„Wir automatisieren das mit KI.“ Der Satz fällt in Unternehmen inzwischen häufiger als „Wir automatisieren das.“ Dabei ist die zweite Variante oft die richtige — und die billigere, schnellere, zuverlässigere.
Zwischen einer festen Regel und einem Sprachmodell liegt ein grundsätzlicher Unterschied, der über Kosten, Nachvollziehbarkeit und Fehlerarten entscheidet. Dieser Artikel erklärt ihn und gibt eine Entscheidungshilfe, wann was passt.
Der Unterschied in einem Satz
Deterministische Automatisierung macht bei gleicher Eingabe immer dasselbe. Wenn Bedingung A, dann Schritt B. Nachvollziehbar, wiederholbar, prüfbar.
KI-Automatisierung trifft Entscheidungen auf Basis von Wahrscheinlichkeiten. Bei gleicher Eingabe kann zweimal etwas leicht Unterschiedliches herauskommen. Dafür kommt sie mit Dingen zurecht, für die niemand eine Regel schreiben könnte.
Anthropic zieht in seinem Beitrag Building effective agents genau diese Trennlinie und beschreibt sie über die Frage, wer den Ablauf steuert: Bei festen Abläufen legt der Entwickler die Pfade vorher fest. Bei Agenten entscheidet das Modell selbst, welchen Weg es nimmt und welche Werkzeuge es benutzt.
Was das praktisch bedeutet
Ein Beispiel, das jeder kennt: die Eingangsrechnung.
- Die Rechnung lesen — Betrag, Lieferant, Datum, Positionen aus einem PDF ziehen, das jeder Lieferant anders gestaltet. Das ist eine KI-Aufgabe. Eine feste Regel scheitert am zweiten Layout.
- Die Rechnung buchen — prüfen, ob der Betrag zur Bestellung passt, das richtige Konto wählen, freigeben oder zur Klärung geben. Das ist eine Regelaufgabe. Und es muss eine sein, denn hier darf nichts „ungefähr“ stimmen.
Die meisten guten Automatisierungen sehen so aus: KI für das Verstehen, feste Regeln für das Handeln. Das Modell wandelt Unstrukturiertes in Strukturiertes um, danach übernimmt eine nachvollziehbare Logik.
Die vier Unterschiede, auf die es ankommt
Wiederholbarkeit
Eine Regel liefert heute und in einem Jahr dasselbe Ergebnis. Ein Sprachmodell nicht zwingend — schon ein Modellwechsel beim Anbieter kann Ausgaben verändern. Für alles, was geprüft oder belegt werden muss, ist das ein hartes Argument.
Nachvollziehbarkeit
Bei einer Regel kannst du zeigen, warum etwas passiert ist: Zeile 14 der Bedingung war erfüllt. Bei einem Modell lässt sich das nur annähern. Wenn jemand fragt „Warum wurde meine Anfrage abgelehnt?“, ist der Unterschied fundamental.
Fehlerart
Das ist der am meisten unterschätzte Punkt. Regelbasierte Systeme fallen auffällig aus: Etwas bricht ab, eine Fehlermeldung erscheint, jemand kümmert sich. KI-Systeme fallen unauffällig aus: Sie liefern eine plausibel klingende, falsche Antwort — und niemand merkt es. Anthropic weist ausdrücklich auf die Gefahr sich aufschaukelnder Fehler bei autonomen Agenten hin und empfiehlt ausgiebige Tests in abgeschotteten Umgebungen sowie Schutzplanken.
Kosten
Eine Regel kostet einmal Entwicklung und läuft dann praktisch umsonst. Ein Modellaufruf kostet bei jedem Durchlauf — Geld und Zeit. Bei zehn Vorgängen am Tag ist das egal, bei zehntausend nicht.
Anthropics eigene Empfehlung ist bemerkenswert zurückhaltend
Man könnte erwarten, dass ein KI-Anbieter zu möglichst viel KI rät. Das Gegenteil steht in Anthropics Leitfaden. Wörtlich empfiehlt das Unternehmen, die einfachstmögliche Lösung zu suchen und Komplexität nur zu erhöhen, wenn es nötig ist — und fügt hinzu, das könne durchaus bedeuten, überhaupt kein agentisches System zu bauen.
Für viele Anwendungen genüge ein einzelner, gut gebauter Modellaufruf mit den passenden Informationen und ein paar Beispielen. Feste Abläufe böten Vorhersagbarkeit und Konsistenz bei klar umrissenen Aufgaben; Agenten seien die bessere Wahl, wenn Flexibilität und modellgetriebene Entscheidungen gebraucht werden.
Das ist eine erfreulich ehrliche Aussage — und sie widerspricht dem, was viele Anbieter im Markt erzählen.
Die Entscheidungshilfe
Vier Fragen, die in der Praxis fast immer reichen:
- Könnte ein Mensch eine vollständige Regel dafür aufschreiben? Wenn ja — schreib die Regel. Kein Modell nötig.
- Sind die Eingaben unstrukturiert? Freitext, PDFs in wechselnden Formaten, Sprachnachrichten, Bilder. Dann brauchst du KI zum Verstehen — aber nur dafür.
- Muss das Ergebnis begründbar sein? Bei allem mit rechtlicher oder finanzieller Wirkung: Die Entscheidung gehört in eine Regel, auch wenn die Vorbereitung von einer KI kommt.
- Wie oft läuft es? Bei hohen Stückzahlen wird der Kostenunterschied zwischen Regel und Modellaufruf schnell relevant.
