Automatisierungspotenzial erkennen: 12 Kriterien für gute Prozesse

Nicht jede Aufgabe, die sich wiederholt, lohnt sich zu automatisieren. Das klingt banal, wird aber in der Praxis ständig übersehen: Ein Prozess, der zehnmal im Jahr vorkommt, sich bei jedem Durchlauf anders verhält und dessen Daten in drei verschiedenen Systemen verstreut liegen, bleibt auch mit dem besten Automatisierungswerkzeug ein schlechter Kandidat. Wer trotzdem automatisiert, baut sich eine Lösung, die mehr Pflegeaufwand verursacht, als sie Zeit spart.

Dieser Artikel ist Teil unseres Themen-Clusters Prozessautomatisierung und beantwortet die Frage, die vor jedem Automatisierungsprojekt steht: Woran erkennt man, dass sich ein Prozess wirklich lohnt? Er richtet sich an Geschäftsführung, Operations, IT und Fachbereiche in kleinen und mittleren Unternehmen, die häufig ohne eigenes Automatisierungs- oder Data-Science-Team entscheiden müssen, wo sie zuerst ansetzen.

Das Problem: nicht jede Wiederholung lohnt sich

In Gesprächen mit KMU sehe ich regelmäßig zwei gegenteilige Fehler. Der erste: Unternehmen automatisieren den lautesten Prozess – den, über den sich zuletzt jemand beschwert hat –, ohne zu prüfen, ob er die nötigen Eigenschaften mitbringt. Das Ergebnis ist ein Projekt, das an Ausnahmen, fehlenden Daten oder ständigen Prozessänderungen scheitert. Der zweite Fehler: Unternehmen lassen aus Vorsicht auch die klaren, wirtschaftlich lohnenden Fälle liegen, weil niemand systematisch geprüft hat, was tatsächlich geeignet wäre.

Beide Fehler haben dieselbe Ursache: Es fehlt ein nachvollziehbares Set an Kriterien, mit dem man Kandidaten vergleichen kann, bevor Geld und Zeit in eine Umsetzung fließen. Genau das liefert dieser Artikel – keine allgemeine Einführung in Automatisierung, sondern ein konkretes Prüfraster.

Begriffe kurz geklärt

• Automatisierungspotenzial ist keine Eigenschaft, die ein Prozess „hat” oder „nicht hat”, sondern das Ergebnis einer Bewertung entlang mehrerer Merkmale – Volumen, Regelbasiertheit, Ausnahmen, Datenlage, Fehlerkosten, Nutzen. Ein Prozess kann in einzelnen Merkmalen stark, in anderen schwach sein.
• Prozess-Mining ist eine Methode, mit der man aus tatsächlichen Systemdaten – nicht aus Annahmen – rekonstruiert, wie ein Prozess wirklich abläuft, wo er stockt und wie viele Varianten er in der Praxis hat. Microsoft beschreibt es treffend als Werkzeug, um „reale Prozesse” statt der auf dem Papier dokumentierten Soll-Prozesse zu verstehen.
• Ausnahme ist hier jeder Fall, der vom dokumentierten Standardablauf abweicht – unabhängig davon, ob die Abweichung selbst wieder regelbasiert behandelbar ist oder komplett individuell entschieden werden muss. Diese Unterscheidung ist für die Bewertung entscheidend, dazu unten mehr.
• Regelbasierte Automatisierung folgt festen Wenn-Dann-Anweisungen (klassische Workflow- und RPA-Ansätze); KI-gestützte Automatisierung kann zusätzlich Kontext interpretieren und mit unstrukturierten Eingaben – Texten, Anfragen in freier Sprache – umgehen. Zapier beschreibt KI-Workflows entsprechend als „Automatisierung mit einem Verständnis für Kontext”, im Unterschied zu starr regelbasierten Abläufen. Die Unterscheidung ist wichtig, weil sie die Bewertungskriterien leicht verschiebt: KI-gestützte Ansätze vertragen mehr sprachliche Variation, aber nicht automatisch mehr fachliche Ausnahmen.

Welche Merkmale haben gute Kandidaten?

