Prozesse & Automatisierung · Use Cases
KI-Workflow-Automatisierung erklärt: Was es ist, die drei tragenden Muster (Trigger → KI-Schritt → Freigabe → Aktion, RAG über eigene Daten, mehrstufige Orchestrierung), konkrete Abläufe in Vertrieb, Support, HR und Finanzen — mit offenem Beispiel-Prompt, Governance für automatisierte Schritte (Human-in-the-Loop, Least-Privilege, Audit) und einer Reifegrad-Checkliste.
KI-Workflow-Automatisierung bedeutet, einen wiederkehrenden Geschäftsprozess in einen gespeicherten Ablauf zu überführen, bei dem generative KI einzelne Schritte übernimmt — ausgelöst durch ein Ereignis oder eine Eingabe, ausgeführt in einer oder mehreren KI-Etappen, kontrolliert durch die Freigabe eines Menschen und abgeschlossen durch eine Aktion in einem angebundenen System. Der Unterschied zu einem einmaligen Prompt liegt in der Wiederholbarkeit: Statt denselben Prompt jedes Mal neu zu tippen, füllt man Eingabefelder aus und die KI durchläuft die definierten Schritte in gleicher Qualität. Entscheidend ist nicht die Autonomie der KI, sondern die Kombination aus reproduzierbarem Ablauf, Least-Privilege-Zugriff auf erlaubte Daten und einer klaren Human-in-the-Loop-Freigabe vor jeder Aktion mit Außenwirkung.
So funktioniert es
In MeinGPT wird ein Prozess als Workflow abgebildet: ein gespeichertes Prompt-Template mit Variablen (Kurztext, Textblock, Auswahl, An/Aus), einem oder mehreren nacheinander ausgeführten Schritten und einem festgelegten Output-Format. Jeder Schritt kann ein eigenes KI-Modell nutzen, die Websuche pro Schritt an- oder ausschalten und auf hinterlegte Referenz-Dokumente sowie den Output vorheriger Schritte zugreifen. Wer den Workflow ausführt, füllt nur die Eingabefelder aus und drückt „Ausführen“; die KI durchläuft die Schritte, das Ergebnis erscheint als Markdown im Chat oder als Datei (Word, PDF, Excel/CSV, PowerPoint oder strukturiertes JSON). Über das strukturierte JSON und die Workflow-API lässt sich der Output an nachgelagerte Automatisierungswerkzeuge wie Make oder n8n übergeben, und über Connector (MCP) und API greift die KI nach dem Least-Privilege-Prinzip auf erlaubte interne Systeme zu — begrenzt auf freigegebene Scopes und protokolliert. Für einfache, häufige Aufgaben kapselt stattdessen ein Assistent Kontext, Tonalität und Wissensbasis. So entsteht Automatisierung ohne Entwicklung: Fachbereiche modellieren ihre wiederkehrenden Abläufe selbst, teilen sie im Projekt mit dem Team und behalten über Rollen, Freigaben und Audit-Logs die Kontrolle darüber, wer welchen Ablauf ausführt und worauf er zugreift.
Diese wiederkehrenden Aufgaben lassen sich mit demselben Grundmuster abbilden.
Das tragende Automatisierungsmuster: Ein Ereignis oder eine Eingabe stößt einen KI-Schritt an, das Ergebnis geht vor jeder Aktion mit Außenwirkung durch eine menschliche Freigabe, erst dann folgt die Aktion im Zielsystem. Beispiel Vertrieb: Eine Anfrage trifft ein → die KI entwirft das Angebot auf Basis hinterlegter Muster und Preise → der Vertrieb prüft und gibt frei → das finalisierte Angebot geht raus. Die KI bereitet vor und beschleunigt, die Verantwortung für den Versand bleibt beim Menschen — so wird Automatisierung governbar statt riskant.
