KI-Workflow für Unternehmen: Prozesse automatisieren ohne das ERP zu ersetzen

Ein KI-Workflow ist keine neue Software, die anstelle des ERP installiert werden muss. Er ist eine intelligente Schicht, die über den bestehenden Systemen lebt — ERP, MES, Lagerverwaltung, CRM, E-Mail, Buchhaltung — und sie miteinander reden lässt, gemeinsam entscheiden lässt, zusammengesetzte Aktionen ausführen lässt, ohne dass jemand Daten von einer Seite zur anderen kopieren muss. Der Unterschied zu einer klassischen Automatisierung ist, dass ein KI-Workflow auch unvorhergesehene Fälle behandelt: wenn eine Ausnahme auftritt, denkt die KI nach, entscheidet, und wenn sie es wirklich nicht schafft, fragt sie einen Menschen.

Im Jahr 2026 ist das eines der Themen mit dem höchsten Wachstum bei DACH-KMUs: nicht "wie ersetze ich meine bestehenden Systeme", sondern "wie verbinde ich das, was ich habe, mit einer intelligenten Schicht, die das Wiederholbare reduziert".

Was genau ist ein KI-Workflow

Ein KI-Workflow ist eine Sequenz automatisierter Schritte, die KI-Komponenten zur Entscheidungsfindung verwendet. Drei Schlüsselelemente unterscheiden ihn von einer klassischen Automatisierung:

1. Er beginnt mit einem Ereignis oder einem Ziel. Eine eingehende E-Mail, eine erstellte Bestellung, eine Schwelle überschritten, eine geplante Zeit. Oder ein operatives Ziel: "den heutigen Bestellungen vorbereiten".

2. Er entscheidet die Schritte autonom. Anders als ein klassisches Skript ist die Schritte-Reihenfolge nicht starr im Voraus geschrieben. Die KI versteht das Ziel, sieht die verfügbaren Daten an, wählt die richtige Reihenfolge.

3. Er führt Aktionen auf realen Systemen aus. Liest und schreibt im ERP, sendet E-Mails, erstellt Dokumente, klassifiziert Dateien, ruft externe APIs auf. Es ist kein theoretisches Werkzeug — es bewegt reale Daten in realen Systemen.

Wenn diese drei Elemente fehlen, sprechen wir von etwas anderem: einem klassischen Prozessautomatisierungs-Tool (Zapier, Make), das in einem KI-Workflow eine Komponente sein kann, aber für sich allein kein vollständiger KI-Workflow ist.

5 konkrete KI-Workflow-Beispiele in DACH-KMUs

Workflow 1 — Eingangsrechnungs-Workflow (Produktionsunternehmen, 60 Mitarbeiter)

• Trigger: PDF/XML-Rechnung trifft in der Buchhaltungs-E-Mail ein
• KI-Schritte: extrahiert Daten (Lieferant, Betrag, Buchungskonto, Steuersatz), gleicht mit Eingangsbestellungen ab, identifiziert Unstimmigkeiten, kategorisiert nach Kanzleipolicy
• Aktionen: schreibt Rechnung im ERP, sendet Bestätigungs-E-Mail an Lieferanten, eskaliert Anomalien an den Buchhalter
• Ergebnis: ~3 Minuten pro Rechnung gespart, 87% verarbeitete Rechnungen ohne menschliches Eingreifen

Workflow 2 — Angebotsgenerierungs-Workflow (Industriellen B2B-Verkauf, 30 Mitarbeiter)

• Trigger: Angebotsanfrage kommt vom Vertriebsmitarbeiter
• KI-Schritte: sucht ähnliche historische Aufträge im CRM, schaut Bestand und Preisliste an, analysiert Marge auf vergleichbaren Aufträgen, schreibt Vorschlag-PDF
• Aktionen: erstellt das vorausgefüllte Angebot, sendet es dem Vertriebsmitarbeiter zur Genehmigung
• Ergebnis: Angebotszeit von 90 auf 12 Minuten, +40% Sales-Time auf qualifizierte Leads

Workflow 3 — Anomalie-Workflow Wartung (Maschinenbauunternehmen, 45 Mitarbeiter)