Aus meiner Projekterfahrung und in Übereinstimmung mit etablierten Bewertungsansätzen – Process-Mining-Praxis und die zweistufige Logik aus technischer Machbarkeit und wirtschaftlicher Rentabilität, wie sie unter anderem das Fraunhofer IPK für Automatisierungsbewertungen beschreibt – lassen sich gute Kandidaten an zwölf Merkmalen erkennen. Sie sind in sechs Gruppen sortiert:

#	Kriterium	Frage	Gute Ausprägung
1	Häufigkeit	Wie oft läuft der Prozess?	Mehrmals wöchentlich oder öfter
2	Volumenkontinuität	Ist das Volumen dauerhaft oder saisonal einmalig?	Wiederkehrend über das Jahr
3	Regelbasiertheit	Lassen sich Entscheidungen als Wenn-Dann beschreiben?	Ja, überwiegend
4	Prozessstabilität	Ändert sich der Ablauf häufig?	Über Monate im Kern stabil
5	Ausnahmenanteil	Wie viele Fälle weichen vom Standard ab?	Deutlich in der Minderheit
6	Ausnahmenstruktur	Sind Abweichungen selbst wieder regelbasiert?	Ja, oder klar eskalierbar
7	Datenverfügbarkeit	Liegen die nötigen Informationen digital vor?	Ja, in Systemen statt Papier/Kopf
8	Prozessgrenzen	Gibt es eindeutigen Start und Ende (Fallkennung, Zeitstempel)?	Ja
9	Systemzugriff	Ist technischer Zugriff auf die Systeme möglich?	Ja, ohne Sonderfreigaben
10	Fehlerkosten	Was kostet ein fehlerhafter Durchlauf?	Bekannt und vertretbar bzw. abfangbar
11	Messbarkeit	Lässt sich der Nutzen vorher/nachher beziffern?	Ja, an konkreten Kennzahlen
12	Wirtschaftlichkeit	Übersteigt der Nutzen Aufbau- und Pflegeaufwand?	Ja, mit Puffer

Eigene Kriterienliste Philogic Labs, abgeleitet aus Projekterfahrung sowie Process-Mining- und Automatisierungsbewertungspraxis.

Kein Prozess erfüllt alle zwölf Punkte perfekt – das ist auch nicht der Anspruch. Als Faustregel aus meiner Arbeit: Wenn sechs oder mehr der zwölf Kriterien klar erfüllt sind und keines der Kriterien 7 (Datenverfügbarkeit), 8 (Prozessgrenzen) oder 10 (Fehlerkosten) komplett fehlt, lohnt sich eine genauere Prüfung. Diese drei sind aus meiner Sicht die K.-o.-Kriterien: Ohne zugängliche Daten, klare Grenzen und bekannte Fehlerkosten lässt sich weder seriös planen noch später messen, ob sich die Automatisierung gelohnt hat.

Wie wichtig sind Volumen und Stabilität?

Volumen ist der Faktor, den die meisten zuerst nennen – zurecht, aber unvollständig. Ein Prozess, der zehnmal am Tag läuft, bringt mehr Hebel als einer, der zehnmal im Jahr läuft: Aufbauaufwand verteilt sich auf mehr Durchläufe, und schon kleine Zeiteinsparungen pro Fall summieren sich. Das allein reicht aber nicht.

Der unterschätzte Faktor ist Stabilität. Ein Prozess mit hohem Volumen, der aber alle paar Wochen umgebaut wird – neue Formulare, neue Zuständigkeiten, neue Sonderregeln –, erzeugt laufenden Pflegeaufwand für die Automatisierung selbst. In der Praxis sehe ich das häufig bei Prozessen, die formal „Standardprozess” heißen, faktisch aber von einzelnen Personen nach Erfahrung angepasst werden. Bevor du automatisierst, lohnt sich die Frage: Würde der Prozess in sechs Monaten noch genauso funktionieren, wenn niemand ihn anfasst? Wenn die Antwort „eher nein” lautet, ist entweder der Prozess selbst noch nicht reif für Automatisierung, oder die Automatisierung muss von Anfang an so gebaut sein, dass Regeländerungen ohne Neuentwicklung möglich sind – das treibt Aufwand und Kosten spürbar nach oben.

