Von Markus Mair · Lesezeit ca. 8 Minuten

„KI-Automatisierung" wird inzwischen für fast alles verwendet, von der Terminerinnerung bis zum autonomen Agenten. Das macht den Begriff als Entscheidungsgrundlage wertlos.

Es gibt aber eine brauchbare Trennlinie, und sie entscheidet darüber, was in deinem Betrieb funktioniert und was nicht: Regeln führen aus, KI entscheidet. Wer diese Grenze kennt, kauft keine Systeme, die an der falschen Stelle raten.

Automatisierung ohne KI: feste Regeln, immer dasselbe Ergebnis

Klassische Automatisierung folgt einem Wenn-dann-Muster. Ein Auslöser tritt ein, eine festgelegte Kette von Schritten läuft ab.

Typische Beispiele aus einem Dienstleistungsbetrieb:

• Ein Formular wird abgeschickt, ein Datensatz entsteht, eine Bestätigungsmail geht raus

• Eine Rechnung wird als bezahlt markiert, das Projekt wechselt auf „abgeschlossen"

• Ein Termin wird gebucht, eine Erinnerung geht 24 Stunden vorher automatisch los

Diese Abläufe sind zuverlässig, weil sie nichts interpretieren. Gleiche Eingabe, gleiches Ergebnis, jedes Mal. Genau deshalb gehören Rechnen, Ablegen, Fristen prüfen und Datensätze anlegen in diesen Bereich und nicht zur KI.

Die Grenze dieser Automatisierung ist die Eingabe. Sie braucht Struktur. Ein Formular kann sie liefern, eine E-Mail in Fließtext nicht.

Was „KI-gestützt" tatsächlich hinzufügt

KI kommt genau dort ins Spiel, wo die Eingabe unstrukturiert ist oder eine Einschätzung nötig wird. Ein Sprachmodell kann:

• Freitext lesen und die Absicht erkennen

• Anliegen einordnen und kategorisieren

• Informationen aus PDFs, E-Mails und Notizen in Felder übersetzen

• Texte formulieren, die zum Anlass und zum Empfänger passen

• Aus vielen Einzelinformationen eine Zusammenfassung machen

Ein Beispiel, das den Unterschied klarmacht. Eine Kundin schreibt: „Hallo, wir bräuchten für unser Büro in Villach eine Lösung, damit die Angebote nicht mehr so lange liegen, hätten Zeit ab September."

Eine regelbasierte Automatisierung kann damit nichts anfangen, weil kein Feld ausgefüllt wurde. Ein Sprachmodell erkennt: Ort Villach, Thema Angebotsprozess, Zeitrahmen September, Budget unbekannt. Danach übernimmt wieder die Regel und legt den Datensatz an, verschickt die Rückfrage nach dem Budget und schlägt Termine vor.

KI ist in diesem Bild also nicht das System. Sie ist ein Übersetzer am Eingang.

Wo KI-Automatisierung im Alltag eines Dienstleisters wirkt

Vier Anwendungsfälle, die in kleinen Betrieben regelmäßig funktionieren:

Anfragen vorqualifizieren. Statt jede Anfrage selbst zu lesen und einzuordnen, kommt sie strukturiert und mit Einschätzung bei dir an. Die Zeit von der Anfrage bis zur ersten sinnvollen Antwort sinkt erfahrungsgemäß von rund 20 Minuten auf unter 10. Wie das im Detail aufgebaut wird, steht im Artikel Lead-Qualifizierung automatisieren.

Angebote vorbereiten und nachfassen. Die Kalkulation bleibt bei dir. Positionsvorschläge, Textbausteine, Erzeugung, Ablage und die Nachfass-Sequenz laufen automatisch. Das ist der Prozess mit dem besten Verhältnis von Aufwand zu Ertrag, weil Nachfassen ohne System praktisch nie stattfindet.

Dokumente auswerten. Lieferscheine, Rechnungen, Protokolle. Ein Modell zieht die relevanten Werte heraus, die Regel schreibt sie ins System. Bei sauberen Vorlagen liegt die Trefferquote hoch, bei handschriftlichen Belegen deutlich niedriger.

Anfragen außerhalb der Bürozeiten beantworten. Ein Chatbot, der auf deine geprüften Inhalte begrenzt ist, gibt abends Auskunft und sammelt dabei strukturierte Daten ein. Wann sich das rechnet und wann es Kunden kostet, steht im Artikel KI-Chatbot auf der Website.

Was KI-Automatisierung nicht löst

Dieser Abschnitt fehlt in fast jedem Text zum Thema, und er ist der wichtigste.

Sie ersetzt keine Entscheidung, für die du bezahlt wirst. Preise entstehen aus Erfahrung, Kapazität und Einschätzung des Kunden. Nichts davon steht in deinen Daten. Wer dir eine automatische Kalkulation ohne saubere eigene Datenbasis verkauft, verkauft dir ein Risiko.

