KI-Workflow

Was ist ein KI-Workflow?

Ein KI-Workflow ist ein festgelegter Ablauf aus mehreren Schritten, in dem mindestens ein Schritt von einem KI-Modell ausgeführt wird, etwa das Lesen, Klassifizieren, Zusammenfassen oder Formulieren von Inhalten. Er beschreibt konkret, welcher Auslöser ihn startet, welche Schritte in welcher Reihenfolge folgen und wohin das Ergebnis geht.

Der Begriff wird oft mit KI-Automatisierung gleichgesetzt, meint aber etwas Engeres. KI-Automatisierung ist der Oberbegriff und die Strategie: die Entscheidung eines Unternehmens, Prozesse mit KI zu automatisieren, die Auswahl der Werkzeuge, die Regeln dafür. Ein KI-Workflow ist das konkrete Ergebnis dieser Strategie, ein einzelner Ablauf, den man aufzeichnen, testen und betreiben kann. Wer von “unserem Workflow für Reklamationen” spricht, meint einen KI-Workflow. Wer von “unserer Automatisierungsstrategie” spricht, meint KI-Automatisierung.

Ein KI-Workflow ist deterministisch in seiner Struktur. Die Schritte stehen fest, die Reihenfolge steht fest, nur der Inhalt einzelner Schritte wird vom Modell erzeugt. Das unterscheidet ihn vom KI-Agenten, der seinen Weg selbst wählt. Für Unternehmen bedeutet das: Ein Workflow ist leichter zu verstehen, zu prüfen und zu erklären, auch gegenüber Betriebsrat oder Datenschutzbeauftragtem.

Aufbau eines KI-Workflows in fünf Schritten

Jeder KI-Workflow lässt sich in fünf Elemente zerlegen. Das erste ist der Auslöser: ein Ereignis, das den Ablauf startet, beispielsweise eine neue E-Mail, ein hochgeladenes Dokument, ein ausgefülltes Formular oder ein täglicher Zeitpunkt.

Das zweite ist die Vorbereitung. Hier werden die Daten so aufbereitet, dass das Modell sie verarbeiten kann: Text aus einem PDF extrahieren, Anhänge trennen, Kundendaten aus dem CRM dazuladen. Dieser Schritt ist unspektakulär, entscheidet aber über die Qualität des Ergebnisses.

Das dritte Element ist der KI-Schritt. Das Modell erhält einen Prompt, der aus festen Anweisungen und den vorbereiteten Daten besteht, und liefert ein Ergebnis in einem definierten Format, meist strukturiertes JSON mit festen Feldern. Ein Workflow kann mehrere KI-Schritte enthalten, etwa erst Klassifizieren, dann Zusammenfassen, dann Antworten formulieren.

Das vierte Element ist die Prüfung. Abhängig vom Ergebnis verzweigt der Workflow: Eindeutige Fälle laufen weiter, unsichere oder heikle Fälle gehen an einen Menschen. Dafür lässt sich das Modell bitten, seine Sicherheit einzuschätzen, und alles unter einer Schwelle wird zur manuellen Prüfung geleitet.

Das fünfte Element ist die Ausgabe: Das Ergebnis wird in ein Zielsystem geschrieben, als Nachricht versendet oder als Aufgabe angelegt. Damit ist ein Durchlauf abgeschlossen.

Werkzeuge für KI-Workflows

Der verbreitetste Weg, KI-Workflows zu bauen, sind Automatisierungsplattformen wie n8n, Make oder Zapier. Sie bieten die Auslöser, die Verbindungen zu Anwendungen und fertige Bausteine für KI-Modelle. n8n ist im Mittelstand beliebt, weil es sich selbst hosten lässt und eigenen Code erlaubt.

Alternativ lassen sich Workflows direkt in Code schreiben, mit der Claude API und einer Programmiersprache. Das ist flexibler, verlangt aber Entwicklungskapazität und ist für Fachabteilungen weniger nachvollziehbar. Ein Mittelweg sind Werkzeuge wie Claude Code, die beim Schreiben solcher Skripte helfen.

