{"id":25903,"date":"2025-10-23T00:00:00","date_gmt":"2025-10-22T22:00:00","guid":{"rendered":"https:\/\/scheer-pas.com\/en\/blog\/article\/agentic-ai-vom-starren-regelwerk-zur-anpassungsfahigen-prozessautomatisierung\/"},"modified":"2025-10-23T00:00:00","modified_gmt":"2025-10-22T22:00:00","slug":"agentic-ai-vom-starren-regelwerk-zur-anpassungsfahigen-prozessautomatisierung","status":"publish","type":"post_type_article","link":"https:\/\/scheer-pas.com\/en\/blog\/article\/agentic-ai-vom-starren-regelwerk-zur-anpassungsfahigen-prozessautomatisierung\/","title":{"rendered":"Agentic AI: Vom starren Regelwerk zur anpassungsf\u00e4higen Prozessautomatisierung"},"content":{"rendered":"\n

1975 erfand Kodak \u2013 damals bereits eine starke Marke \u2013 die erste echte Digitalkamera. Heute h\u00f6rt man wenig von Kodak. 2012 meldete das Unternehmen Insolvenz an. Der Grund ist bekannt: Digitale Fotografie ging in den Massenmarkt, w\u00e4hrend Kodak am Kerngesch\u00e4ft mit Film und Entwicklung festhielt. Die Ironie: Kodak hielt die Zukunft in den H\u00e4nden und erkannte sie nicht. Starre Business Rules und feste Entscheidungswege pr\u00e4gten die Organisation. Genau diese Regeln dominieren viele Unternehmen bis heute \u2013 obwohl sich Trends seit 1975 schneller ver\u00e4ndern als je zuvor. Das Potenzial lag bei Kodak tief in den F&E-Prozessen. Die Prozesse waren also nicht falsch, sie wurden nur nicht rechtzeitig an Markttrends angepasst.<\/p>\n\n\n\n

Status quo der Automatisierung<\/strong><\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Gerade in der Tech-Welt ist sichtbar: Viele Konzerne ersetzen erste T\u00e4tigkeiten mit KI. Blicken wir auf die Herausforderungen im Markt von heute, basiert Prozessautomatisierung noch immer stark auf vordefinierten Gesch\u00e4ftsregeln und festen Workflows, um manuelle Arbeit zu minimieren. Dieses Modell funktionierte im letzten Jahrhundert und bis in die sp\u00e4ten 2000er. Heute braucht es schnellere Adaption \u2013 getrieben von zwei Faktoren: Trends und Ausnahmen.<\/p>\n\n\n\n

Wer resilient sein will, muss anpassungsf\u00e4hig sein. Starre Workflows kommen mit der wachsenden Zahl von Ausnahmen nicht mehr zurecht. Das f\u00fchrt wieder zu mehr manueller Arbeit. Trends sind zudem volatiler und schwerer vorhersehbar. Gro\u00dfe Organisationen reagieren oft mit gro\u00dfem Aufwand oder ignorieren sie. Ob man Ver\u00e4nderungen wie Kodak ausblendet oder stark investiert: Die Welle kommt. Sie hei\u00dft KI. Ein LLM einzuf\u00fchren, reicht jedoch nicht. Es braucht ein klares Konzept, um echten Nutzen zu heben \u2013 nicht nur den Schein von \u201eCutting Edge\u201c.<\/p>\n\n\n\n

Agentic AI und Prozessautomatisierung<\/strong><\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

So wie IT sich von Maschinenbefehlen zu nat\u00fcrlicher Sprache entwickelt hat, muss sich auch Prozessautomatisierung weiterentwickeln. Grenzen vordefinierter Workflows und Regeln zeigen sich bei unstrukturierten Daten und Quellen. Das klassische Vorgehen verlangt immer mehr manuelle Eingaben. Prozesse stocken, Effizienz sinkt. Hier kommt Agentic AI ins Spiel. KI-Agenten, betrieben auf sicheren, lokal gef\u00fchrten LLMs, die auf unternehmenseigene, kuratierte Daten trainiert sind, schlie\u00dfen die L\u00fccke zwischen Anspruch und Realit\u00e4t der Automatisierung.<\/p>\n\n\n\n

Wo fr\u00fcher feste Ablaufketten nur mit manuellen Pr\u00fcfungen Ausnahmen abfangen konnten, schaffen KI-Agenten flexible Workflows. Beispiele, was KI-Agenten im Prozess ausgleichen oder verbessern k\u00f6nnen:<\/p>\n\n\n\n

    \n
  • Zugriff auf freigegebene Datenbanken und strukturierte Quellen<\/li>\n\n\n\n
  • Abgleich von Informationen mit vordefinierten gesetzlichen Richtlinien<\/li>\n\n\n\n
  • Lesen und Interpretieren von Nachrichten, die in den Prozess einflie\u00dfen<\/li>\n\n\n\n
  • Identifizieren von Schl\u00fcsseldaten und bedarfsgerechte Transformation ohne Unterbrechung<\/li>\n\n\n\n
  • Proaktives Schlie\u00dfen von Datenl\u00fccken inklusive automatischer Anfragen und Feedback-Verarbeitung<\/li>\n\n\n\n
  • Eskalation von Prozessschritten zur menschlichen Pr\u00fcfung, sobald Risikokriterien erf\u00fcllt sind (automatisch oder teilautomatisch erkennbar)<\/li>\n\n\n\n
  • L\u00fcckenlose Transparenz und Analyse in jedem Prozessschritt f\u00fcr mehr Agilit\u00e4t und Resilienz<\/li>\n<\/ul>\n\n\n\n

