Prozessautomatisierung · Mittelstand · DACH

Geschäftsprozesse mit KI transformieren: erst Datenqualität, dann automatisieren

Die meisten Automatisierungsprojekte im Mittelstand scheitern nicht am Werkzeug. Sie scheitern daran, dass niemand belegen kann, welcher Prozessschritt tatsächlich Zeit kostet und der teuerste Schritt selten der ist, den man vermutet.

Wir drehen die Reihenfolge um: erst die Prozessdaten sichtbar machen, dann entscheiden, was sich automatisieren lässt und was sich rechnet. Der Einstieg ist ein kostenfreier 90-Minuten-Kurs, in dem wir genau diese Reihenfolge an echten Unternehmensdaten durchgehen.

  • Microsoft Solutions Partner Data & AI
  • Seit 2014 im DACH-Mittelstand
  • Local-First & DSGVO-konform
  • Senior-Berater statt Junior-Pyramide

Definition

Prozessautomatisierung bezeichnet die Übernahme wiederkehrender, regelbasierter Arbeitsschritte durch Software. Im Mittelstand beginnt sie nicht mit dem Werkzeug, sondern mit Prozessdaten: Häufigkeit, Durchlaufzeit, Fehlerquote und Kosten je Schritt. Erst diese Kennzahlen zeigen, welcher Schritt sich automatisieren lohnt — und welcher zuerst standardisiert werden muss.

01 · Woran es hakt

Warum Automatisierungsprojekte im Mittelstand stecken bleiben

Nicht an der Technik. An drei Stellen davor: Der Prozess ist nicht gemessen, also automatisiert man den falschen Schritt. Der Prozess läuft in jeder Abteilung anders, also automatisiert man vier Varianten statt einer. Und niemand hat definiert, woran man den Erfolg erkennt, also lässt sich nach neun Monaten nicht sagen, ob sich etwas geändert hat.

Satz 1 im Projektstart

„Wir wollten sowieso mal was mit Automatisierung machen.“

Ohne definierten Prozess wird daraus ein Pilotprojekt, das nach vier Monaten einschläft.

Satz 2 im Projektstart

„Das rechnet sich bestimmt.“

Ein Prozess, der zwölfmal im Jahr läuft, rechnet sich nicht. Einer, der zwölfmal am Tag läuft, fast immer. Der Unterschied ist eine Zahl, keine Einschätzung.

Prozess ungemessen — falscher Schritt automatisiert

Vier Varianten desselben Prozesses — vierfache Pflege

Kein Vorher-Wert — kein belegbarer Nutzen

Festgefahrenes Automatisierungsprojekt — Diskussion ohne Prozessdaten im Meeting

> 80 %

der KI-Projekte scheitern

Mehr als 80 % aller Unternehmen scheitern an der Einführung von KI für ihre Prozesse — fast immer, weil mit Stufe 3 begonnen wird, bevor Stufe 1 und 2 stehen.

Dazu kommt: Wer KI im Betrieb einsetzen möchte, muss seit diesem Sommer neue Regeln beachten — die KI-Kompetenzpflicht nach Artikel 4 EU AI Act wird seit dem 2. August 2026 behördlich überwacht. Auch das deckt der kostenfreie Kurs ab.

02 · Aus eigener Erfahrung

Wir haben unsere eigene Beratung mit KI automatisiert — und wären dabei fast gescheitert

Seit 2024 stellen wir unser eigenes Beratungsgeschäft auf KI-Agenten um: erst das semantische Datenmodell, dann die Automatisierung. Heute laufen 22 % unserer Projektstunden über unseren eigenen Agenten ABIS — den Anteil veröffentlichen wir jeden Monat. Der Weg dorthin war keine gerade Linie. Genau deshalb erzählen wir ihn.

