Benötigen wir noch Prozessmanagement, wenn die KI alles kann?
Künstliche Intelligenz kann heute Texte verstehen, Dokumente analysieren, Informationen zusammenführen, Entscheidungen vorbereiten und Software bedienen. Mit KI-Agenten geht diese Entwicklung noch einen Schritt weiter: Sie reagieren nicht mehr nur auf einzelne Fragen, sondern können ein Ziel erhalten, selbstständig die nächsten Schritte planen und unterschiedliche Systeme oder Werkzeuge nutzen.
Damit stellt sich für das Prozessmanagement eine provokante Frage: Wenn eine KI ihren Weg selbst finden kann, müssen wir diesen Weg überhaupt noch als Prozess modellieren?
Auf den ersten Blick könnte man meinen, dass klassische Prozesse dadurch an Bedeutung verlieren. Warum sollten wir jeden möglichen Pfad, jede Variante und jeden Sonderfall modellieren, wenn ein intelligenter Agent situationsabhängig entscheiden kann, was als Nächstes zu tun ist?
Ganz so einfach ist es jedoch nicht. Denn je mehr Handlungsspielraum wir einer KI geben, desto wichtiger wird die Frage, innerhalb welcher Grenzen sie sich bewegen darf. Genau hier verändert sich die Rolle des Prozessmanagements. Es verschwindet nicht, sondern entwickelt sich weiter.
KI bringt Flexibilität. Prozesse bringen Kontrolle. Zusammen ermöglichen sie kontrollierte Autonomie.
Vom KI-Assistenten zum handelnden Agenten
Bei generativer KI denken viele zunächst an ChatGPT, Copilot oder ähnliche Assistenten. Das Grundprinzip ist dabei relativ einfach: Ein Mensch stellt eine Frage oder formuliert eine Aufgabe, die KI liefert eine Antwort, und anschliessend entscheidet der Mensch, was damit geschieht.
Bei einem KI-Agenten verschiebt sich diese Verantwortung. Der Agent erhält nicht nur eine einzelne Anweisung, sondern ein Ziel. Aus diesem Ziel kann er selbstständig Zwischenschritte ableiten, Informationen beschaffen, Werkzeuge auswählen und sein Vorgehen an die jeweilige Situation anpassen.
Eine Kundenreklamation verdeutlicht den Unterschied. Ein klassischer KI-Assistent könnte eine eingegangene E-Mail zusammenfassen und dem Sachbearbeiter einen Antwortvorschlag erstellen. Ein Agent könnte dagegen die Reklamation selbstständig analysieren, Anhänge auswerten, die zugehörige Bestellung im ERP suchen, Informationen aus dem CRM abrufen, relevante Richtlinien prüfen und daraus einen Lösungsvorschlag entwickeln.
Der entscheidende Unterschied ist deshalb weniger die Qualität der generierten Texte als der Handlungsspielraum. Ein Assistent unterstützt einen Menschen bei einer Aufgabe. Ein Agent arbeitet selbstständig auf ein Ziel hin.
Diese Entwicklung findet bereits in Unternehmen statt. McKinsey zeigt in seiner Studie The State of AI in 2026, dass insbesondere grössere Unternehmen zunehmend KI-Agenten skalieren. Gleichzeitig bleibt die wirtschaftliche Wirkung von KI deutlich hinter der Geschwindigkeit ihrer Einführung zurück. Während sehr viele Unternehmen von Produktivitätsgewinnen auf individueller Ebene berichten, fällt der messbare Einfluss auf das Unternehmensergebnis wesentlich geringer aus.
Das deutet auf eine wichtige Entwicklung hin: Die entscheidende Herausforderung besteht immer weniger darin, ob ein Unternehmen Zugang zu KI hat. Die schwierigere Aufgabe ist, KI sinnvoll in die Organisation und ihre Geschäftsprozesse zu integrieren.
Muss künftig noch jeder Prozesspfad modelliert werden?
