Automatisierung ohne KI: wann eine Regel genügt

Nicht jede Automatisierung braucht KI, auch wenn der Trend, sie überall einzusetzen, etwas anderes nahelegt. Eine Automatisierung ohne KI ist eine Folge aufgeschriebener Regeln, die von selbst ablaufen: Wenn eine Rechnung eingeht, wird sie erfasst und die Buchhaltung benachrichtigt. Sie beeindruckt weniger als ein Agent in einer Demo, liefert aber bei jedem Durchlauf dasselbe Ergebnis. Dieser Leitfaden unserer Rubrik Prozessautomatisierung und Business-Bots hilft, Schritt für Schritt zu entscheiden, was einer Regel, einer KI oder einem Menschen zufällt.

Kurz gesagt

• Eine Regel, die man aufschreiben kann, lässt sich ohne KI automatisieren, günstiger und mit konstantem Ergebnis.
• Ein KI-Schritt verursacht bei jedem Durchlauf Kosten und liefert ein Ergebnis, das variieren kann: Er muss mehr einbringen, als seine Kontrolle kostet.
• KI ist an einem bestimmten Schritt gerechtfertigt, wenn Ein- oder Ausgabe Sprache ist, nicht für den ganzen Prozess.
• Mit oder ohne KI wird eine Automatisierung in Produktion überwacht: Ohne KI irrt sie sich nicht, kann aber verstummen.

Was ist eine Automatisierung ohne KI?

Ein Kunde füllt das Angebotsformular Ihrer Website aus:

Kein Sprachmodell ist beteiligt: Die Formularfelder sind bereits strukturiert, und derselbe Fall nimmt immer denselben Weg. Dieselbe Anfrage, als frei formulierte E-Mail empfangen, bräuchte einen Leseschritt: Dort, und nur dort, könnte ein Modell nützlich sein.

Die Tools, die diese Workflows ausführen, rechnen ihre eigene Nutzung ab: Zapier zählt Tasks, Make Credits, n8n Ausführungen, wie unser Vergleich n8n, Make oder Zapier für ein mittelständisches Unternehmen ausführt. Solange kein Schritt ein Modell aufruft, kommt keine Token-Rechnung hinzu. Das ist der Ausgangspunkt unseres Automatisierungsangebots: weniger doppelte Erfassung, mit einem Zähler der Kosten pro Ausführung und pro Monat.

Warum KI überall teuer ist und ein Projekt abdriften lässt

Kosten bei jedem Durchlauf

Eine Regel kostet, was ihre Ausführung im Tool kostet, unabhängig von der Länge des verarbeiteten Textes. Ein KI-Schritt fügt einen Modellaufruf hinzu, abgerechnet nach den Tokens, die er liest und erzeugt: Der Preis wächst mit der Größe der Dokumente und mit dem Kontext, den man mitschickt. Ein Schritt, der in den Tests fast nichts kostet, kann beim realen Jahresvolumen schwer wiegen. Unser Leitfaden zu den Kosten von KI im Unternehmen erläutert diese Rechnung.

Ein Ergebnis, das sich ändern kann

Eine Regel liefert für dieselbe Eingabe immer dasselbe Ergebnis; ein Sprachmodell nicht. Das Glossar von Anthropic, dem Anbieter der Claude-Modelle, stellt das zur Temperatur klar, der Einstellung, die den Zufallsanteil der Antworten dosiert:

Für den ersten Entwurf einer E-Mail ist das unproblematisch. Für einen Betrag, der in Ihre Buchhaltung übertragen wird, ist es ein Risiko, das Kontrollen, ein Entscheidungsprotokoll und einen Weg zur Fehlerkorrektur erfordert.

Ein Abdriften, das klein beginnt

Im Juni 2025 sagte das Marktforschungsunternehmen Gartner voraus, dass mehr als 40 % der Projekte mit agentischer KI bis Ende 2027 eingestellt würden, wegen explodierender Kosten und eines unklaren geschäftlichen Nutzens, laut einer von Yahoo übernommenen Reuters-Meldung. Es ist eine Prognose, keine Bilanz, aber der Mechanismus ist leicht zu erkennen: ein KI-Schritt, hinzugefügt, wo eine Regel genügt hätte, dann ein zweiter, und bald kann niemand mehr sagen, was jeder einbringt, noch warum die Rechnung steigt.