Drei Momente, in denen es fast schiefging

Moment 01

Die KI war selbstbewusst falsch

In einem Migrationsprojekt für einen großen europäischen Versicherer lieferte die KI eine Mapping-Tabelle, die perfekt aussah. Drei Stichproben stimmten — in der vierten war ein Code doppelt zugeordnet, in der fünften fehlte eine ganze Variablengruppe. Was die KI nicht im Kontext sah, existierte für sie nicht.

Konsequenz: Vorlage-First statt KI-First. Erst definieren Menschen Schema und Regeln an 10–20 Beispielen, dann übernimmt die KI die restlichen Hunderte.

Moment 02

Stundenlanges Troubleshooting im KI-Chat

Unsere Berater verbrachten Stunden mit Testen und Datenqualitätssicherung — und erklärten dem Agenten in jedem neuen Chat dieselben Regeln, Namenskonventionen und Modellstände von vorn. Der Verlauf war nach jedem Thread weg. Die Tokenkosten für dieses Wiederholen haben den Zeitgewinn wieder aufgefressen.

Konsequenz: Kontext gehört in eine Wissensdatenbank, nicht in den Chatverlauf. Seitdem liegen Regeln, Datenmodell und Projektstand versioniert im Workspace — der Agent startet informiert statt bei null.

Moment 03

Beschleunigte technische Schulden

Eine KI, die 20 Kennzahlen in 30 Minuten schreibt und die Hälfte mit inkonsistenten Namen ausstattet, ist kein Produktivitätsgewinn. Ohne Prüfschritt wäre der Fehler produktiv gegangen und Monate später teuer aufgefallen.

Konsequenz: Versionierung und automatische Regel-Checks sind Pflicht, bevor ein Agent arbeitet — nicht danach.

Die teuerste Abkürzung ist, mit KI anzufangen, bevor die Zahlen stimmen. Wir haben das selbst erlebt — deshalb beginnt unser Weg mit Kompetenz und Datenbasis, nicht mit dem Werkzeug.
David Chang · Gründer & Datenarchitekt, DBI Analytics
Portrait David Chang

Was am Ende dabei herauskam

Kapazität pro Berater

KI-Agenten übernehmen die reproduzierbaren Analyse- und Dokumentationsschritte — ein Senior-Berater betreut heute das Dreifache an Projekten.

42 %

weniger Gesamtaufwand

In einem modelllastigen Referenzprojekt: 280 von 480 Stunden eingespart. Ehrlich gerechnet über das ganze Projekt, nicht über den schnellsten Einzelschritt.

22 %

der Projektstunden per Agent

So viel unserer Projektarbeit läuft heute über ABIS — Local-First, monatlich veröffentlicht im Agent Workload Dashboard.

Quelle: interne Projektauswertung DBI Analytics, laufend aktualisiertRechenweg im Erstgespräch ansehen

Wer Faktor 10 fürs ganze Projekt verspricht, verkauft Folien. Workshop-lastige Projekte beschleunigt KI um Faktor 1,3 bis 1,5 — modelllastige deutlich mehr. Welcher Fall Ihrer ist, zeigt die Messung.

Referenzkunden

Unternehmen, die wir bei der Transformation begleiten

Energie, Pharma, Logistik und Versicherung — die Beispiele auf dieser Seite kommen aus Projekten im DACH-Raum.

E.ON – Energie | Referenzkunde DBI Analytics seit 2014
BASF – Chemie | Referenzkunde DBI Analytics seit 2023
GLS – Logistik | Referenzkunde DBI Analytics seit 2023
Siemens Energy – Energie | Referenzkunde DBI Analytics seit 2024
Takeda – Pharma | Referenzkunde DBI Analytics seit 2025
AXA – Versicherung | Referenzkunde DBI Analytics seit 2023
Jettainer – Luftfahrt | Referenzkunde DBI Analytics seit 2024
Versicherungskammer Bayern – Versicherung | Referenzkunde DBI Analytics seit 2023
Seven.One Entertainment Group – Medien | Referenzkunde DBI Analytics
MDR – Öffentlich-Rechtlicher Rundfunk | Referenzkunde DBI Analytics
PFALZWERKE GRUPPE – Energie | Referenzkunde DBI Analytics

03 · Die Reihenfolge

In vier Stufen zur Automatisierung, die sich rechnet

Stufe 1 und 2 sind der Teil, den fast alle überspringen — und der Grund, warum Stufe 3 danach nicht funktioniert.

