Automatisierung oder Skill? Ein Vorgehensmodell für mehr Struktur im KI-Einsatz
- Bernhard Metzger
- vor 2 Tagen
- 26 Min. Lesezeit
Wie Unternehmen der Bau- und Immobilienwirtschaft geeignete Aufgaben erkennen, die richtige Lösungsebene bestimmen und eine belastbare Umsetzungsroadmap entwickeln
Kennen Sie unsere Mediathek?
👉 Hier gehts zum PODCAST #559 Automatisierung oder KI Agent?
Vom KI-Experiment zur strukturierten Aufgabenarchitektur
Künstliche Intelligenz ist in vielen Unternehmen der Bau- und Immobilienwirtschaft im Arbeitsalltag angekommen. Projektverantwortliche analysieren Dokumente mit ChatGPT oder Claude. Planungsbüros erstellen Zusammenfassungen, prüfen Texte und bereiten Besprechungen vor. Bauunternehmen testen automatisierte Abläufe für Rechnungen, E-Mails und Projektdokumente. Bestandshalter untersuchen, wie sich technische Daten und Instandhaltungsinformationen effizienter auswerten lassen.
Mit der zunehmenden Nutzung wächst jedoch nicht automatisch die strategische Klarheit. In vielen Organisationen werden KI-Assistenten, Agenten, Skills, Automatisierungen, Konnektoren und Workflows gleichzeitig diskutiert. Die Begriffe werden teilweise vermischt. Technische Funktionen werden mit organisatorischen Zielbildern verwechselt. Aus einzelnen Experimenten entsteht dadurch noch keine durchgängige Vorgehensweise.
In Workshops zeigt sich deshalb immer wieder dieselbe Frage.
Wo sollen wir konkret beginnen und welche Lösung eignet sich für welche Aufgabe?
Zwischen der gelegentlichen Nutzung eines KI-Assistenten und einer strukturierten Automatisierungslandschaft liegt eine erhebliche Lücke. Diese Lücke betrifft nicht allein die Technologie. Sie betrifft die Auswahl geeigneter Aufgaben, die Beschreibung von Prozessen, die Verfügbarkeit von Daten, die Einbindung von Erfahrungswissen und die Gestaltung menschlicher Verantwortung.
Gerade die Bau- und Immobilienwirtschaft benötigt eine differenzierte Betrachtung. Viele Aufgaben treten regelmäßig auf. Gleichzeitig hängen zahlreiche Entscheidungen vom Projektkontext, von Vertragsbedingungen, von Marktkenntnissen und von langjähriger Erfahrung ab.
Eine eingehende Rechnung kann automatisiert erkannt und abgelegt werden. Die Beurteilung, ob die abgerechnete Leistung sachlich und preislich plausibel ist, verlangt dagegen häufig Fachwissen. Ein Vertragsdokument kann automatisch nach Fristen durchsucht werden. Die wirtschaftliche Bedeutung einer einzelnen Klausel lässt sich jedoch nicht immer ohne menschliche Einordnung bewerten.
Deshalb greift die Frage, ob eine Aufgabe automatisiert werden kann, zu kurz. Entscheidend ist, welcher Teil eines Ablaufs regelbasiert bearbeitet werden kann, welcher Teil eine interaktive KI-Unterstützung benötigt und an welcher Stelle der Mensch fachlich verantwortlich bleiben muss.
Ein Skill ist in diesem Zusammenhang keine technisch unterlegene Vorstufe einer Automatisierung. Er bildet eine andere Form der Zusammenarbeit zwischen Mensch und künstlicher Intelligenz ab. Während eine Automatisierung möglichst selbstständig im Hintergrund arbeitet, unterstützt ein Skill den Menschen innerhalb einer konkreten Aufgabe.
Der folgende Beitrag zeigt ein vierstufiges Vorgehensmodell, mit dem Unternehmen Aufgaben systematisch einordnen, zwischen Automatisierung und Skill unterscheiden, geeignete Lösungsmuster bestimmen und ihre Vorhaben nach Mehrwert und Umsetzungsaufwand priorisieren können.
