Der Automatisierungs-Stack in 5 Ebenen: So planen Sie ein Projekt

Warum Sie vor der Umsetzung ein Framework brauchen

Automatisierung kann scheitern, wenn ein Team direkt einen Chatbot oder Agenten einführt, ohne zu prüfen, ob Daten und Pipelines dafür bereit sind.

Automatisierung ist keine einzelne Entscheidung. Dieses Modell mit fünf Ebenen trennt Daten, Pipelines, Entscheidungslogik, generierte Ergebnisse und autonomes Handeln, damit sich jede Abhängigkeit prüfen lässt. Die Ebenen können sich überschneiden, und ein nützliches System muss die fünfte Ebene nicht erreichen.

Nutzen Sie den Stack als Planungsmodell. Prüfen Sie jede Ebene anhand der tatsächlichen Systeme, Daten, Kontrollen und Arbeitslast Ihres Unternehmens, bevor Sie einen Automatisierungsvorschlag für umsetzbar halten.

Ebene 1: Datenerfassung und Normalisierung

Das Fundament. Bevor sich etwas automatisieren lässt, müssen Daten erfasst, strukturiert und zugänglich sein. Viele Teams glauben, das sei bereits erledigt, weil sie ein CRM oder Tabellen verwenden. Das ist meist nicht der Fall.

So sieht Ebene 1 in der Praxis aus: - API-Verbindungen, die Daten aus allen Quellen abrufen (CRM, Analytik, E-Mail, Zahlungen) - Datennormalisierung: einheitlich formatierte Zeitstempel, umgerechnete Währungen, vereinheitlichte Namen - Eine maßgebliche Datenquelle für jede Datenentität (Kunde, Bestellung, Ereignis)

Häufiger Fehler: Teams versuchen, auf unsauberen Daten aufzubauen. Eine Reporting-Pipeline mit uneinheitlichen Datumsformaten ist nicht skalierbar. Ein Agent, der Kundendaten aus drei verschiedenen Quellen mit widersprüchlichen Schemata liest, liefert unbrauchbare Ergebnisse.

Für die Planung: Schätzen Sie den Aufwand für diese Ebene anhand der Zahl der Quellen, der Datenqualität, des API-Zugriffs, der Zuständigkeiten und des Aufwands für den Datenabgleich. Verwenden Sie keine pauschale Implementierungsdauer.

Eine Datenprüfung kann fehlende Kennungen, uneinheitliche Formate, doppelte Datensätze oder unklare Zuständigkeiten aufdecken. Wenn Sie diese Lücken vor der Automatisierung schließen, vermeiden Sie spätere Nacharbeit.

Ebene 2: Orchestrierung der Pipelines

Sind die Daten bereinigt, müssen sie automatisiert dorthin gelangen, wo sie gebraucht werden. Ebene 2 sorgt für diesen Datenfluss ohne menschliches Eingreifen.

So sieht Ebene 2 aus: - Webhooks, die bei Ereignissen Aktionen auslösen (neue Bestellung, geschlossenes Ticket, eingegangene Zahlung) - Zeitgesteuerte Aufgaben für die Stapelverarbeitung (tägliche Berichte, wöchentliche Synchronisierungen) - Warteschlangenbasierte Verarbeitung für Vorgänge mit hohem Volumen - Fehlerbehandlung und Wiederholungslogik in jeder Pipeline

Häufiger Fehler: Pipelines ohne Überwachung bauen. Die Automatisierung läuft 3 Wochen lang, dann fällt sie unbemerkt aus, weil sich eine vorgelagerte API geändert hat. Niemand merkt es, bis sich ein Kunde beschwert.

Anforderung für den Produktivbetrieb: Kritische Pipelines brauchen einen klar definierten Umgang mit Fehlern. Je nach Architektur gehören dazu Zustandsprüfungen, Warnmeldungen, erneute Versuche, Kontrollen gegen doppelte Ausführung und eine Warteschlange für fehlgeschlagene Aufgaben.

Für die Planung: Schätzen Sie jede Integration anhand ihrer Authentifizierung, Ratenbegrenzungen, Ereignisstruktur, ihres Volumens, ihres Fehlerverhaltens und ihrer Testumgebung.

Ebene 3: Entscheidungslogik

Das ist die entscheidende Ebene. Auf Ebene 3 werden datengestützte Entscheidungen in Regeln und Modellen festgelegt. Hier scheitern auch die meisten Automatisierungsprojekte.

Warum das schwierig ist: Entscheidungslogik braucht verlässliche Eingaben (Ebenen 1-2), Fachwissen über die Geschäftsregeln und eine klare Definition dessen, was für jede Entscheidung „richtig“ bedeutet.

Beispiele für Automatisierung auf Ebene 3: - Lead Scoring: automatische Priorisierung anhand von Verhaltenssignalen, Unternehmensgröße und Interaktionen - Content-Routing: Entscheidung über Vorlage, Kanal und Zeitpunkt jeder Nachricht - Anomalieerkennung: Kennzeichnung ungewöhnlicher Muster in Abläufen, Umsätzen oder im Nutzerverhalten - Freigabeprozesse: unterhalb eines Schwellenwerts automatisch freigeben, oberhalb eskalieren

Warum Teams hier nicht weiterkommen: Sie setzen ein allgemeines KI-Modell ein und erwarten, dass es die Geschäftslogik selbst herausfindet. Das wird es nicht. Bei Entscheidungslogik geht es darum, Ihre konkreten betrieblichen Regeln abzubilden, nicht um allgemeine Intelligenz.

