Herzlich Willkommen zu den AI FIRST Insights!

AI FIRST ist in den letzten zwölf Monaten 10x gewachsen, indem wir jeden einzelnen Mitarbeiter bei uns im Team durch den Einsatz von KI-Tools und Agenten erweitert haben und es somit geschafft haben, eine enorme Produktivität mit einem kleinen Team zu erzeugen.

Worin wir lange nicht gut waren, war das strukturierte Automatisieren von Prozessen. Wir haben uns so schnell weiterentwickelt, dass sich auch unsere Prozesse ständig verändert haben. Kaum war etwas dokumentiert, war es schon wieder überholt.

Unsere Prozesse mussten erst reifen.

Jetzt sind wir an einem Punkt, wo ich unsere Prozesse aus AI-First Perspektive hinterfrage und mit einem höheren Automatisierungsgrad die nächste Stufe zünden möchte.

Mein Ziel ist, die Firma so aufzustellen, dass wir noch einmal ein Vielfaches mit einem sehr schlanken Team wachsen können.

Dafür habe ich mich Anfang des Jahres gefragt: Wie können wir KI hebeln, um Prozesse maximal effizient und mit hoher Qualität in die Umsetzung zu bringen?

Meinen Ansatz teile ich in diesem Newsletter.

Los geht's!

Wann ist ein Prozess bereit für Automatisierung?

Ich habe in der Vergangenheit einen Fehler viel zu oft gemacht: Prozesse automatisieren, die noch gar nicht bereit dafür waren. Unreife Prozesse bleiben nicht robust, sie verändern sich ständig, und am Ende frisst der Aufwand für Wartung und Aktualisierung den Effizienzgewinn wieder auf – oft um ein Vielfaches.

Deshalb durchlaufe ich mittlerweile zwei Phasen, bevor ich überhaupt ans Automatisieren denke.

Phase 1: Den Prozess wirklich verstehen

Ich dokumentiere jeden einzelnen Schritt, definiere klar, welche Daten reingehen und welche rauskommen, und verstehe die Entscheidungsregeln. Wenn irgendetwas davon unklar ist, ist der Prozess nicht automatisierbar.

Dann prüfe ich drei Kriterien:

1. Ist der Prozess regelbasiert, folgt er also immer den gleichen Schritten?
2. Ist er repetitiv, werden die Schritte also auf die gleiche Weise ausgeführt?
3. Und ist er robust, hat er sich also stabilisiert oder verändert er sich noch ständig?

Phase 2: Einfachheit > Automatisierung

Wenn Phase 1 erfüllt ist, stelle ich mir zwei andere Fragen:

1. Kann ich den Prozess eliminieren, brauche ich ihn überhaupt noch?
2. Kann ich ihn optimieren, gibt es Schritte, die ich entfernen oder anders aufstellen kann?

Erst wenn ich beide Fragen mit Nein beantworte, macht Automatisierung Sinn.

Um den Überblick über unsere Prozesse, deren Reife und Umsetzungsstatus zu behalten, habe ich eine Prozessbibliothek in Notion (unser Wissensmanagement-Tool) aufgebaut, in der ich entlang unserer Wertschöpfungskette alle Prozesse sammle und mit einem Reifegrad versehe.

Nur wenn ein Prozess als robust gilt (= ändert sich nur noch marginal), gehen wir in die Automatisierung.

Meine Erfahrung bzgl. "Wann automatisiere ich einen Prozess mit KI?"

Ich empfehle, erst mit der Erweiterung von Mitarbeitern zu starten, also zum Beispiel einen Mitarbeiter einen KI-Assistenten steuern zu lassen oder einfach nur einen Prompt für einen spezifischen Schritt zu nutzen. Wenn das stabil läuft und konsistente Outputs liefert, kann man über volle Automatisierung nachdenken. Der Vorteil ist, dass der Mitarbeiter die KI-Einstellungen noch optimieren und die Outputs kritisch prüfen kann – eine gute Testphase, bevor man zu schnell in die Automatisierung springt.

Dokumentation ist alles

Ich habe mich gefragt, was das Wichtigste ist, um im KI-Zeitalter Prozesse in die Umsetzung zu bringen.

Meine Antwort: eine maschinenlesbare, detaillierte, saubere Dokumentation.

Warum?

Wenn KI-Agenten heute schon ganze Apps programmieren können, dann können sie auch Workflows bauen. Denn hinter jedem Workflow-Tool – ob n8n, Zapier, Langdock, Make oder Power Automate – liegt am Ende auch nur Code. Aber dafür brauchen sie eine Prozessbeschreibung, die sie verstehen können.

