Automatisierungspotenzial erkennen: 12 Kriterien für gute Prozesse

Das Wichtigste in Kürze:

• Gute Kandidaten laufen oft, folgen klaren Wenn-Dann-Regeln und haben wenige unstrukturierte Ausnahmen.
• Die Daten müssen digital vorliegen, mit Fallkennung, benannten Schritten und Zeitstempeln.
• Ohne zugängliche Daten, klare Prozessgrenzen und bekannte Fehlerkosten lohnt keine tiefere Prüfung.
• Bei kleinem Volumen und geringen Fehlerkosten hilft schlichte Digitalisierung oft mehr.

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 Systemen verstreut liegen, bleibt ein schlechter Kandidat. Das beste Automatisierungswerkzeug ändert daran nichts. Wer trotzdem automatisiert, baut sich eine Lösung, die mehr Pflegeaufwand verursacht, als sie Zeit spart.

Dieser Artikel ist Teil unseres Themen-Clusters Prozessautomatisierung. Er 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. Diese müssen häufig ohne eigenes Automatisierungs- oder Data-Science-Team entscheiden, wo sie zuerst ansetzen.

Das Problem: nicht jede Wiederholung lohnt sich

In Gesprächen mit KMU sehe ich regelmäßig 2 gegenteilige Fehler. Der erste: Unternehmen automatisieren den lautesten Prozess, also den mit der letzten Beschwerde, ohne die nötigen Eigenschaften zu prüfen. 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 geeignet wäre.

Beide Fehler haben dieselbe Ursache. Es fehlt ein nachvollziehbares Set an Kriterien, mit dem man Kandidaten vergleicht, bevor Geld und Zeit in eine Umsetzung fließen. Genau das liefert dieser Artikel: kein allgemeiner Einstieg in Automatisierung, sondern ein konkretes Prüfraster.

Begriffe kurz geklärt

Diese 4 Begriffe brauchst du für den Rest des Artikels.

• Automatisierungspotenzial: keine Eigenschaft, die ein Prozess „hat“ oder „nicht hat“, sondern das Ergebnis einer Bewertung entlang mehrerer Merkmale. Dazu zählen Volumen, Regelbasiertheit, Ausnahmen, Datenlage, Fehlerkosten und Nutzen. Ein Prozess kann in einzelnen Merkmalen stark, in anderen schwach sein.

• Prozess-Mining: eine Methode, die aus tatsächlichen Systemdaten statt aus Annahmen rekonstruiert, wie ein Prozess wirklich abläuft, wo er stockt und wie viele Varianten er hat. Microsoft beschreibt es als Werkzeug, um „reale Prozesse“ statt der auf dem Papier dokumentierten Soll-Prozesse zu verstehen.

• Ausnahme: hier jeder Fall, der vom dokumentierten Standardablauf abweicht, egal ob die Abweichung regelbasiert behandelbar ist oder individuell entschieden werden muss. Diese Unterscheidung ist für die Bewertung entscheidend, dazu unten mehr.

• Regelbasierte und KI-gestützte Automatisierung: Regelbasierte Automatisierung folgt festen Wenn-Dann-Anweisungen, etwa in klassischen Workflow- und RPA-Ansätzen. KI-gestützte Automatisierung kann zusätzlich Kontext interpretieren und mit unstrukturierten Eingaben wie Texten oder Anfragen in freier Sprache umgehen. Zapier beschreibt KI-Workflows entsprechend als „Automatisierung mit einem Verständnis für Kontext“, im Unterschied zu starr regelbasierten Abläufen.

Die letzte Unterscheidung verschiebt die Bewertungskriterien leicht. KI-gestützte Ansätze vertragen mehr sprachliche Variation, aber nicht automatisch mehr fachliche Ausnahmen.

Welche Merkmale haben gute Kandidaten?

Gute Kandidaten lassen sich an 12 Merkmalen erkennen. Das deckt sich mit etablierten Bewertungsansätzen wie der Process-Mining-Praxis und der zweistufigen Logik aus technischer Machbarkeit und wirtschaftlicher Rentabilität, die unter anderem das Fraunhofer IPK beschreibt. Die Merkmale stammen aus meiner Projekterfahrung und sind in sechs Gruppen sortiert.