Sie repariert keinen unklaren Prozess. Wenn drei Personen unterschiedlich entscheiden, welche Anfrage angenommen wird, dann automatisiert das System diese Unentschlossenheit mit. Automatisierung erzwingt Klarheit, sie erzeugt sie nicht.

Sie ist nicht wartungsfrei. Schnittstellen ändern sich, Zugangstoken laufen ab, Kunden schicken Felder in unerwartetem Format. Ohne eine Person im Betrieb, die merkt, wenn etwas stillsteht, wird jedes System nach ein paar Monaten zur Blackbox.

Sie erfindet, wenn man sie lässt. Ein Sprachmodell ohne Begrenzung auf geprüfte Inhalte liefert plausibel klingende falsche Antworten. Deshalb gilt: Was das Modell nicht sicher erkennt, bleibt leer und geht an einen Menschen. Ein Feld „Budget: mittel", das aus nichts entstanden ist, ist schlechter als ein leeres Feld.

Realistisch deckt eine gut gebaute Automatisierung 80 bis 90 Prozent der Fälle ab. Der Rest muss bewusst zu einem Menschen gehen, und das System muss ehrlich abbrechen können.

Wann der Einstieg sich lohnt, und wann nicht

Es geht nicht um Mitarbeiterzahl, sondern um Wiederholung.

Der Einstieg lohnt sich, wenn ein Ablauf mindestens fünf bis zehn Mal pro Woche vorkommt, immer gleich abläuft und keine kreative Entscheidung erfordert. Ein Einzelunternehmer mit 40 gleichartigen Anfragen im Monat hat mehr Potenzial als ein Zehn-Personen-Betrieb mit fünf großen Individualprojekten im Jahr.

Er lohnt sich nicht bei Abläufen, die selten und jedes Mal anders sind. Dann ist der Aufwand für die Ausnahmen höher als der Nutzen. Eine Ausnahme davon sind Prozesse, bei denen ein Versäumnis teuer ist, etwa eine Frist. Dort rechnet sich Automatisierung auch bei geringer Häufigkeit, aber über Verlässlichkeit statt über Zeit.

Die Wirtschaftskammer Kärnten nennt für gut gewählte KI-Anwendungen bis zu 60 Prozent weniger Zeitaufwand bei wiederkehrenden Prozessen. Das ist eine Obergrenze für saubere Fälle, keine Zusage. Wer mit einem Drittel plant, wird nicht enttäuscht.

Häufige Fragen zu KI-Automatisierung

Was ist der Unterschied zwischen Automatisierung und KI-Automatisierung?
Automatisierung führt feste Regeln aus und braucht strukturierte Eingaben. KI-Automatisierung kann zusätzlich unstrukturierte Eingaben wie Freitext-E-Mails oder PDFs verarbeiten und daraus strukturierte Daten machen. In der Praxis kombiniert man beides und setzt KI nur dort ein, wo Regeln nicht ausreichen.

Brauche ich Programmierkenntnisse für KI-Automatisierung?
Zum Bauen einfacher Abläufe nein, Werkzeuge wie Make oder n8n arbeiten visuell. Für Datenumformung, Fehlerbehandlung und Verzweigungen hilft technisches Denken deutlich. Eine Übersicht der gängigen Werkzeuge steht unter Make, n8n oder Zapier.

Ist KI-Automatisierung DSGVO-konform möglich?
Ja, mit den üblichen Pflichten: Rechtsgrundlage, Information der Betroffenen, Auftragsverarbeitungsverträge und ein Löschkonzept. Der entscheidende Punkt bei KI ist zusätzlich, wo die Verarbeitung stattfindet und ob Eingaben zum Training verwendet werden. Das ist eine Auswahlfrage beim Anbieter, kein Ausschlussgrund.

Was kostet der Einstieg?
Die Software liegt bei einem einzelnen Prozess meist unter 100 Euro im Monat, der größere Posten ist die Einrichtung. Eine vollständige Aufschlüsselung mit Rechenbeispiel steht unter Was KI-Automatisierung wirklich kostet. Für WK-Mitglieder in Kärnten gibt es 2026 Förderschienen, die den ersten Prototyp abdecken können.

Der nächste Schritt

Wenn du bis hier gelesen hast, ist die begriffliche Frage geklärt. Die praktische ist, welcher Prozess bei dir zuerst dran ist, und die beantwortet man nicht mit einer Definition, sondern mit einer Zählung. Wie du dabei vorgehst, steht im Artikel Wo du anfängst, wenn alles gleichzeitig brennt.

Wenn du das nicht allein machen willst: In der kostenlosen Automatisierungs-Analyse gehen wir deine Abläufe durch, benennen den Prozess mit dem größten Hebel und sagen dir auch, wenn Automatisierung bei dir gerade nicht der richtige Schritt ist.