Statt allgemeiner Internet-Auskünfte arbeitet der Ablauf auf erlaubtem Unternehmenswissen. Über Connector (MCP) und API wird die KI an Dateiablagen, Wikis, Ticket- oder ERP-Systeme angebunden und liefert mit Quellen belegte Antworten aus den eigenen Daten. Der Zugriff folgt den vergebenen Berechtigungen nach dem Least-Privilege-Prinzip — jede Person und jeder Ablauf sieht nur, wofür freigegeben ist, nachvollziehbar über Protokolle. Das ist die Grundlage für Support-, Wissens- und Recherche-Automatisierung, die belastbar bleibt.
Komplexe Aufgaben werden in nacheinander ausgeführte Schritte zerlegt, wobei jeder Schritt auf den Output des vorherigen zugreift. Pro Schritt lassen sich Modell und Websuche separat wählen — etwa Recherche mit Websuche im ersten Schritt, kreative Erstellung im zweiten, strenge Prüfung im dritten. Als Faustregel bleiben es drei bis vier Schritte pro Workflow, damit der Kontext nicht zu lang wird; längere Ketten teilt man in zwei Workflows, bei denen der zweite das Ergebnis des ersten als Datei-Input übernimmt.
Ein neues Ticket löst eine Suche in der angebundenen Wissensbasis aus, die KI entwirft die Kundenantwort mit Belegen und dokumentiert den Fall. Die Serviceperson prüft und versendet. So sinkt die Bearbeitungszeit, während Tonalität und Faktenlage geprüft bleiben — der Entwurf ist ein Vorschlag, kein automatisch versendeter Text.
Aus Stichpunkten zu einer Position erzeugt ein Workflow eine Stellenanzeige mit fester Abschnittsstruktur (Titel, Über uns, Aufgaben, Profil, Wir bieten, Kontakt) im Ton der hinterlegten Muster-Anzeige. Über die Variablen Position und Abteilung ist derselbe Ablauf für jede Ausschreibung wiederverwendbar; die HR-Korrektur wird zum Feinschliff statt zum Neuschreiben.
Ein Beleg oder eine Datei wird ausgelesen, die KI bereitet die Buchung strukturiert vor und verdichtet die Zahlen zum verständlichen Monatsreport — als Excel-, PDF- oder JSON-Ausgabe zur Weiterverarbeitung. Die fachliche Freigabe der Buchung bleibt beim Menschen; die KI übernimmt das Auslesen, Strukturieren und Zusammenfassen.
Eingabe
Baue mir einen mehrstufigen Workflow für die Angebotserstellung im Vertrieb. Variablen: {{kunde}}, {{anfrage}} (Textblock), {{paket}} (Auswahl: Basis/Pro/Enterprise). Schritt 1: recherchiere mit Websuche kurz den Kunden und fasse den Bedarf aus {{anfrage}} zusammen. Schritt 2: entwirf das Angebot auf Basis der hinterlegten Angebots-Vorlage und der Preisliste, Abschnitte: Ausgangslage, Leistung, Preis, nächste Schritte. Schritt 3: prüfe den Entwurf gegen unsere Preisliste und markiere alles, was ein Mensch vor dem Versand freigeben muss. Gib das Ergebnis als Tabelle der Schritte plus den fertigen Angebotsentwurf aus.
Ergebnis
| Schritt | Aufgabe | Modell / Websuche | Freigabe nötig | Output |
|---|---|---|---|---|
| 1 · Bedarf | Kunde recherchieren, Bedarf aus {{anfrage}} verdichten | schnelles Modell · Websuche an | nein | Bedarfszusammenfassung |
| 2 · Entwurf | Angebot aus Vorlage + Preisliste erstellen | starkes Modell · Websuche aus | nein | Angebotsentwurf (Word/PDF) |
| 3 · Prüfung | Entwurf gegen Preisliste prüfen, Freigabepunkte markieren | präzises Modell · Websuche aus | **ja — vor Versand** | Prüfliste + Freigabe-Flags |
| **Angebotsentwurf (Auszug, zum Prüfen):** „Ausgangslage: Sie benötigen … · Leistung: Paket Pro mit … · Preis: gemäß Staffel … · Nächste Schritte: Freigabe durch Vertrieb, dann Versand.“ — Vor dem Versand prüft der Vertrieb Preis, Leistungsumfang und Rechtstext. |
In einer kurzen Demo klären wir Daten, Verantwortlichkeiten und den passenden Ablauf für diesen Use Case.
