Praxis aus Energie, Industrie, Tourismus und Veranstaltungen.
Neu: die Case Study zum KI-Research-Agenten für die Deutsche Rohstoff AG. Dazu anonymisierte Einblicke in Prozesse, Umsetzung und Projektstand.

Projektbeispiele ansehen →

Der größte Hebel entsteht selten durch einzelne Prompts. Er entsteht, wenn KI in einen wiederkehrenden Ablauf eingebunden wird: Daten kommen rein, werden geprüft, angereichert, zusammengefasst, weitergeleitet und von Menschen dort freigegeben, wo Verantwortung nötig ist.

Vor der technischen Umsetzung lohnt sich ein klarer Prozessvergleich: acht KI-Anwendungsfälle mit Messgrößen und der Leitfaden zur Einführung im Unternehmen helfen bei Auswahl und Pilot.

Ein Prozess, vier Wochen, Livebetrieb

Der Umsetzungs-Sprint bringt einen Prozess für 9.900 € zzgl. MwSt. in vier Wochen in den Livebetrieb, inklusive Übergabe an eine interne Person. Ist noch offen, welcher Prozess zuerst kommt, startet die KI-Roadmap für 3.500 € zzgl. MwSt. mit der Priorisierung. Fünfzehn Minuten Erstgespräch reichen für die Einordnung.

Erstgespräch buchen

Lieber erst eine Frage stellen? Schreib mir im Kontaktformular.

Typische Automatisierungsfelder

01

Anfragen & Support

Eingänge sortieren, Anliegen erkennen, Antwortentwürfe vorbereiten und passende nächste Schritte vorschlagen.

02

Vertrieb & Angebote

Briefings verdichten, Kundendaten strukturieren, Angebotsbausteine vorbereiten und Follow-ups erzeugen.

03

Dokumente & Wissen

Dokumente auswerten, interne Wissensbestände nutzbar machen und Ergebnisse in bestehende Systeme übertragen.

04

Backoffice & Reporting

Wiederkehrende Prüfungen, Zusammenfassungen, Statusupdates und Übergaben zuverlässiger vorbereiten.

Umsetzung mit Augenmaß

KI-Automatisierung sollte nicht blind alles automatisieren, was technisch möglich ist. Wir prüfen zuerst Prozess, Daten, Risiken und Verantwortlichkeiten. Dann entscheiden wir, ob ein klassischer Workflow, ein KI-Agent, ein Prompt-System oder eine Schulung der bessere Weg ist.

Je nach Setup können Tools wie n8n, Make, bestehende CRM- oder Ticketsysteme, OpenAI, Claude oder Gemini eingebunden werden. Entscheidend ist, dass der Workflow stabil, nachvollziehbar und für das Team verständlich bleibt.

Fertige Bausteine: was 2026 ohne Eigenbau geht

Claude und ChatGPT haben 2026 Funktionen bekommen, die früher ein eigenes Automatisierungsprojekt gebraucht hätten. Sie ersetzen die Prozessklärung nicht, verschieben aber oft die Antwort auf die Frage, ob überhaupt gebaut werden muss:

  • Wiederkehrender Bericht oder Monitoring: Scheduled Tasks in Claude und geplante Aufgaben in ChatGPT erledigen eine einmal beschriebene Aufgabe nach Zeitplan. In ChatGPT können Aufgaben seit August 2026 auch per Webhook starten, etwa bei einer neuen Gmail-Nachricht.
  • Web-Anwendung ohne Schnittstelle: Claude in Chrome, seit dem 26. August 2026 auf allen bezahlten Claude-Plänen allgemein verfügbar, bedient Websites im Browser mit den vorhandenen Logins. Aktionen prüft ein Klassifikator, autonome Aktionen lassen sich abschalten.
  • Daten aus Standardsoftware: Connectors und der Claude Marketplace mit 1.050 Connectoren und 528 Plugins (seit 23. September 2026, Stand 2. November 2026) binden Anwendungen wie Google Workspace, Microsoft 365 oder Salesforce ohne eigene Integration an.
  • Zusammenarbeit im Team-Kanal: Claude Tag bringt Claude als Beta für Team und Enterprise in Slack-Channels, siehe Claude-Funktionen.
  • Eigene Agenten im Dauerbetrieb: Managed Agents der Claude Platform laufen per Scheduled Deployment nach Zeitplan und beziehen Zugangsdaten aus Credential Vaults (9. Juni 2026). Ein Session Budget deckelt seit dem 7. August 2026 die Kosten pro Sitzung, Permission Policies im Auto-Modus lassen seit dem 10. September 2026 jeden Tool-Aufruf prüfen und bei Bedarf zur Freigabe anhalten. Wann sich ein Agent lohnt, steht unter KI-Agenten im Unternehmen.