KI-Projekte vervielfachen ihre Kosten, wenn sie ein Modell dort einsetzen, wo es nicht nötig ist: Jeder unnötige Aufruf wird bei jedem Durchlauf bezahlt, und jedes variable Ergebnis verlangt eine weitere Kontrolle. Das ist der sicherste Weg, ein Budget zu verschwenden und ein Projekt abdriften zu lassen. Unsere Analyse zur Rentabilität von KI im Unternehmen zeigt, warum sich der Ertrag verzögert, wenn das Tool gekauft wird, bevor die Aufgabe gewählt und gemessen ist.

An welchen Schritten ist KI gerechtfertigt?

Ein Sprachmodell zahlt sich dort aus, wo eine Regel nicht weiterkommt, also wenn Ein- oder Ausgabe Sprache ist:

• einen freien Text lesen: Die E-Mail „Der Karton kam offen an, zwei Gläser kaputt“ muss zu einer Reklamation werden, mit dem richtigen Grund und der richtigen Bestellung;
• einen mehrdeutigen Fall entscheiden: eine Anfrage, die ebenso zum Kundenservice wie zum Vertrieb gehören könnte und die Schlüsselwörter schlecht einordnen;
• einen ersten Entwurf schreiben: eine Antwort oder eine Zusammenfassung, die jemand gegenliest, bevor sie rausgeht.

In jedem dieser Fälle besetzt die KI einen Schritt, nicht den ganzen Prozess: Die E-Mail abholen, die Bestellung finden und das Ticket öffnen bleiben Regeln. Ein KI-Schritt in einem Workflow ist übrigens kein Agent, und der Unterschied wird in KI-Agent: was er ist, und was er nicht ist erklärt. Anthropic geht in seinem Leitfaden Building effective agents in dieselbe Richtung: Es empfiehlt, „finding the simplest solution possible“, also die einfachstmögliche Lösung zu suchen, und erinnert daran, dass Workflows „offer predictability and consistency for well-defined tasks“, also Vorhersehbarkeit und Beständigkeit bei klar definierten Aufgaben bieten.

Woran erkennen Sie, ob Ihre Aufgabe KI braucht?

Stellen Sie jedem Schritt fünf Fragen, nicht dem ganzen Prozess:

1. Können Sie die Regel aufschreiben? Wenn ein neuer Kollege sie mit einem einseitigen Merkblatt anwenden kann, kann es ein Workflow auch.
2. Ist die Eingabe strukturiert? Ein Formular oder eine API-Antwort lässt sich ohne Modell lesen.
3. Muss das Ergebnis jedes Mal identisch sein? Ein Betrag oder ein Status gehört zu einer Regel, die nicht variiert.
4. Was kostet ein Fehler? Wenn die Aktion das Unternehmen bindet, etwa eine Zahlung oder eine an einen Kunden gesendete E-Mail, sehen Sie eine menschliche Freigabe vor, mit oder ohne KI.
5. Wie hoch ist das Volumen? Multiplizieren Sie die Kosten eines Modellaufrufs mit der realen Zahl der Durchläufe über ein Jahr, bevor Sie wählen.

Wenn die ersten drei Antworten Ja lauten, braucht der Schritt keine KI. Wenn eine Nein lautet, kann KI an genau diesem Schritt gerechtfertigt sein, und nur dort.

Regel, KI und Mensch: wie man sie in einem Ablauf kombiniert

Die robustesten Abläufe mischen alle drei. Nehmen wir wieder die Lieferantenrechnung, diesmal als PDF per E-Mail empfangen, mit einem Layout, das sich von Lieferant zu Lieferant ändert:

Unser Agent für die Belegerfassung folgt dieser Rollenverteilung: Das Modell liest das Foto eines per Telegram gesendeten Belegs, Kontrollen prüfen Dubletten, die Stimmigkeit der Beträge und einen Konfidenzschwellenwert vor jeder Buchung, und ein Mensch bestätigt den Datensatz per Knopfdruck. Er gehört zu den Tools, die wir selbst betreiben. Der Kundensupport folgt derselben Verteilung: Unser Leitfaden, um den Kundensupport zu automatisieren, wobei die KI sortiert und der Mensch gegenliest, zeigt, wo Regel, Modell und Person hingehören.