Typische Komponenten dieser Ebene: Regel-Engines, Bewertungsmodelle und Klassifizierungspipelines. Wo möglich, arbeiten sie deterministisch und nur dort probabilistisch, wo die Daten es zulassen. Jede Entscheidung sollte protokolliert und überprüfbar sein.

Für die Planung: Kalkulieren Sie Zeit für Analyse und Iterationen ein, denn Geschäftsregeln, Ausnahmen und Zuständigkeiten für Eskalationen sind oft nicht dokumentiert.

Ebene 4: Intelligente Aktionen

Auf Ebene 4 erzeugt KI Ergebnisse, statt sie nur weiterzuleiten: Inhalte, personalisierte Antworten, dynamische Dokumente oder Code für interne Tools.

Was Ebene 4 von der allgemeinen Nutzung von ChatGPT unterscheidet: - Strukturierte Prompts mit Geschäftskontext aus den Ebenen 1-3 - Prüfung der Ergebnisse (jeder generierte Inhalt wird anhand von Qualitätsregeln geprüft) - Feedbackschleifen: Menschliche Korrekturen fließen in die Verbesserung der Prompts ein - Kostenüberwachung (API-Kosten pro Aktion, Kunde und Kampagne)

Beispiele: - Wöchentliche Kundenberichte aus Pipeline-Daten erstellen - Personalisierte Kontaktsequenzen aus angereicherten CRM-Daten erstellen - Standardarbeitsanweisungen aus Betriebsprotokollen entwerfen - Antworten des Helpdesks mit Kontext aus der Wissensdatenbank automatisch erstellen

Entscheidender Grundsatz: Ebene 4 generiert. Sie entscheidet nicht. Die Entscheidung, *was* generiert wird, kommt aus Ebene 3. Wer beides vermischt, riskiert Chatbots, die im Produktivbetrieb falsche Inhalte erfinden.

Für die Planung: Legen Sie Ergebnisarten, Quellkontext, Prüfregeln, Freigabeprozess und erwartetes Volumen fest, bevor Sie den Aufwand schätzen.

Ebene 5: Autonome Agenten

Die oberste Ebene des Stacks. Agenten sind Systeme, die über mehrere Ebenen hinweg beobachten, entscheiden und handeln, ohne dass ein Mensch sie anstoßen muss. Sie überwachen Bedingungen, führen Workflows aus und passen sich anhand der Ergebnisse an.

Was einen Agenten von einer Automatisierung unterscheidet: Eine Automatisierung führt nach einem Auslöser eine feste Abfolge aus. Ein Agent überwacht Bedingungen, wählt Aktionen aus verfügbaren Werkzeugen und passt sein Verhalten an die Ergebnisse an. Dieser Unterschied ist wichtig, weil Agenten auf alle vier darunterliegenden Ebenen angewiesen sind.

Mögliche Einsatzmuster für Agenten: - Ein Operations-Agent, der den Zustand von Pipelines überwacht, Engpässe erkennt und Ressourcen neu zuweist - Ein Wachstumsagent, der die Kampagnenleistung analysiert und Budget in Echtzeit umverteilt - Ein Support-Agent, der Tier-1-Tickets bearbeitet, Sonderfälle eskaliert und aus Lösungen lernt

Warum Sie Ebene 5 nicht direkt angehen können: Ohne bereinigte Daten (Ebene 1) entscheidet ein Agent anhand von Datenrauschen. Ohne Pipelines (Ebene 2) kann er keine Aktionen ausführen. Ohne Entscheidungslogik (Ebene 3) weiß er nicht, was „richtig“ bedeutet.

Ohne geprüfte Generierung (Ebene 4) liefert er unzuverlässige Ergebnisse.

Für die Planung: Schätzen Sie den Aufwand anhand der Zahl und des Risikos verfügbarer Aktionen, der Integrationsarbeit, des Umfangs der Evaluierung, der Freigabekontrollen und der Verfahren zur Wiederherstellung.

Wo steht Ihr Unternehmen im Stack?

Ein Unternehmen kann Daten auf Ebene 1 und einige anfällige Automatisierungen auf Ebene 2 haben, während auf den höheren Ebenen klar definierte Entscheidungslogik, intelligente Aktionen oder Steuerungsmechanismen fehlen.

Kurzer Selbstcheck: - Prüfung von Ebene 1: Können Sie alle Kunden-, Bestell- und Ereignisdaten in weniger als 5 Minuten an einem Ort zusammenführen? - Prüfung von Ebene 2: Laufen Ihre kritischen Workflows ohne menschlichen Anstoß? Werden Sie bei Fehlern benachrichtigt?

- Prüfung von Ebene 3: Sind Ihre Geschäftsregeln in Software abgebildet, oder existieren sie nur in den Köpfen einzelner Personen? - Prüfung von Ebene 4: Erstellen Sie Inhalte, Berichte oder Mitteilungen mithilfe von KI? - Prüfung von Ebene 5: Gibt es in Ihrem Unternehmen Systeme, die ohne menschliches Eingreifen beobachten, entscheiden und handeln?

Wenn die Grundlagen auf den Ebenen 1 bis 3 nicht belastbar sind, dokumentieren und testen Sie diese Abhängigkeiten, bevor Sie einem Agenten erlauben zu handeln. Ein Audit kann den Ist-Zustand erfassen und den kleinsten sicheren nächsten Schritt aufzeigen.