Bildquelle: BuiltSmart Hub - www.built-smart-hub.com
Inhaltsverzeichnis
Warum die Aufgabenanalyse vor der Werkzeugauswahl stehen muss
Welche Aufgaben sich für Automatisierung, KI-Assistenten und Skills eignen
Was einen Skill von einer Automatisierung unterscheidet
Welche Kriterien die Auswahl der richtigen Lösung unterstützen
Warum hybride Lösungen häufig den größten Nutzen erzeugen
Wie Mehrwert und Umsetzungsaufwand realistisch bewertet werden
Wie das Vorgehensmodell im Unternehmen angewendet werden kann
Welche Anwendungsfälle in der Bau- und Immobilienwirtschaft besonders relevant sind
Welche organisatorischen Voraussetzungen geschaffen werden müssen
Fazit und Handlungsempfehlungen für mittelständische Unternehmen
1. Warum die Aufgabenanalyse vor der Werkzeugauswahl stehen muss
Viele KI-Initiativen beginnen mit der Auswahl einer Anwendung. Eine Organisation beschafft Lizenzen für einen KI-Assistenten, testet eine Automatisierungsplattform oder führt ein neues Dokumentenwerkzeug ein. Erst danach wird geprüft, welche Aufgaben damit sinnvoll bearbeitet werden können.
Diese Reihenfolge ist nachvollziehbar, führt aber häufig zu enttäuschenden Ergebnissen. Die Technologie wird zum Ausgangspunkt, obwohl der betriebliche Bedarf noch nicht ausreichend verstanden wurde. Es entstehen einzelne Pilotprojekte, die technisch funktionieren, aber keinen wesentlichen Beitrag zu Qualität, Geschwindigkeit, Kosten oder Risikoreduzierung leisten.
Eine tragfähige Vorgehensweise beginnt deshalb nicht mit der Frage nach dem Werkzeug. Sie beginnt mit den Aufgaben und Prozessen des Unternehmens.
Aufgaben sind die geeignete Analyseeinheit
Unternehmen sprechen häufig über die Automatisierung ganzer Prozesse. In der Praxis bestehen Prozesse jedoch aus sehr unterschiedlichen Tätigkeiten.
Ein monatlicher Projektbericht umfasst beispielsweise die Beschaffung aktueller Daten, die Prüfung ihrer Vollständigkeit, die Berechnung von Kennzahlen, die Interpretation von Abweichungen, die Formulierung von Maßnahmen und die Freigabe durch die Projektleitung.
Diese Tätigkeiten benötigen nicht zwangsläufig dieselbe technische Lösung.
Die Berechnung von Kennzahlen kann vollständig regelbasiert erfolgen. Die Interpretation einer Terminabweichung verlangt möglicherweise Erfahrung und Projektkenntnis. Die Formulierung eines Berichtsentwurfs kann durch einen Skill unterstützt werden. Die Freigabe bleibt bei der verantwortlichen Person.
Wird der gesamte Prozess pauschal als automatisierbar oder nicht automatisierbar betrachtet, geht diese Differenzierung verloren. Sinnvoller ist es, den Prozess in einzelne Aufgaben zu zerlegen und diese separat zu bewerten.
Technologieoffenheit verhindert unnötige Komplexität
Eine aufgabenbezogene Analyse kann auch zu dem Ergebnis führen, dass keine künstliche Intelligenz benötigt wird.
Manche Aufgaben lassen sich mit einer einfachen Regel, einem Formular, einer Schnittstelle oder einer klassischen Automatisierung zuverlässig lösen. Der Einsatz eines Sprachmodells würde in diesen Fällen zusätzliche Komplexität schaffen, ohne einen entsprechenden Mehrwert zu erzeugen.
Andere Aufgaben treten nur einmal auf. Ein anspruchsvoller Einzelfall kann direkt mit einem allgemeinen KI-Assistenten bearbeitet werden. Die Entwicklung eines eigenen Skills wäre wirtschaftlich nicht sinnvoll.
Die eigentliche Entscheidungsfrage entsteht bei wiederkehrenden und zugleich kognitiv anspruchsvollen Aufgaben. In diesem Feld muss geklärt werden, ob ein Skill, eine Automatisierung oder eine Kombination aus beiden Ansätzen geeignet ist.
Ausgangspunkt sind konkrete Belastungen
Geeignete Anwendungsfälle entstehen selten aus abstrakten Technologiediskussionen. Sie entstehen aus konkreten Problemen im Arbeitsalltag.
Dazu gehören lange Bearbeitungszeiten, wiederkehrende Fehler, fehlende Transparenz, Medienbrüche, unklare Zuständigkeiten und eine hohe Abhängigkeit von einzelnen Wissensträgern.
Für eine erste Bestandsaufnahme eignen sich unter anderem folgende Fragestellungen:
Welche Aufgaben binden regelmäßig viel qualifizierte Arbeitszeit?
Welche Informationen werden mehrfach manuell übertragen?
