KI und Automatisierung: Erst den Prozess verstehen, dann das Werkzeug wählen.

KI ist ein Werkzeug. Automatisierung ist ein System. Wer beides verwechselt, baut schnell eine überzeugende Demo, aber noch keinen funktionierenden Prozess.

Regel, Software oder KI?

Diese drei Ansätze lösen unterschiedliche Aufgaben. In einem funktionierenden Ablauf können sie zusammenarbeiten. Sie sollten aber nicht austauschbar behandelt werden.

Klassische Regel

Eine feste Regel passt, wenn Eingaben, Bedingungen und Ergebnis eindeutig sind. Sie ist vor allem dann sinnvoll, wenn dieselbe Eingabe wiederholbar zum selben Ergebnis führen soll und bekannte Ausnahmen klar beschrieben werden können.

• Datenformate und Pflichtfelder prüfen,
• Felder nach einer festen Zuordnung übertragen,
• Grenzwerte überwachen,
• Freigabeschritte nach eindeutigen Bedingungen auslösen,
• Dateien kontrolliert übertragen,
• Berichte nach festgelegten Regeln erzeugen.

Eine Regel ist dann sinnvoll, wenn ihr Verhalten verständlich bleibt und mit konkreten Fällen geprüft werden kann.

Klassische Software oder Integration

Sobald mehrere Systeme, Zustände, Benutzerrechte und Fehlerwege zusammenkommen, reicht eine einzelne Regel meist nicht mehr. Dann braucht der Ablauf Software, die Schnittstellen bedient, Zustände festhält und auf Fehler kontrolliert reagiert.

• Daten zwischen Fachanwendungen, APIs oder Datenbanken übertragen,
• einen Workflow mit Freigaben und Rollen abbilden,
• Import- und Exportstrecken mit Fehlerbehandlung betreiben,
• technische Datenbestände abgleichen,
• Zustände überwachen und gezielt melden,
• eine Bedienoberfläche für einen begrenzten Prozess bereitstellen.

Dazu gehören auch Protokollierung, Wiederanlauf und die Frage, wer eine fehlerhafte Übertragung erkennen und korrigieren kann. Diese Betriebsaufgaben verschwinden nicht, wenn zusätzlich ein KI-Modell verwendet wird.

KI-Unterstützung

KI kann helfen, wenn Eingaben nicht vollständig durch feste Felder und Regeln beschrieben werden können. Typische Beispiele sind unstrukturierte Texte, größere Dokumentbestände, Klassifikationen mit Unsicherheit oder Vorschläge für eine spätere menschliche Prüfung.

• Dokumente thematisch vorsortieren,
• technische Unterlagen durchsuchen,
• mögliche Zusammenhänge in Logs oder Codebeständen für die Prüfung vorbereiten,
• Entwürfe und technische Prüffragen erzeugen,
• Informationen für eine menschliche Entscheidung zusammenstellen.

Wenn eine Ausgabe Auswirkungen auf Sicherheit, Produktion oder Geschäftsbetrieb haben kann, darf sie nicht ungeprüft automatisch eine Entscheidung auslösen. Dann müssen Prüfung, Freigabe und Rückfallweg ausdrücklich festgelegt werden.

Was soll eigentlich besser werden?

Vor der Werkzeugwahl muss der betrachtete Teil des Ablaufs verstanden sein. Dafür ist keine vollständige Prozessdokumentation des ganzen Unternehmens nötig. Es müssen aber die Eingaben, Entscheidungen, Ausnahmen und Systemgrenzen geklärt sein, die für den Auftrag eine Rolle spielen.

• Wie läuft der Vorgang heute tatsächlich ab?
• Was ist das gewünschte Ergebnis?
• Welche Eingaben sind vorhanden und woher stammen die Daten?
• Welche Ausnahmen treten auf?
• Welche Entscheidung darf automatisiert werden?
• Wo bleibt eine menschliche Freigabe?
• Welche Systeme müssen miteinander sprechen?
• Was passiert bei einer falschen Ausgabe?
• Wie wird ein Fehler erkannt?
• Wie läuft der Vorgang weiter, wenn Modell oder Dienst ausfallen?
• Wer pflegt Regeln, Prompts, Schnittstellen und Zugänge?

Ein unklarer Prozess wird durch KI nicht klar. Er wird nur schwerer zu prüfen.

Wann KI unnötig kompliziert wird

Eindeutige Wenn-dann-Regeln, feste Berechnungen, technische Grenzwerte, Formatprüfungen und klar definierte Datenübertragungen benötigen in vielen Fällen kein Modell. Das gilt auch für Rechte- und Freigabeschritte, wiederholbare Berichte und Abläufe, bei denen dieselbe Eingabe immer dasselbe Ergebnis liefern muss.

Klassische Regeln lassen sich häufig gezielter testen. Eine Abweichung kann eher auf eine bestimmte Bedingung, Schnittstelle oder Datenquelle zurückgeführt werden. Laufverhalten und Kosten sind meist leichter vorherzusehen, und eine lokale Verarbeitung kann ohne externen KI-Dienst auskommen.

Das macht klassische Automatisierung nicht automatisch sicher, günstig oder wartungsfrei. Fehlerhafte Regeln, unklare Zustände oder schlecht behandelte Ausnahmen können auch dort einen Prozess stören. Entscheidend ist, ob die Technik zur Aufgabe passt und im Betrieb geprüft werden kann.

Wo KI einen technischen Vorteil haben kann

KI wird interessant, wenn Informationen in vielen uneinheitlichen Dokumenten, freien Texten oder größeren Wissensbeständen liegen. Sie kann Inhalte klassifizieren, zusammenfassen oder für eine spätere Prüfung ordnen. Auch bei Code- und Dokumentationsanalysen oder bei der Vorbereitung von Testfällen kann sie einzelne Arbeitsschritte unterstützen.

