Wie Prozesse KI skalierbar machen

Das Ziel dieser Lektion ist es zu verstehen, warum KI strukturierte Arbeitsweisen benötigt, um zu skalieren – und wie Ihre Prozessmanagement-Praxis zur Grundlage wird, die Unternehmens-KI zuverlässig macht.

Wichtigste Erkenntnisse

• KI kann nicht allein durch Leistungsfähigkeit skalieren: Pilotprojekte gelingen, weil ein kleines Team unklare Prozesse kompensiert; bei Skalierung legt KI jede Inkonsistenz, jeden undokumentierten Workaround und jede lokale Abweichung in der gesamten Organisation offen.
• Intent Engineering ist die fehlende Ebene: Kontext sagt der KI, was sie wissen soll; Intent sagt ihr, was sie wollen, wann sie handeln und wann sie aufhören soll. Intent steckt in Entscheidungslogik, Abwägungen und Eskalationsregeln – nicht in Strategiepräsentationen.
• Eine vollständige Arbeitsweise ist mehr als eine Prozesskarte: Sie umfasst Rollen und Verantwortlichkeiten, Arbeitsanweisungen, Fallabläufe, Systeme und Dateien, Vorlagen sowie die vertrauenswürdigen Fragen und Antworten, die widerspiegeln, worauf es der Organisation tatsächlich ankommt.
• Die erfolgreiche Reihenfolge lautet Prozess → Stabilität → KI: Definieren Sie Ergebnisse und Abwägungen, bauen Sie die Arbeitsweise auf, etablieren Sie Governance, definieren Sie menschliche Kontrollpunkte – und fügen Sie dann KI als Beschleuniger hinzu.
• Drei technische Enabler ermöglichen KI im großen Maßstab: RAG verankert KI-Antworten in Ihren gesteuerten Inhalten, MCP ermöglicht Agenten, innerhalb Ihres Prozessgraphen zu handeln, und Telemetrie hält Intent ehrlich, während sich das Unternehmen und seine Prozesse weiterentwickeln.

Abschrift

Willkommen. In dieser Lektion betrachten wir eines der wichtigsten Themen im Geschäftsleben: warum KI-Initiativen beeindruckende Pilotprojekte liefern, aber Schwierigkeiten haben zu skalieren – und was Geschäftsprozessmanagement mit der Lösung dieses Problems zu tun hat.

Am Ende dieser Lektion werden Sie verstehen, warum KI mehr als nur Daten und Kontext benötigt, um zuverlässig zu agieren, was „Intent Engineering“ in der Praxis bedeutet und wie die von Ihnen geleistete BPM-Arbeit zu einer strategischen KI-Fähigkeit wird.

In den meisten Organisationen geschieht gerade etwas Seltsames. Individuell übernehmen Menschen KI schnell – sie entwerfen Dokumente, fassen Meetings zusammen, bereinigen Daten. Das sind echte Erfolge. Aber es sind persönliche Erfolge. Ein Unternehmen kann Tausende von Menschen haben, die KI nutzen, und dennoch nicht in der Lage sein zu beantworten: Arbeiten wir jetzt tatsächlich anders? Das ist die Herausforderung der Skalierbarkeit.

Forschungen von McKinsey und BCG weisen auf dasselbe hin: Pilotprojekte sind einfach. Produktivbetrieb ist schwierig. Nicht weil das Pilotteam es nicht versucht hätte, sondern weil bei Skalierung die Organisation sichtbar wird – verschiedene Teams interpretieren dieselben Worte unterschiedlich, Prozesse variieren zwischen Standorten, Ausnahmen sind die Regel. An diesem Punkt wird KI zum Spiegel. Sie reflektiert, wie Ihr Unternehmen tatsächlich läuft. Und in vielen Organisationen ist diese Reflexion verschwommen und inkonsistent.

Hier liegt das Kernproblem. KI kann in Ihrer Organisation nicht skalieren, bis sie Ihre Arbeitsweisen versteht. Nicht Ihr Organigramm. Nicht Ihre Strategiepräsentation. Nicht das Werteposter. Ich meine: wie Entscheidungen in der Praxis getroffen werden. Welche Abwägungen akzeptabel sind. Wie gute Arbeit aussieht. Was eskaliert wird. Was nie erledigt wird, selbst wenn es technisch erlaubt ist. Wie Arbeit zwischen Rollen und Teams fließt.