Welche Dokumente müssen wiederholt nach ähnlichen Kriterien geprüft werden?
Wo entstehen häufig Rückfragen und Abstimmungsschleifen?
Welche Tätigkeiten hängen stark vom Wissen einzelner Personen ab?
Welche Prozesse führen regelmäßig zu Verzögerungen oder Qualitätsproblemen?
Diese Fragen lenken die Aufmerksamkeit auf den betrieblichen Handlungsbedarf. Erst anschließend sollte entschieden werden, welche technische Lösung geeignet ist.
Standardisierung kommt vor Automatisierung
Viele vermeintliche KI-Probleme sind in Wirklichkeit Prozessprobleme. Wenn Dokumente uneinheitlich benannt, Verantwortlichkeiten unklar oder Prüfkriterien nicht definiert sind, kann auch eine leistungsfähige KI keine dauerhaft belastbare Lösung schaffen.
Künstliche Intelligenz kann mit Unschärfe umgehen. Sie ersetzt jedoch keine grundlegende Prozessgestaltung.
Eine unklare Organisation wird durch KI nicht automatisch klarer. Im ungünstigsten Fall wird ein unzureichend verstandener Prozess lediglich schneller ausgeführt.
Deshalb sollte jeder Anwendungsfall zunächst fachlich beschrieben werden. Es muss erkennbar sein, wodurch die Aufgabe ausgelöst wird, welche Informationen benötigt werden, welche Entscheidungen getroffen werden und wie ein fachlich korrektes Ergebnis aussieht.
Eine belastbare KI-Strategie beginnt mit der Analyse konkreter Aufgaben. Prozesse sollten in einzelne Tätigkeiten zerlegt werden, weil unterschiedliche Prozessschritte unterschiedliche Formen der Unterstützung benötigen. Diese Vorgehensweise verhindert technologisch getriebene Fehlinvestitionen und schafft die Grundlage für eine wirtschaftlich sinnvolle Entscheidung zwischen Automatisierung, KI-Assistent, Skill und hybrider Lösung.
2. Welche Aufgaben sich für Automatisierung, KI-Assistenten und Skills eignen
Der erste Schritt des Vorgehensmodells besteht darin, Aufgaben anhand von zwei Dimensionen einzuordnen. Die erste Dimension betrifft den kognitiven Anspruch. Die zweite Dimension betrifft die Häufigkeit.
Die Leitfragen lauten:
Benötigt die Aufgabe eine fachliche Bewertung, Interpretation oder echte Denkleistung?
Tritt die Aufgabe regelmäßig auf oder handelt es sich um einen Einzelfall?
Aus diesen beiden Fragen ergeben sich vier grundlegende Aufgabenfelder.
Die folgende Tabelle zeigt die Einordnung und die jeweils naheliegende Bearbeitungsform.
Aufgabenart | Häufigkeit | Kognitiver Anspruch | Geeigneter Ansatz |
Einfache Einzelfälle | gering | gering | direkt bearbeiten |
Einfache Wiederholungen | hoch | gering | klassische Automatisierung |
Anspruchsvolle Einzelfälle | gering | hoch | allgemeiner KI-Assistent |
Anspruchsvolle Wiederholungen | hoch | hoch | Skill, KI-Agent oder hybride Lösung |
Tabelle 1. Grundlegende Einordnung von Aufgaben nach Häufigkeit und kognitivem Anspruch.
Einfache Einzelfälle
Eine einfache Aufgabe, die nur einmal oder sehr selten auftritt, sollte in der Regel direkt erledigt werden. Der Aufbau einer technischen Lösung würde mehr Zeit beanspruchen als die Aufgabe selbst.
Dazu gehören beispielsweise die einmalige Umbenennung weniger Dateien, die Übertragung einzelner Informationen oder die Erstellung einer kleinen Übersicht für einen Sonderfall.
In diesem Bereich ist Zurückhaltung ein Zeichen methodischer Reife. Nicht jede manuelle Tätigkeit rechtfertigt eine Automatisierung.
Einfache und wiederkehrende Aufgaben
Regelbasierte Tätigkeiten, die häufig in vergleichbarer Form auftreten, sind klassische Automatisierungskandidaten.
Dokumente können nach festen Regeln abgelegt werden. Daten lassen sich zwischen Anwendungen übertragen. Erinnerungen können zu definierten Zeitpunkten ausgelöst werden. Rechnungsanhänge können aus E-Mails gespeichert und standardisierte Berichte automatisiert verteilt werden.
Für solche Abläufe ist künstliche Intelligenz häufig nicht erforderlich. Eine klassische Automatisierung ist in vielen Fällen transparenter, günstiger und stabiler.