Volumen und Stabilität wirken zusammen: Hohes Volumen bei geringer Stabilität ist oft der Fall, in dem KI-gestützte statt starr regelbasierter Ansätze im Vorteil sind, weil sie mit sprachlicher und struktureller Variation robuster umgehen als klassische Wenn-Dann-Regeln. Das verschiebt die Bewertung, ersetzt aber nicht die Grundfrage, ob der Prozess überhaupt oft genug und lange genug in ähnlicher Form vorkommt.

Wie bewertet man Ausnahmen?

Ausnahmen sind der Punkt, an dem die meisten Automatisierungsprojekte in KMU tatsächlich scheitern – nicht an der Technik, sondern an unterschätzten Sonderfällen. Meine Vorgehensweise dafür in drei Schritten:

1. Zählen statt schätzen. Nimm einen realistischen Zeitraum – vier bis acht Wochen sind meist genug – und erfasse, wie viele Fälle exakt dem dokumentierten Standardablauf folgen und wie viele nicht. Menschen unterschätzen den Ausnahmenanteil aus Erfahrung fast immer, weil der Standardfall im Gedächtnis nicht auffällt, die Ausnahme aber schon.
2. Ausnahmen selbst klassifizieren. Die entscheidende Unterscheidung ist nicht „Standard vs. Ausnahme”, sondern: Lässt sich die Ausnahme selbst wieder als Regel fassen („wenn Rechnungsbetrag über X, dann Freigabe durch Person Y”), oder erfordert sie echtes fachliches Urteilsvermögen von Fall zu Fall? Erstere lassen sich mit abbilden oder sauber eskalieren; Letztere sprechen gegen vollautomatische Lösungen – dort gehört ein Mensch in die Schleife, bestenfalls unterstützt, nicht ersetzt.
3. Schwelle festlegen, nicht pauschalisieren. Es gibt keine allgemeingültige Prozentzahl, ab der ein Prozess ungeeignet ist – das hängt von den Fehlerkosten ab (siehe Kriterium 10). Bei einer internen Terminbestätigung sind auch viele Ausnahmen verkraftbar; bei einer automatisch verschickten Rechnung ist schon ein kleiner Ausnahmenanteil riskant, wenn niemand die Grenzfälle abfängt.

Praktisch heißt das: Ein Prozess mit 30 % Ausnahmen, die alle nach dem gleichen zusätzlichen Regelwerk behandelbar sind, ist oft ein besserer Kandidat als einer mit 10 % Ausnahmen, die jedes Mal individuelles Fachwissen brauchen. Die reine Zahl täuscht, wenn man die Struktur der Abweichungen ignoriert.

Welche Daten müssen vorhanden sein?

Hier hilft ein Blick auf die Mindestanforderungen, die auch technische Analysewerkzeuge stellen. Process-Mining-Werkzeuge wie das in Microsoft Power Automate integrierte benötigen für eine belastbare Analyse mindestens drei Datenfelder pro Vorgang: eine eindeutige Fallkennung (die den einzelnen Durchlauf identifiziert, etwa eine Auftrags- oder Vorgangsnummer), benannte Aktivitäten (die einzelnen Schritte des Prozesses) sowie Start- und Endzeitpunkt jeder Aktivität. Diese drei Felder sind unabhängig davon relevant, ob du mit einem Process-Mining-Tool arbeitest oder den Prozess manuell analysierst – ohne sie lässt sich weder der Ist-Zustand rekonstruieren noch später der Erfolg der Automatisierung objektiv messen.

Für die praktische Prüfung reichen drei Fragen:

• Liegen die Informationen überhaupt digital vor? Papierformulare, mündliche Absprachen oder Wissen, das nur in einem Kopf existiert, müssen zuerst digitalisiert werden – das ist ein eigenes Projekt vor der eigentlichen Automatisierung.
• Sind sie aktuell und konsistent? Ein Kundenstamm mit doppelten, veralteten oder widersprüchlichen Einträgen liefert jeder Automatisierung – ob regelbasiert oder KI-gestützt – schlechte Grundlage. Das Prinzip gilt unabhängig von der Technologie: fehlerhafte Eingabedaten erzeugen fehlerhafte Ergebnisse, nur schneller.
• Ist technischer Zugriff überhaupt möglich? Manche Systeme, gerade ältere Branchensoftware, bieten keine oder nur eingeschränkte Schnittstellen. Das ist kein Ausschlusskriterium, aber ein Aufwandstreiber, den du vor der Kalkulation kennen solltest.