In den meisten Organisationen existiert dieses Wissen – aber es ist nicht explizit. Es ist in den Köpfen erfahrener Mitarbeiter eingeschlossen, in E-Mail-Threads, Teams-Chats, halb aktualisierten SOP-Ordnern auf SharePoint und 200-seitigen Prozess-PDFs, denen niemand mehr vertraut.

Wenn Führungskräfte sagen: „Wir wollen KI in großem Maßstab einsetzen“, stellt sich die Frage: In welche organisatorische Realität genau? In eine Reihe gemeinsamer, lebendiger Best Practices? Oder in eine Sammlung ungeordneter lokaler Gewohnheiten, individueller Annahmen und undokumentierter Workarounds? Es gilt das alte IT-Sprichwort: Wenn man ein Chaos automatisiert, erhält man ein automatisiertes Chaos. Wir haben es bei RPA erlebt. Bei der KI ist es nicht anders.

Es gibt ein Konzept, das erfasst, was hier benötigt wird: Intent Engineering. Es wurde gut beschrieben vom KI-Praktiker Nate B. Jones im Kontext eines realen Falls – bei dem das schwedische Fintech Klarna fast tausend Kundenservice-Mitarbeiter durch KI-Agenten ersetzte, die auf Lösungszeit optimiert waren. Die Zahlen sahen großartig aus. Tickets wurden schneller gelöst. Kosten sanken. Dann beschwerten sich Kunden. Es stellte sich heraus, dass das menschliche implizite Wissen – Erfahrung, Intuition, zu wissen, wann man drei zusätzliche Minuten investiert – fehlte. Die KI hatte einen Prompt. Sie hatte Kontext. Sie hatte keinen Intent.

Intent Engineering ist die Disziplin, organisatorische Absichten maschinenlesbar und maschinenausführbar zu machen: Ziele, Werte, Abwägungen, Entscheidungsgrenzen – in einer Form, auf die KI tatsächlich reagieren kann. Die meisten Unternehmens-KI-Projekte lösen das Problem des Kontexts: besserer Datenabruf, mehr Konnektoren, größere Kontextfenster. All das ist wichtig. Aber Kontext sagt dem Agenten, was er wissen soll. Intent sagt ihm, was er wollen soll – und wann er aufhören soll.

Der Fehlermodus ist nicht Halluzination. Es ist Optimierung. KI optimiert auf Geschwindigkeit, während sie stillschweigend das Vertrauen und die Beziehungsqualität untergräbt, von denen das Geschäft abhängig war. Intent lebt nicht in Unternehmenszielen oder Strategiepräsentationen. Diese wurden für Menschen entwickelt – sie setzen menschliches Urteilsvermögen über Prioritäten, Abwägungen und Grenzfälle voraus. Agenten füllen keine Lücken. Sie füllen Leerstellen.

Absicht wird am Ort der Arbeit real: wenn ein Mitarbeiter an der Front entscheidet, ob er eskaliert; wenn ein Manager entscheidet, ob Geschwindigkeit heute wichtiger ist als Qualität; wenn ein Team eine Regel beugt, um eine Kundenbeziehung zu schützen; wenn sich jemand für „richtig machen“ statt für „jetzt machen“ entscheidet – oder umgekehrt. Aus diesem Grund wird Prozessdenken zu einer KI-Fähigkeit und nicht zu einem Nebenprojekt für Process Excellence. Geschäftsprozesse sind ein wesentlicher Teil der Antwort – sie geben der KI etwas, dem sie folgen kann: die Abfolge von Aktivitäten, Übergaben, Entscheidungspunkten, Varianten und Eskalationspfaden.

Wenn Sie bei Prozessdiagrammen aufhören, bleibt dennoch eine Lücke. Denn in realen Organisationen führen Menschen keine Diagramme aus. Sie führen Arbeitsweisen aus. Und eine Arbeitsweise ist mehr als eine Prozesskarte. Eine vollständige Arbeitsweise beantwortet zwei Fragen: Was versuchen wir hier zu erreichen, und wie machen wir es tatsächlich, wenn es unklar ist?

