Prozesse, Dokumente & Auto­ma­ti­sie­rung: Deter­mi­nis­tisch wo es geht, Sprach­mo­dell wo nötig

01 Drei Pra­xis­fälle im Schnitt: Wo arbeitet Code, wo das Sprach­mo­dell, wo der Mensch?

Warum wir jeden Prozess Schritt für Schritt zerlegen: Bevor ein Werkzeug ausgewählt wird, teilen wir den Ablauf in seine Einzelaufgaben. Das interaktive Modul auf dieser Seite zeigt dieses Prinzip an drei typischen Unter­neh­mens­vor­haben:

Fall A: Rech­nungs­ein­gang und Beleg­prü­fung (n8n oder Microsoft Power Automate + einzelner LLM-Schritt + ERP)

1. Postfach & Duplikat-Prüfung (Deterministisch · n8n / Power Automate / Code): Holt den Anhang aus dem Rechnungspostfach (z. B. Exchange Online / M365), prüft Dateiformat und Datei-Hash gegen bereits verbuchte Belege. Warum deterministisch? Eindeutige Bedingung ohne Inter­pre­ta­ti­ons­spiel­raum.
2. Beleg auslesen & Positionen zuordnen (Document Intelligence / OCR + einzelner LLM-Schritt): Liest Kopf- und Positionsdaten aus beliebigen Lieferanten-Layouts aus (z. B. über Azure AI Document Intelligence oder eine eigene OCR-Strecke) und schlägt anhand des Firmen-Kontext-Layers die passende Kostenstelle vor. Warum LLM? Jeder Lieferant gestaltet Tabellen und Freitexte anders.
3. Summen- & Bestellabgleich (Deterministisch · Code/API): Rechnet Netto + Steuer = Brutto exakt nach und gleicht die Werte über den Live-Adapter (Weg C) mit der offenen Bestellung im ERP ab. Warum Code? Sprachmodelle schätzen Token-Folgen; für exaktes Rechnen ist klassischer Code zuständig.
4. Buchung oder Ausnahme-Tor (Menschliche Aufsicht): Stimmen Bestellung, Lieferschein und Rechnung centgenau überein, läuft der Beleg durch. Bei Abweichung oder fehlender Bestellung landet der Vorgang mit markierter Differenz beim Sachbearbeiter.

Fall B: Einmalige mas­sen­hafte Auf­be­rei­tung von 10.000 Alt-Doku­menten (Sta­pel­lauf)

1. Bestand einsammeln & OCR (Deterministisch · Skript): Liest tausende PDF-Verträge, Prüfberichte oder Bauakten von einem Laufwerk ein und erzeugt strukturierten Text mit exakter Seitenreferenz.
2. Klauseln, Fristen & Risiken extrahieren (Batch-LLM mit festem Schema): Prüft jedes Dokument gegen einen definierten Katalog (z. B. Kündigungsfrist, Preisgleitklausel, Haf­tungs­ober­grenze) und verlangt zu jedem Befund das wörtliche Originalzitat.
3. Automatische Wortzitat-Prüfung (Deterministisches Zitat-Tor): Ein Prüfskript gleicht vollautomatisch ab, ob das vom Modell ausgegebene Zitat buchstabengetreu im Dokumenttext steht. Warum Code? Entlarvt jede Halluzination sofort, ohne dass ein Mensch alle 10.000 Akten öffnen muss.
4. Fachliche Entscheidung an der Ergebnistabelle (Mensch): Einkauf oder Rechtsabteilung prüfen gezielt die 120 markierten Verträge mit kritischer Klausel statt des gesamten Archivs.

Fall C: Kun­den­ser­vice und interner Service (Conversational AI am Telefon & im Ticket)

1. Anliegen im Dialog aufnehmen (Conversational AI · Voice/Chat): Nimmt den Anruf oder das Ticket entgegen, lässt den Anrufer frei ausreden und stellt gezielte Rückfragen bei fehlenden Angaben. Warum CAI/LLM? Ersetzt starre Telefonbäume („Drücken Sie die 3“) durch natürliche Sprache.
2. Identität & Live-Status prüfen (Deterministisch · Policy/CRM): Prüft Kundennummer oder Auftragsreferenz deterministisch gegen das CRM und lädt nur die für diesen Anrufer freigegebenen Statusdaten. Warum Code? Authentifizierung und Datenschutz gehören in deterministischen Code.
3. Auskunft oder Vorgangs-Vorbereitung (LLM mit freigegebenem Kontext): Beantwortet Standardfragen (Lieferstatus, Öffnungszeiten, gültige Richtlinie aus Weg A) direkt oder erstellt für komplexe Fälle ein strukturiertes Übergabeprotokoll.
4. Warme Übergabe an den Mitarbeitenden (Mensch): Bei Beschwerden, Kulanz­ent­schei­dungen oder auf Wunsch des Anrufers übernimmt ein Mensch samt der bereits strukturierten Vorarbeit.

