Wählen Sie einen eng abgegrenzten Prozess mit einem klar verantwortlichen Eigentümer, erfassen Sie seine Zustände und Ausnahmen, trennen Sie feste Regeln vom KI-Schritt und definieren Sie einen strukturierten Ausgabevertrag. Ergänzen Sie Validierung, einen Schwellenwert für die menschliche Prüfung, sichere Berechtigungen, Audit, eine Testsuite und ein Vorgehen für den Fall, dass das Modell nicht verfügbar ist.
Ein KI-Workflow ist nicht nur ein an das Modell gesendeter Prompt. Im Unternehmen geht es um den gesamten Ablauf von der Entstehung der Anfrage über die Beschaffung berechtigter Daten, die Entscheidung und die Kontrolle bis hin zum Schreiben in das Zielsystem. Werden Zustände und Ausnahmen übersprungen, wird eine schöne Demo bei der ersten unvollständigen Eingabe zu einer unübersichtlichen Warteschlange manueller Korrekturen.
Der zuverlässigste Entwurf belässt deterministische Regeln dort, wo das Ergebnis eindeutig ist, und setzt das Modell für sprachliche oder inhaltliche Aufgaben mit tolerierbarer Unsicherheit ein. Für jeden Schritt müssen Eingabe, zulässige Ausgabe, Verantwortlicher und Fehlerverhalten bekannt sein. Ein Mensch greift dort ein, wo eine falsche Entscheidung spürbare Folgen hat oder ausreichender Kontext fehlt.
Grenzen Sie Arbeitsergebnis und Verantwortung ab
Beginnen Sie mit einer konkreten Aufgabe, etwa dem Vorschlag einer Kategorie für einen eingehenden Datensatz oder der Vorbereitung von Unterlagen zur Prüfung. Beschreiben Sie, wer das Ergebnis heute erstellt, wer es nutzt und was bei einem Fehler passiert. Das allgemeine Ziel, die Verwaltung zu beschleunigen, reicht weder für die Auswahl der Daten noch für die Qualitätsbewertung oder die Entscheidung, ob das System automatisch handeln darf.
Legen Sie die Grenzen des Prozesses fest. Die KI kann einen Entwurf vorbereiten, doch der Versand an den Kunden oder die Änderung eines verbindlichen Datensatzes kann ein separater, genehmigter Schritt bleiben. Unterscheiden Sie zwischen Empfehlung, Entscheidung und Ausführung einer Aktion. Kennzeichnen Sie jeweils die verantwortliche Rolle und die Möglichkeit zur Korrektur. Die Automatisierung darf keinen Zustand schaffen, für den sich niemand mehr verantwortlich fühlt.
Skizzieren Sie Zustände, Übergänge und feste Regeln
Der Prozess braucht explizite Zustände, zum Beispiel empfangen, vorbereitet, wartet auf Prüfung, genehmigt, ausgeführt und abgelehnt. Legen Sie für jeden Übergang Bedingung und Akteur fest. Das Modell soll nicht raten, ob eine Pflichtkennung fehlt oder ein Datum eine feste Regel erfüllt; solche Prüfungen übernimmt gewöhnlicher Code vor oder nach dem KI-Schritt.
Modellieren Sie Ausnahmen als regulären Zweig, nicht als unerwarteten Fehler. Ein unlesbares Dokument, eine unbekannte Sprache, widersprüchliche Quellen oder geringe Sicherheit können mit einer Erklärung an einen Menschen weitergeleitet werden. Entscheiden Sie, was bei einem Timeout geschieht und ob es sicher ist, den Versuch zu wiederholen. Der Status muss einen Neustart des Dienstes überstehen und im ursprünglichen Arbeitsvorgang nachvollziehbar bleiben.
- Pflichteingaben und ihre Validierung
- deterministische Regeln vor dem Einsatz des Modells
- strukturierte Ausgabe mit zulässigen Werten
- Verzweigung für Unsicherheit, Konflikt und technisches Versagen
Bereiten Sie Kontext und Ausgabevertrag vor
Stellen Sie dem Modell nur die Informationen bereit, die für den jeweiligen Schritt nötig sind, und zwar stets in klar getrennten Feldern. Ein Rohexport der gesamten Kundenhistorie erhöht Kosten, Risiko und die Menge störender Details. Bewahren Sie zu jeder Quelle Kennung und Zeitpunkt auf, damit sich der Vorschlag überprüfen lässt. Kennzeichnen Sie veraltete oder fehlende Angaben, statt sie zu ergänzen.
