen BPM-Prozess mit dokumentierter Vier-Augen-Kontrolle.
Prozessautomatisierung als stabiler Kern
Trotz wachsender KI-Fähigkeiten bleibt klassische Prozessautomatisierung der stabile Anker für Effizienz und Governance. Sie gewährleistet:
- Regelkonformität: Abläufe lassen sich revisionssicher dokumentieren und auditieren.
- Kosten: Wo einfache Regeln genügen, sind BPM-Lösungen günstiger als aufwendige KI-Modelle.
- Stabilität: Solange sich Regeln nicht ändern, laufen Prozesse zuverlässig.
Beispiel:
In einer Personalabteilung werden Urlaubsanträge digital erfasst. Solange nur geprüft wird, ob bestimmte Schwellenwerte eingehalten sind, ist BPM die einfachste, verlässlichste und wirtschaftlichste Lösung.
Agentic AI: Von reaktiver zur autonomen Intelligenz
Während heutige KI-Systeme meist reaktiv sind, verfolgt die nächste Generation einen anderen Ansatz: Agentic AI. Dabei handelt es sich um KI-Agenten, die eigenständig Aufgaben planen, Entscheidungen treffen und Prozesse anstossen können, ohne dass jeder Schritt vom Menschen vorgegeben ist.
Beispiel:
Ein Agentic-AI-System erkennt Engpässe in der Lieferkette, evaluiert alternative Lieferanten, vergleicht Angebote und erstellt eigenständig einen Freigabevorschlag. Diese Entwicklung eröffnet grosse Effizienzpotenziale – bringt jedoch auch Governance-Anforderungen mit sich.
Agentic AI: Potenzial und Governance-Herausforderungen
Die Auditierbarkeit von Agentic-AI-Systemen hängt entscheidend von ihrer technischen und organisatorischen Implementierung ab.
Kritische Punkte:
- Entscheidungsketten: Jeder autonome Schritt muss protokolliert werden.
- Verantwortlichkeiten: Fehlentscheidungen erfordern klare Haftungs- und Eskalationsmechanismen.
- Bias und Drift: Das Verhalten von Agenten kann sich verändern – regelmässige Validierungen sind zwingend.
Mögliche Lösungsansätze:
- Hybride Architekturen: BPM definiert Kontrollpunkte, an denen Agenten Freigaben durch Menschen einholen.
- Strukturierte Dokumentation: Alle Entscheidungen werden mit Begründung, Datenquelle und Konfidenzniveau protokolliert – idealerweise mit Integritätsschutz (wie unter www.originstamp.com beschrieben), etwa über Blockchain-basierte Zeitstempel.
- Sandbox-Umgebungen: Agenten agieren zunächst in kontrollierten Testumgebungen, bevor sie produktiv eingesetzt werden.
Zusammenspiel statt Konkurrenz
Die Zukunft liegt im Zusammenspiel unterschiedlicher Ansätze: BPM sichert Stabilität und Governance, nicht-generative KI ermöglicht Analytik und Prognose, generative KI eröffnet neue Kommunikationswege, und Agentic AI fügt die Dimension autonomer Handlung hinzu.
Beispiel: Recruiting der Zukunft
Nicht-generative KI analysiert Bewerbungsunterlagen und erstellt strukturierte Profile. Generative KI verfasst personalisierte Einladungen und beantwortet Bewerberfragen. Agentic AI plant Termine, koordiniert Beteiligte und weist Rollen zu. BPM sorgt für die Einhaltung rechtlicher Vorgaben und dokumentiert alle Schritte revisionssicher.
Risiken erkennen – und aktiv steuern
Der Einsatz von KI, insbesondere von Agentic AI, erfordert ein strukturiertes Risikomanagement. Unternehmen sollten:
- Transparenz sicherstellen: Jede Entscheidung eines Agenten muss überprüfbar bleiben.
- Kontrollmechanismen etablieren: BPM fungiert als Schutzschicht gegen unkontrollierte Prozesse.
- Compliance sichern: Regulatorische Anforderungen werden mit zunehmender Autonomie komplexer, nicht einfacher.
- Risikoprofile differenzieren: Nicht-generative KI ist meist deterministisch, generative Modelle erfordern intensivere Kontrollen.
Fazit: Von regelbasierter Stabilität zu intelligenter Orchestrierung
KI erweitert die Möglichkeiten der Prozessautomatisierung, ersetzt sie aber nicht. Klassisches BPM bleibt hinsichtlich Transparenz, Stabilität und Kostenkontrolle wichtig. Nicht-generative KI ist der entscheidende Hebel bei strukturierbaren Aufgaben, generative KI stärkt Kommunikation und Interaktion. Mit Agentic AI entsteht das Potenzial neuer Prozessführung: Prozesse könnten künftig teilweise autonom gemanagt werden. Die Auditierbarkeit hängt jedoch vollständig von der Implementierung ab. Ohne integritätsgeschütztes Protokoll, klare Verantwortlichkeiten und BPM-basierte Kontrollpunkte kann Agentic AI die Compliance-Probleme sogar verschärfen.
Die Zukunft gehört der intelligenten Orchestrierung: BPM als stabiler Kern, KI als analytische und kreative Erweiterung, Agentic AI als operative Dynamik. Nur wer diese Systeme integriert und zugleich kontrolliert, wird Effizienz, Innovation und Compliance in Einklang bringen können. Gerne beantworte ich Fragen zu konkreten Anwendungsfällen.
Der Autor
Friedrich Kisters ist Experte für digitale Transformation und Governance mit Fokus auf KI-getriebene Innovationen. Als Berater hilft er Unternehmen dabei, technologische Potenziale verantwortungsvoll zu nutzen und Compliance-Anforderungen in strategische Vorteile umzuwandeln. LinkedIn
Der Beitrag erschien im topsoft Fachmagazin 25-4
Das Schweizer Fachmagazin für Digitales Business kostenlos abonnieren
Abonnieren Sie das topsoft Fachmagazin kostenlos. 4 x im Jahr in Ihrem Briefkasten.