• Trigger: Maschinensensor signalisiert anomalen Wert
• KI-Schritte: korreliert mit 30-Tage-Historie, vergleicht mit ähnlichen Mustern bei vergangenen Defekten, schätzt Wahrscheinlichkeit eines bevorstehenden Defekts
• Aktionen: wenn Wahrscheinlichkeit > 70%, generiert Wartungsauftrag, prüft Ersatzteile, plant Eingriff
• Ergebnis: ungeplante Maschinenstillstände reduziert von 18 auf 6 pro Jahr

Workflow 4 — Mitarbeiter-Onboarding-Workflow (40-Mitarbeiter-Unternehmen)

• Trigger: HR erstellt neuen Mitarbeiterdatensatz
• KI-Schritte: liest die Stellenbeschreibung, identifiziert benötigte Tools (E-Mail, Teams, ERP, spezifische Lizenzen), generiert Aufgabenliste
• Aktionen: erstellt E-Mail-Account, sendet Anfragen an IT, generiert Willkommensdokumente, plant Schulungen
• Ergebnis: Onboarding-Setup von 4 Stunden auf 30 Minuten

Workflow 5 — Kundenberichts-Workflow (Steuerberaterkanzlei, 22 Mitarbeiter)

• Trigger: erster Tag des Monats, 9:00 Uhr
• KI-Schritte: für jeden Kunden liest sie Buchhaltungs-, Bilanz-, Cashflow-Daten, identifiziert relevante Anomalien, schreibt Berichts-Kommentar
• Aktionen: erzeugt persönlich angepasstes PDF, sendet es dem Kanzleisachbearbeiter zur Überprüfung
• Ergebnis: monatliche Berichtsproduktionszeit von 2 Stunden/Kunde auf 15 Minuten Überprüfung

Wie sich der KI-Workflow von klassischer Automatisierung unterscheidet

Werkzeuge wie Zapier, Make oder Microsoft Power Automate sind klassische Automatisierungsplattformen. Sehr sinnvoll für vorhersehbare Workflows: wenn X passiert, mach Y. Aber sie haben drei Grenzen, die KI überwindet:

1. Behandlung von Ausnahmen. Wenn die eingehenden Daten nicht in den erwarteten Formaten sind, blockiert die klassische Automatisierung. Ein KI-Workflow versteht die Variante, passt sich an oder schlägt einen Eingriff vor.

2. Entscheidungen aus mehreren Quellen. Klassische Automatisierungen folgen einem starren Workflow. KI-Workflows können mehrere Datenquellen sehen, vergleichen und kontextbasiert entscheiden.

3. Variable Ausgaben. Eine klassische Automatisierung sendet eine Standard-E-Mail. Ein KI-Workflow schreibt für jeden Kunden, jede Situation, jede Anomalie eine andere kontextangepasste E-Mail.

In der Praxis sind sie nicht alternative Welten: die meisten guten KI-Workflows benutzen auch klassische Automatisierung als "Bewegungsschicht" (Daten zwischen Systemen kopieren) und KI als "Entscheidungsschicht" (was tun, wann, wie). Die zwei Welten ergänzen sich.

Was ein KI-Workflow für ein KMU kostet

Die typischen Kosten für ein DACH-KMU im Jahr 2026:

Die laufenden Kosten umfassen LLM-API (Claude, GPT, manchmal lokale Modelle), Cloud-Infrastruktur, Wartung. Typischer ROI: 4-8 Monate für gut gewählte Workflows.

Die häufigsten Anfangsfehler: zu komplex starten (5-System-Workflow als erstes Projekt), bevor klar ist, ob das Konzept passt; ROI nicht im Voraus messen ("schauen wir mal was passiert" ist keine Strategie); auf eine generische Plattform setzen, ohne Integration mit der spezifischen ERP-Realität zu validieren.