1Stufe 1 · Pflicht

Sichtbar machen

Wie oft läuft der Prozess, wie lange dauert er, wo bleibt er liegen?

Die Daten dafür liegen fast immer schon vor im ERP, Ticketsystem, Warenwirtschaft, Zeiterfassung oder Maschinensteuerung. Sie sind nur nicht zusammengeführt. Ergebnis dieser Stufe: eine Kennzahl je Prozessschritt statt einer Vermutung.

2Stufe 2 · Pflicht

Standardisieren

Läuft der Prozess in jeder Abteilung gleich?

Wenn nicht, entscheidet sich hier, welche Variante der Standard wird. Diese Entscheidung trifft das Unternehmen, nicht die Software. Sie zu überspringen ist der häufigste und teuerste Fehler.

3Stufe 3

Automatisieren

Welcher Schritt ist regelbasiert genug für eine Maschine?

Erst jetzt die Werkzeugfrage. Regelbasierte Schritte übernimmt klassische Automatisierung (Power Automate, Fabric Data Factory), beurteilende Schritte übernehmen KI-Agenten — oder ein Mensch, wenn beides nicht trägt. Wir beginnen mit dem Schritt mit dem besten Verhältnis aus Häufigkeit und Aufwand, nicht mit dem sichtbarsten.

4Stufe 4

Überwachen

Läuft die Automatisierung noch, und was hat sie gebracht?

Dieselben Kennzahlen aus Stufe 1, nur laufend. Läuft die Automatisierung noch, verarbeitet sie die Ausnahmen richtig, und was hat sie gebracht? Ohne diese Stufe ist der Nutzen eine Behauptung.

Wie Sie Stufe 1 aufsetzen, zeigt unsere Business Intelligence Beratung — oder in kompakter Form der kostenfreie Kurs.

Die Reihenfolge in 90 Minuten durchgehen — kostenfrei

04 · Was sich lohnt

Welche Prozesse sich im Mittelstand zuerst lohnen

Am schnellsten rechnen sich Prozesse, die häufig laufen, klar geregelt sind und heute Handarbeit erfordern. In den meisten Unternehmen sind das drei Bereiche:

Datenprozesse

Daten aus mehreren Systemen zusammenführen, prüfen und aufbereiten. Das ist der Bereich, in dem wir täglich arbeiten: Ein Exportlauf, der monatlich zwei Tage bindet, läuft danach nachts durch — inklusive Prüfregeln, die Fehler melden, statt sie durchzureichen.

Microsoft Fabric Beratung

Berichts- und Freigabeprozesse

Berichte, die jemand manuell zusammenstellt, versendet und nachhält. Automatisiert heißt hier: definierte Empfänger, definierter Zeitpunkt, Schwellenwert-Alarme statt Rundmails — und eine nachvollziehbare Freigabespur.

Power BI Implementierung

Beurteilende Schritte

Wiederkehrende Analyse- und Klassifizierungsschritte, für die es bisher eine erfahrene Person brauchte: Auffälligkeiten kommentieren, Vorgänge kategorisieren, Ursachen vorsortieren. Hier arbeiten KI-Agenten — bei uns Local-First, also auf Infrastruktur, die Sie kontrollieren.

Managed Agentic BI
KI-Agent übernimmt beurteilende Analyse-Schritte im Unternehmen — Mensch und Agent teilen sich den Aufwand

Klarstellung

Was wir nicht machen: Anlagen- und Steuerungstechnik. Wenn Ihr Vorhaben dort liegt, sagen wir das im Erstgespräch, statt einen Umweg zu verkaufen.

