Geschäftsprozesse mit lokaler KI automatisieren: spart nicht Geld, sondern Ihre besten Leute

2026-06-24 · Sintaris · ai, automation, rag, hybrid-rag, local-llm, smb, audit

TL;DR. Automatisierung spart nicht primär Geld, sondern Kapazität: Sie nimmt dem Team die Routine ab und gibt die besten Leute für die eigentliche Arbeit frei. Damit KI das verlässlich kann, braucht es Hybrid-RAG (nachschlagen statt raten), lokale Daten und ein Audit von Leuten, die das Ergebnis auch bauen.

Wann haben Sie zuletzt einen ganz normalen Arbeitstag in Ihrer Firma durchgerechnet? Tun wir es kurz gemeinsam. Ein Sachbearbeiter beantwortet am Tag vielleicht 30 immer gleiche Anfragen: Lieferstatus, Preis, „wo liegt Dokument X". Übers Jahr sind das rund 7.000 Vorgänge, die alle gleich aussehen — und keinen einzigen davon macht ihn klüger. Das ist nicht der Mensch, den Sie eingestellt haben. Das ist der Mensch, dessen Potenzial Sie verschwenden.

Wenn vom Fachkräftemangel die Rede ist, meint man meistens den Markt: gute Leute sind schwer zu finden, Spezialisten teuer, Stellen monatelang offen. Aber es gibt noch einen zweiten Grund, über den deutlich seltener gesprochen wird.

Leute fehlen auch deshalb, weil die, die schon da sind, unter Arbeit begraben werden, die längst eine Maschine erledigen könnte.

Oft hört man aus dem Lager oder der Buchhaltung: „Das mach ich seit Jahren jeden Freitag von Hand, ich dachte, das gehört so." Die Geschäftsführung sitzt daneben und hört es zum ersten Mal. Genau da beginnt Automatisierung in Wirklichkeit — nicht beim Werkzeug, sondern bei so einem Satz.

Erst die Einsparung, dann die Technik

Automatisierung ist kein Projekt mit Enddatum, das einmal Geld kostet und dann abgehakt wird. Sie ist eher ein Posten, der jeden Monat etwas zurückgibt, weil ein einmal sauber gebauter Prozess seine Arbeit ohne Kosten pro Vorgang verrichtet — ob 100 oder 10.000 Anfragen hereinkommen. Sie wachsen, ohne bei jedem Schritt eine neue Stelle aufzumachen.

Die ersten Effekte sieht man meist in zwei bis sechs Wochen. Amortisiert hat sich das in Monaten. Das ist keine Vision für die Hochglanzbroschüre, das ist schlicht die Mechanik dahinter.

Der größere Gewinn steht ohnehin in einer anderen Zeile der Bilanz — einer, die keine Buchhaltung erfasst. Wenn die 7.000 Routinevorgänge verschwinden, bekommen Sie keinen Roboter, Sie bekommen einen Menschen zurück. Einen, der jetzt Zeit hat für Angebote, für schwierige Kunden, für ein neues Geschäftsfeld. Die Routine wandert zur Maschine, der Kopf und die kreative Energie zur eigentlichen Arbeit.

Wo KI hingehört — und wo nicht

KI muss nicht immer den ganzen Mitarbeiter ersetzen. Im echten Geschäft ersetzt sie vor allem die Wiederholung. Sie liest die Anfrage, sucht die Antwort im Firmenwissen, formuliert sie, reicht sie weiter. Rund um die Uhr, ohne Mittagspause, ohne Krankmeldung. Aber damit man KI wirklich in einen Ablauf einbauen kann, muss eine Bedingung erfüllt sein: Sie darf nicht raten.

Ein Modell, das frei drauflosformuliert, kann sehr souverän klingen. Manchmal wirkt es sogar überzeugend. Nur liegt es im einen Fall bloß bei den Öffnungszeiten daneben — und im anderen bei einer Vertragsfrage, einer Berechnung, einer technischen Norm oder einer Sicherheitsvorschrift.