Die wesentliche Voraussetzung besteht darin, dass Eingaben, Regeln und Ergebnisse eindeutig beschrieben werden können. Sonderfälle müssen entweder selten sein oder gezielt in einen Ausnahmeprozess überführt werden.
Anspruchsvolle Einzelfälle
Kognitiv anspruchsvolle Aufgaben, die nicht regelmäßig auftreten, können mit einem allgemeinen KI-Assistenten bearbeitet werden.
Ein Projektleiter kann einen ungewöhnlichen Sachverhalt analysieren lassen. Eine Geschäftsführung kann eine einmalige Entscheidungsvorlage strukturieren. Ein Planungsbüro kann ein besonderes Leistungsbild vergleichen. Ein Investor kann die Argumentationslinien einer individuellen Standortbewertung überprüfen.
Der KI-Assistent wird situativ eingesetzt. Der Nutzer beschreibt die Aufgabe, stellt Unterlagen bereit, beantwortet Rückfragen und bewertet das Ergebnis.
Eine dauerhafte technische Lösung ist nicht erforderlich, solange sich die Aufgabe nicht in vergleichbarer Form wiederholt.
Anspruchsvolle und wiederkehrende Aufgaben
Das größte strategische Potenzial liegt häufig bei Aufgaben, die regelmäßig auftreten und gleichzeitig eine fachliche Bewertung erfordern.
Dazu gehören die Prüfung von Bauverträgen, die Bewertung von Nachtragsangeboten, die Erstellung von Management-Berichten, die Analyse von Projektrisiken und die Plausibilisierung von Kostenprognosen.
Diese Aufgaben sind für klassische Automatisierungen häufig zu komplex. Gleichzeitig ist die wiederholte manuelle Bearbeitung aufwendig und abhängig von der Erfahrung einzelner Personen.
In diesem Feld kommen Skills, KI-Agenten, KI-gestützte Automatisierungen und hybride Workflows in Betracht.
Warum dieses Aufgabenfeld besonders relevant ist
Anspruchsvolle und wiederkehrende Aufgaben binden regelmäßig qualifizierte Fachkräfte. Dadurch entsteht ein hoher wirtschaftlicher Hebel.
Der Nutzen liegt nicht nur in einer möglichen Zeitersparnis. Er kann sich auch aus einer einheitlicheren Prüfqualität, einer früheren Risikoerkennung, einer besseren Dokumentation und einer geringeren Abhängigkeit von einzelnen Wissensträgern ergeben.
Gleichzeitig besteht die Gefahr, diese Aufgaben vorschnell vollständig zu automatisieren. Der hohe kognitive Anteil deutet darauf hin, dass menschliches Wissen, Rückfragen und Freigaben weiterhin erforderlich sein können.
Die Einordnung nach Häufigkeit und kognitivem Anspruch schafft eine erste belastbare Orientierung. Einfache Einzelfälle werden direkt bearbeitet. Einfache Wiederholungen gehören bevorzugt in klassische Automatisierungen. Anspruchsvolle Einzelfälle können mit allgemeinen KI-Assistenten gelöst werden. Anspruchsvolle und wiederkehrende Aufgaben bilden das wichtigste Feld für Skills, Agenten und hybride KI-Workflows.
3. Was einen Skill von einer Automatisierung unterscheidet
Automatisierungen und Skills können ähnliche Ergebnisse erzeugen. Beide können Dokumente analysieren, Informationen strukturieren, Texte erstellen oder Daten aus Systemen abrufen.
Der entscheidende Unterschied liegt nicht ausschließlich in der technischen Leistungsfähigkeit. Er liegt in der Form der Zusammenarbeit zwischen Mensch und System.
Die Automatisierungsebene arbeitet weitgehend im Hintergrund
Eine Automatisierung wird durch ein definiertes Ereignis ausgelöst. Anschließend führt sie festgelegte oder KI-gestützte Arbeitsschritte aus und erzeugt ein Ergebnis.
Der Mitarbeiter muss den Prozess nicht bei jeder Durchführung aktiv begleiten. Die Lösung arbeitet möglichst unabhängig von einer einzelnen Person.
Typische Merkmale sind ein klarer Auslöser, standardisierte Arbeitsschritte, definierte Eingaben und ein eindeutig beschriebenes Ergebnis.