Eine Regel kann auch entscheiden, wann die KI aufgerufen wird.

Muss eine Automatisierung ohne KI überwacht werden?

Ja, aus einem anderen Grund: Ohne KI irrt sie sich nicht unvorhersehbar, aber sie kann verstummen. Eine Quelle, die ihr Format ändert, oder eine unvollständige Antwort, und der Workflow hält an, oder schlimmer, läuft mit falschen Daten weiter.

Wir betreiben unsere eigenen n8n-Workflows in Produktion, und zwei Schutzmechanismen kehren bei jedem wieder. Unvorhergesehene Daten, etwa ein Wert, der in einer Zuordnungstabelle fehlt, werden durch eine deterministische Regel behandelt, mit engem Geltungsbereich, geprüft und umkehrbar: Ohne KI in der Schleife gibt es nichts zu halluzinieren. Und eine leere Antwort der Quelle darf nie in Produktion gehen: Ohne eine Regel, die die Veröffentlichung eines leeren Katalogs verweigert, kann ein grün angezeigter Workflow eine Website über Nacht leeren.

Unser Leitfaden, um n8n-Automatisierungen zu überwachen, beschreibt die Warnungen und die Wiederaufnahme, die verhindern, dass ein nächtlicher Ausfall erst am Montag entdeckt wird. Und wenn die anzubindende Software keine API hat, wiegt die Art des Zugangs schwerer als die Wahl des Tools: Wir vergleichen sechs Zugänge, um Software ohne API zu automatisieren. Und wenn Sie einen auf n8n aufgebauten Dienst weiterverkaufen möchten, setzt seine Lizenz, die nicht Open Source ist, Grenzen, die wir in was die Lizenz von n8n erlaubt ausführen.

Wo anfangen

Der Ausgangspunkt passt in drei Handgriffe:

1. 01Die Aufgabe.

   Wählen Sie eine, die jede Woche wiederkehrt.

2. 02Der Ablauf.

   Beschreiben Sie sie Schritt für Schritt, mit der Person, die sie heute erledigt.

3. 03Die fünf Fragen.

   Stellen Sie sie jedem Schritt: Was zu einer Regel, einer KI oder einem Menschen gehört, zeigt sich schnell.

Notieren Sie beim Beschreiben der Aufgabe auch, was sie der Person beibrachte, die sie erledigte, und wer diese Rolle übernimmt, sobald die Aufgabe automatisiert ist: Unsere Analyse Nimmt KI jungen Menschen den ersten Job? erklärt, warum.

So arbeitet unser Automatisierungsangebot: Wir beobachten die Aufgabe mit der Person, die sie erledigt, und zeigen Ihnen dann ihre Kosten pro Ausführung und pro Monat, mit einem Kontrollpunkt nach 30 Tagen. Wenn Sie noch nicht wissen, welche Aufgabe Sie wählen sollen, dient unser Audit der digitalen und KI-Reife dazu, zu wissen, was man automatisiert, bevor man Geld ausgibt, und es schließt die Vorhaben, die nicht tragen, schriftlich aus. Und wenn die Analyse ergibt, dass ein Agent gerechtfertigt ist, zeigt unser Leitfaden über den KI-Agenten in Produktion, von der Demo zum Produkt, was vorzusehen ist, damit ein Team ihn annimmt.

Häufige Fragen

Quellen

1. Glossar von Anthropic (neuer Tab)platform.claude.com
2. Von Yahoo übernommenen Reuters-Meldung (neuer Tab)tech.yahoo.com
3. Building effective agents (neuer Tab)anthropic.com
4. Eine menschliche Freigabe zu verlangen, bevor ein Agent ein bestimmtes Tool nutzt (neuer Tab)docs.n8n.io