Was zuerst automatisieren: Ein einfaches Framework

Es gibt ein vorhersehbares Muster, wenn Unternehmen mit KI beginnen: Sie automatisieren das spannende Ding — einen Chatbot, einen Bildgenerator — bevor das langweilige Ding, das ihnen tatsächlich die Woche raubt. Die auffällige Automatisierung wird einmal vorgeführt und dann still aufgegeben. Die langweilige hätte sich jeden Tag bezahlt gemacht.

Zu wählen, was Sie zuerst automatisieren, ist wichtiger als die Wahl des Tools. Hier ist ein einfaches Framework, das ich mit Kunden nutze, mit echten Beispielen und einer kurzen Liste dessen, was Sie vorerst unangetastet lassen sollten.

Bewerten Sie jede Aufgabe nach fünf Fragen

Nehmen Sie die Aufgaben, die die Zeit Ihres Teams fressen, und bewerten Sie jede von 1 (niedrig) bis 5 (hoch):

1. Häufigkeit — wie oft kommt sie vor? Täglich schlägt monatlich.
2. Zeit pro Vorgang — wie lange braucht ein Mensch für einen?
3. Fehlerkosten — wie schlimm ist es, wenn sie falsch oder verspätet erledigt wird? (Das ist eine Falle — siehe unten.)
4. Datenreife — sind die Informationen, die die Aufgabe benötigt, bereits verfügbar und einigermaßen ordentlich?
5. Umkehrbarkeit — wenn die KI sich irrt, ist es leicht, das zu bemerken und rückgängig zu machen, bevor Schaden entsteht?

Die ersten beiden sagen Ihnen, wie viel eine Aufgabe Sie kostet. Die letzten beiden sagen Ihnen, wie sicher und machbar es ist, sie abzugeben. Beginnen Sie dort, wo beides hoch ist: eine häufige, zeitaufwändige Aufgabe, die Daten nutzt, die Sie bereits haben, und bei der Fehler leicht zu erkennen sind.

So bewerten sich einige gängige Aufgaben in der Regel:

Aufgabe	Häufigkeit	Zeit	Daten bereit	Umkehrbar	Zuerst?
Häufige Anfragen beantworten	5	3	4	5	Ja
Follow-up-E-Mails nach einem Lead	5	3	4	5	Ja
Wöchentlicher Leistungsbericht	4	4	4	5	Ja
Angebote / Kostenvoranschläge entwerfen	3	5	3	3	Nur Assistenz
Endgültige Antworten auf Bewertungen posten	4	2	3	2	Mensch behalten
Rückerstattungen / Preise freigeben	2	2	2	1	Mensch behalten

Das Muster ist klar: Die besten ersten Automatisierungen sind häufige Aufgaben mit mittlerem Aufwand, bei denen die Daten vorhanden sind und ein Fehler offensichtlich und günstig zu beheben ist.

Aufwand = Häufigkeit × Zeit. Machbarkeit = Datenreife + Umkehrbarkeit.

Die Fehlerkosten-Falle

Bei den “Fehlerkosten” machen die meisten Menschen etwas falsch. Hohe Fehlerkosten bedeuten nicht “nicht automatisieren” — sie bedeuten “nicht vollständig automatisieren.” Es gibt zwei sichere Modi:

• Assistenz — die KI erstellt den ersten Entwurf; ein Mensch prüft und versendet. Richtig für alles, was Kundenkontakt hat oder folgenreich ist: Angebote, wichtige E-Mails, alles, was Ihren Namen trägt.
• Vollautomatik — die KI erledigt die ganze Sache ohne Menschen in der Schleife. Nur für Aufgaben, bei denen ein Fehler günstig und leicht zu erkennen ist: interne Zusammenfassungen, Verschlagwortung, erste Antworten auf Anfragen, die klar sagen, dass ein Mensch bestätigen wird.