• Häufigkeit und Volumenkontinuität (1, 2): Der Prozess läuft mehrmals wöchentlich oder öfter, und das Volumen kehrt über das Jahr wieder, statt einmalig oder saisonal zu sein.
• Regelbasiertheit und Prozessstabilität (3, 4): Entscheidungen lassen sich überwiegend als Wenn-Dann beschreiben, und der Ablauf bleibt über Monate im Kern stabil.
• Ausnahmenanteil und Ausnahmenstruktur (5, 6): Abweichungen vom Standard sind deutlich in der Minderheit, und sie sind selbst wieder regelbasiert oder klar eskalierbar.
• Datenverfügbarkeit und Prozessgrenzen (7, 8): Die nötigen Informationen liegen digital in Systemen vor, mit eindeutigem Start und Ende samt Fallkennung und Zeitstempeln.
• Systemzugriff und Fehlerkosten (9, 10): Technischer Zugriff auf die Systeme ist ohne Sonderfreigaben möglich, und die Kosten eines fehlerhaften Durchlaufs sind bekannt und vertretbar oder abfangbar.
• Messbarkeit und Wirtschaftlichkeit (11, 12): Der Nutzen lässt sich vorher und nachher an konkreten Kennzahlen beziffern und übersteigt Aufbau- und Pflegeaufwand mit Puffer.

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

Kein Prozess erfüllt alle 12 Punkte perfekt, und das ist auch nicht der Anspruch. Meine Faustregel: Sind sechs oder mehr Kriterien klar erfüllt und fehlt keines der Kriterien 7, 8 oder 10 komplett, lohnt sich eine genauere Prüfung. Diese drei sind die Ausschlusskriterien. 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 10-mal am Tag läuft, bringt mehr Hebel als einer, der 10-mal im Jahr läuft. Der 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 alle paar Wochen umgebaut wird, erzeugt laufenden Pflegeaufwand für die Automatisierung selbst. Neue Formulare, neue Zuständigkeiten, neue Sonderregeln. 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 eine Frage. Würde der Prozess in 6 Monaten noch genauso funktionieren, wenn niemand ihn anfasst? Lautet die Antwort „eher nein“, gibt es zwei Möglichkeiten. Entweder ist der Prozess selbst noch nicht reif für Automatisierung. Oder die Automatisierung muss von Anfang an Regeländerungen ohne Neuentwicklung erlauben, was Aufwand und Kosten spürbar nach oben treibt.

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. Sie gehen mit sprachlicher und struktureller Variation robuster um als klassische Wenn-Dann-Regeln. Das verschiebt die Bewertung, ersetzt aber nicht die Grundfrage, ob der Prozess 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. Mein Vorgehen dafür hat 3 Schritte.

1. Zählen statt schätzen: Nimm einen realistischen Zeitraum, meist reichen vier bis acht Wochen, und erfasse, wie viele Fälle exakt dem dokumentierten Standardablauf folgen. Menschen unterschätzen den Ausnahmenanteil fast immer, weil der Standardfall im Gedächtnis nicht auffällt, die Ausnahme aber schon.

2. Ausnahmen selbst klassifizieren: Die entscheidende Frage ist nicht „Standard oder Ausnahme“. Sie lautet: Lässt sich die Ausnahme selbst als Regel fassen („wenn Rechnungsbetrag über X, dann Freigabe durch Person Y“), oder braucht 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 statt ersetzt.

3. Schwelle festlegen, nicht pauschalisieren: Es gibt keine allgemeingültige Prozentzahl, ab der ein Prozess ungeeignet ist, denn das hängt von den Fehlerkosten ab (Kriterium 10). Bei einer internen Terminbestätigung sind 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 demselben zusätzlichen Regelwerk folgen, ist oft der bessere Kandidat. Ein Prozess mit 10 % Ausnahmen, die jedes Mal individuelles Fachwissen brauchen, schneidet schlechter ab. Die reine Zahl täuscht, wenn man die Struktur der Abweichungen ignoriert.

Welche Daten müssen vorhanden sein?