Oder den Die richtige KI-Plattform auswählen — der Anforderungskatalog (PDF) als PDF herunterladen:
Automatisierte KI-Schritte sind nur so vertrauenswürdig wie ihre Governance. In MeinGPT läuft die Verarbeitung DSGVO-konform in der EU, ein Auftragsverarbeitungsvertrag (AVV) ist Standard, und Unternehmenseingaben werden nicht zum Training der Modelle verwendet. Zugriffe auf interne Systeme erfolgen über Connector (MCP) und API nach dem Least-Privilege-Prinzip, sind auf freigegebene Scopes begrenzt, protokolliert und Gegenstand regelmäßiger Zugriffsprüfungen. Aktionen mit Außenwirkung bleiben Human-in-the-Loop — die KI bereitet vor, die Freigabe liegt bei der verantwortlichen Person. Administratoren steuern Rollen, Freigaben und geteilte Abläufe zentral; Audit-Logs machen nachvollziehbar, wer welchen Workflow ausgeführt hat und worauf zugegriffen wurde. Für besonders sensible Schritte lässt sich pro Workflow-Schritt ein selbst-gehostetes Modell wählen (On-Prem-Vault). Betreiber ist die SelectCode GmbH, nach ISO 27001:2022 zertifiziert und regelmäßig durch unabhängige Penetrationstests (zuletzt SySS, 2025) geprüft; Richtlinien und Nachweise sind über das Trust Center einsehbar.
Diese Punkte müssen vor der Einführung fachlich oder organisatorisch geklärt werden.
KI ersetzt keine fachliche Freigabe — jede Aktion mit Außenwirkung (Angebotsversand, Buchung, Vertragsentwurf) muss vor der Ausführung durch eine verantwortliche Person geprüft und freigegeben werden.
Ein Workflow skaliert nur einen klaren Prozess, keinen unklaren: Wer den Ablauf nicht dreimal manuell durchgespielt hat, modelliert oft am realen Prozess vorbei und merkt es erst, wenn Kollegen ihn nutzen.
Zu viele verkettete Schritte verwässern das Ergebnis — ab etwa sechs Schritten verliert das Modell die ursprüngliche Aufgabe; Abläufe gehören dann aufgeteilt (Faustregel: drei bis vier Schritte).
Ohne Output-Schema variiert das Ergebnis von Lauf zu Lauf in Länge und Format; Reproduzierbarkeit entsteht erst durch feste Abschnitte, Referenz-Dokumente oder Dokumentausgabe.
Der Nutzen aus internen Daten hängt von sauberer Anbindung und Berechtigungen ab — ohne gepflegte Quellen und Least-Privilege-Scopes bleiben Antworten allgemein oder greifen zu weit.
KI-Workflow-Automatisierung überführt einen wiederkehrenden Geschäftsprozess in einen gespeicherten Ablauf, bei dem generative KI einzelne Schritte übernimmt: ausgelöst durch ein Ereignis oder eine Eingabe, ausgeführt in einer oder mehreren KI-Etappen, kontrolliert durch eine menschliche Freigabe und abgeschlossen durch eine Aktion in einem angebundenen System. Der Unterschied zu einem einmaligen Prompt ist die Wiederholbarkeit — statt jedes Mal neu zu tippen, füllt man Eingabefelder aus und die KI durchläuft die definierten Schritte in gleicher Qualität.
Weitere Praxisinhalte
Zuletzt geprüft: 2026-07-03T00:00:00.000Z