Klassische Prozessautomatisierung basiert häufig auf einem relativ eindeutigen Prinzip. Ein Ablauf wird im Voraus beschrieben. Auf einen bestimmten Schritt folgt der nächste, Entscheidungen werden über Regeln oder Gateways gesteuert und mögliche Varianten werden möglichst früh berücksichtigt.
Für stabile Prozesse funktioniert dieses Vorgehen hervorragend. Wenn die Bedingungen eindeutig sind und sich der Ablauf nur selten verändert, ist ein deterministischer Workflow effizient, transparent und zuverlässig.
Schwieriger wird es bei Prozessen mit hoher Varianz. Eine Kundenanfrage kann beispielsweise aus einem kurzen Satz bestehen oder aus einer umfangreichen E-Mail mit mehreren Anhängen, Bildern und zusätzlichen Dokumenten. Jeder Kunde beschreibt dasselbe Problem etwas anders, und manche Situationen treten vielleicht zum ersten Mal auf.
In solchen Fällen kann der Versuch, jede mögliche Variante im Voraus zu modellieren, sehr schnell zu komplexen Prozessmodellen und einer Vielzahl von Sonderregeln führen.
KI-Agenten eröffnen hier einen anderen Ansatz. Statt den gesamten Lösungsweg vorzugeben, können wir ein Ziel, den relevanten Kontext, geeignete Werkzeuge und verbindliche Grenzen definieren. Innerhalb dieses Rahmens entscheidet der Agent selbstständig, welcher Weg sinnvoll ist.
Dieser Unterschied ist fundamental. Er bedeutet aber keineswegs, dass Prozesse überflüssig werden. Im Gegenteil: Je weniger wir den konkreten Weg vorgeben, desto wichtiger werden die Grenzen dieses Handlungsraums.
Mehr Autonomie bedeutet auch mehr Verantwortung
Die Vision eines autonomen KI-Agenten ist attraktiv. Ein Agent erkennt eine Aufgabe, beschafft selbstständig die notwendigen Informationen, entscheidet über die nächsten Schritte und führt die notwendigen Aktionen in unterschiedlichen Systemen aus.
Aus technologischer Sicht wird immer mehr davon möglich. Aus Sicht eines Unternehmens entsteht allerdings unmittelbar eine neue Reihe von Fragen.
Ein Agent kann erkennen, dass einem Kunden eine Rückerstattung zusteht. Aber darf er sie auch selbstständig auslösen? Und falls ja: Gilt das für CHF 50 genauso wie für CHF 50'000? Darf er Kundendaten verändern? Darf er Verträge kündigen oder neue Verpflichtungen eingehen? Welche Informationen darf er an externe Systeme übermitteln? Und was geschieht, wenn seine Einschätzung falsch ist?
Genau an dieser Stelle treffen KI und Prozessmanagement aufeinander.
Ein Unternehmen kann die Verantwortung für solche Entscheidungen nicht einfach an ein Sprachmodell delegieren. Es muss weiterhin festgelegt werden, welche Handlungen erlaubt sind, welche Regeln gelten, wer Entscheidungen verantwortet und an welchen Stellen eine menschliche Freigabe notwendig ist.
Guardrails sind mehr als ein guter Prompt
Häufig wird versucht, das Verhalten von KI über Anweisungen im Prompt einzuschränken. Ein Agent erhält die Anweisung, keine produktiven Daten zu löschen, keine vertraulichen Informationen weiterzugeben oder bestimmte Aktionen nur nach einer Freigabe auszuführen. Solche Anweisungen sind wichtig, aber sie sind nicht dasselbe wie eine technisch durchgesetzte Grenze.
Wenn ein Agent keinen Zugriff auf produktive Daten löschen darf, sollte die wirkliche Sicherheitsmassnahme nicht darin bestehen, ihm zu sagen, dass er es nicht tun soll. Die wirkliche Sicherheitsmassnahme besteht darin, dass seine technische Identität überhaupt nicht über die entsprechende Berechtigung verfügt.