Ein eigenes Beispiel aus der Praxis: Bei einem Auftragsverarbeitungsprozess, den ich geprüft habe, lag die Fallkennung (Auftragsnummer) sauber im ERP-System vor, die eigentliche Kommunikation mit Lieferanten lief aber über persönliche E-Mail-Postfächer ohne einheitliche Ablage. Ergebnis: Kriterium 7 (Datenverfügbarkeit) war formal erfüllt, aber praktisch nicht – die relevanten Informationen zum Lieferstatus ließen sich nicht automatisiert auslesen. Die Konsequenz war nicht „keine Automatisierung”, sondern ein kleinerer erster Schritt: die Lieferanten-Kommunikation über ein gemeinsames Postfach zu bündeln, bevor über Automatisierung überhaupt sinnvoll gesprochen werden konnte.

Wann ist der Nutzen zu klein?

Dieser Abschnitt wird in Bewertungen am häufigsten übersprungen, weil er unbequem ist: Manche Prozesse erfüllen fast alle Kriterien – und lohnen sich trotzdem nicht.

Das passiert typischerweise in drei Fällen:

• Volumen und Fehlerkosten sind beide niedrig. Ein Prozess, der selten läuft und bei dem ein Fehler wenig kostet, erzeugt selbst bei perfekter Regelbasiertheit kaum Hebel. Der Aufbau- und Pflegeaufwand der Automatisierung – Kriterium 12 – übersteigt dann schnell den Nutzen.
• Der Prozess ist bereits schnell. Wenn ein manueller Durchlauf zwei Minuten dauert und selten vorkommt, ist das theoretische Einsparpotenzial gering, unabhängig davon, wie elegant eine automatisierte Lösung wäre.
• Der Nutzen lässt sich nicht seriös messen. Ohne klare Vorher-Nachher-Kennzahl (Kriterium 11) weißt du am Ende nicht, ob sich die Investition gelohnt hat – und triffst die nächste Priorisierungsentscheidung wieder aus dem Bauch heraus.

In diesen Fällen ist die ehrliche Antwort nicht „mehr Technologie”, sondern etwas Unspektakuläreres: eine kleine Prozessverbesserung, eine einfache Vorlage oder schlicht Digitalisierung der zugrunde liegenden Daten. Das bringt in solchen Fällen oft mehr als jedes Automatisierungsprojekt – und kostet deutlich weniger.

Umsetzung: vom Kandidaten zur Entscheidung

Praktisch gehe ich in vier Schritten vor:

1. Prozesse sammeln. Zehn bis zwanzig Kandidaten aus Gesprächen mit den Menschen, die die Arbeit tatsächlich machen – nicht nur aus Prozessdokumentationen, die oft den Soll- statt den Ist-Zustand zeigen.
2. Grobfilter anwenden. Alle Kandidaten an den drei K.-o.-Kriterien (Datenverfügbarkeit, Prozessgrenzen, Fehlerkosten) prüfen. Das sortiert meist schon die Hälfte aus – schnell und ohne großen Aufwand.
3. Verbleibende Kandidaten gegen die Zwölf-Kriterien-Liste bewerten, idealerweise im Team mit den Fachbereichen, nicht allein von der IT. Wer den Prozess täglich macht, kennt die Ausnahmen am besten.
4. Die zwei bis drei besten Kandidaten vertiefen – mit einer kurzen Datenanalyse (bei größeren, digital gut erfassten Prozessen kann sich dafür ein Process-Mining-Werkzeug lohnen, bei kleineren reicht eine strukturierte Stichprobe) und einer groben Aufwandsschätzung, bevor eine Umsetzungsentscheidung fällt.

Für kleinere Unternehmen ist Schritt 4 oft der wichtigste Realitätscheck: Eine Stichprobe von 20 bis 30 tatsächlichen Fällen aus den letzten Wochen zeigt meist zuverlässiger, wie hoch der echte Ausnahmenanteil ist, als jede Schätzung aus dem Bauch.