Die häufigste Fehlentscheidung im Mittelstand ist nicht, KI zu meiden — sondern sie für Aufgaben einzusetzen, für die eine simple Regel genügt hätte. Das kostet Geld, erzeugt Unsicherheit und macht die Automatisierung angreifbar.
Der hybride Aufbau als Normalfall
In der Praxis ist die Frage selten „entweder oder“. Ein typischer Ablauf sieht so aus:
- Eine Anfrage kommt per E-Mail herein — unstrukturiert.
- KI liest sie, erkennt das Anliegen und zieht die relevanten Angaben heraus.
- Ab hier übernehmen feste Regeln: Zuständigkeit bestimmen, Frist setzen, Vorgang anlegen, Bestätigung senden.
- Bei Unsicherheit — etwa wenn die KI das Anliegen nicht eindeutig zuordnen kann — geht es an einen Menschen, statt zu raten.
Punkt vier ist der wichtigste und wird am häufigsten weggelassen. Ein System, das bei Unsicherheit trotzdem entscheidet, ist gefährlicher als eines, das gar nicht automatisiert. Die Rückfallebene gehört von Anfang an eingebaut, nicht nachträglich.
Was das für die Kostenrechnung heißt
Ein Punkt, der in Angeboten oft fehlt: Die beiden Ansätze haben unterschiedliche Kostenkurven.
Eine regelbasierte Automatisierung kostet vorne viel und hinten fast nichts. Die Entwicklung ist der Aufwand; danach läuft sie, und der zehntausendste Durchlauf kostet praktisch dasselbe wie der erste — nämlich nichts. Teuer wird sie erst wieder, wenn sich die Regeln ändern.
Eine KI-Automatisierung kostet vorne wenig und hinten dauerhaft. Der Einstieg ist schnell, aber jeder Vorgang verursacht Kosten, und die skalieren mit dem Erfolg. Dazu kommt ein Posten, den viele vergessen: die laufende Kontrolle. Ein Modell, das niemand überprüft, ist kein Sparmodell, sondern ein Risiko.
Daraus folgt eine simple Faustregel für die Planung: Bei seltenen, wechselhaften Vorgängen gewinnt KI. Bei häufigen, gleichförmigen Vorgängen gewinnt die Regel — oft deutlich. Und weil in den meisten Unternehmen die häufigen Vorgänge das Volumen ausmachen, liegt dort auch der größere wirtschaftliche Hebel.
Häufige Fragen
Wie fange ich an, wenn ich beides kombinieren will?
Zeichne den Ablauf auf und markiere jeden Schritt mit einem von drei Buchstaben: R für Regel, K für KI, M für Mensch. Diese Übung dauert zwanzig Minuten und ist erstaunlich klärend — meist stellt sich heraus, dass nur ein oder zwei Schritte wirklich KI brauchen. Voraussetzung dafür ist allerdings, dass der Ablauf überhaupt beschrieben ist; warum Prozessarbeit vor der Automatisierung kommt, haben wir separat aufgeschrieben.
Ist RPA damit veraltet?
Nein, nur enger gefasst. Klassische Prozessautomatisierung bleibt richtig für strukturierte, regelhafte Abläufe — und ist dort billiger und verlässlicher als jedes Modell. Was sich geändert hat: Die Aufgaben davor und danach, die früher an Menschen hängen blieben, lassen sich heute mit KI abdecken.
Kann ich ein Sprachmodell nicht einfach deterministisch machen?
Nur begrenzt. Man kann die Zufälligkeit reduzieren, aber echte Reproduzierbarkeit über Zeit und Modellversionen hinweg bekommt man damit nicht. Wer sie braucht, sollte die entscheidende Logik außerhalb des Modells halten.
Woran erkenne ich, dass ein Anbieter zu viel KI verkauft?
An einem einfachen Test: Frag, welcher Teil der Lösung ohne KI auskommt. Wer darauf keine klare Antwort hat, hat entweder den Ablauf nicht verstanden oder verkauft Aufwand. Bei einem sauberen Entwurf lässt sich für jeden Schritt begründen, warum dort ein Modell nötig ist — oder eben nicht.
Was ist mit Nachweispflichten?
Je stärker eine Automatisierung Entscheidungen über Menschen trifft, desto genauer solltest du die Rechtslage prüfen — das reicht von Dokumentationspflichten bis zu Vorgaben für automatisierte Einzelfallentscheidungen. Die Grundlagen dazu stehen in unserem Überblick zum DSGVO-konformen KI-Einsatz.
Fazit: Die Frage ist nicht, ob KI — sondern wo
Deterministische Automatisierung ist nicht die altmodische Variante. Sie ist der Teil, der zuverlässig funktioniert, wenn er zur Aufgabe passt. KI ist kein Ersatz dafür, sondern die Erweiterung auf Fälle, die vorher gar nicht automatisierbar waren.
Wer beides trennt — Modell fürs Verstehen, Regel fürs Handeln, Mensch bei Unsicherheit — bekommt Systeme, die schnell und überprüfbar sind. Wer alles einem Agenten überlässt, bekommt beeindruckende Demos und schwer erklärbare Fehler.
Welche Schritte bei euch in welche Kategorie gehören, lässt sich meist in einem Gespräch klären. In einer kostenlosen Prozessanalyse gehen wir das für euren wichtigsten Ablauf gemeinsam durch — und du bekommst eine ehrliche Einschätzung, wo KI wirklich gebraucht wird.