05 · Produktion

Automatisierung in der Produktion: erst die Zahlen, dann die Anlage

In der Fertigung liegen die Prozessdaten bereits vor — in Maschinensteuerung, MES, ERP und Instandhaltungssystem — nur eben getrennt. Werden sie zusammengeführt, entstehen laufend berechnete Kennzahlen: OEE, Ausschussquote, Rüst- und Stillstandzeiten je Linie und Schicht. Damit wird belegbar, welcher Schritt tatsächlich Kapazität kostet.

Das ist der Teil, den wir übernehmen: die Datenstrecke und die Auswertung. Für Anlagen-, Steuerungs- und Robotertechnik arbeiten Sie mit Ihrem Integrator — der von belastbaren Zahlen deutlich mehr hat als von einer Schätzung.

OEE je LinieAusschussquoteRüst- und Stillstandzeiten
Automatisierte Auswertung von Produktionsdaten — laufend berechnete Kennzahlen statt manuell zusammengetragener Berichte

06 · Belege aus Projekten

Drei Prozesse, die heute ohne Handarbeit laufen

Kein Pilotprojekt, keine Absichtserklärung: drei Vorhaben aus dem DACH-Raum, in denen genau die Reihenfolge von oben angewendet wurde — erst messen, dann automatisieren.

Stromspeicherhersteller · Sachsen

Monatsabschluss ohne Copy-Paste

Herausforderung

Controller verbrachten bis zu 40 % ihrer Arbeitszeit damit, Zahlen aus verschachtelten Excel-Dateien zusammenzukopieren und abzugleichen. Jeder Monatsabschluss begann von vorn.

Lösung

Datenquellen und Berechnungslogik in eine Cloud-Datenbank überführt, Beladung über automatisierte Dataflows, Power BI als zentrales Controlling-Werkzeug — bei laufendem Betrieb.

40 %

weniger Aufwand im Controlling

Mit dem zentralen Datenmodell und den automatisierten Workflows hat sich unser Monatsabschluss massiv beschleunigt. Controller können sich endlich auf die Analyse konzentrieren statt auf das Zusammenkopieren von Daten.
Controlling-Leitung
Stromspeicherhersteller, Sachsen
Ganze Story lesen →

Energietechnik-Konzern · global

R&D-Reporting aus vier Quellsystemen

Herausforderung

Das Finance-Team sollte ein revisionssicheres Projekt-Reporting aufbauen — die Daten lagen verteilt in SAP ECC und Vorsystemen, zusammengeführt wurde von Hand.

Lösung

Zentrales Datamart mit multidimensionalem Modell, ETL-Strecken statt manueller Schnittstellen, Compliance-Checks über ABIS statt Sichtprüfung.

84 %

weniger manueller Aufwand

Mit der umgesetzten Lösung kann auf eine Vielzahl an aktuellen Projektdaten zugegriffen werden. Dies ermöglicht es uns, Daten aus unterschiedlichen Quellsystemen miteinander in Verbindung zu setzen und über diese ein ganzheitliches Projekt-Reporting aufzusetzen.
Leitung Data Governance & Lizenzgeschäft
Globaler Energietechnik-Konzern, Deutschland
Ganze Story lesen →

Pharma · reguliertes Umfeld

Berichte, die niemand mehr abwartet

Herausforderung

Eine heterogene Laborreporting-Landschaft musste konsolidiert werden — bei laufender GxP-Compliance und Ladezeiten von 42 Sekunden je Bericht.

Lösung

Migration auf ein konsolidiertes Modell, Datenqualität und Compliance laufend über ABIS gemessen statt am Projektende geprüft.

22×

schnellere Berichte (42 s → 1,9 s)

Die Zusammenarbeit mit DBI Analytics war außerordentlich professionell. Die 22-fache Performance-Steigerung und die erfolgreiche Projektbeschleunigung übertrafen unsere Erwartungen.
Digital Delivery & Technology Team
Business Intelligence & Data Analytics, Pharma
Ganze Story lesen →
Alle Success Stories ansehen

07 · Der Einstieg

Der günstigste erste Schritt kostet 90 Minuten

Bevor Sie ein Werkzeug auswählen, lohnt sich ein Termin, in dem die Reihenfolge geklärt wird. Genau dafür gibt es unseren kostenfreien 90-Minuten-Kurs „Digitalisierung mit KI“: Grundlagen, die geltenden Regeln (EU AI Act, DSGVO) und ein Praxisteil an echten Unternehmensdaten, in dem wir Prozesskennzahlen live sichtbar machen. Danach zwei Gruppen-Check-ins à 45 Minuten.