Für ein Unternehmen ist das keine Kleinigkeit mehr. Das ist ein Risiko.

Eine KI, die rät, dürfen Sie nicht gedankenlos in den Prozess stellen. Eine, die sich mit der Quelle abgleicht, schon.

Hybrid-RAG: nachschlagen statt erfinden

Das Verfahren heißt RAG. Bevor die KI antwortet, durchsucht sie Ihre eigenen Dokumente und stützt sich nur auf das, was dort tatsächlich steht — mit Verweis auf die Fundstelle. „Hybrid" heißt bei uns nicht „nur Vektorsuche". Wir kombinieren mehrere Verfahren und gewichten sie: exakte Stichwortsuche für alles, was buchstäblich stimmen muss (Artikelnummer, Paragraf, Norm-Kennung), Vektorsuche für die sinngemäßen Treffer, eine Fusion beider Ergebnislisten und einen Reranker, der die relevanteste Stelle nach oben holt. Und noch davor entscheidet ein Klassifikator, welche Strategie zur Frage passt — eine knallharte Faktfrage wird anders behandelt als eine offene.

Was dabei gern übersehen wird: Dasselbe Verfahren taugt nicht nur fürs brave Frage-und-Antwort, sondern für deterministische Automatisierung. Gleiche Eingabe, gleiche Datenlage, gleiche Entscheidung — jedes Mal, nachvollziehbar. So wird das Modell zu einem Baustein, dem man einen Vorgang anvertrauen kann: eine Reklamation einordnen, ein Dokument gegen die interne Richtlinie prüfen, eine Anfrage nach festen Regeln weiterleiten. Fehlt die Grundlage im Firmenwissen, sagt das System „weiß ich nicht" und übergibt an einen Menschen. Es erfindet nichts.

Wo RAG wirklich den Unterschied macht — und warum ein eigenes Modell oft nichts bringt

RAG spielt seine Stärke genau bei den Daten aus, mit denen Unternehmen jeden Tag arbeiten.

Und hier kommt der teure Irrtum: „Dann trainieren wir eben unser eigenes Modell auf unsere Daten." In den allermeisten Fällen bringt das keinen Vorteil, sondern handelt man sich Nachteile ein.

Kurz: Das eigene Modell entscheidet am Ende vor allem die Frage, welches LLM Sie nutzen — und das ist austauschbar und lokal betreibbar. Den geschäftlichen Wert liefert die Schicht darüber: die Wissensbasis mit Quellenbezug, Aktualität und Rechtekontrolle. Genau die bauen wir.

Die Kombination, auf die es ankommt

Keiner dieser Bausteine trägt für sich allein. Der Wert entsteht erst aus dem Zusammenspiel von drei Dingen.

Lokale Daten. Ihre Dokumente werden zur geprüften Wissensquelle, ohne je das Haus zu verlassen. Das Modell kann komplett bei Ihnen laufen — eigener Server, private Cloud oder ein kleines Gerät im Büro. Brauchen Sie die Wucht eines großen Cloud-Modells, schalten Sie es hinzu. Ihre Wahl, jederzeit umstellbar, ohne sich an einen Anbieter zu ketten.

Automatisierung. Kanäle und Abläufe werden so verbunden, dass nichts mehr liegen bleibt und niemand mehr Vorgänge von Hand durch die Gegend schiebt.

Hybrid-RAG. Die verlässliche, belegbare Entscheidungslogik, die das Ganze überhaupt geschäftstauglich macht.

Zusammen ergibt das eine Automatisierung, die spart und im selben Atemzug sicher ist: Daten im Haus, Zugriffsrechte und Protokoll inklusive, DSGVO-konform mit Blick auf BfDI und BSI in Deutschland und den Informacijski pooblaščenec sowie AJPES in Slowenien. Und sie macht Prozesse automatisierbar, die es vorher nicht waren, weil ihnen die verlässliche Grundlage fehlte.

