Vom IT-Projekt zur Business-Kompetenz Automatisierung muss Sonderfälle erkennen und behandeln können! Das geht.

Anbieter zum Thema

VON ZUR MÜHLEN'SCHE GmbH

Ich bin überzeugt, dass wir an einem Wendepunkt stehen. Der Schwerpunkt der Automatisierung verschiebt sich von der IT hin zum Business, und Organisationen, die diesen Wandel erkannt haben und sich darauf einstellen, werden denen voraus sein, die das nicht tun.

Wenn eine 'Underwriterin' einen Schadenfall bewertet, greift sie auf jahrelange Mustererkennung zurück. Auf Sonderfälle, die sie gesehen hat, Ausnahmen, die sie gelernt hat, und Ermessensentscheidungen, die nie in einem Handbuch standen. Wenn ein Unternehmen beschließt, diesen Prozess zu automatisieren, übergibt es die Anforderungen an die IT und wartet. Was Wochen später zurückkommt, bewältigt die einfachen Fälle. Für den Rest werden weiterhin Fachkräfte gebraucht.

Und trotz Milliardeninvestitionen in Automatisierungsplattformen zeigt sich dieses Muster in Unternehmen immer wieder. Anforderungen werden in der Übersetzung vereinfacht. Sonderfälle werden ausgelassen, weil sie der Person, die sie nicht aufgeschrieben hat, offensichtlich erschienen. Das Urteilsvermögen, das in erfahrenen Köpfen lebt, bleibt dort.

Die Lösung besteht nicht darin, mehr Zeit in die Anforderungserhebung zu investieren. Es geht darum, grundsätzlich zu überdenken, wer Automatisierung überhaupt baut.

Das Problem der Verantwortung für Automatisierung

Über Jahrzehnte war Automatisierung die Domäne der IT, und das aus gutem Grund: Workflows zu bauen bedeutete, Code zu schreiben, Systemarchitekturen zu verstehen und komplexe Abhängigkeiten zu managen. Die IT übernahm diese Aufgabe, weil sie technisches Know-how erforderte, das den meisten Business-Teams fehlte.

Dieses Modell hat jedoch eine grundlegende Schwäche. Diejenigen, die das Geschäft verstehen, sind nicht diejenigen, die die Automatisierung bauen.

Was für Fachanwender*innen offensichtlich ist, findet nie Eingang in die Anforderungen. Sonderfälle, die erfahrene Profis intuitiv handhaben, werden unmöglich detailliert zu dokumentieren. Die Logik, die über Jahre hinweg durch Mustererkennung entstanden ist, wird auf eine vereinfachte Spezifikation reduziert, der die Nuancen fehlen.

Ich habe im vergangenen Jahr mit zahlreichen Führungskräften aus Großunternehmen gesprochen. Der CIO eines großen Finanzdienstleisters brachte es auf den Punkt: Es gibt zehnmal mehr Business-User als IT-User. Warum bitten wir die IT, das zu automatisieren, was das Business am besten weiß?

Warum Low-Code und No-Code nicht ausgereicht haben

Die Branche hat dieses Problem schon vor Jahren erkannt. Die Antwort waren Low-Code- und No-Code-Plattformen, um die technische Einstiegshürde zu senken und Automatisierung für mehr Menschen zugänglich zu machen.

Der Impuls war richtig. Die Umsetzung blieb jedoch hinter den Erwartungen zurück.

Low-Code-Applikationen reduzierten zwar einen Teil der Komplexität, erforderten aber weiterhin technisches Denken. Business-Anwendender:innen stoßen regelmäßig an Grenzen, sobald Prozesse anspruchsvoller werden.

No-Code-Alternativen erreichen Einfachheit, indem sie auf Leistungsfähigkeit verzichten. Siesind daher gut für einfache Aufgaben, aber unzureichend für komplexe Workflows, die echten geschäftlichen Mehrwert schaffen.

Keiner der beiden Ansätze löst das tiefere Problem der Fragilität. Selbst wenn Business-Teams Workflows erstellen konnten, brechen diese, sobald sich Bedingungen ändern.

Das ist eine Lücke

Traditionelle Automatisierung basiert auf deterministischer Logik. Sie funktioniert perfekt, wenn Daten im erwarteten Format eintreffen, wenn Prozesse vorhersehbaren Pfaden folgen und wenn sich nichts ändert. Sobald die Realität abweicht, etwa durch ein unerwartetes Feld, ein neues Szenario oder eine geänderte Geschäftsregel, bricht sie.

Eine EMA-Studie aus dem Jahr 2025 mit über 400 Unternehmen ergab, dass die Komplexität des Automatisierungs-Managements in hybriden und Multicloud-Umgebungen einer der Hauptgründe ist, warum Organisationen Schwierigkeiten haben, Automatisierung auszuweiten. Unternehmen trauen ihrer Automatisierung nicht zu, Variabilität in komplexen Umgebungen zu bewältigen. Also begrenzen sie den Umfang, halten manuelle Fallbacks aufrecht und erreichen nie die Transformation, die sie ursprünglich erwartet haben.

Die Lücke zwischen dem, was Business-Teams brauchen, und dem, was sie selbst bauen können, hat sich nicht geschlossen.