Für feste Regeln und strukturierte Daten bleibt der klassische Workflow in n8n, Make oder eurem CRM meist die stabilere und günstigere Lösung. Quellen, abgerufen am 27.09.2026: Anthropic zu Scheduled Tasks in Claude, ChatGPT Release Notes, Claude in Chrome, Claude Marketplace, Claude Tag, Claude Platform Release Notes.

Die Standards: MCP, A2A und Agent Skills

Zwei offene Standards prägen 2026 die Agentenwelt. Das Model Context Protocol (MCP) verbindet ein KI-System mit Werkzeugen und Daten, das Agent-to-Agent Protocol (A2A) verbindet Agenten untereinander, damit sie Aufgaben aneinander übergeben können. Beide liegen bei der Agentic AI Foundation (AAIF) unter der Linux Foundation: MCP seit dem 9. Dezember 2025, A2A seit dem 27. August 2026. Dort liegen seit dem 22. Oktober 2026 auch die Agent Skills von Anthropic, also Ordner mit Anleitung und Hilfsdateien, die einem Agenten eine bestimmte Aufgabe beibringen. Für euch heißt das: Was ihr heute für Claude baut, läuft in der Regel auch mit ChatGPT, Copilot oder Gemini. Mehr dazu unter KI-Agenten im Unternehmen und im Leitfaden zum Model Context Protocol.

Die wichtigste Praxisregel für Geschäftsführer: Nur geprüfte MCP-Server zulassen und vor jeder Aktion, die Daten nach außen gibt, eine Freigabe verlangen. Das OWASP (Open Worldwide Application Security Project) beschreibt MCP Tool Poisoning als indirekte Prompt Injection, also als Angriff, bei dem versteckte Anweisungen in der Antwort eines Werkzeugs den Agenten steuern. Wie ihr Daten, Handlungen und Außenwirkung begrenzt, steht im Beitrag KI-Systeme mit echten Zugängen. Quellen, geprüft am 02.11.2026: MCP-Spezifikation, Anthropic zur Übergabe von MCP, A2A-Protokoll zum Beitritt zur AAIF, Anthropic zur Übergabe der Agent Skills, OWASP zu MCP Tool Poisoning (undatiert).

Werkzeuge für kleine Teams: was beim Datenschutz zählt

Für die Orchestrierung ohne eigenes Entwicklungsteam ist n8n Cloud die datenschutzfreundlichste der verbreiteten Plattformen. Die Daten der gehosteten Pläne liegen laut Preisseite in Frankfurt in Deutschland, der Starter-Plan kostet 20 Euro pro Monat bei Jahreszahlung, der Pro-Plan 50 Euro pro Monat bei Jahreszahlung, und MCP ist in allen Cloud-Plänen enthalten. Zapier nennt auf seiner Preisseite keine Datenhaltung in der EU. Entscheidend bleibt trotzdem der Prozess: Wo keine personenbezogenen Daten fließen, ist die Plattformfrage zweitrangig. Quellen, geprüft am 02.11.2026: n8n-Preise, Zapier-Preise.

Laut Bitkom (14. September 2026, repräsentative Befragung von 603 Unternehmen ab 20 Beschäftigten) setzen 11 Prozent der Unternehmen, die KI nutzen, planen oder diskutieren, bereits KI-Agenten ein, 29 Prozent planen den Einsatz und 31 Prozent diskutieren ihn. Quelle: Bitkom, 14.09.2026.

Ablauf einer Automatisierung

  1. Prozess auswählen: Wiederkehrenden, messbaren Ablauf mit klarem Nutzen identifizieren.
  2. Workflow skizzieren: Eingaben, Entscheidungen, Tools, Freigaben und Ergebnisformate festlegen.
  3. Pilot bauen: Kleine Version umsetzen, testen und mit echten Fällen prüfen.
  4. Qualität sichern: Fehlerfälle, Datenschutz, Rollen und Monitoring berücksichtigen.
  5. Rollout begleiten: Team schulen, Nutzung beobachten und den Workflow verbessern.

Warum die Roadmap vorher hilft

Viele Automatisierungsprojekte scheitern, weil der falsche Prozess gewählt wird. Die KI-Roadmap hilft, Nutzen, Aufwand und Risiko zu sortieren, bevor technische Umsetzung beginnt. So entstehen weniger Tool-Insellösungen und mehr echte Entlastung.

Wann ist eine Festpreis-Lösung der schnellere Weg?

Nicht jeder Ablauf braucht eine eigene Analyse. Für häufige Aufgaben wie Rechnungseingang, E-Mail-Sortierung, Angebotsentwürfe oder einen Wissensassistenten auf eigenen Dokumenten gibt es erprobte Bausteine. Meine Umsetzungsmarke, die KI Agentur, bietet sie als Katalog mit Festpreis und Lieferzeit an, den Betrieb auf Wunsch gleich mit. Als Faustregel: Ist der Prozess klar und typisch, spart der Katalog Zeit. Ist offen, welcher Prozess zuerst kommen soll, oder hängen mehrere Abteilungen daran, beginnt ihr besser mit der Roadmap. Welche Regeln für automatisierte Abläufe und Agenten im Team gelten sollten, zeigt das Muster einer KI-Richtlinie.