Hier helfen die Mindestanforderungen, die auch technische Analysewerkzeuge stellen. Process-Mining-Werkzeuge wie das in Microsoft Power Automate integrierte brauchen für eine belastbare Analyse mindestens 3 Datenfelder pro Vorgang. Erstens eine eindeutige Fallkennung, die den einzelnen Durchlauf identifiziert, etwa eine Auftrags- oder Vorgangsnummer. Zweitens benannte Aktivitäten, also die einzelnen Schritte des Prozesses. Drittens Start- und Endzeitpunkt jeder Aktivität.

Diese 3 Felder sind unabhängig davon relevant, ob du mit einem Process-Mining-Tool arbeitest oder manuell analysierst. Ohne sie lässt sich weder der Ist-Zustand rekonstruieren noch später der Erfolg der Automatisierung objektiv messen.

Für die praktische Prüfung reichen 3 Fragen.

• Liegen die Informationen überhaupt digital vor? Papierformulare, mündliche Absprachen oder Wissen aus einem einzelnen Kopf 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 eine schlechte Grundlage, ob regelbasiert oder KI-gestützt. 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 Beispiel aus meiner Praxis: Bei einem geprüften Auftragsverarbeitungsprozess lag die Fallkennung als Auftragsnummer sauber im ERP-System vor. Die eigentliche Kommunikation mit Lieferanten lief aber über persönliche E-Mail-Postfächer ohne einheitliche Ablage. Kriterium 7, die Datenverfügbarkeit, war formal erfüllt, praktisch aber 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 wurde über ein gemeinsames Postfach gebündelt, bevor über Automatisierung überhaupt sinnvoll gesprochen werden konnte.

Wann ist der Nutzen zu klein?

Dieser Abschnitt wird am häufigsten übersprungen, weil er unbequem ist. Manche Prozesse erfüllen fast alle Kriterien und lohnen sich trotzdem nicht. Das passiert typischerweise in 3 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. Aufbau- und Pflegeaufwand (Kriterium 12) übersteigen dann schnell den Nutzen.
• Der Prozess ist bereits schnell: Dauert ein manueller Durchlauf zwei Minuten und kommt selten vor, ist das Einsparpotenzial gering, egal wie elegant die 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. Die nächste Priorisierung triffst du dann wieder aus dem Bauch.

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

Umsetzung: vom Kandidaten zur Entscheidung

Praktisch gehe ich in 4 Schritten vor.

1. Prozesse sammeln: Zehn bis zwanzig Kandidaten aus Gesprächen mit den Menschen, die die Arbeit tatsächlich machen. Prozessdokumentationen allein reichen nicht, weil sie oft den Soll- statt den Ist-Zustand zeigen.

2. Grobfilter anwenden: Alle Kandidaten an den drei Ausschlusskriterien Datenverfügbarkeit, Prozessgrenzen und Fehlerkosten prüfen. Das sortiert meist schon die Hälfte aus, schnell und ohne großen Aufwand.

3. Gegen die 12-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 und einer groben Aufwandsschätzung, bevor eine Umsetzungsentscheidung fällt. Bei größeren, digital gut erfassten Prozessen kann sich ein Process-Mining-Werkzeug lohnen, bei kleineren reicht eine strukturierte Stichprobe.

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

Risiken & Grenzen

Diese 5 Grenzen gehören ehrlich dazu.

• 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: Ist schon Geld in ein Projekt geflossen, fällt es schwer, es trotz schlechter Bewertung zu stoppen. Die 12-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 neue Software, eine Reorganisation oder eine Gesetzesänderung in wenigen Monaten instabil werden. Eine einmalige Bewertung ist eine Momentaufnahme, keine Dauerlösung. Bei deutlich veränderten Rahmenbedingungen lohnt sich deshalb eine Wiederholung der Prüfung.

• Die Liste ersetzt keine technische Machbarkeitsprüfung: Sie sortiert Kandidaten vor und schützt vor den offensichtlichsten Fehlstarts. Ob eine konkrete technische Lösung wirtschaftlich trägt, zeigt erst die vertiefte Prüfung des Einzelfalls, analog zur zweistufigen Logik aus Prozessaufnahme und technischer Bewertung beim Fraunhofer IPK.

• 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: 12 Fragen 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.

Bekommt ein Prozess bei den meisten Punkten ein klares Ja, 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. Mehr dazu steht in unserem Beratungsangebot für Prozess-Audits.