Die Ausgabe eines Modells kann falsch, unvollständig oder widersprüchlich sein. Deshalb hängt der notwendige Prüfaufwand davon ab, was mit dieser Ausgabe geschieht. Ein Entwurf für eine interne Notiz hat eine andere Wirkung als eine Freigabe, eine Konfigurationsänderung oder eine Aktion an einem Produktionssystem.

Ein Modell ist keine verlässliche Datenquelle. Originaldaten und Quellen müssen erreichbar bleiben. Ebenso muss feststehen, wer ein Ergebnis prüft und wie mit unsicheren oder fehlenden Angaben umgegangen wird. Die Verantwortung verschwindet nicht durch den Einsatz eines Modells.

Eine gute Vorführung ist noch kein funktionierender Prozess.

In einer Demo sind Eingaben oft vorbereitet, Zugänge vorhanden und Fehlerwege ausgeblendet. Im späteren Betrieb gelten diese Annahmen oft nicht mehr.

Daten

• Woher stammen die Daten, wie aktuell sind sie und wer darf sie verwenden?
• Welche vertraulichen Inhalte sind enthalten?
• Wie werden Test- und Produktivdaten getrennt?
• Wie wird erkannt, dass Angaben fehlen oder nicht mehr stimmen?

Schnittstellen

• Erfolgt der Austausch über API, Datei oder Datenbank?
• Wie funktionieren Authentifizierung und Berechtigungen?
• Wie werden Rate Limits, Fehlerantworten und Versionswechsel behandelt?
• Welche Daten dürfen das eigene System verlassen?

Betrieb

• Welche Vorgänge werden protokolliert und überwacht?
• Welche laufenden Kosten entstehen durch Aufrufe, Speicher und Betrieb?
• Was passiert bei Timeout, Ausfall oder wiederholter fehlerhafter Ausgabe?
• Gibt es einen Fallback und eine verständliche manuelle Bearbeitung?
• Was bedeutet ein Modell- oder Anbieterwechsel für Daten und Schnittstellen?

Qualität

• Welche Testfälle und bekannten Fehlertypen werden verwendet?
• Welche Stichproben und Freigaberegeln sind nötig?
• Wie wird die Ausgabe mit Originaldaten verglichen?
• Wie behandelt der Ablauf unsichere oder widersprüchliche Ergebnisse?

Verantwortung

• Wer darf das Ergebnis verwenden und wer prüft es?
• Wer korrigiert Fehler und entscheidet über Änderungen?
• Was darf nie allein durch die Modellausgabe ausgelöst werden?

Diese Fragen sind keine vollständige Prüfliste und keine Zertifizierung. Sie helfen, den späteren Betrieb technisch vorzubereiten.

Vor einer größeren Beauftragung technisch gegenprüfen

Ein Angebot kann technisch sauber beschrieben sein und trotzdem eine zu eng gestellte Aufgabe lösen. Vor einer langfristig bindenden Entscheidung lohnt sich deshalb die Prüfung, ob Problem, Werkzeug und Betriebsmodell zusammenpassen.

• Beantwortet das Angebot das tatsächliche Problem?
• Ist KI für diesen Vorgang notwendig und welche einfachere Lösung wurde geprüft?
• Welche Daten, Rechte und Schnittstellen werden vorausgesetzt?
• Wo werden Daten verarbeitet?
• Welche laufenden Kosten entstehen nach dem Piloten?
• Wie wird die Ausgabe geprüft?
• Was passiert bei Ausfall oder Anbieterwechsel?
• Lassen sich Daten und Konfigurationen exportieren?
• Bleibt der Prozess auch ohne das Modell bedienbar?
• Wer übernimmt Betrieb, Pflege und Fehleranalyse?
• Welche Aussagen sind nachgewiesen und welche bislang nur angenommen?

Ein technisch sauber gebautes KI-System kann trotzdem die falsche Aufgabe lösen.

Wie ich KI im Engineering einsetze

Ich nutze KI bei der Analyse größerer Code- und Dokumentationsbestände, zur Vorbereitung von Refactoring, technischen Prüffragen und Tests sowie für Prototyping und Dokumentation. Dazu gehört auch die Entwicklung eigener Werkzeuge und Plattformbestandteile und die Suche nach Widersprüchen oder offenen Punkten.

Architektur, fachliche Steuerung und Freigaben bleiben in meiner Verantwortung. Ich prüfe die Ergebnisse und behandle sie nicht automatisch als Tatsache. Vertrauliche Inhalte werden nur in dem technischen Rahmen verarbeitet, der für den Auftrag ausdrücklich freigegeben wurde.

KI beschleunigt einzelne Arbeitsschritte. Sie ersetzt nicht das technische Verständnis, das für Auswahl, Prüfung und Freigabe nötig ist.

Was daraus ein sinnvoller Auftrag werden kann

Ein Auftrag kann eine konkrete technische Frage beantworten. Je nach Ausgangslage kann ich:

• einen vorhandenen Prozess und Datenweg technisch aufnehmen,
• ein KI- oder Automatisierungsangebot gegenprüfen,
• klassische und KI-gestützte Varianten vergleichen,
• einen klar begrenzten Prototyp erstellen,
• Schnittstellen und Datenübergaben umsetzen,
• Prüf- und Freigabeschritte definieren,
• Betrieb, Logging und Fallback vorbereiten,
• eine bestehende Automatisierung technisch untersuchen,
• einen ungeklärten Pilotversuch in einen klaren nächsten Schritt überführen.