KI-Workflows im Büroalltag: was heute wirklich funktioniertKI-WorkflowsimBüroalltag:washeutewirklichfunktioniert

Wo Österreichs Betriebe gerade stehen

Laut Statistik Austria (IKT-Einsatz in Unternehmen, 2025) nutzen 30 Prozent der österreichischen Unternehmen ab zehn Beschäftigten künstliche Intelligenz, EU-weit sind es 20 Prozent. 2021 lag Österreich noch bei 9 Prozent. Die andere Seite der Zahl ist genauso aufschlussreich: 77 Prozent der Betriebe ohne KI-Nutzung haben sich mit dem Thema noch gar nicht beschäftigt. Und wo KI erwogen, aber wieder verworfen wurde, ist das häufigste Argument fehlendes internes Fachwissen; fehlender Nutzen steht an letzter Stelle. Wer jetzt anfängt, ist also nicht spät dran, sondern in der ersten Hälfte.

Was ein KI-Workflow ist, und was nicht

Ein KI-Workflow ist kein Chatbot, dem man Aufgaben zuruft. Es ist ein fest definierter Ablauf, etwa: E-Mail kommt an, wird gelesen, kategorisiert, die Daten landen im richtigen System, ein Antwortentwurf liegt bereit. Die KI übernimmt darin genau die Schritte, für die man bisher einen Menschen brauchte, weil Software Freitext nicht verstanden hat. Der Rest bleibt gewöhnliche Automatisierung mit festen Regeln.

Diese Einbettung ist der Punkt, an dem viele KI-Projekte scheitern. Ein Modell, das Rechnungen versteht, nützt nichts, wenn die erkannten Daten dann doch händisch ins ERP getippt werden. Die Anbindung an Postfach, ERP und Ablage macht in unseren Projekten regelmäßig mehr Arbeit als der KI-Teil selbst.

Beispiel 1: Das Sammelpostfach sortiert sich selbst

Das office@-Postfach ist in vielen Betrieben eine Mischung aus Bestellungen, Anfragen, Rechnungen, Reklamationen und Spam, die jemand jeden Morgen durchgeht und weiterleitet. Diese Triage kann ein Sprachmodell übernehmen: Es liest jede E-Mail, erkennt das Anliegen, ordnet sie der zuständigen Person oder Kategorie zu und legt bei Standardanfragen einen Antwortentwurf dazu.

Gesendet wird der Entwurf nicht automatisch. Das ist keine technische Schwäche, sondern eine bewusste Entscheidung: Der Zeitgewinn liegt im Vorsortieren und Vorformulieren, nicht darin, den letzten Blick eines Menschen einzusparen. Wer den auch noch wegautomatisiert, spart pro E-Mail Sekunden und riskiert pro Fehler einen verärgerten Kunden.

Beispiel 2: Dokumente kommen ohne Abtippen ins System

Rechnungen, Lieferscheine und Auftragsbestätigungen kommen als PDF, Scan oder Handyfoto, jedes Mal anders aufgebaut. Klassische Software brauchte dafür pro Lieferant eine Vorlage. Ein Sprachmodell liest das Dokument wie ein Mensch: Es findet Lieferant, Beträge und Positionen auch dann, wenn es das Layout noch nie gesehen hat.

Die erkannten Daten werden gegen feste Regeln geprüft, etwa ob die Summe der Positionen zum Gesamtbetrag passt oder ob die Bestellnummer existiert. Erst dann landen sie im System. Fälle, bei denen sich das Modell nicht sicher ist, gehen an einen Menschen. Bei sauberen PDFs liegt die Erkennungsquote in der Praxis sehr hoch, bei schiefen Handyfotos schlechter Belege deutlich darunter. Deshalb gehört die Unsicherheitsweiche in jeden solchen Workflow.

Beispiel 3: Aus der formlosen Anfrage wird ein Angebotsentwurf

Ein Kunde schreibt in drei Absätzen, was er ungefähr braucht. Bisher hat jemand die E-Mail gelesen, die Anforderungen herausgeschrieben, Preise nachgeschlagen und ein Angebot getippt. Ein Workflow kann die Anforderungen extrahieren, mit der Preisliste abgleichen und einen Entwurf erstellen, der auf früheren, vergleichbaren Angeboten aufbaut. Fehlen Angaben, schlägt das System eine Rückfrage vor, statt zu raten.

Auch hier gilt: Der Entwurf wartet auf Freigabe. Ein Angebot ist eine rechtlich relevante Willenserklärung, und ein Sprachmodell hat kein Gefühl dafür, ob dieser Kunde einen Rabatt verdient oder dieser Auftrag gerade nicht in die Auslastung passt.

Was heute nicht verlässlich funktioniert

Der Vollständigkeit halber auch die andere Seite. Autonome Agenten, die selbstständig mehrstufige Aufgaben in fremden Systemen erledigen, sind in Demos beeindruckend und im Betrieb fehleranfällig: Ein Fehler in Schritt zwei zieht sich durch alle folgenden Schritte, und niemand merkt es rechtzeitig. Ebenso wackelig sind Aufgaben, bei denen es auf exakte Zahlen ankommt, die das Modell selbst berechnen soll. Rechnen lässt man Software, die rechnen kann; die KI liest und ordnet zu.

Und es gibt Abläufe, für die KI schlicht das falsche Werkzeug ist. Wenn ein Prozess klaren Regeln folgt und strukturierte Daten hat, ist eine gewöhnliche Automatisierung billiger und dazu deterministisch: gleiche Eingabe, gleiches Ergebnis. Wir sagen Interessenten regelmäßig, dass ihr Fall kein KI-Projekt ist. Das gehört zur Beratung dazu.

Woran Sie einen guten ersten Anwendungsfall erkennen

Nach unserer Erfahrung lohnt es sich, den ersten Workflow anhand von vier Fragen auszuwählen:

• Kommt die Aufgabe häufig vor? Ein Ablauf, der zehnmal am Tag anfällt, rechnet sich schneller als einer pro Woche.
• Besteht der Kern aus Lesen, Zuordnen oder Formulieren? Das sind die Stärken von Sprachmodellen.
• Ist ein Fehler auffindbar und korrigierbar, bevor er Schaden anrichtet? Dann lässt sich mit Freigaben sauber arbeiten.
• Gibt es die nötigen Daten digital? Ein Workflow, der auf Zetteln im Schuhkarton aufsetzt, beginnt mit einem anderen Projekt.