Sie umfasst Geschäftsprozesse – aber auch: Rollen und Verantwortlichkeiten (wer ist verantwortlich, wer kann entscheiden, wer muss genehmigen); Arbeitserwartungen und Kompetenzen (wie gute Arbeit in dieser Rolle aussieht und welches Urteilsvermögen erwartet wird); Arbeitsanweisungen und SOPs (nicht nur, dass eine Aktivität existiert, sondern wie sie ausgeführt wird); Fallabläufe (was passiert, wenn ein Fall sich über die Zeit bewegt, nicht nur ein statisches Modell); Systeme und Dateien (wo die Arbeit tatsächlich stattfindet – das CRM, ERP, SharePoint, Ticketing-Tool); Vorlagen und Artefakte (die Formulare, Checklisten, Verträge und Berichte, die den Prozess real machen); und die Fragen, die Menschen immer wieder stellen – und die Antworten, denen sie vertrauen. Diese letzte Ebene wird oft übersehen. Hier zeigt sich Intent in alltäglicher Sprache.

Für Organisationen, die über das Pilotprojekt hinaus skalieren wollen, sind drei technische Fähigkeiten wichtig.

RAG – den Prozess abfragbar machen. Retrieval-Augmented Generation verankert KI-Antworten in Ihren tatsächlichen Inhalten – Ihrem Prozessmodell, Arbeitsanweisungen, genehmigten Fragen und Antworten, aktuellen SOPs – in Echtzeit abgerufen statt aus generischen Trainingsdaten generiert. Dies macht KI-Antworten spezifisch für Ihre Organisation und erklärbar. Wenn die Quelle der Wahrheit gesteuert wird, bleiben die Antworten der KI aktuell, während sich der Prozess weiterentwickelt.

MCP – KI-Agenten innerhalb Ihrer Prozesse handeln lassen. Das Model Context Protocol macht den Prozessgraphen als Reihe aufrufbarer Tools verfügbar: einen Prozess abrufen, die Aufgaben für eine Rolle abrufen, eine Änderungsanfrage erstellen, eine Fertigstellung aufzeichnen, eine Ausnahme markieren. In der Praxis ruft ein KI-Agent, der bei der Lösung einer Eskalation hilft, nicht nur Informationen ab – er ruft den Eskalationsprozess ab, identifiziert den nächsten Schritt, zeigt die relevante Arbeitsanweisung an, erstellt die Genehmigungsaufgabe und markiert, ob der Fall vom Standardpfad abweicht. Alles innerhalb der gesteuerten Prozessstruktur, wobei ein Mensch an jeder wichtigen Grenze weiterhin die Kontrolle hat.

Telemetrie – Intent ehrlich halten. Intent ist nicht statisch. Best Practice entwickelt sich weiter. Ausnahmen offenbaren Lücken. Ausführungsdaten (Schrittdauern, Übergaben, Abweichungen, Abschlussmuster) sind der Feedback-Mechanismus, der Intent aktuell hält. Wenn Ausführungsdaten zeigen, dass ein bestimmter Genehmigungsschritt durchweg der Punkt ist, an dem Fälle ins Stocken geraten, kann der Prozessverantwortliche dies sehen, untersuchen und sowohl den Prozess als auch die KI-Anleitung entsprechend anpassen.

Wenn Sie für Prozessmanagement verantwortlich sind – oder allgemeiner für Arbeitsweisen – verändert dies Ihre Rolle auf praktische Weise. Sie pflegen nicht nur Dokumentation. Sie bauen die Grundlage auf, auf der KI laufen wird. Die Fragen, die Sie bereits gestellt haben – wer ist dafür verantwortlich, wie wird dieser Schritt ausgeführt, was passiert an diesem Entscheidungspunkt, wie sieht ein gutes Ergebnis aus – sind genau die Fragen, die KI vertrauenswürdig machen. Und die Governance-Gewohnheiten, die Sie aufgebaut haben – monatliche Reviews, Feedback-Schleifen, Versionskontrolle, lebendige RACIs – sind genau das, was KI davon abhält abzudriften, während sich das Geschäft weiterentwickelt. Prozess-zuerst ist keine Einschränkung für die KI-Einführung. Es ist die Voraussetzung für KI, die tatsächlich skaliert.

Wählen Sie einen bereichsübergreifenden Prozess aus, bei dem KI-Unterstützung sichtbaren Wert schaffen würde. Bilden Sie den Ist-Zustand ab, machen Sie die Abwägungen an den Entscheidungspunkten explizit, weisen Sie Verantwortlichkeiten zu, schreiben Sie die Arbeitsanweisungen für die kritischen Schritte und definieren Sie, wo Menschen in der Schleife bleiben müssen. Dann – und erst dann – bringen Sie KI als Beschleuniger ein. Das ist Intent Engineering in der Praxis. Und es beginnt mit allem, was Sie bereits in diesem Kurs gelernt haben.