Workflows statt Rollen: KI im Mittelstand operativ einsetzen

Die Werkzeuge sind da. Die Umsetzung fehlt.

Die meisten Mittelständler haben verstanden, dass KI relevant ist. Die Geschäftsleitung hat Vorträge gehört, vielleicht einen Workshop gebucht, möglicherweise ein Pilotprojekt gestartet. Trotzdem passiert im Tagesgeschäft wenig.

Der Grund ist selten Technologie. Die Werkzeuge sind leistungsfähig, verfügbar und bezahlbar. Was fehlt, ist eine operative Denkweise, die aus "Wir sollten KI nutzen" eine konkrete Veränderung im Arbeitsalltag macht.

Das eigentliche Problem: Denken in Rollen statt in Workflows

Wenn ein Unternehmen eine Aufgabe lösen will, lautet der Reflex: "Ich brauche jemanden dafür." Einen Buchhalter, einen Redakteur, einen Sachbearbeiter. Das ist Denken in Rollen.

KI funktioniert nicht in Rollen. KI funktioniert in Workflows: klar definierte Abfolgen von Schritten mit eindeutigen Eingaben und Ausgaben.

Ein Beispiel: "Ich brauche jemanden für die Belegverarbeitung" ist eine Rolle. Darunter liegen mindestens fünf konkrete Tätigkeiten: E-Mails prüfen, Anhänge herunterladen, Rechnungsdaten extrahieren, einem Lieferanten zuordnen, in die Buchhaltung eintragen. Jede einzelne dieser Tätigkeiten lässt sich als Workflow beschreiben. Und jeder dieser Workflows lässt sich automatisieren.

Merke: Solange Sie in Rollen denken, bleibt KI ein abstraktes Thema. Sobald Sie in Workflows denken, wird KI ein operatives Werkzeug.

Rollen-Denken führt zu der Frage: "Kann KI meinen Buchhalter ersetzen?" Die Antwort darauf ist komplex und politisch aufgeladen. Workflow-Denken führt zu der Frage: "Kann KI Rechnungsdaten aus einer PDF extrahieren?" Die Antwort: Ja. Heute. In den meisten Fällen ohne manuellen Eingriff.

Vier Schritte vom Vorsatz zur operativen Umsetzung

Schritt 1: Aufgaben-Inventur

Schreiben Sie auf, was Sie und Ihr Team tatsächlich tun. Nicht die Stellenbeschreibung. Nicht die Rolle. Die einzelnen Tätigkeiten, so granular wie möglich.

"Ich kümmere mich um die Buchhaltung" ist keine Tätigkeit. Es ist ein Sammelbegriff für dutzende Einzelschritte. Erst wenn diese Schritte auf dem Tisch liegen, erkennen Sie, welche davon regelbasiert, repetitiv und damit automatisierbar sind.

Fangen Sie bei sich selbst an. Führungskräfte, die ihren eigenen Arbeitsalltag nicht granular beschreiben können, werden auch den ihrer Mitarbeiter nicht sinnvoll verändern.

Schritt 2: Eine Aufgabe, ein Workflow

Nehmen Sie eine einzige Tätigkeit aus der Inventur. Eine, die Sie regelmäßig Zeit kostet und die nach klaren Regeln abläuft. Beschreiben Sie den Ablauf Schritt für Schritt: Was kommt rein? Was passiert damit? Was kommt raus?

Das ist kein Technologieprojekt. Das ist Prozessarbeit. Viele Unternehmen scheitern nicht an der KI, sondern daran, dass sie ihre eigenen Abläufe nie sauber beschrieben haben.

Ein gut beschriebener Workflow lässt sich oft innerhalb weniger Tage automatisieren. Nicht in Monaten. Nicht mit sechsstelligem Budget. Sondern mit den Werkzeugen, die heute verfügbar sind.

Schritt 3: KI einarbeiten wie einen neuen Mitarbeiter

Kein neuer Mitarbeiter liefert am ersten Tag perfekte Ergebnisse. Bei KI erwarten Unternehmen genau das. Der erste Output ist mittelmäßig, also wird das Projekt eingestellt. Das ist, als würden Sie jeden neuen Mitarbeiter nach dem ersten Arbeitstag wieder entlassen.