Risiken & Grenzen

• Selbstüberschätzung der eigenen Prozessdisziplin. Fachbereiche beschreiben ihre Prozesse tendenziell ordentlicher, als sie tatsächlich ablaufen. Ohne eine Stichprobe echter Fälle bleibt die Bewertung Wunschdenken.
• Sunk-Cost-Denken. Wenn schon Geld in ein Automatisierungsprojekt geflossen ist, fällt es schwer, es trotz schlechter Bewertung zu stoppen. Die Zwölf-Kriterien-Liste hilft nur, wenn ihr Ergebnis auch bei einem „Nein” respektiert wird.
• Kriterien ändern sich mit der Zeit. Ein heute stabiler Prozess kann durch eine neue Software, eine Reorganisation oder eine Gesetzesänderung in wenigen Monaten instabil werden. Eine einmalige Bewertung ist eine Momentaufnahme, keine Dauerlösung – deshalb lohnt sich eine Wiederholung der Prüfung, wenn sich Rahmenbedingungen deutlich ändern.
• Diese Liste ersetzt keine technische Machbarkeitsprüfung. Sie sortiert Kandidaten vor und schützt vor den offensichtlichsten Fehlstarts. Ob eine konkrete technische Lösung wirtschaftlich tragfähig ist, lässt sich – analog zur zweistufigen Logik aus Prozessaufnahme und technischer Bewertung, wie sie etwa das Fraunhofer IPK für Automatisierungsbewertungen beschreibt – erst nach einer vertieften Prüfung des einzelnen Falls seriös beurteilen.
• Keine garantierten Ergebnisse. Weder eine bestimmte Einsparquote noch eine feste Amortisationszeit lassen sich aus dieser Liste ableiten – dafür sind Aufwand und Nutzen je nach System, Branche und Ausgangslage zu unterschiedlich. Wer dir vor einer konkreten Prüfung feste Prozentzahlen verspricht, hat dein Unternehmen nicht wirklich analysiert.

Checkliste: Automatisierungspotenzial erkennen

Die kompakte Fassung für den ersten Check eines konkreten Prozesses:

1. Der Prozess läuft mehrmals wöchentlich oder öfter und das Volumen ist über das Jahr verteilt, nicht einmalig.
2. Der Ablauf ist seit mehreren Monaten im Kern stabil und ändert sich nicht laufend.
3. Entscheidungen im Prozess lassen sich überwiegend als Wenn-Dann-Regeln beschreiben.
4. Der Ausnahmenanteil wurde über einen realistischen Zeitraum tatsächlich gezählt, nicht geschätzt.
5. Ausnahmen sind mehrheitlich selbst wieder regelbasiert behandelbar oder klar eskalierbar.
6. Die benötigten Informationen liegen digital, aktuell und konsistent vor.
7. Der Prozess hat eine eindeutige Fallkennung sowie klar erkennbaren Start- und Endpunkt.
8. Technischer Zugriff auf die beteiligten Systeme ist ohne größere Sonderfreigaben möglich.
9. Die Kosten eines fehlerhaften Durchlaufs sind bekannt und vertretbar oder durch eine Prüfschleife abfangbar.
10. Der Nutzen lässt sich mit einer konkreten Vorher-Nachher-Kennzahl messen.
11. Der geschätzte Nutzen übersteigt Aufbau- und Pflegeaufwand mit erkennbarem Puffer.
12. Die Bewertung wurde gemeinsam mit den Menschen gemacht, die den Prozess täglich ausführen – nicht allein am Schreibtisch der IT oder Geschäftsführung.

Wenn ein Prozess bei den meisten Punkten ein klares Ja bekommt, ist er ein solider Kandidat für die nächste Phase – die konkrete Bewertung und Priorisierung im Cluster Prozessautomatisierung. Wenn du diese Einschätzung nicht allein treffen willst: In einem kostenlosen Erstgespräch schauen wir uns einen konkreten Prozess gemeinsam an, oder du liest mehr zu unserem Beratungsangebot für Prozess-Audits.