Warum ein Audit in die Hände von Leuten gehört, die das Ergebnis auch bauen

Ein Audit von Prozessen und Daten ist nur so viel wert wie die Leute, die es machen. Wer den Ist-Zustand aufnimmt, muss das Ergebnis auch bauen können. Sonst entsteht eine schöne Präsentation und ein Plan, der beim ersten Kontakt mit der Realität in sich zusammenfällt.

Dafür müssen drei Kompetenzen zusammenkommen.

Am Markt fehlt fast immer eine dieser drei. Die einen malen Folien und reichen das Bauen weiter — können also nicht umsetzen. Die anderen verpacken eine fremde Cloud-API und haben keine Kontrolle über die Technologie: Ihre Daten liegen wieder beim großen Anbieter, das Modell ist nicht wechselbar, und ändert sich dort Preis oder Schnittstelle, sitzen Sie fest.

Wer die Engine dagegen selbst beherrscht, kann drei Dinge zusichern, die sonst niemand belegt. Es läuft wirklich lokal, weil jede Komponente austauschbar ist: Modell, Vektorspeicher, Embedder. Qualität wird gemessen statt behauptet — die Suche wird gegen eine einfache Referenz getestet, und was schlechter abschneidet, kommt nicht durch. Und Sie bleiben unabhängig: Fällt ein Anbieter aus oder dreht an der Preisschraube, schaltet man um, ohne dass Ihr Betrieb ins Stocken gerät.

Was am Ende übrig bleibt

Die Betriebskosten? Mit lokalen Modellen planbar und niedrig. Im guten Fall ein paar Dutzend Euro im Monat statt einer Cloud-Rechnung, die niemand seriös vorhersagen kann. Aber das ist, ehrlich gesagt, nicht der Punkt, der zählt.

Der Punkt ist: Sie holen sich Kapazität zurück, ohne jemanden einzustellen. Das Team, das eben noch das Tagesgeschäft mit Mühe stemmte, bekommt auf einmal Luft und Zeit für die Arbeit, mit der Sie tatsächlich Geld verdienen. Aus einem zähen Engpass wird Spielraum.

Ein offenes Wort gehört trotzdem dazu, auch wenn es gegen das eigene Interesse klingt: Nicht alles braucht KI. Oft ist eine schlichte Integration billiger und robuster als jedes Modell. Wir haben mehr als einem Kunden gesagt, dass er an dieser Stelle keine KI braucht. Das klingt, als würden wir uns das eigene Geschäft kaputtreden — und genau das ist der Grund, warum dieselben Leute uns weiterempfehlen.

Es beginnt mit einem Audit

Kein seriöses Automatisierungskonzept fällt vom Himmel, und keines lässt sich pauschal über den Daumen beziffern. Davor steht die Analyse: Prozesse, Abläufe und Daten werden aufgenommen und durchleuchtet. Wo geht Zeit verloren, wo Anfragen, wo Daten? Welche Schritte hängen voneinander ab? In welchem Zustand sind die Dokumente, auf denen die Wissensbasis aufsetzen soll? Welche Routine nimmt man dem Team zuerst ab, und wo lohnt sich KI wirklich — und wo eben nicht?

Erst aus dieser Bestandsaufnahme entsteht ein belastbares Konzept: ein konkreter Automatisierungsplan mit priorisierten Szenarien, einer realistischen Einschätzung des Nutzens und einer Kostenschätzung, die diesen Namen verdient. Wie aufwendig und tief ein Audit sein muss, ist immer individuell — es hängt von Ihren Prozessen, Ihrer Datenlage und Ihren Zielen ab. Pauschalzahlen wären unseriös.

Genau deshalb ist der erste Schritt kein Werkzeug, sondern ein Audit Ihrer Geschäftsprozesse. Er macht die Entscheidung überhaupt erst bewertbar: Nutzen gegen Kosten, schwarz auf weiß.

Wenn Sie wissen wollen, welche Last Sie Ihrem Team abnehmen können und welches Geschäftsfeld dadurch frei wird — lassen Sie uns mit dem Audit anfangen.