Dasselbe Prinzip gilt für Geschäftsentscheidungen. Eine KI kann unter anderem eine Rückerstattung vorschlagen. Ob diese tatsächlich ausgeführt werden darf, kann anschliessend durch eine klar definierte Geschäftsregel geprüft werden. Ein kleiner Betrag könnte automatisch freigegeben werden, während bei einem höheren Betrag zwingend ein Mensch entscheiden muss.
Damit wird eine wichtige Trennung geschaffen: Die KI kann analysieren, interpretieren und Vorschläge machen. Kritische Grenzen werden ausserhalb der KI kontrolliert.
Guardrails können deshalb auf mehreren Ebenen entstehen. Berechtigungen begrenzen, auf welche Daten und Systeme ein Agent zugreifen kann. Geschäftsregeln bestimmen, welche Aktionen zulässig sind. Prozesse definieren Freigaben und Eskalationen. Monitoring und Audit sorgen dafür, dass später nachvollziehbar bleibt, was tatsächlich vorgefallen ist.
Das Ziel besteht dabei nicht darin, die KI selbst vollständig deterministisch zu machen. Vielmehr bauen wir einen verlässlichen Rahmen um ein probabilistisches System.
Prozesse waren schon immer Leitplanken
Interessanterweise ist diese Idee aus Sicht des Prozessmanagements gar nicht so neu.
Prozesse definieren bereits heute, welche Aufgaben durchgeführt werden müssen, wer wofür verantwortlich ist, welche Freigaben notwendig sind und welche Regeln eingehalten werden müssen. Das gilt unabhängig davon, ob eine Aufgabe von einem Menschen, einer klassischen Software, einem RPA-Bot oder künftig einem KI-Agenten ausgeführt wird.
Ein guter Geschäftsprozess beschreibt also nicht nur eine Reihenfolge von Aktivitäten. Er bildet auch einen organisatorischen Rahmen.
Deshalb lässt sich die Rolle des Prozessmanagements sehr einfach zusammenfassen:
Ob Mensch, Software oder KI – der Prozess definiert, was innerhalb einer Organisation erlaubt ist.
Neu ist vorwiegend der Grad an Autonomie, den einzelne Akteure innerhalb dieses Rahmens erhalten können.
Einen alten Prozess mit KI auszustatten, reicht nicht
Gerade deshalb wäre es ein Fehler, bestehende Prozesse einfach unverändert zu lassen und an einzelnen Stellen KI einzubauen. Wenn ein Prozess unnötige Freigaben, Medienbrüche, historische Sonderregeln oder komplizierte Systemgrenzen enthält, verschwinden diese Probleme nicht automatisch durch künstliche Intelligenz. Im ungünstigsten Fall entsteht derselbe alte Prozess – nur mit einer zusätzlichen probabilistischen Komponente. Die Einführung von KI sollte deshalb immer auch Anlass sein, einen Prozess grundsätzlich zu hinterfragen.
Welche Schritte sind heute wirklich noch notwendig? Welche Tätigkeiten existieren nur deshalb, weil frühere Systeme bestimmte Dinge nicht konnten? Welche Entscheidungen können automatisiert werden? Wo kann ein KI-Agent Varianten selbstständig behandeln? Und an welchen Stellen benötigen wir bewusst feste Kontrollpunkte?
Damit wird KI-Prozessautomatisierung zu mehr als einem Technologieprojekt. Sie wird zu einer Gelegenheit für echtes Process Re-Engineering.
Der entscheidende Schritt ist nicht, möglichst viel KI in einen bestehenden Ablauf einzubauen. Der entscheidende Schritt ist, den Ablauf so zu gestalten, dass KI dort eingesetzt wird, wo ihre Fähigkeiten tatsächlich einen Vorteil schaffen.
Workflow Engine und KI-Agent sind keine Gegensätze
In der aktuellen Diskussion werden klassische Workflow Engines und KI-Agenten teilweise als konkurrierende Technologien dargestellt. Diese Sichtweise greift jedoch zu kurz. Eine Workflow Engine besitzt Eigenschaften, die für viele Unternehmensprozesse unverzichtbar sind. Sie kann einen Zustand zuverlässig verwalten, Regeln nachvollziehbar ausführen, Verantwortlichkeiten steuern und sicherstellen, dass bestimmte Schritte tatsächlich stattfinden.