Deshalb habe ich mich entschieden, alles per Text und JSON zu dokumentieren und nicht als BPMN-Flowcharts zu modellieren.

Wie wir das umsetzen

In unserer Prozessbibliothek liegt ein einfacher Dokumentationsprozess in dem ich einen KI-Assistenten integriert habe, der den Prozess-Owner strukturiert interviewt:

• Was das Ziel ist
• Welche Schritte es gibt
• Welche Entscheidungsregeln gelten
• Was die Inputs und Outputs pro Schritt sind
• Welche Tools genutzt werden
• Wo KI bereits eingesetzt wird
• Welche Pain Points es gibt

Der Assistent agiert dabei als Prozessarchitekt. Er hinterfragt den Prozess, sammelt Pain Points ein und arbeitet gemeinsam mit dem Owner eine vereinfachte, optimierte Variante heraus. Das passiert im Sparring, nicht als einseitiges Abfragen.

Du kannst deine Prozess-Bibliothek natürlich auch in Confluence, Sharepoint oder anderen Systemen aufsetzen und den KI-Assistenten separat in einem KI-Chatbot verwenden. Hier habe ich dir eine Vorlage erstellt:

Vorlage des Prozess-Architekten

Nach dem Interview erstellt der Assistent zwei Outputs: eine Textdokumentation, die für Menschen verständlich ist und eine Schritt-für-Schritt-Beschreibung enthält, sowie einen JSON-Code, der maschinenlesbar und für KI optimiert ist, um daraus direkt den Workflow umzusetzen.

KI-Agenten & -Workflows in unserer School lernen

In unserer School haben wir ein 10-Stunden-Modul zu KI-Agenten und -Workflows und im Hub findest du eine umfassende Datenbank mit vorgebauten Vorlagen, die du direkt auf dich anpassen und und nutzen kannst.

Die AI-First School ist für alle Professionals und Teams die KI meisterhaft anwenden wollen. Um die eigenen Stärken zu multiplizieren, und mit mehr Wirkung und Leichtigkeit im Job ihre hochgesteckte Ziele zu erreichen.

👉 Zur AI-First School

KI als dein Workflow-Builder

Mittlerweile hat fast jedes Workflow-Tool einen KI-Assistenten integriert, der mit natürlicher Sprache oder noch besser mit einem JSON-Input einen Workflow umsetzen kann. Er übersetzt die Beschreibung in die Logik des jeweiligen Tools, mit den richtigen Apps, den passenden Aktionen und den korrekten Datenfeldern, und baut darauf basierend die Prozessschritte auf.

Genau so nutzen wir das: Wir nehmen das JSON aus der Dokumentation, fügen es in den Workflow-Builder ein.

Der KI-Agent im Workflow-Builder erstellt den ersten Entwurf, und dann iterieren wir mit dem Assistenten und geben Feedback. Den Feinschliff machen wir in der Regel selbst – die KI bringt uns auf 80-90%, die letzten 10-20% sind Handarbeit.

Beim Feinschliff kommt es auf drei Dinge an:

1. Müssen die Systemprompts optimiert werden, wenn KI-Module im Prozess eingebaut sind, also LLMs oder Agenten.
2. Zweitens müssen die Datenfelder sauber gemappt werden, also Datenbank-IDs richtig gesetzt, Informationen korrekt von einem Schritt in den nächsten übertragen und Output-Strukturen so gestaltet werden, wie wir sie brauchen.
3. Und drittens muss manchmal noch die Authentifizierung der eingesetzten Tools eingerichtet werden.

Trotz dieser manuellen Schritte sind wir deutlich schneller als vorher. Je mehr Zeit ich in die Dokumentation investiere (IDs, Regeln, Prompts, ...) desto besser wird der erste Entwurf. Die Dokumentation ist der Hebel, nicht das Tool.

Fazit

Der Bottleneck bei der Automatisierung liegt nicht mehr im technischen Aufbau von Workflows. Er liegt in der Klarheit über unsere Prozesse und deren detaillierter Dokumentation.

Wer Prozesse automatisieren will, muss zuerst sicherstellen, dass sie reif genug sind – regelbasiert, repetitiv, robust. Dann kommt die saubere, maschinenlesbare Dokumentation.

Und erst dann die Automatisierung, mit KI als Workflow Builder.

In den nächsten Monaten werde ich bei AI FIRST unsere Prozesse mit diesem Ansatz auf die nächste Stufe heben und dich hier auf dem Laufenden halten.

Bis nächsten Sonntag,

Felix