KI verändert die Geschäftsautomatisierung

Generative KI schließt diese Lücke - nicht indem sie menschliches Urteilsvermögen ersetzt, sondern indem sie die Barrieren abbaut, die Business-Teams bislang von der aktiven Mitgestaltung ausgeschlossen haben. Der Wandel vollzieht sich entlang dreier Dimensionen.

1. Workflow-Erstellung - Natürliche Sprachschnittstellen ermöglichen es Praktiker*innen, ihre Anforderungen dialogisch zu beschreiben, während KI die Intention in Workflow-Logik übersetzt. Wer den Geschäftsprozess versteht, aber keine technische Ausbildung hat, kann Automatisierung bauen, die früher spezialisierte Fähigkeiten erforderte.

2.Operative Transparenz - KI-gestützte Assistenten beantworten Fragen wie, welche Workloads in den letzten 24 Stunden fehlgeschlagen sind, indem sie Logs, Metriken und Ausführungshistorien in Echtzeit analysieren. Wissen, das früher das Navigieren durch mehrere Systeme erforderte, wird per Gespräch zugänglich.

3. Anpassungsfähigkeit - KI kann mit Variabilität umgehen, wie es deterministische Systeme nicht können. Dazu zählen Daten in unerwarteten Formaten, Sonderfälle, die nicht explizit programmiert wurden, und Szenarien, die traditionelle Automatisierung lahmlegen würden, nun aber zu beherrschbaren Abweichungen werden.

Keine dieser Fähigkeiten ersetzt menschliches Urteilsvermögen. Vielmehr können diejenigen, die das Geschäft verstehen, endlich direkt mit Systemen arbeiten, die früher ausschließlich der IT vorbehalten waren.

Das Einführen geschäftlich relevanter und bezogener Automatisierung

Organisationen ändern die Art und Weise, wie sie Automatisierung bewerten und auswählen. Klassisches, technologieorientiertes Silodenken, bei dem das beste Tool für jede Kategorie gewählt wird, weicht Bewertungen entlang von Geschäftsergebnissen. Dabei werden mehrere Automatisierungsfähigkeiten gemeinsam anhand der zu lösenden Probleme beurteilt.

Benutzerfreundlichkeit für Business-Teams wird zu einem Standardauswahlkriterium. Unternehmen wollen Werkzeuge, die ihre operativen Teams konfigurieren können, ohne IT-Tickets zu eröffnen. Sie wollen Dashboards, die Business-Teams selbst anpassen können, statt auf Berichte zu warten. Sie wollen Workflows, die Business-Analyst*innen sicher ändern können, wenn sich Anforderungen ändern.

Einige Unternehmen gehen noch weiter und binden IT-Spezialist*innen direkt in Fachbereiche ein, um hybride Teams zu schaffen, die technische Fähigkeiten mit Domänenwissen verbinden.Der vielversprechendste Weg ist jedoch Technologie, die den erforderlichen Grad an Expertise von vornherein senkt.

KI-gestützte Workflow-Erstellung ermöglicht es Praktiker*innen, in natürlicher Sprache zu beschreiben, was sie brauchen. Konversationelle Schnittstellen bringen Expertise direkt in die tägliche Arbeit, sei es insbesondere Mainframe-Wissen für Anwendungsentwicklung oder operative Einblicke für Business-Teams. Intelligenz wird dort eingebettet, wo Arbeit ohnehin stattfindet, und nicht in separaten Tools, die zusätzliche Schulungen erfordern.

Die Zukunft der Automatisierung, die auf Geschäftsprozesse bezogen sind

Der Weg nach vorn besteht nicht darin, zwischen IT-Kontrolle und unternehmerischer Freiheit zu wählen. Es geht darum, Systeme zu schaffen, die anspruchsvoll genug sind, um echte Komplexität zu bewältigen, und zugleich zugänglich genug, damit Fachbereiche sie verantworten können. Drei Prinzipien leiten diesen Wandel.

Erstens: Fähigkeiten werden dort verankert, wo das Wissen lebt. Diejenigen, die die Ergebnisse verstehen, sollten die Werkzeuge haben, um direkt auf dieses Verständnis zu reagieren.

Zweitens: Intelligenz gehört in bestehenden Workflows eingebettet. KI, die separate Tools und Schulungen erfordert, erzeugt Reibung. KI, die Menschen dort abholt, wo sie arbeiten, reduziert sie.

Drittens: Automatisierung gehört für Variabilität entworfen, nicht nur für Effizienz. Automatisierung, die bei Abweichungen der Realität versagt, ist keine Automatisierung. Sie ist ein Risiko.

Die Prinzipien sind keine Wunschvorstellungen. Es sind praktische Anforderungen für Organisationen, die wollen, dass Automatisierung ihr Versprechen einlöst:

• Die Underwriterin, die genau weiß, wie Risiken zu bewerten sind, sollte die Automatisierung bauen, die das tut.

• Die für Operations verantwortliche Person, die die Abhängigkeiten in Workflows versteht, sollte konfigurieren, wie sie ablaufen.

• Das Finanzteam, das Muster in den Daten erkennt, sollte die Regeln definieren, wie darauf reagiert wird.

Die Frage ist, ob Organisationen diesen Wandel annehmen oder weiter darauf warten, dass die IT übersetzt, was das Business längst weiß.

(ID:50705136)