Platz im kostenfreien Kurs sichern

Der Kurs kostet nichts und verpflichtet zu nichts. Optional erhalten Sie im Anschluss das Zertifikatspaket mit Schulungsnachweis nach Artikel 4 EU AI Act (80 € pro Person, Abrechnung nach dem Kurs).

Zum kostenlosen Kurs Keine Kreditkarte, keine Vertragsbindung. Die Teilnahme ist kostenfrei; nur das Zertifikatspaket ist optional kostenpflichtig.

Sie wissen schon, welchen Prozess Sie meinen? 30 Minuten Erstgespräch

DBI Analytics Workshop — Prozess-Reihenfolge am Whiteboard klären, bevor automatisiert wird

08 · Ihre Trainer

Wer den Kurs hält — und warum das für Prozessfragen zählt

Den Kurs führen der Gründer von DBI Analytics und ein Governance-Architekt für Agentic AI: Datenarchitektur aus dem Mittelstand und Nachweisfähigkeit für den Boardroom. Beide arbeiten seit Jahren an genau der Frage, welcher Prozessschritt sich messen und danach automatisieren lässt.

David Chang, Gründer von DBI Analytics und Trainer im kostenlosen 90-Minuten-Kurs

David Chang

Gründer & Datenarchitekt, DBI Analytics

Seit 2014 führt David DBI Analytics. Er verbindet Datenarchitektur mit produktiver Automatisierung: erst Prozesskennzahlen aus den Quellsystemen, dann die Entscheidung, welcher Schritt an eine Maschine geht. Im Kurs zeigt er diese Reihenfolge an echten Unternehmensdaten.

Profil von David Chang

Belege

17 Jahre BI- und Datenarchitektur

Gründer von DBI Analytics und ABIS

400+ geschulte Anwender im DACH-Mittelstand

Dr. Dirk Kötting, Governance-Architekt für Agentic AI und Trainer im kostenlosen 90-Minuten-Kurs

Dr. Dirk Kötting

Governance-Architekt für Agentic AI · Keynote Speaker & Autor

Dr. Dirk Kötting hilft Geschäftsführungen, Automatisierung und KI zu skalieren, ohne Kontrolle und Nachweisfähigkeit zu verlieren. 27 Jahre Governance-, IT- und Transformationspraxis — im Kurs der Part zu Verantwortung, EU AI Act und dem, was im Audit zählt.

Profil von Dr. Dirk Kötting

Belege

27 Jahre Governance- und Transformationspraxis

Keynote Speaker und Autor von Agentic Sovereignty

TÜV-zertifizierte KI-Trainer-Expertise

09 · FAQ

Häufige Fragen zur Prozessautomatisierung

Ihre Frage fehlt? Wir beantworten sie im Erstgespräch — oder direkt im Kurs.

Zum kostenlosen Kurs
Wie automatisiere ich Geschäftsprozesse in einem mittelständischen Unternehmen?

In vier Schritten: Erstens den Prozess messen — Häufigkeit, Durchlaufzeit, Fehlerquote und Kosten je Schritt aus den vorhandenen Systemen zusammenführen. Zweitens den Prozess standardisieren, wenn er in mehreren Varianten läuft. Drittens den Schritt mit dem besten Verhältnis aus Häufigkeit und Aufwand automatisieren. Viertens die Kennzahlen aus Schritt eins laufend weitermessen, um den Effekt zu belegen. Die Werkzeugfrage kommt zuletzt, nicht zuerst.

