Einblicke / KI und Automatisierung
So wählen Sie eine Beratung für KI-Automatisierung
Wählen Sie eine Beratung für KI-Automatisierung danach aus, wie gut sie Ihre Arbeit versteht, einen sinnvollen Anwendungsfall erprobt und den zuverlässigen Betrieb nach dem Start plant. Ein kompetenter Partner sollte erklären können, was automatisiert werden sollte, was unter menschlicher Kontrolle bleiben muss, wie sich die Lösung in Ihre Systeme einfügt und woran Sie ihre Wirksamkeit erkennen.
Dieser Maßstab ist wichtig, denn KI-Automatisierung kann sehr unterschiedliche Dinge bezeichnen: eine regelbasierte Übergabe zwischen Systemen, ein Sprachmodell zur Klassifizierung eingehender Anfragen oder einen Ablauf, der beides verbindet. Die richtige Wahl hängt von der Aufgabe und ihren Folgen ab, nicht davon, wie neu das Werkzeug ist.
Beginnen Sie beim Prozess, nicht beim Produkt
Beschreiben Sie den Arbeitsablauf, den Sie verbessern möchten, bevor Sie Anbieter prüfen. Halten Sie Auslöser, beteiligte Personen und Systeme, Entscheidungen, häufige Ausnahmen und das gewünschte Geschäftsergebnis fest. Die Bearbeitung einer neuen Anfrage kann etwa die Erfassung eines Formulars, die Prüfung auf Vollständigkeit, die Zuweisung eines Verantwortlichen, einen Antwortentwurf und die Dokumentation des nächsten Schritts umfassen. Damit erhält die Beratung eine konkrete Bewertungsgrundlage.
Bitten Sie das Unternehmen, den Ablauf mit Ihrem Team nachzuvollziehen und Zeitverluste, Fehler, Verzögerungen oder fehlenden Kontext sichtbar zu machen. Prozessmodellierung und Process Mining können tatsächliche Abläufe und Engpässe aufzeigen, statt sich nur auf Annahmen zu stützen. Microsoft beschreibt, wie Prozessdaten helfen, Ineffizienzen und Automatisierungsmöglichkeiten zu erkennen, in seiner Übersicht zu Process und Task Mining. Es geht nicht darum, eine bestimmte Plattform zu kaufen, sondern die Arbeit zu verstehen, bevor sie verändert wird.
Fünf Kriterien für den Anbietervergleich
- Geschäftlicher Nutzen. Kann die Beratung die vorgeschlagene Arbeit mit einem vereinbarten Ergebnis verbinden, etwa kürzeren Antwortzeiten oder weniger unvollständigen Datensätzen? Fragen Sie, wie sie einen Ausgangswert ermitteln und Aktivität von Wirkung unterscheiden würde.
- Methode und Urteilsvermögen. Prüft das Team auch eine einfachere regelbasierte Automatisierung oder eine Prozessänderung, wenn diese zuverlässiger wäre? Lassen Sie erklären, warum KI für die Aufgabe geeignet ist und was bei geringer Sicherheit, fehlenden Daten oder ungewöhnlichen Fällen geschieht.
- Integration und Daten. Fragen Sie, welche Systeme Informationen austauschen müssen, welche Berechtigungen die Automatisierung benötigt, wo Daten verarbeitet werden und wie Fehler protokolliert und Vorgänge erneut ausgeführt werden. Verlangen Sie eine klare Darstellung der Abhängigkeiten, Zugriffsanforderungen und möglichen laufenden Plattformkosten.
- Risiken und Aufsicht. Fragen Sie, wer Handlungen mit wesentlichen Folgen freigibt, was Nutzer prüfen oder übersteuern können und wie das System überwacht wird. Das freiwillige AI Risk Management Framework des NIST gliedert die Risikobearbeitung in die Funktionen Govern, Map, Measure und Manage und berücksichtigt Kontext, Tests, Rollen und laufende Überprüfungen. Es bietet hilfreiche Gesprächsimpulse, ist aber keine Zertifizierungscheckliste. Siehe dazu den Kern des NIST AI RMF.
- Übergabe und Unterstützung. Klären Sie, wem Arbeitsablauf, Dokumentation, Prompts oder Konfiguration und Betriebsanweisungen gehören. Fragen Sie nach enthaltenen Schulungen, Wartung und Reaktion auf Vorfälle sowie danach, wie Ihr Team den Betrieb übernehmen oder den Anbieter wechseln kann.
Verlangen Sie eine kleine, überprüfbare erste Phase
Ein überzeugendes Angebot definiert einen begrenzten ersten Anwendungsfall, die benötigten Eingaben, die betroffenen Systeme, Erfolgskriterien und eine Möglichkeit, die Änderung zu stoppen oder rückgängig zu machen. Es sollte außerdem eine Person auf Ihrer Seite benennen, die Entscheidungen treffen und den Ablauf prüfen kann. Meiden Sie Angebote, die umfassende Transformation versprechen, ohne Annahmen, Abhängigkeiten oder Abnahmekriterien zu nennen.
Fragen Sie bei einem Schritt mit generativer KI, wie Beispiele vor der Einführung getestet und Leistungen anhand realer Fälle überprüft werden. Eine flüssige Antwort beweist noch keine Richtigkeit. Legen Sie fest, welche Ergebnisse eine menschliche Prüfung benötigen, welche Fehler unzulässig sind und wie das System reagieren soll, wenn es keine verlässliche Empfehlung geben kann.
Hypothetisches Beispiel: Anfragen qualifizieren
Stellen Sie sich ein Unternehmen vor, das Anfragen über ein Webformular und ein gemeinsames Postfach erhält. Eine Beratung schlägt vor, jede Nachricht mit KI nach Thema und Dringlichkeit einzuordnen und an das passende Team weiterzuleiten. Vor der Anbieterauswahl untersucht das Unternehmen frühere Nachrichten, vereinbart Kategoriedefinitionen und erfasst aktuelle Zuweisungszeiten sowie Fehlleitungen. Der Pilot schlägt eine Kategorie und eine Zuständigkeit vor, die ein Mensch freigibt. Erst nach Prüfung der Genauigkeit, der Ausnahmen und der Arbeitsbelastung entscheidet das Unternehmen, ob Fälle mit geringem Risiko automatisch zugeordnet werden dürfen. Diese Schritte dienen der Veranschaulichung und sind keine berichteten Kundenergebnisse.
Treffen Sie die Entscheidung anhand von Nachweisen
Vergleichen Sie Anbieter nach der Klarheit ihres Vorgehens, der Qualität ihrer Fragen, dem Realismus der ersten Phase und der Vollständigkeit ihres Betriebsplans. Lassen Sie jeden erklären, was er vorerst nicht automatisieren würde und warum. Ein Partner, der Grenzen und Alternativen erläutern kann, schafft eine bessere Entscheidungsgrundlage als einer, der ein Werkzeug verkauft, bevor er die Arbeit versteht.
Wenn Sie einen Arbeitsablauf prüfen möchten, entdecken Sie Zendrals Leistungen für KI und Automatisierung oder kontaktieren Sie unser Team um das geschäftliche Problem und einen geeigneten ersten Schritt zu besprechen.