Wer im operativen Geschäft Verantwortung trägt, kennt den Prozess, der auf dem Dashboard gut aussieht und in der Praxis auseinanderfällt. Der Schadenfall, der sechs Tage unbearbeitet liegen blieb, weil keine Regel ihn markiert hat. Der „dringende“ Fall, der an den Nächsten in der Warteschlange ging statt an jemanden, der ihn tatsächlich lösen konnte. Die Rechnung, die ein müder Mensch um 2 Uhr nachts falsch erfasst hat.
Klassisches Geschäftsprozessmanagement (Business Process Management, BPM) (einen Workflow modellieren, ihn in einer Engine ausführen, die KPIs beobachten) beherrscht die vorhersehbaren, regelbasierten Teile der Arbeit hervorragend. Schwer tut es sich mit allem, was Urteilsvermögen verlangt, unstrukturierte Daten lesen muss oder in Mustern steckt, die zu erkennen kein Analyst die Zeit hat. Genau diese Lücke schließt künstliche Intelligenz.
Klassisches BPM arbeitet mit expliziten Regeln: Übersteigt ein Schadenfall 10.000 €, geht er an einen erfahrenen Prüfer; fällt ein Bonitätsscore unter einen Schwellenwert, wird eine zusätzliche Verifizierung ausgelöst. Menschen schreiben diese Regeln aus ihrem Verständnis des Prozesses heraus. Der Prozess kann also nie klüger sein als die Regeln, an deren Kodierung jemand gedacht hat.
KI-gestütztes BPM kehrt das um. Statt jede Regel von Hand zu kodieren, lernen Machine-Learning-Modelle Muster aus der Historie, die das Unternehmen ohnehin schon erzeugt hat. Sie zeigen, welche Fälle wahrscheinlich eskalieren, sagen voraus, wie lange die Bearbeitung dauern wird, und markieren Auffälligkeiten, für die nie eine statische Regel geschrieben wurde. Die Regeln verschwinden nicht: Sie bekommen eine Schicht gelernter Intelligenz obendrauf.
Process Mining
Ihre Systeme protokollieren ohnehin alles, was sie tun. Process Mining macht aus diesen Event-Logs eine ehrliche Landkarte davon, wie ein Prozess tatsächlich abläuft, nicht das aufgeräumte Diagramm aus dem Handbuch. ML-Algorithmen legen die echten Varianten offen, die Nacharbeitsschleifen und den Engpass, der jeden fünften Fall unbemerkt um drei Tage verlängert.
Intelligente Aufgabenverteilung
Round-Robin und skillbasiertes Routing sind grobe Werkzeuge. Ein Modell, das die jeweilige Auslastung, die individuelle Expertise, die bisherige Leistung und die Komplexität des Falls gewichtet, weist die richtige Arbeit der richtigen Person zu. Das messbare Ergebnis: schnellere Erledigung und weit weniger ungleich verteilte Warteschlangen.
Vorausschauendes SLA-Management
Wenn ein Dashboard rot wird, ist das SLA bereits verletzt. Modelle, die auf historischen Fällen trainiert wurden, sagen voraus, welche offenen Fälle auf eine SLA-Verletzung zusteuern, solange noch Zeit zum Handeln bleibt. So wird Prozessmanagement vom reaktiven Feuerlöschen zum vorausschauenden Eingreifen.
Klassifizierung und Extraktion von Dokumenten
Ein sehr großer Teil der Geschäftsprozesse gerät bei unstrukturierten Dokumenten ins Stocken: Rechnungen, Verträge, Korrespondenz. NLP-Modelle klassifizieren jedes Dokument, ziehen die relevanten Felder heraus und speisen saubere, strukturierte Daten direkt in den Workflow ein. Damit entfällt die manuelle Erfassung, die so oft der langsamste und fehleranfälligste Schritt der Kette ist.
Was es selten auf die Konferenzfolien schafft: Nichts davon funktioniert ohne verlässlichen Datenfluss. Prozessdaten fließen zu den ML-Modellen, Vorhersagen zurück zur BPM-Engine, und beides ist an die Unternehmenssysteme angebunden, die die Arbeit erzeugen und weiterverarbeiten. Das Modell macht die einfachen 20 % aus. Die Pipelines, Schnittstellenverträge und die Governance drumherum sind die 80 %, die entscheiden, ob das Projekt den Produktivbetrieb erreicht oder im Notebook stecken bleibt.
Genau an dieser Nahtstelle arbeitet KONDEVS. Wir verbinden fundierte Erfahrung in der Umsetzung von BPM (Camunda, webMethods) mit einer KI-Praxis, die selbst Hand anlegt. So sind die Integrationsingenieure, die wissen, wo Ihre Unternehmensdaten liegen, dasselbe Team, das die Modelle in diesen Daten verankert. Das Ergebnis geht in Produktion und bleibt auch danach treffsicher.
KI-gestütztes BPM ergänzt menschliches Urteilsvermögen, es ersetzt es nicht. Erfolgreiche Teams nehmen sich nicht alles auf einmal vor: Sie wählen einen Prozess mit guten historischen Daten, einer klaren Leistungskennzahl und echter geschäftlicher Wirkung, erproben ihn in einem Pilotprojekt, messen ehrlich und skalieren nur, was sich bewährt. Klein anfangen, den Nutzen belegen, dann ausweiten. Die Technologie belohnt Disziplin weit mehr als Ehrgeiz.