02 Einmalige Mas­sen­ver­ar­bei­tung vs. laufender Betriebs­pro­zess in Ite­ra­tionen

Warum die Unterscheidung zwischen Einmal-Aufgabe und Dauerbetrieb so wichtig ist: Beide Vorhaben nutzen dieselben Sprach- und OCR-Modelle, haben aber völlig unterschiedliche Anforderungen an Architektur, Risiko und Wartung:

n8n oder Microsoft Power Automate / Azure Logic Apps? Die Ein­ord­nung für Microsoft-365-Betriebe

Da sehr viele Unternehmen im Alltag auf Microsoft 365 setzen, stellt sich bei der Wahl des Workflow-Rückgrats fast immer diese Frage:

• Microsoft Power Automate (und Azure Logic Apps / Copilot Studio): Liegt nahe, wenn der Ablauf überwiegend innerhalb der bestehenden Microsoft-365-Welt stattfindet (Outlook/Exchange, SharePoint, Teams, OneDrive, Dynamics, Entra-ID-Rechte) und Grundlizenzen im Unternehmen bereits vorhanden sind. Mit Power Automate Desktop bringt Microsoft zudem ein eigenes RPA-Werkzeug für ältere Windows-Programme ohne API mit; für tiefere Rechenzentrums- und Enterprise-Strecken steht Azure Logic Apps bereit. Worauf man achten muss: Sobald Drittsysteme, eigene KI-Gateways oder komplexe Modellschritte (Premium Connectors, AI Builder-Credits) hinzukommen, steigen die Lizenzkosten pro Nutzer oder Lauf schnell an.
• n8n (Self-Hosted oder Cloud): Punktet überall dort, wo ein Unternehmen her­stel­ler­über­grei­fend verschiedene Cloud- und On-Prem-Systeme, beliebige Sprachmodelle über ein eigenes AI-Gateway, Git-Versionierung und eigenen Python-/JavaScript-Code ohne Aufpreis pro einzelnem Connector verbinden möchte. In vielen Betrieben ergänzen sich beide Welten: Power Automate für schnelle Auslöser direkt in Microsoft 365, n8n als zentraler, modelloffener Integrationsmotor im eigenen Betrieb.

Wie ein Dau­er­pro­zess sicher wächst (Vier Ite­ra­tionen statt Blindflug)

Ein laufender Geschäftsprozess wächst in vier überprüfbaren Stufen:

1. Iteration 1 · Mitlesen & Strukturieren: Das System liest eingehende Vorgänge mit, extrahiert Pflichtfelder und zeigt die gefundene Firmenregel daneben an; der Mitarbeitende führt die Aktion noch komplett selbst aus.
2. Iteration 2 · Entwurfs-Modus: Das System bereitet die komplette Antwort-Mail oder Buchung als Entwurf vor; der Mitarbeitende prüft den Diff und gibt per Klick frei (Human-in-the-Loop).
3. Iteration 3 · Teil-Automatisierung für eindeutige Standardfälle: Vorgänge, bei denen alle deterministischen Prüfschranken grün sind und der Betrag unter einem festen Limit liegt, laufen automatisch durch (Human-on-the-Loop); alle Sonderfälle gehen weiter über den Entwurfs-Modus.
4. Iteration 4 · Regelmäßige Verifizierung: Stichproben-Audits und automatische Tests vor jedem Modellwechsel sichern die Qualität dauerhaft ab.

03 Feh­ler­kultur und Aufsicht: Human-in-the-Loop vs. Human-on-the-Loop

Warum der Vergleich zwischen KI-Fehlern und menschlichen Fehlern einen realistischen Maßstab braucht: In manuellen Abläufen passieren jeden Tag Flüch­tig­keits­fehler: Eine Zahl wird falsch abgetippt, eine neue Richtlinie übersehen, eine E-Mail landet im falschen Ordner. Von einem KI-System wird dagegen im ersten Gespräch oft hundertprozentige Fehlerfreiheit verlangt.

Gleichzeitig gibt es einen entscheidenden Unterschied: Ein Mensch macht Fehler meist einzeln und langsam; ein falsch konfigurierter Agent kann denselben Fehler in fünf Minuten tausendmal wiederholen. Deshalb richtet sich die Art der menschlichen Aufsicht nach der Geschwindigkeit und Umkehrbarkeit der Wirkung:

• Human-in-the-Loop (Vorab-Freigabetor vor der Wirkung):
  • Wann Pflicht: Überall dort, wo eine Aktion unmittelbare Außenwirkung hat und sich nicht lautlos zurückholen lässt (Kunden-E-Mail absenden, Zahlung/Gutschrift über Limit auslösen, verbindliche Geschäftsregel im Kontext-Layer ändern).
  • Worauf es technisch ankommt: Damit der Mensch beim zwanzigsten Klick aufmerksam bleibt (Automation Bias / Rubber-Stamping), hebt die Oberfläche statt langer Rohtexte die konkrete Abweichung (Diff), den Empfänger, den Betrag und die herangezogene Regelquelle auf einen Blick hervor.
• Human-on-the-Loop (Überwachter Lauf mit echter Eingriffszeit):
  • Wann passend: Bei internen Vorarbeiten (Klassifikation, Routing, Ent­wurfs­er­stel­lung), bei lesenden Auskünften im Sprachdialog (CAI) oder bei Standardbuchungen innerhalb enger deterministischer Schranken.
  • Worauf es technisch ankommt: Human-on-the-Loop funktioniert nur dann, wenn der Mensch im Störungsfall wirklich Zeit zum Eingreifen hat: etwa durch ein kurzes Ver­zö­ge­rungs­fenster vor dem endgültigen Versand, automatische Schwellenwert-Stopps (z. B. „Stopp, wenn mehr als 5 Vorgänge in Folge vom Standard abweichen“) und einen jederzeit erreichbaren Not-Aus-Schalter (Kill-Switch).