Ein KI-Agent besitzt dagegen ganz andere Stärken. Er kann unstrukturierte Informationen verstehen, Kontext interpretieren, mit unbekannten Varianten umgehen und auf Basis eines Ziels unterschiedliche Lösungswege entwickeln.
Genau darin liegt die Chance.
Die Stärke des Workflows ist die Kontrolle. Die Stärke des Agenten ist die Flexibilität.
Statt zu fragen, welche der beiden Technologien sich langfristig durchsetzt, ist deshalb die interessantere Frage, wie beide miteinander kombiniert werden können.
Hybrid bedeutet kontrollierte Autonomie
In einem hybriden Prozess muss der Workflow nicht mehr jeden einzelnen Arbeitsschritt des Agenten kontrollieren. Er kann stattdessen die Grenzen des Handlungsraums definieren.
Nehmen wir nochmals die Kundenreklamation. Der Prozess startet, sobald eine Anfrage eingeht. Ein KI-Agent analysiert die Nachricht und mögliche Anhänge, recherchiert Informationen aus verschiedenen Systemen und entwickelt einen Lösungsvorschlag.
Solange sich der Fall innerhalb definierter Grenzen bewegt, kann der Agent selbstständig weiterarbeiten. Sobald jedoch ein bestimmtes Risiko, ein hoher Betrag oder eine unklare Situation auftritt, greift der kontrollierte Prozess ein. Eine Geschäftsregel wird geprüft, eine Freigabe wird angefordert oder der Fall wird an einen Menschen eskaliert.
Danach kann der Agent seine Arbeit fortsetzen.
Das Ergebnis ist weder ein vollständig starrer Prozess noch eine vollständig autonome KI. Es entsteht ein hybrides System, bei dem Dynamik dort zugelassen wird, wo sie sinnvoll ist, und Kontrolle dort erhalten bleibt, wo sie notwendig ist.
Oder kürzer formuliert:
Hybrid = Flexibilität der KI + Kontrolle des Prozesses.
Nicht jeder Prozess benötigt KI
Bei aller Begeisterung für neue Möglichkeiten darf eine wichtige Erkenntnis nicht verloren gehen: KI ist nicht automatisch die beste Lösung für jedes Automatisierungsproblem.
Ein klar strukturierter Prozess mit eindeutigen Regeln lässt sich häufig mit klassischer Automatisierung günstiger, transparenter und zuverlässiger abbilden. Es gibt keinen Grund, eine KI darüber entscheiden zu lassen, wie eine eindeutig definierte Stammdatenänderung oder eine einfache technische Freigabe ausgeführt werden soll.
Anders sieht es bei Aufgaben aus, die stark von Kontext, Sprache oder wechselnden Informationen abhängen. Dort können KI-Agenten klassische regelbasierte Systeme deutlich vereinfachen.
Eine gute Orientierung bietet die Kombination aus Unsicherheit und Risiko. Bei geringer Unsicherheit und geringem Risiko reicht häufig klassische Automatisierung. Ist der Ablauf klar, aber geschäftskritisch, sind deterministische Workflows mit Regeln und Freigaben sinnvoll. Bei hoher Unsicherheit und niedrigem Risiko kann ein KI-Agent sehr viel Freiheit erhalten. Und dort, wo sowohl Unsicherheit als auch Risiko hoch sind, wird der hybride Ansatz besonders interessant.
Die entscheidende Frage lautet deshalb nicht: Wo können wir KI einsetzen?
Sie lautet: Wo reduziert KI tatsächlich Komplexität – und wo würde sie lediglich neue erzeugen?
Vom Process Owner zum Process Orchestrator
Mit dieser Entwicklung verändert sich auch die Rolle von Prozessverantwortlichen.