Im Zweifel beginnen Sie im Assistenz-Modus. Sie behalten fast die gesamte Geschwindigkeit und verlieren fast nichts an Sicherheit. Sobald Sie ein paar Wochen zugesehen haben, wie die KI die Dinge richtig macht, können Sie das Tor weiter öffnen.

Echte erste Automatisierungen, die sich meist auszahlen

Für die meisten kleinen Unternehmen kommt immer wieder dieselbe Handvoll vor:

• Bearbeitung erster Anfragen — die immer gleichen zwanzig Fragen beantworten, die Kontaktdaten erfassen und alles Ungewöhnliche an einen Menschen weiterleiten.
• Follow-up-Sequenzen — die höflichen “Ich wollte nur nachfragen”-E-Mails, die nie versendet werden, weil alle beschäftigt sind.
• Reporting — Ihre Zahlen in eine verständliche wöchentliche Zusammenfassung verwandeln, statt in eine Tabelle, die niemand liest.
• Sich wiederholendes Schreiben — Produktbeschreibungen, Inserate, Standardantworten: von KI entworfen, von einem Menschen geglättet.
• Meeting- und Gesprächsnotizen — eine Aufnahme in eine Zusammenfassung und eine Aufgabenliste verwandeln.

Nichts davon ist glamourös. Alles davon gibt Ihnen jede einzelne Woche Zeit zurück — und genau darum geht es.

Ein durchgerechnetes Beispiel: “Follow-up-E-Mails” bewerten

Angenommen, Ihr Team ist langsam bei der Nachverfolgung von Anfragen. Bewerten Sie sie von 1–5:

• Häufigkeit: 5 — sie sollte nach jeder Anfrage stattfinden, mehrmals täglich.
• Zeit: 3 — jeweils ein paar Minuten, aber sie summieren sich und werden still übersprungen.
• Fehlerkosten: 2 — ein leicht daneben liegendes Follow-up ist einfach zu korrigieren; die eigentlichen Kosten entstehen, wenn keines versendet wird.
• Datenreife: 4 — Sie haben die Anfragedetails und Ihre Standardantworten bereits.
• Umkehrbarkeit: 5 — Sie lesen den Entwurf, bevor er hinausgeht.

Hoher Aufwand, hohe Machbarkeit, geringes Risiko — eine lehrbuchmäßige erste Automatisierung. Lassen Sie die KI aus jeder Anfrage ein maßgeschneidertes Follow-up entwerfen, lassen Sie einen Menschen darüberschauen und versenden. Sie verlieren keine warmen Leads mehr an ein überfülltes Postfach, und nichts geht hinaus, das ein Mensch nicht gesehen hat.

Was Sie (vorerst) unangetastet lassen sollten

Halten Sie sich mit der Automatisierung von allem zurück, bei dem alle drei Punkte gleichzeitig zutreffen: Die Daten sind unordentlich oder fehlen, ein Fehler ist teuer, und ein Fehler ist schwer zu erkennen. Und behalten Sie einen Menschen bei den Momenten, die Vertrauen aufbauen oder zerstören — bei der Entschuldigung, der Verhandlung, der schwierigen Rückerstattung. KI kann Ihnen helfen, diese zu entwerfen; sie sollte sie nicht versenden.

Beginnen Sie mit einer, behalten Sie den Menschen

Wählen Sie die einzelne, am höchsten bewertete Aufgabe aus Ihrer Liste. Automatisieren Sie nur deren ersten Entwurf, behalten Sie einen Menschen, der das Ergebnis prüft, und beobachten Sie zwei Wochen lang die Zeit, die sie spart. Wenn es sich bewährt, weiten Sie es aus und gehen zur nächsten über. Eine langweilige Aufgabe richtig zu automatisieren schlägt es, fünf spannende halb zu automatisieren.

Wenn Sie Ihre eigenen Aufgaben bewerten und die erste richtig aufsetzen möchten, ist genau das, was wir in der KI-Automatisierungs-Schulung durcharbeiten — bringen Sie Ihren echten Workflow mit, und wir bilden ihn gemeinsam ab — oder buchen Sie einen Privatunterricht, um zu starten.