Wann ein KI-Workflow sinnvoll ist und wann nicht

KI-Workflow ergibt Sinn wenn:

• Es einen wiederkehrenden Prozess gibt mit mindestens 50 Ausführungen pro Monat
• Der Prozess mindestens 2 verschiedene Systeme berührt
• Es Variabilität in den eingehenden Daten gibt (verschiedene Formate, Ausnahmen)
• Ein Mensch heute dafür mindestens 30 Minuten/Tag verwendet
• Die Daten sind digital und zugänglich (nicht nur Papier oder isolierte Köpfe)

KI-Workflow ergibt keinen Sinn wenn:

• Der Prozess völlig vorhersehbar und unverändert ist (klassische Automatisierung ist günstiger)
• Das Volumen niedrig ist (< 50 Ausführungen/Monat — Aufwand größer als Ertrag)
• Die Daten überwiegend auf Papier oder in Köpfen sind (zuerst digitalisieren)
• Sie suchen "KI für KI" ohne klares Ziel

Wie startet man

Drei Schritte für ein KMU, das mit KI-Workflows beginnen will:

1. Wählen Sie einen einzigen Prozess. Den teuersten in Bezug auf Zeit, den vorhersehbarsten in Bezug auf Volumen. Keine "Komplette Digitalisierung" — ein konkreter Prozess.

2. Definieren Sie quantitative ROI-Ziele. "Bearbeitungszeit von X auf Y reduzieren", "Verarbeitungsvolumen verdoppeln, ohne neue Mitarbeiter einzustellen". Wenn das Ziel nicht messbar ist, ist es kein Projekt — es ist Storytelling.

3. Bauen Sie das erste Modul in 6-10 Wochen, nicht in 12 Monaten. Iteration schlägt Perfektion. Ein gut funktionierender erster Workflow im Produktionseinsatz ist mehr wert als drei perfekte Workflows im POC.

Wenn Sie einen spezifischen Prozess im Kopf haben und wissen wollen, ob ein KI-Workflow Sinn ergibt, beschreiben Sie ihn uns von dieser Seite. 30 Minuten Gespräch reichen, um zu verstehen, ob es sich lohnt, weiter zu rechnen.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem KI-Workflow und einer Zapier-Automatisierung?

Zapier (oder Make, Power Automate) ist klassische Automatisierung: starres "wenn X dann Y", ohne Entscheidungslogik. Ein KI-Workflow verwendet ein LLM (Claude, GPT) als Entscheidungs-Engine: er versteht das Ziel, wählt die Schritte, behandelt Ausnahmen. Die beiden Welten schließen sich nicht aus — die meisten ernsthaften KI-Workflows kombinieren beides.

Ist es nötig, das ERP zu ersetzen, um einen KI-Workflow zu implementieren?

Nein. Im Gegenteil: die besten KI-Workflows sind die, die das bestehende ERP integrieren, nicht ersetzen. Die Mitarbeiter arbeiten weiterhin in der Schnittstelle, die sie kennen (DATEV, SAP, Microsoft Dynamics, Sage, etc.) — der KI-Workflow operiert dahinter über API oder strukturierte Datenexports.

Was kostet ein einfacher KI-Workflow für ein DACH-KMU?

Ein einfacher Workflow (3-5 Schritte auf 1-2 Systemen) für ein KMU 20-100 Mitarbeiter: 4.000-12.000 € einmalige Implementierung + 100-400 €/Monat laufende Kosten. Typischer ROI in 4-6 Monaten, wenn der Prozess gut gewählt ist.

Welche Daten braucht es, um einen KI-Workflow zu bauen?

Mindestens: API-Zugriff oder strukturierter Datenexport vom ERP, klare Beschreibung des aktuellen Prozesses (was passiert von A nach Z), Beispiele realer eingehender Daten (auch in chaotischen Formaten — das ist gut), Klarheit über Ausnahmen und wie sie heute behandelt werden.

Wer in einem KMU ist verantwortlich für die KI-Workflows?

Im Idealfall: ein interner Referent für den Geschäftsprozess (kennt das Was) + ein externer Implementierer für die KI-Schicht (kennt das Wie). Es ist nicht nötig, einen "Chief AI Officer" einzustellen — die geeignete Größe ist eine bereits vorhandene Person mit operativer Verantwortung über den Prozess.

Können DSGVO und Datenschutz mit einem KI-Workflow respektiert werden?

Ja, wenn richtig entworfen. Anforderungen: EU-LLM-APIs mit Datenverarbeitungsvertrag (Anthropic EU, Azure OpenAI mit EU-Region), zero-data-retention-Konfigurationen, Audit-Logs jeder Aktion, Verschlüsselung in transit und at-rest. Verbraucher-LLMs (kostenloses ChatGPT) für Unternehmensdaten zu verwenden ist verboten — Enterprise-Lösungen sind verfügbar und konform.