Unabhängig vom Werkzeug gilt: Der Prompt im KI-Schritt ist der wichtigste Bestandteil. Er sollte Rolle, Aufgabe, Ausgabeformat, Beispiele und Regeln für Unsicherheit enthalten. Ein Prompt, der bei Testfällen gut funktioniert, liefert im Betrieb erfahrungsgemäß verlässliche Ergebnisse. Ein Prompt, der nie getestet wurde, produziert Überraschungen.

Praxisbeispiel aus dem Unternehmensalltag

Ein Fachhändler für Laborbedarf mit 30 Mitarbeitenden erhält täglich Anfragen zu Angeboten, meist als formlose E-Mail mit einer Liste gewünschter Artikel, teils mit Artikelnummer, teils nur mit Beschreibung. Der Innendienst hat diese Anfragen bisher per Hand in das Warenwirtschaftssystem übertragen und Angebote erstellt.

Der neue KI-Workflow startet bei jeder E-Mail an die Angebotsadresse. n8n extrahiert den Text und eventuelle Anhänge. Claude erhält den Inhalt zusammen mit einem Auszug des Artikelkatalogs und gibt eine strukturierte Liste zurück: erkannte Artikel mit Artikelnummer, Menge, Sicherheit der Zuordnung und offene Fragen. Positionen mit hoher Sicherheit werden direkt als Angebotsentwurf angelegt, unsichere werden markiert.

Der Innendienstmitarbeiter öffnet den Entwurf, klärt die markierten Positionen, ergänzt Preise nach Kundenstaffel und versendet. Der Zeitaufwand pro Angebot ist spürbar gesunken, und die Fehlerquote bei Artikelnummern ist niedriger als bei der manuellen Übertragung, weil das Modell den Katalog vollständig vor sich hat.

Bedeutung für kleine und mittelständische Unternehmen

Für KMU ist der KI-Workflow die richtige Einheit, um mit KI-Automatisierung zu beginnen. Er ist überschaubar, hat einen klaren Anfang und ein klares Ende, und sein Nutzen lässt sich nach wenigen Wochen beurteilen. Statt ein großes Projekt zu planen, empfiehlt es sich, einen Workflow auszuwählen, ihn sorgfältig zu bauen, zu messen und dann den nächsten anzugehen.

Die Voraussetzung ist eine saubere Prozessbeschreibung. Wer einen Workflow bauen möchte, muss den heutigen Ablauf Schritt für Schritt aufschreiben, mit allen Ausnahmen. Erfahrungsgemäß stellt sich dabei heraus, dass mehrere Mitarbeitende denselben Prozess unterschiedlich handhaben. Diese Klärung ist Teil unserer Beratung zu Claude und n8n. Einen Überblick über sinnvolle Einstiegsprozesse gibt die Seite Claude Automatisierung, konkrete Beispiele der Artikel Claude und n8n: Prozesse mit KI automatisieren.

Vorteile und Grenzen

KI-Workflows sind nachvollziehbar, testbar und in überschaubarer Zeit umsetzbar. Sie lassen sich schrittweise erweitern und bleiben auch für Nichttechniker verständlich, weil jeder Schritt sichtbar ist.

Ihre Grenze ist die Starrheit. Ein Workflow kann nur mit den Fällen umgehen, für die er gebaut wurde. Kommt ein neuer Fall, muss der Workflow angepasst werden. Außerdem bleibt das Risiko einer Halluzination im KI-Schritt bestehen: Das Modell kann Artikelnummern erfinden oder Inhalte falsch deuten. Die Verzweigung zur manuellen Prüfung und regelmäßige Stichproben sind deshalb kein Beiwerk, sondern Bestandteil jedes verantwortungsvoll gebauten Workflows.