    Blickt man heute auf Agentic-AI-Funktionen in Automatisierungsplattformen, ersetzen sie vor allem manuelle T\u00e4tigkeiten. Das allein verhindert aber nicht, dass Potenziale ungenutzt bleiben. Auch bei Kodak h\u00e4tten KI-Agenten viele Arbeitsschritte \u00fcbernehmen k\u00f6nnen. Ohne den Blick auf die eigenen Daten und deren Bedeutung w\u00e4re das dennoch zu wenig gewesen. Genau hier liegt ein zentraler Aspekt, den wir bislang ausgespart haben.<\/p>\n\n\n\n

    Und der Blick nach vorn?<\/strong><\/h2>\n\n\n\n
    \"\"<\/figure>\n\n\n\n

    Die genannten Funktionen reduzieren vor allem manuelle Arbeit und Kosten. Entscheidend ist etwas anderes: das Erkennen von Verbesserungen und neuen Optionen. Nicht nur Prozessfehler identifizieren \u2013 das zeigt Process Mining bereits \u2013 sondern proaktiv Potenziale aufdecken.<\/p>\n\n\n\n

    Erh\u00e4lt Agentic AI Einblick in Gesch\u00e4ftslogik, Prozesse und Workflows, kann sie allein auf Basis der internen Daten viel leisten. Was h\u00e4ufig fehlt, ist ein konsistenter Blick auf zuk\u00fcnftige M\u00f6glichkeiten. Fachanalysten k\u00f6nnen \u00c4hnliches leisten, doch das ist oft langsamer und teurer.<\/p>\n\n\n\n

    Darum lohnt sich der Ansatz, KI-Agenten nicht nur manuelle Schritte ersetzen zu lassen, sondern Analysen und Insight-Gewinnung in Echtzeit zu \u00fcbernehmen. In Kombination mit bestehendem Process Mining wird der eigene Datenbestand zur Goldgrube. Er ist da, nur oft unstrukturiert.<\/p>\n\n\n\n

    Die Sicherheitsfrage<\/strong><\/h2>\n\n\n\n
    \"\"<\/figure>\n\n\n\n

    Wer KI-Agenten in Prozesse bringt, muss Sicherheit mitdenken. Datenverarbeitung steht unter strengen regulatorischen Vorgaben. \u00d6ffentliche LLMs mit Kunden- oder sensiblen internen Daten erh\u00f6hen das Risiko von Leaks und Angriffsfl\u00e4chen. Das ber\u00fccksichtigen verantwortungsvolle Implementierungen von Beginn an.<\/p>\n\n\n\n

    Zugleich lassen sich KI-Agenten auf definierte Datentypen und -mengen begrenzen \u2013 mit oder ohne externe Recherche. Das verbessert Sicherheit und die Qualit\u00e4t des Trainings. Pr\u00e4zise Anweisungen, wie Daten zu verarbeiten und zu speichern sind, erh\u00f6hen die Genauigkeit und blenden St\u00f6rger\u00e4usche aus. So bleibt der Mensch in der Schleife entscheidungsf\u00e4hig, statt von irrelevanten Signalen abgelenkt zu werden.<\/p>\n\n\n\n

    Fazit (Teil 1)<\/strong><\/h2>\n\n\n\n

    Zur\u00fcck zum Anfang: 1975 hatte Kodak die Zutaten f\u00fcr Zukunftsf\u00e4higkeit. Die Fokussierung auf bestehende Praktiken machte aus einem Ass im \u00c4rmel eine verpasste Chance. Ein hoher Automatisierungsgrad hielt die Marke noch eine Weile im Spiel. Der fehlende Blick auf das eigene Potenzial trug zum Absturz bei.<\/p>\n\n\n\n

    Wer heute Prozesse automatisiert, sollte nicht nur an Kostensenkung denken. In den Unternehmen liegt eine Daten-Goldmine, die darauf wartet, gehoben zu werden. Agentic AI hilft, diese Goldmine zu erschlie\u00dfen \u2013 und Agilit\u00e4t wie Resilienz zu steigern. Bleiben Sie dran: In Teil 2 zeigen wir konkrete Einsatzszenarien, den Ansatz von Scheer PAS f\u00fcr Agentic AI, weitere positive und negative Praxisbeispiele aus dem Enterprise-Umfeld und m\u00f6gliche Risiken bei zu gro\u00dfer Abh\u00e4ngigkeit von KI-Agenten. Interessiert? Abonnieren Sie unseren Newsletter oder sprechen Sie mit uns \u00fcber Ihre Erfahrungen und Herausforderungen. Gemeinsam finden wir die passende L\u00f6sung.<\/p>\n\n\n\n

    \n