Zuerst der teuerste Prozess

Mitarbeitende verbringen in vielen Unternehmen einen Großteil ihres Tages mit sich wiederholenden Aufgaben: Sie lesen ähnliche E-Mails, entnehmen dieselben Felder aus Dokumenten oder leiten identische Anfragen durch dieselben Genehmigungsketten weiter. Diese Arbeit kostet viel, sie ist fehleranfällig, und sie entspricht selten dem Grund, aus dem diese Mitarbeitenden eingestellt wurden. Automatisiert lässt sich genau diese Arbeit schneller erledigen, in größerem Umfang und ohne Krankheitstage oder Fluktuation, zu einem Bruchteil der Kosten. Wir verstehen das Vorhaben nicht als Technologieprojekt, sondern als Steigerung deiner Profitabilität. Automatisierung ist längst möglich; die relevante Frage ist, mit welchem Prozess du am besten beginnst.

Vier Prozesse, die sich sofort rechnen

Rechnungs- und Dokumentenverarbeitung: Ein manuelles Team schafft etwa 100 Rechnungen pro Tag. Automatisiert werden daraus 10.000, bei höherer Konsistenz und mit vollständigem Prüfpfad, und dasselbe Muster gilt für Bestellungen, Lieferbestätigungen und jeden anderen dokumentenintensiven Backoffice-Workflow.

Kundensupport und Service Desk: Automatisiert werden eingehende Anfragen klassifiziert, Standardfälle über die eigene Wissensdatenbank gelöst und Antworten für die menschliche Prüfung bei Ausnahmefällen entworfen; sobald ein Fall eine Person braucht, erfolgt eine saubere Eskalation. Die Bearbeitungskosten sinken dadurch in einem laufenden Projekt um 80 Prozent, bei Systemkosten von rund 100.000 Euro pro Jahr gegenüber ersetzten Personalkosten von rund 250.000 Euro, macht 150.000 Euro Nettoersparnis pro Jahr.

Bewerbungs- und Kandidatensichtung: 300 Lebensläufe pro Tag prüft ein Recruiter im Schnitt manuell. Automatisiert werden daraus über 700, mit denselben Kriterien für jeden Kandidaten, und die Zeit des Recruiters verschiebt sich von der Sichtung hin zur eigentlichen Beurteilung.

Supply Chain und Lieferantenmanagement: Rechnungsabgleich, Bestellabgleich und Bestellworkflows binden im manuellen Betrieb erheblichen Personalaufwand und verursachen überproportional hohe Fehlerraten. Automatisiert werden Bestellungen und Rechnungen in Echtzeit abgeglichen, sodass Unstimmigkeiten sofort auffallen statt erst am Monatsende.

Ein Workflow mit Intelligenz im Zentrum

Ein Agent ist kein Chatbot und kein Dashboard, sondern eine Kombination aus vier Bauteilen, die ineinandergreifen: Sobald ein Auslöser den Prozess anstößt, übernimmt eine Logik Steuerung und Entscheidung, bis eine Aufgabe ansteht, die Verständnis erfordert – dann greift ein Sprachmodell ein, bevor Aktionen die Ergebnisse zurück in deine bestehenden Systeme schreiben. Der Agent läuft kontinuierlich und skalierbar, ohne menschliches Eingreifen bei Standardfällen, und eskaliert sauber, sobald er auf etwas außerhalb seines definierten Bereichs stößt. Die Architektur bleibt bewusst einfach: n8n für die Workflow-Orchestrierung, ein zur Aufgabe passendes Sprachmodell und eine saubere Datenebene. Einfache Systeme bleiben im Betrieb stabil. Komplexe Systeme werden dagegen abgeschaltet, sobald etwas ausfällt und niemand die Ursache versteht.

Saubere Daten zuerst

Bevor wir einen Agenten entwickeln, prüfen wir, welche Daten verfügbar sind, wie sauber sie sind und wo sie liegen. Saubere, strukturierte Daten machen die Ergebnisse eines Agenten verlässlich. Fragmentierte Systeme mit uneinheitlichen Schemata führen dagegen zu Halluzinationen und Fehlern, und der Agent wird innerhalb weniger Wochen abgeschaltet – wir haben beide Fälle bereits erlebt. Müssen Daten zunächst aufbereitet werden, sagen wir das offen und planen es als Teil des Projekts ein, damit nach der Unterschrift keine Überraschungen entstehen.

Ein deutscher Premium-Möbelhändler zeigt, wie stark fragmentierte Daten eine Automatisierung erschweren können: Die eingehenden Lieferanten-E-Mails ließen sich nur manuell prüfen, und weil auch die Rechnungen als PDF eintrafen, mussten sie von Hand übertragen werden; hinzu kam, dass Auftragsbestätigungen und Lagermeldungen jeweils eigene Kanäle nutzten, ohne dass es eine gemeinsame Datenquelle gab. Der Händler konnte seine Lieferanten nicht zu einheitlichen Formaten verpflichten, eine einfache EDI-Vorgabe schied damit aus. Wir lieferten innerhalb von acht Wochen eine zentrale Plattform, die Rechnungsfelder, Positionen und Lieferdaten automatisiert erkennt, prüft und weiterleitet, genau in den Formaten, die die Lieferanten ohnehin nutzen. Der manuelle Aufwand im Lieferantenmanagement sank dadurch um 70 Prozent.

Drei Projekte, 20 Millionen Aufgaben im Monat

Diese Größenordnung erreichen wir, weil unsere Systeme produktiv laufen statt in Pilotphasen steckenzubleiben. Konkret verarbeiten sie in unseren laufenden Umsetzungen monatlich über 20 Millionen Aufgaben. Diese Zahlen stammen aus einzelnen Projekten:

Shopware: Ein KI-Produktteam mit 21 Entwicklerinnen und Entwicklern aus unserem Haus senkte die Produktentwicklungskosten um rund 40 Prozent. procelo tosca: SQL-Abfragegenauigkeit von über 80 Prozent bei komplexen ERP-Schemata, erreicht innerhalb von acht Wochen. Senior Aerospace Thailand: operative Effizienz um 400 Prozent gesteigert, mit einer zentralen Datengrundlage statt fragmentierter Tabellen.

Agentic OS für den deutschen Mittelstand

Alle bisher genannten Beispiele laufen am Ende unter einem gemeinsamen Dach: einer Plattform, die die Workflows eines Unternehmens steuert, der Datenschutz-Grundverordnung entspricht, auf europäischen Servern läuft und innerhalb von vier bis acht Wochen produktiv ist. Wir nennen sie Agentic OS. Ein kostenloser ROI-Workshop bildet den Einstieg.