KI-Automatisierung als Dienstleistung anbieten: vom Prozess zum Pilot

1. Was verkauft eine Automatisierungs-Dienstleistung?

Kunden kaufen nicht „einen KI-Agenten“, sondern beispielsweise vorsortierte Supportanfragen, strukturierte Angebotsdaten oder einen täglich aktualisierten Bericht. Formuliere den Liefergegenstand so, dass beide Seiten ihn abnehmen können: Welche Daten gehen hinein, welche Ausgabe kommt heraus, wer prüft sie und wann gilt der Vorgang als erledigt?

Ein Toolname gehört in die technische Lösung, nicht in das Nutzenversprechen. Wenn Make, n8n oder ein Modell später ausgetauscht werden muss, sollte das versprochene Geschäftsergebnis gleich bleiben. Der Beitrag KI-Dienstleistungen auswählen hilft bei der übergeordneten Angebotsentscheidung.

2. Welcher Prozess eignet sich für den ersten KI-Workflow?

Geeignet sind häufige Abläufe mit wiederkehrenden Formaten, geringer Schadenshöhe und einem Ergebnis, das ein Mensch schnell prüfen kann. Beispiele sind das Extrahieren definierter Felder aus internen Dokumenten, das Klassifizieren eingehender Nachrichten oder das Erstellen eines Entwurfs aus freigegebenen Quelldaten.

Ungeeignet für den ersten Pilot sind endgültige Zahlungsentscheidungen, rechtliche Bewertungen, automatische Kündigungen oder Veröffentlichungen ohne Freigabe. Je schwerer ein Fehler rückgängig zu machen ist, desto wichtiger sind Fachprüfung, Berechtigungen und dokumentierte Eskalation.

3. Welche Fragen gehören in die Discovery?

Lass dir den heutigen Prozess zeigen, statt nur die Wunschlösung anzuhören. Wie oft läuft er? Welche Eingaben fehlen regelmäßig? Welche Sonderfälle entscheidet ein erfahrener Mitarbeiter intuitiv? Welche Systeme sind beteiligt, wer besitzt die Zugänge und wie wird heute ein Fehler erkannt?

Erfasse außerdem ein kleines anonymisiertes Testset mit normalen Fällen, Grenzfällen und bewusst fehlerhaften Eingaben. Ohne repräsentative Beispiele lässt sich weder Modellqualität noch Zeitersparnis seriös bewerten. Für personenbezogene Daten gehört die Prüfung aus dem Ratgeber Kundendaten in KI-Tools vor den technischen Prototyp.

4. Wie sieht ein kontrollierbarer Referenzablauf aus?

Für einen überschaubaren Pilot reicht häufig eine lineare Architektur. Das folgende Muster ist keine behauptete Fallstudie, sondern ein technisches Beispiel für die Vorsortierung eingehender Anfragen:

1. Trigger: Eine neue Anfrage startet den Ablauf; Ereignis-ID und Eingangszeit werden übernommen.
2. Vorprüfung: Pflichtfelder, Dateityp, Größe und Berechtigung werden deterministisch geprüft. Nicht benötigte Daten werden entfernt.
3. KI-Schritt: Das Modell erhält eine enge Aufgabe und ein festes Ausgabeschema, etwa eine erlaubte Kategorie plus kurze Begründung. Freitext sollte keine Route ungeprüft steuern.
4. Validierung: Unerlaubte Kategorien, fehlende Felder und unlesbare Anhänge landen in einer manuellen Warteschlange.
5. Aktion: Der Workflow erstellt einen internen Datensatz oder Antwortentwurf. Im Pilot erfolgt keine externe Veröffentlichung oder Nachricht ohne Freigabe.
6. Abschluss: Freigabe, Korrektur oder Abbruch werden protokolliert; Fehler lösen eine Benachrichtigung mit Vorgangs-ID aus.