KI braucht Feedback, Iteration und Kontext. Der Unterschied: Was bei einem Menschen Wochen oder Monate dauert, schaffen Sie mit KI in Stunden. Geben Sie der Technologie die gleiche Einarbeitungszeit, die Sie einem Mitarbeiter geben würden. Nur komprimiert.

Schritt 4: Definieren Sie, was "gut" bedeutet

Das ist der Schritt, den die meisten überspringen. Und der wichtigste.

Wenn Ihre Anweisung lautet "Schreib mir eine professionelle E-Mail", ist das keine Definition. "Professionell" kann alles bedeuten. KI liefert, was Sie beschreiben. Nicht, was Sie meinen.

Ersetzen Sie weiche Begriffe durch konkrete Regeln. Statt "professionelle E-Mail" beschreiben Sie: maximale Länge, Tonalität, welche Informationen enthalten sein müssen, welche nicht, ein Beispiel für einen guten und einen schlechten Output.

Merke: Je präziser Ihre Definition von "gut", desto besser das Ergebnis. Das gilt für KI genauso wie für Mitarbeiter.

Dieser Schritt hat einen Nebeneffekt, der oft wertvoller ist als die Automatisierung selbst. Wer gezwungen ist, "gut" konkret zu definieren, versteht den eigenen Prozess zum ersten Mal wirklich.

Praxisbeispiel: Belegverarbeitung in meiner eigenen Firma

Ich setze diese vier Schritte in meinem eigenen Unternehmen um. Ein konkretes Beispiel ist die Belegverarbeitung.

Vorher: Eingangsrechnungen kamen per E-Mail. Ich habe sie manuell heruntergeladen, die Daten in mein Buchhaltungssystem eingetragen, bei neuen Lieferanten erst den Kontakt angelegt, dann die Rechnung zugeordnet und schließlich die Buchung mit dem Kontoauszug abgeglichen. Pro Beleg einige Minuten, über den Monat summiert sich das.

Nachher: Mein System erkennt automatisch E-Mails mit Rechnungsanhängen, lädt die Belege herunter, extrahiert alle relevanten Daten, ordnet sie dem richtigen Lieferanten zu und trägt sie im Buchhaltungssystem ein. Die Zuordnung zu Bankbuchungen erfolgt ebenfalls automatisch. Ich prüfe die Ergebnisse, greife aber nur noch bei Ausnahmen ein.

Auf der Ausgangsseite sieht es ähnlich aus: Ich beschreibe per Spracheingabe, was auf eine Rechnung soll. Falls ein Angebot existiert, werden die Positionen automatisch übernommen. Das System optimiert die Formulierungen und erstellt eine fertige Rechnung im eigenen Design.

Die Aufgaben-Inventur (Schritt 1) hat gezeigt: "Buchhaltung" besteht aus rund einem Dutzend einzelner Tätigkeiten. Die meisten davon sind regelbasiert. Die Workflow-Beschreibung (Schritt 2) war der eigentliche Aufwand. Die Automatisierung danach ging schnell.

Das ist kein Sonderfall. Jedes Unternehmen hat vergleichbare Abläufe: Auftragsbestätigungen, Lieferscheine, Reklamationsbearbeitung, Angebotslegung. Die Frage ist, ob Sie diese Abläufe als Rollen betrachten oder als Workflows.

Was bleibt, wenn Workflows automatisiert sind

KI-Agenten für operative Abläufe zu nutzen wird in wenigen Jahren Grundvoraussetzung sein, kein Wettbewerbsvorteil. So wie heute niemand dafür gelobt wird, Excel zu kennen.

Was dann zählt: Den Kontext verstehen. Die richtigen Ziele setzen. Entscheiden, wenn Optionen konkurrieren. Diese Fähigkeiten kommen aus Jahren im Geschäft. Kein Modell lernt sie stellvertretend.

Wer heute anfängt, seine Abläufe als Workflows zu beschreiben und zu automatisieren, baut genau dieses Urteilsvermögen auf. Nicht als Theorie, sondern als tägliche Praxis.