Automatisierung prüfen

Wenn ihr konkrete Prozesse automatisieren wollt, starten wir mit einem Gespräch und priorisieren die besten Kandidaten. Vorab eine Größenordnung? Der KI-Potenzial-Rechner zeigt in 30 Sekunden, was in euren Routinen steckt.

Automatisierung anfragen →

Wie das in der Praxis aussieht

Ein Beispiel mit Zahlen: In einem mittelständischen Ingenieurbüro sank die Zeit je Angebot von zwei bis drei Stunden auf unter zehn Minuten, bei vierfachem Volumen. Der ganze Ablauf steht in der Fallstudie KI-gestützte Dokumenten- und Angebotsvorbereitung. Wie ein komplettes System von der Datenanbindung bis zur Übergabe aussieht, zeigt die Case Study zur Deutschen Rohstoff AG: 34 Unternehmen, 14 Datenquellen, tägliches Briefing. Weitere Fälle unter Ergebnisse.

FAQ

Häufige Fragen

Was kostet eine KI-Automatisierung?

Der Umsetzungs-Sprint kostet 9.900 Euro Festpreis und bringt einen Prozess in vier Wochen live. Das Umsetzungs-Programm kostet 19.900 Euro und deckt in drei Monaten mindestens drei Prozesse inklusive Governance ab. Für den laufenden Betrieb gibt es Managed Automation ab 490 Euro pro Monat. Dazu kommen Lizenzen für Automatisierungsplattformen und der Token-Verbrauch der Modelle, meist ein zweistelliger bis niedriger dreistelliger Betrag im Monat.

Welche Prozesse eignen sich für KI-Automatisierung?

Prozesse mit klarem Auslöser, wiederkehrender Struktur und einem definierten Ergebnis. Typisch sind Angebotserstellung, Eingangspost und Rechnungsvorerfassung, Content-Produktion, Reporting und die Vorbereitung von Kundenkommunikation. Ungeeignet sind Prozesse, die niemand beschreiben kann, und solche mit sehr wenigen Durchläufen im Jahr.

Wie lange dauert eine Automatisierung bis zum Livebetrieb?

Ein einzelner Prozess ist im Umsetzungs-Sprint in vier Wochen live: Woche 1 Prozessaufnahme und Zieldefinition, Woche 2 und 3 Bau und Test, Woche 4 Übergabe an eine interne Person. Komplexere Ketten über mehrere Abteilungen brauchen eher acht bis zwölf Wochen.

Welche Werkzeuge kommen zum Einsatz?

Die Auswahl richtet sich nach Prozess, Datenschutz und vorhandener IT, nicht nach Vorliebe. Häufig sind n8n oder Make als Orchestrierung, dazu Claude oder ChatGPT über die API und die Systeme, die ohnehin im Haus laufen. Wo ein bestehendes Werkzeug reicht, kommt kein neues dazu.

Was passiert, wenn die Automatisierung Fehler macht?

Jede Automatisierung bekommt eine definierte Fehlerbehandlung und einen Punkt, an dem ein Mensch übernimmt. Bei Prozessen mit Außenwirkung, etwa Kundenkommunikation, gilt grundsätzlich Freigabe vor Versand. Monitoring und Wartung sind Teil von Managed Automation.

Bleibt das Wissen im Unternehmen?

Ja, das ist Bedingung. Jede Automatisierung wird an eine interne Person übergeben, dokumentiert und im Betrieb erklärt. Ziel ist nicht, dass ihr mich braucht, sondern dass der Prozess auch ohne mich weiterläuft.

Jean Hinz, KI-Berater für den Mittelstand aus Lüneburg

Über den Autor

Jean Hinz

KI-Berater für den Mittelstand, Lüneburg/Hamburg

Ich begleite Geschäftsführungen und Teams dabei, KI vom Einzelexperiment in einen belastbaren Betrieb zu überführen. Schwerpunkt: Prozesse zuerst, Werkzeuge danach. Praxis aus Industrie, Tourismus, Veranstaltungen und weiteren Unternehmensbereichen.

  • Beratung & Umsetzung aus einer Hand
  • Arbeit an euren eigenen Prozessen
  • Seit 2021 auf KI spezialisiert
Automatisierung

Lasst uns die Prozesse finden, die KI wirklich entlasten kann.

Wir prüfen Quick Wins, Pilotprozesse und eine Umsetzung, die im Alltag hält.

KI-Automatisierung besprechen →
Erstgespräch buchen →