Ein Beispiel ist die Verarbeitung eingehender Rechnungen. Eine E-Mail mit einem Rechnungsanhang startet den Prozess. Der Anhang wird gespeichert, ausgelesen und dem richtigen Unternehmen zugeordnet. Rechnungsnummer, Datum, Betrag und Lieferant werden erfasst. Fehlende Angaben oder Unstimmigkeiten werden als Ausnahme markiert.
Der Prozess kann KI-Komponenten enthalten. Die Erkennung und Klassifikation des Dokuments kann beispielsweise durch ein Sprachmodell oder ein spezialisiertes Dokumentensystem unterstützt werden.
Trotzdem bleibt der Gesamtablauf eine Automatisierung, weil er nicht von einem fortlaufenden Dialog mit einem Mitarbeiter abhängt.
Die Mitarbeiterebene ist interaktiv
Ein Skill unterstützt eine Person innerhalb einer konkreten Aufgabe. Der Mensch startet den Prozess, stellt Informationen bereit, bewertet Zwischenergebnisse und präzisiert die Anforderungen.
Die Bearbeitung erfolgt nicht ausschließlich linear. Es entsteht eine iterative Rückkopplung zwischen Mensch und KI-Skill.
Der Skill liefert ein Zwischenergebnis oder stellt eine Rückfrage. Der Mitarbeiter ergänzt Kontext, korrigiert Annahmen oder verändert die Zielsetzung. Der Skill verarbeitet diese Informationen und passt das Ergebnis an.
Diese Arbeitsweise ist besonders relevant, wenn die Fragestellung nicht von Beginn an vollständig feststeht oder wenn mehrere fachlich vertretbare Ergebnisse möglich sind.
Die Rückkopplung ist der zentrale Unterschied
Auf der Automatisierungsebene verläuft der Prozess im Grundsatz vom Auslöser über die Verarbeitung zum Ergebnis.
Auf der Mitarbeiterebene entsteht dagegen ein wiederkehrender Austausch zwischen Mensch und KI-Skill.
Der Mensch bleibt während der Bearbeitung aktiv beteiligt. Er liefert nicht nur am Anfang eine Aufgabenstellung und prüft am Ende ein Ergebnis. Er beeinflusst den Lösungsweg durch zusätzliche Informationen, Rückfragen und fachliche Bewertungen.
Die Rückkopplung ist insbesondere bei Aufgaben erforderlich, bei denen der Kontext nicht vollständig dokumentiert ist, Annahmen bestätigt werden müssen oder die Ergebnisqualität von Erfahrungswissen abhängt.
Ein Skill unterstützt deshalb nicht nur die Ausführung einer Aufgabe. Er unterstützt auch den fachlichen Denk- und Entscheidungsprozess.
Skills bündeln Vorgehensweisen und Fachwissen
Ein Skill kann fachliche Prüfkriterien, methodische Schritte, Formatvorgaben und Qualitätsanforderungen miteinander verbinden.
Ein Skill zur Vertragsanalyse kann beispielsweise festlegen, welche Vertragsbestandteile geprüft werden, wie Risiken kategorisiert werden und welche Rückfragen zum Projektkontext notwendig sind.
Er kann zudem bestimmen, wie Fristen und Vertragsstrafen dargestellt werden, welche Quellen im Ergebnis genannt werden und welche Punkte zwingend durch einen Menschen zu prüfen sind.
Dadurch entsteht eine wiederverwendbare Arbeitsweise. Die Aufgabe muss nicht bei jeder Anwendung vollständig neu beschrieben werden.
Ein Skill ist keine provisorische Lösung
In vielen Organisationen besteht die Vorstellung, dass ein Skill nur eine Zwischenstufe auf dem Weg zur vollständigen Automatisierung sei.
Diese Vorstellung ist nicht generell richtig.
Eine vollständige Automatisierung ist nur sinnvoll, wenn die Aufgabe ausreichend stabil, planbar und kontrollierbar ist. Bei stark kontextabhängigen Entscheidungen kann eine interaktive Lösung dauerhaft besser geeignet sein.
Ein Skill kann deshalb das langfristige Zielbild darstellen. Dies gilt insbesondere dann, wenn menschliche Fachentscheidungen unverzichtbar bleiben oder wenn Ergebnisse im Dialog entwickelt werden müssen.
Der Reifegrad einer Lösung wird nicht durch den maximalen Automatisierungsgrad bestimmt. Er wird durch ihre Passgenauigkeit zur Aufgabe bestimmt.
Skills können dennoch als Erprobungsstufe dienen
Obwohl ein Skill keine provisorische Lösung sein muss, eignet er sich häufig für den Einstieg.
In einer frühen Phase sind Anforderungen, