KI-gestützte Workflows: Tipps und Tricks zur Workflow-Automatisierung

Viele Unternehmen beschäftigen sich aktuell mit Automatisierung und AI. Warum ist es aus Ihrer Sicht wichtig, Workflows zunächst systematisch zu verstehen, bevor man einzelne Tools oder AI-Anwendungen ausprobiert?

Helene Dinse: Ohne ein klares Verständnis des Ablaufs eines Prozesses automatisiert man Chaos nur schneller. Viele Projekte starten jedoch mit der Tool-Frage, statt mit der Prozessfrage. Das führt am Ende zu Insellösungen, die niemand nutzt. Wer seine Workflows genau kennt, also Trigger, Schritte, Entscheidungen und Ausnahmen auf dem Schirm hat, kann erst wirklich sagen, ob AI nötig ist. Oft reicht vielleicht auch eine simple Regel. Ich habe dazu eine interessante Studie gelesen, laut der Gartner damit rechnet, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 wieder eingestellt werden. Als häufigste Ursache dafür werden unklare Ziele und fehlendes Prozessverständnis angegeben.

Workflow-Automatisierung klingt für Einsteiger:innen manchmal abstrakt. Woran zeigt sich im Arbeitsalltag ganz konkret, dass ein Workflow Zeit spart, Effizienz steigert oder Fehler reduziert?

Ben Dangelmayr: Der Mehrwert von Workflow-Automatisierung wird im Alltag vor allem dort spürbar, wo manuelle Routinen wegfallen. Das zeigt sich z. B. daran, dass Mitarbeitende weniger Daten per Copy-Paste zwischen verschiedenen Systemen oder Files übertragen müssen, Folgeschritte nicht mehr vergessen werden und Freigaben automatisch weiterlaufen, statt im Postfach liegenzubleiben. Ein typisches Beispiel ist die Rechnungsverarbeitung: Eine eingehende Rechnung wird automatisch erfasst, geprüft und zur Freigabe geroutet. Das ersetzt manuelles Abtippen, reduziert Fehler und beschleunigt den Prozess. Ein oft unterschätzter Nebeneffekt: Automatisierte Workflows erzeugen ein lückenloses Protokoll jeder Aktion. Diese Nachvollziehbarkeit, die manuell mühsam dokumentiert werden müsste, entsteht hier als Nebenprodukt gleich mit.

Welche Arten von Routineprozessen eignen sich besonders gut für eine erste Automatisierung – und woran erkennen Mitarbeitende solche geeigneten Kandidaten?

Dangelmayr: Typische erste Use Cases sind Dateneingabe/-übertragung, Benachrichtigungen, einfache Genehmigungs- und Weiterleitungsabläufe, Report-Versand, Onboarding-Checklisten. Das sind vor allem häufige, repetitive, regelbasierte, gut standardisierte Aufgaben mit strukturierten Daten. Als Faustregel gilt: Tue ich etwas oft, benötige ich viel Zeit pro Durchlauf und sind die Kosten bei Fehlern hoch? Dann habe ich einen guten Kandidaten. Alternativ hilft die einfache Frage: ‚Was mache ich jede Woche gleich und was nervt?' Noch nicht geeignet sind Prozesse mit vielen Ausnahmen, unklaren Regeln oder ständig wechselnden Vorgaben. Aus Governance-Sicht kommt eine zweite Filterfrage hinzu: Welche Daten werden im Prozess verarbeitet und wie kritisch sind die Folgeentscheidungen? Für den Einstieg empfiehlt es sich deshalb, mit Prozessen zu beginnen, die fachlich klar, aber risikoarm sind idealerweise lesend statt schreibend.

In der Einsteiger:innen-Masterclass unterscheiden Sie zwischen regelbasierten und AI-gestützten Workflows. Wo liegt der entscheidende Unterschied – und warum ist diese Unterscheidung für die Praxis wichtig?

Dangelmayr: Der entscheidende Unterschied liegt in der Art, wie ein Workflow arbeitet. Regelbasierte Workflows folgen einem klaren Wenn-dann-Prinzip. Sie sind deterministisch und vorhersehbar und eignen sich vor allem für strukturierte Daten wie Stammdaten, Buchungssätze oder Tabellen aus ERP- und CRM-Systemen.

Dinse: AI-gestützte Workflows kommen dort ins Spiel, wo unstrukturierte Inhalte verarbeitet werden müssen, etwa Texte, E-Mails oder Dokumente. Dann geht es zum Beispiel um Klassifikation, Extraktion, Zusammenfassung oder Routing. Als Merksatz kann man sagen: Eine Regel ist wie ein Rezept, sie läuft immer gleich ab. Ein AI-Schritt ist wie ein erfahrener Koch, der entscheidet, was zu tun ist, wenn eine Zutat fehlt. Für die Praxis ist diese Unterscheidung wichtig, weil sie Auswirkungen auf Kosten, Nachvollziehbarkeit und Stabilität hat. AI sollte deshalb nicht überall eingesetzt werden, sondern gezielt dort, wo Workflows ohne AI vielleicht an Grenzen stoßen und nicht mehr ausreichen. Wichtig ist dabei: AI ersetzt nicht den Workflow, sondern ist ein Baustein darin.

Die Masterclasses auf einen Blick

In den beiden virtuellen DSAG-Academy-Masterclasses geht es um den strukturierten Einstieg in Workflow-Automatisierung sowie um fortgeschrittene Architekturentscheidungen rund um AI-basierte Workflows und autonome Agenten. Die Teilnehmenden lernen, geeignete Prozesse zu identifizieren, einfache Workflows selbst umzusetzen und fortgeschrittene Automatisierungsszenarien sicher und skalierbar einzuordnen.

15.09.2026, 09:30–13:30 Uhr | DSAG-Academy-Masterclass: Workflows verstehen und selbst bauen – für Einsteiger:innen
Die Einsteiger:innen-Masterclass vermittelt praxisnah die Grundlagen klassischer und AI-gestützter Workflows. Im Fokus stehen der Nutzen von Automatisierung im Arbeitsalltag, die Unterscheidung zwischen regelbasierten und AI-gestützten Workflows sowie die Identifikation geeigneter Routineprozesse.

22.09.2026, 09:30–15:30 Uhr | DSAG-Academy, erweiterte Masterclass: AI-based Workflows & Agenten
Die erweiterte Masterclass richtet sich an Teilnehmende mit Grundverständnis von APIs, REST, JSON sowie Grundbegriffen der AI wie LLM und Prompting. Im Mittelpunkt steht die Frage, wann ein klassischer Workflow ausreicht, wann AI-Unterstützung sinnvoll ist und wann autonome Agenten zum Einsatz kommen sollten.

Viele Fachbereiche haben keine tiefe Entwicklungserfahrung. Welche Möglichkeiten eröffnen No-Code-/Low-Code-Tools wie Zapier, Make, SAP Build Process Automation und insbesondere n8n beim Einstieg in die Workflow-Automatisierung?

Dinse: No-Code- und Low-Code-Tools senken die Einstiegshürde in die Workflow-Automatisierung deutlich. Fachbereiche können damit eigene Automatisierungen aufbauen, auch ohne tiefe Entwicklungserfahrung, Stichwort Citizen Development. Zapier eignet sich besonders für schnelle Standard-Verknüpfungen, weil es sehr einfach zu bedienen ist und einen großen App-Katalog mitbringt. Make ist visueller aufgebaut und flexibler, wenn es um Verzweigungen oder Datentransformation geht. n8n lässt sich self-hosten und ist damit aus DSGVO-Sicht besonders interessant, weil Daten im eigenen Verantwortungsbereich bleiben. Gleichzeitig ist es sehr mächtig, bietet native AI- und Agenten-Bausteine und lässt sich tief in die SAP-Landschaft einbinden seit der strategischen Partnerschaft mit SAP wird n8n zudem als eingebettete Orchestrierungsschicht in Joule Studio auf der SAP Business AI Platform verfügbar. Deshalb ist n8n auch unser Haupt-Tool in den Masterclasses. SAP Build Process Automation ergänzt dort, wo Prozesse ohnehin im SAP-Kontext laufen, etwa bei Genehmigungen oder S/4HANA-Prozessen. Mein Tipp: Das Tool sollte immer zum Use Case passen – nicht umgekehrt.

Die Teilnehmenden erstellen in der Einsteiger:innen-Masterclass einen eigenen Mini-Workflow. Was lernen sie dabei über die Gestaltung von Routineprozessen mit möglichst geringem Aufwand und hoher Effizienz?

Dangelmayr: Grundsätzlich lernen die Teilnehmenden die vier Bausteine Ziel, Trigger, Aktionen und Test kennen. Also das Grundmuster jedes Workflows. Der typische Aha-Effekt: Ein nützlicher Workflow kann recht fix entstehen. Wichtig ist, schon vorab festzulegen, woran man konkret messen kann, dass der Workflow das tut, was er soll also klare Erfolgskriterien zu definieren, und Fehlerfälle direkt mitzudenken. Außerdem üben die Teilnehmenden den Umgang mit Fehlern also was passieren soll, wenn ein Schritt scheitert, Daten fehlen oder eine Schnittstelle nicht antwortet. Das wird bewusst an einem kleinen Workflow trainiert, damit das Prinzip sitzt, bevor es auf komplexere Prozesse übertragen wird.

In der erweiterten Masterclass steht die Frage im Mittelpunkt: klassischer Workflow, AI-basierter-Workflow oder autonomer Agent. Warum ist diese Architekturentscheidung für Unternehmen so wichtig?

Dangelmayr: Eine falsche Wahl lässt sich später nur schwer und mit hohem Aufwand korrigieren. Klassische Workflows folgen festen Regeln und liefern bei gleicher Eingabe immer dasselbe Ergebnis. Sie sind die richtige Wahl für stabile Prozesse wie Freigaben, Datenabgleiche oder Standardberichte. AI-basierte Workflows haben weiterhin feste Schritte, nutzen aber an einzelnen Stellen AI zum Beispiel, um eingehende Dokumente zu klassifizieren oder Informationen daraus zu extrahieren. Autonome Agenten gehen einen Schritt weiter und treffen Entscheidungen selbst, wählen passende Tools und improvisieren. Mehr Autonomie heißt mehr Flexibilität, aber eben auch weniger Vorhersehbarkeit – und der Kontrollaufwand steigt.

Welche typischen Fehler entstehen, wenn Unternehmen Automatisierungsansätze vermischen oder vorschnell auf KI Agents setzen?

Dinse: Der häufigste Fehler ist das Over-Engineering, also dass Unternehmen Agenten einsetzen, obwohl ein simpler Workflow reichen würde. Weitere Fehler entstehen, wenn Unternehmen Konzepte vermischen, indem sie AI in Prozesse zwingen, die deterministisch und auditierbar sein müssen. Es ist auch nicht zu empfehlen, zu Hype-getrieben zu starten. Der richtige Ansatz wäre ‚Wir haben ein Problem‘ und nicht ‚Wir brauchen einen Agenten, weil gerade alle Agenten haben‘. Weitere Fehler entstehen, wenn Security, Monitoring und Human-in-the-loop zu spät mitgedacht werden. Dann muss häufig nachgearbeitet werden und dabei können Compliance-Risiken entstehen.

Wann reicht ein klassischer Workflow aus – und wann kann AI-Unterstützung oder ein autonomer Agent einen echten Mehrwert schaffen?

Dinse: Wenn Regeln klar, Daten strukturiert, Abläufe stabil und vor allem Nachvollziehbarkeit gefragt sind, reicht ein klassischer Workflow. Sich durch AI unterstützen zu lassen, lohnt sich dann, wenn die Inhalte unstrukturiert sind und Interpretationen, Sprache und Variabilität ins Spiel kommen, der Ablauf an sich aber feststeht. Autonome Agenten wiederum sind erst dann interessant, wenn Aufgaben offen sind, mehrere Schritte bzw. Tools dynamisch kombiniert werden müssen und der Weg unvorhersehbar ist. Mein Leitsatz hier lautet: So einfach wie möglich, so komplex wie nötig.

Die Teilnehmenden arbeiten mit einer Entscheidungsmatrix mit zehn Kriterien und Scoring. Wie hilft eine solche Matrix dabei, Use Cases systematisch zu bewerten und Over-Engineering zu vermeiden?

Dangelmayr: Eine solche Matrix hilft dabei, Use Cases nicht nur aus dem Bauch heraus zu bewerten, sondern sie objektiv zu betrachten und zu vergleichen. Die Matrix veranschaulicht Eingabedaten, Logik-Komplexität, Vorhersagbarkeit, Autonomie, Kosten, Latenz, Erklärbarkeit und Fehlerkosten. So wird schnell sichtbar, ob ein klassischer Workflow ausreicht oder ob mehr Komplexität sinnvoll ist. Ein niedriger Score zeigt: Hier genügt meist ein klassischer Workflow. Das schützt vor Over-Engineering. Gleichzeitig schafft die Matrix eine gemeinsame Sprache zwischen Fachbereich, IT und Management. Wenn sie einmal etabliert ist, können Teams neue Use Cases immer nach denselben Vorgaben bewerten.

Security, Human-in-the-Loop und Monitoring sind zentrale Themen der erweiterten Masterclass. Welche Risiken sollten Unternehmen bei AI-based-Workflows und Agenten von Anfang an mitdenken?

Dinse: Sicherheits- und Kontrollrisiken sollten von Anfang an mitbedacht werden. Eine gute Orientierung bieten die „OWASP Top 10 for LLM Applications" und die im Dezember 2025 veröffentlichten „OWASP Top 10 for Agentic Applications" vom OWASP GenAI Security Project. Ein klassisches Beispiel ist Prompt Injection: Manipulierte Eingaben oder Inhalte können die AI dazu bringen, unerwünscht zu handeln. Deshalb sollten Eingaben validiert und Rechte minimiert werden. Bei kritischen oder irreversiblen Entscheidungen kommt das Prinzip Human-in-the-Loop dazu. Der Mensch bleibt die Entscheidungsinstanz. Genauso wichtig sind Monitoring und Logging. Jede Aktion sollte nachvollziehbar protokolliert werden.

In der Masterclass geht es auch um hybride Architekturen und Multi-Agent-Systeme. Welche Rolle spielen solche Enterprise Patterns für flexible und skalierbare Unternehmensprozesse?

Dangelmayr: Hybride Architekturen und Multi-Agent-Systeme spielen eine wichtige Rolle, wenn Unternehmensprozesse flexibel und skalierbar bleiben sollen. Beim Hybrid-Pattern orchestriert der klassische Workflow den Prozess, während ein Agent nur die offenen oder kreativen Teilschritte übernimmt. So behalten Nutzer:innen die Kontrolle und sind gleichzeitig flexibel. Multi-Agent-Systeme gehen dann noch einen Schritt weiter. Statt eines Alleskönners arbeiten spezialisierte Agenten zusammen, z. B. als Rechercheur, Verfasser und Prüfer. Wichtige Bausteine dafür sind ReAct-Pattern, also Denken und Handeln, Tool-Calling, kurz- und langfristiges Memory sowie RAG-Integration für den Faktenbezug. Der Vorteil liegt darin, dass das Ganze besser skalierbar ist, dass es klar abgegrenzte Verantwortlichkeiten gibt und die Wartung leichter ist. Aus Enterprise-Sicht ist das Hybrid-Modell meist der realistische Weg. Voll autonome End-to-End-Agenten sind eher die Ausnahme.

Kurz und knapp: Wenn Sie Teilnehmenden einen einzigen Rat mitgeben könnten, die nach der Masterclass erste eigene Workflows, AI-basierten Workflows oder Agenten im Unternehmen umsetzen möchten: Welcher wäre das?

Dinse: Klein anfangen und in Ruhe. Suchen Sie sich einen überschaubaren Prozess, den Sie gut verstehen und der sie nervt. Dann starten Sie mit dem einfachsten Ansatz, der ihn löst. Wenn dieser stabil läuft, können Sie Schritt für Schritt AI ergänzen – dort, wo Regeln nicht mehr ausreichen oder sie es auch gerne einfach Mal probieren wollen. Und ganz wichtig: Scheuen Sie sich nicht, AI auch als Sparrings-Partner zu nutzen. Eine AI kann Ihnen gut Vorschläge machen, wie Sie einen Use Case angehen oder strukturieren könnten. Das ersetzt nicht das eigene Denken, gibt aber oft einen guten Startpunkt.

Vielen Dank für das Gespräch!

Das könnte Sie auch interessieren...

Wem das Training zur Workflow-Automatisierung hinsichtlich des Einsatzes von KI bereits zu tief geht, der sollte die folgenden DSAG-Academy-Trainings einmal näher unter die Lupe nehmen:

17.09.2026 | DSAG-Academy-Online-Training: Prompting-Mastery: Praktische Strategien für den erfolgreichen KI-Einsatz (mit Zertifizierung)

22.10.2026 |DSAG-Academy-Online-Training: Prompting Advanced: Large Language Modelle effizient und sicher nutzen (mit Zertifizierung)