In einer Welt vollständig deterministischer Prozesse bestand ein grosser Teil der Arbeit darin, Abläufe, Varianten und Regeln möglichst genau zu beschreiben. Wenn KI-Agenten Teile dieser Abläufe selbstständig gestalten können, verschiebt sich der Schwerpunkt.
Prozessverantwortliche müssen künftig stärker definieren, welche Ziele gelten, welche Informationen zur Verfügung stehen, welche Aktionen erlaubt sind, wann ein Mensch einbezogen werden muss und welche Grenzen unter keinen Umständen überschritten werden dürfen.
Das Prozessmanagement wird dadurch nicht weniger wichtig. Es wird vielmehr strategischer.
Statt nur zu definieren, wie ein Prozess ausgeführt wird, gestaltet es zunehmend den Raum, in dem unterschiedliche Akteure – Menschen, Systeme und KI-Agenten – miteinander arbeiten dürfen.
Vom modellierten Pfad zum kontrollierten Handlungsraum
Vielleicht ist genau dies die wichtigste Veränderung, die KI für das Prozessmanagement mit sich bringt. Wir werden in Zukunft wahrscheinlich weniger Zeit damit verbringen, jede denkbare Variante eines komplexen Prozesses im Voraus zu modellieren. Gleichzeitig müssen wir wesentlich bewusster darüber entscheiden, welche Ziele, Regeln, Verantwortlichkeiten und Grenzen gelten.
Der Prozess verschwindet also nicht. Er verändert seine Form.
Aus einem vollständig vorgegebenen Pfad wird in bestimmten Bereichen ein kontrollierter Handlungsraum.
Innerhalb dieses Raums darf ein KI-Agent flexibel agieren. Ausserhalb dieses Raums sorgen technische und organisatorische Leitplanken dafür, dass die Kontrolle beim Unternehmen bleibt.
Nicht jeden Weg vorgeben – aber die Grenzen klar definieren.
Brauchen wir also noch Prozessmanagement?
Ja – aber vermutlich ein anderes Prozessmanagement.
KI-Agenten können bestimmte Teile klassischer Prozessautomatisierung vereinfachen und uns davon befreien, jede Ausnahme im Voraus modellieren zu müssen. Gleichzeitig steigt mit zunehmender Autonomie der Bedarf an klaren Verantwortlichkeiten, Governance, Nachvollziehbarkeit und technisch durchsetzbaren Grenzen.
Deshalb werden KI und Prozessmanagement langfristig wahrscheinlich keine Gegensätze sein.
Sie ergänzen sich.
KI bringt Flexibilität. Prozesse bringen Kontrolle. Zusammen ermöglichen sie kontrollierte Autonomie.
Vielleicht lautet die entscheidende Frage deshalb gar nicht, ob wir in Zukunft noch Prozessmanagement benötigen.
Die interessantere Frage ist:
Welches Prozessmanagement brauchen wir, wenn Maschinen immer selbstständiger handeln und entscheiden können?
KI und Prozessmanagement bei PEAK
Genau solche Fragen möchten wir bei PEAK – Process Excellence and Knowledge gemeinsam mit Praktikerinnen und Praktikern diskutieren. Wie verändern KI-Agenten unsere Prozesse? Wo ist klassische Prozessautomatisierung weiterhin überlegen? Wie gestalten wir sinnvolle Guardrails? Und welche neuen Rollen entstehen im Prozessmanagement?
Unser Ziel ist nicht, jeder neuen Technologie hinterherzulaufen. Wir möchten verstehen, wo KI echten Mehrwert für Prozesse schafft und wie Unternehmen diesen verantwortungsvoll nutzen können.
Wer sich für KI im Prozessmanagement, Prozessautomatisierung, KI-Agenten, Agentic AI und die Zukunft von BPM interessiert, findet bei PEAK weitere Beiträge, Veranstaltungen und Möglichkeiten zum Erfahrungsaustausch.
PEAK kennenlernen: https://www.peak-process.org/
Mitglied werden: https://www.peak-process.org/mitgliedschaft
Kommentare