Fordern Sie die Ausgabe in einem Schema an, das die Anwendung technisch validieren kann. Pflichtfelder, eine Liste zulässiger Kategorien, ein Datumsformat und eine maximale Textlänge begrenzen Mehrdeutigkeiten. Ein valides Format bedeutet jedoch nicht inhaltliche Richtigkeit. Führen Sie vor der Verwendung fachliche Prüfungen durch und verlangen Sie bei Begründungen Verweise auf die Eingabeunterlagen statt erfundener Erklärungen.
Setzen Sie die menschliche Kontrolle an der richtigen Stelle ein
Die Prüfung soll dem Nutzer die Quelle, den Vorschlag, unsichere Teile und die Folgen einer Freigabe zeigen. Muss er den gesamten Fall ohne Hervorhebungen erneut analysieren, hat die Automatisierung die Arbeit nur verlagert. Die Oberfläche ermöglicht es, einzelne Felder zu korrigieren, einen Vorschlag abzulehnen und einen Grund anzugeben. Beschränken Sie Massenfreigaben auf risikoarme Fälle mit ausreichendem Kontext.
Legen Sie fest, welche Kombinationen aus Risiko und Unsicherheit einen verpflichtenden Prüfer erfordern. Ein vom Modell ausgegebener Konfidenzwert ist nicht unbedingt kalibriert; überprüfen Sie ihn daher an eigenen Fällen und kombinieren Sie ihn mit Regeln. Kritische Aktionen können eine Rollentrennung erfordern. Eine Korrektur durch einen Menschen ist Feedback für die Analyse, keine automatische Freigabe für ein sofortiges Nachtrainieren des Systems.
Testen Sie den gesamten Ablauf und bereiten Sie den Betrieb vor
Das Testset umfasst gängige Eingaben, Grenzfälle, fehlende Daten, widersprüchliche Anweisungen sowie bekannte historische Fehler. Bewerten Sie die KI-Ausgabe, die Korrektheit des Routings, die Berechtigungen und den endgültigen Schreibvorgang. Erfassen Sie die Versionen von Modell, Anweisungen, Schema und Regeln gemeinsam, damit sich eine Änderung vergleichen und sicher zurücknehmen lässt. Übertragen Sie Produktionsdaten nicht unkontrolliert in die Testumgebung.
Überwachen Sie im Betrieb das Volumen nach Status, die Anzahl menschlicher Eingriffe, die Arten von Ablehnungen, technische Fehler, das Alter wartender Fälle und die Kosten. Ein Alarm sollte zu einer konkreten Reaktion führen. Bereiten Sie einen Modus ohne KI vor, in dem keine Anfrage verloren geht und sie manuell bearbeitet wird. Der Verantwortliche prüft regelmäßig, ob der Workflow noch dem Prozess und der zulässigen Datennutzung entspricht.
Häufige Fragen
Soll KI den gesamten Unternehmens-Workflow steuern?
In der Regel ist es sicherer, wenn die Anwendung Zustand und Regeln steuert und die KI konkrete sprachliche oder inhaltliche Schritte übernimmt. Wie viel Autonomie angemessen ist, hängt von den Auswirkungen eines Fehlers und den Korrekturmöglichkeiten ab.
Wann ist eine menschliche Kontrolle erforderlich?
Wenn die Entscheidung verbindlich, sensibel oder schwer umkehrbar ist oder das Modell keinen verlässlichen Kontext hat. Legen Sie die Kontrolle nach Risiko und nachgewiesener Leistung fest, nicht nach einem allgemeinen Eindruck vom Modell.
Wie geht man mit der Nichtverfügbarkeit eines KI-Dienstes um?
Speichern Sie die Anfrage sicher, wiederholen Sie vorübergehende Fehler in begrenztem Umfang und verschieben Sie sie nach Überschreiten der Bedingungen in einen manuellen Ablauf. Der Nutzer sollte den tatsächlichen Status sehen, ohne dass es zu einer doppelten Ausführung kommt.
Quellen und weiterführende Lektüre
Adam Antoni vyvíja weby, aplikácie a softvér na mieru. Prepája firemné systémy, automatizuje procesy a vytvára AI agentov. Pôsobí v Spišskej Novej Vsi a spolupracuje s firmami na celom Slovensku.