Welche Prozesse sollte ein Unternehmen zuerst automatisieren?

Prozesse, die drei Bedingungen zugleich erfüllen: Sie laufen häufig, sie sind klar geregelt, und sie kosten heute messbar Zeit. In den meisten Unternehmen sind das Datenaufbereitung, Berichtserstellung und -verteilung sowie wiederkehrende Prüf- und Freigabeschritte. Prozesse, die selten laufen oder in jeder Abteilung anders, gehören ans Ende der Liste — dort ist der Pflegeaufwand höher als die Ersparnis.

Welche Programme brauchen Unternehmen zur Prozessautomatisierung?

Meist weniger als erwartet. Für Datenprozesse genügt in Microsoft-Umgebungen häufig das, was bereits lizenziert ist: Power Automate für Workflows, Fabric Data Factory für Datenstrecken, Power BI für die Kennzahlen. Zusätzliche Werkzeuge lohnen sich erst, wenn ein konkreter Prozess benannt, gemessen und standardisiert ist. Wer die Software vor dem Anwendungsfall auswählt, zahlt Lizenzen für einen Prozess, der noch nicht entschieden ist.

Was kostet Prozessautomatisierung im Mittelstand?

Der Einstieg ist bei uns kostenfrei: der 90-Minuten-Kurs und ein 30-minütiges Erstgespräch kosten nichts. Umsetzungsprojekte rechnen wir nach Aufwand ab; Tagessätze liegen je nach Rolle zwischen 640 € und 2.500 €, Beratungspakete beginnen bei 6.400 €. Ein belastbarer Kostenrahmen entsteht erst, wenn der Prozess gemessen ist — vorher ist jede Zahl ein Risikoaufschlag auf Unwissen.

Wie lange dauert es, bis sich eine Automatisierung rechnet?

Das hängt fast vollständig an der Häufigkeit. Ein Prozess, der täglich eine Stunde Handarbeit bindet, amortisiert einen Umsetzungsaufwand von wenigen Tagen in der Regel innerhalb eines Quartals. Ein monatlicher Prozess braucht ein Vielfaches davon. Genau deshalb steht die Messung am Anfang: Sie liefert die Zahl, mit der sich diese Frage vorher beantworten lässt statt nachher.

Brauche ich dafür KI?

Nicht für den größeren Teil. Regelbasierte Schritte — wenn X, dann Y — automatisiert klassische Workflow-Technik zuverlässiger, günstiger und nachvollziehbarer als ein Sprachmodell. KI-Agenten lohnen sich bei Schritten, die eine Beurteilung erfordern: Auffälligkeiten kommentieren, Vorgänge einordnen, Ursachen vorsortieren. Wer beides vermischt, zahlt für Komplexität, die der Prozess nicht braucht.

Was ist mit Datenschutz und EU AI Act?

Für regelbasierte Automatisierung gelten die üblichen DSGVO-Anforderungen. Sobald KI-Systeme im Einsatz sind, greift zusätzlich Artikel 4 EU AI Act: Unternehmen müssen ausreichende KI-Kompetenz ihrer Mitarbeitenden sicherstellen — die Pflicht gilt seit dem 2. Februar 2025 größenunabhängig, seit dem 2. August 2026 wird sie behördlich überwacht. Unsere Agenten arbeiten Local-First, also auf Infrastruktur, die Sie kontrollieren.

Automatisieren Sie auch Maschinen und Anlagen?

Nein. Steuerungs-, Anlagen- und Robotertechnik gehört zu Ihrem Integrator. Wir übernehmen die Datenseite: Maschinen-, MES- und ERP-Daten zusammenführen, Produktionskennzahlen wie OEE, Ausschuss und Stillstandzeiten laufend berechnen und automatisiert ausliefern.

Fangen Sie mit der Frage an, nicht mit der Software

90 Minuten, an echten Unternehmensdaten, mit der Reihenfolge, die wir selbst gelernt haben.

Kostenfrei, unverbindlich, ohne Folgeverpflichtung.