Die feste Ereignis-ID ist wichtig, weil Trigger und Wiederholungen denselben Vorgang mehrfach liefern können. Vor jeder schreibenden Aktion sollte der Workflow deshalb prüfen, ob sie für diese ID bereits erfolgreich ausgeführt wurde. So wird aus einem technischen Retry nicht versehentlich eine doppelte E-Mail, Rechnung oder CRM-Aktivität.

5. Wie grenzt man einen Pilot sinnvoll ab?

Ein Pilot sollte nur einen Prozess, eine Datenquelle und einen definierten Ausgabekanal umfassen. Lege Laufzeit, maximales Volumen, Testverantwortliche und Abnahmekriterien fest. Formulierungen wie „funktioniert gut“ sind zu weich. Besser sind prüfbare Kriterien: Pflichtfelder vorhanden, Quellen verlinkt, keine externe Aktion ohne Freigabe und jeder Fehler im Protokoll sichtbar.

Der Pilot ist kein kostenloses Gesamtprojekt. Auch Analyse, Zugriffsprüfung, Testdaten und Dokumentation sind Arbeit. Wie du sie in ein Angebot übersetzt, behandelt die Kalkulation eines Automatisierungsprojekts.

6. Wie werden KI-Ergebnisse kontrolliert?

Teste fachliche Richtigkeit, Vollständigkeit, Format und Verhalten bei fehlenden Daten getrennt. Ein Modell kann eine plausibel klingende Antwort liefern und trotzdem das falsche Feld verwenden. Validierungsregeln sollten deshalb deterministisch sein, wo immer das möglich ist: Datentypen, erlaubte Werte, Pflichtfelder, Summen und bekannte Referenzen.

Definiere für unsichere Fälle einen Schwellenwert oder eine Regel, die an Menschen eskaliert. Protokolliere Modellversion, Promptversion, Eingangsquelle und Ergebnis, soweit Datenschutz und Aufbewahrung dies erlauben. Ein automatischer Neustart ohne Ursachenprotokoll macht einen instabilen Workflow nur schwerer prüfbar.

Zur Abnahme gehört eine kleine Fehlermatrix: leere oder unvollständige Eingabe, nicht unterstützter Anhang, ungültige Modellausgabe, abgelaufener Zugang, Rate-Limit oder Timeout, Ausfall des Zielsystems und zweimal gelieferter Trigger. Notiere für jeden Fall erwartetes Verhalten, zulässige Wiederholungen, Benachrichtigung und verantwortliche Person. Ein grüner Durchlauf mit perfekten Beispieldaten reicht nicht.

7. Was gehört zu Betrieb und Übergabe?

Ein produktiver Workflow braucht einen Eigentümer, Benachrichtigungen, Zugangsdokumentation, Kostenkontrolle und einen manuellen Rückfallweg. Kläre, wer API-Schlüssel hält, wer Rechnungen bezahlt und wie Zugänge beim Ende der Zusammenarbeit übergeben oder entzogen werden.

Dokumentiere Trigger, Datenfelder, externe Dienste, Fehlerpfade und bekannte Grenzen. Vereinbare, ob Wartung, Anbieteränderungen und neue Anforderungen im Preis enthalten sind. Ohne diese Trennung wird jede spätere Änderung zur ungeplanten Gratisleistung.

8. Wie sieht ein seriöses Angebot aus?

1. Ausgangslage: aktueller Prozess und messbares Problem.
2. Umfang: Systeme, Datenquellen, Volumen und ausdrücklich ausgeschlossene Fälle.
3. Leistung: Discovery, Pilot, Test, Dokumentation, Schulung und Übergabe.
4. Abnahme: Testset, Kriterien und verantwortliche Person.
5. Kosten: einmaliges Honorar, laufende Tool-/API-Kosten und optionale Wartung.
6. Verantwortung: Freigaben, Datenschutz, Rechte und Verhalten bei Ausfall.

Versprich keine feste Zeitersparnis, bevor Ausgangswert und Pilot gemessen wurden. Ein belastbarer kleiner Auftrag ist für Portfolio und Empfehlung wertvoller als eine große „KI-Agentur“-Behauptung ohne dokumentierten Betrieb.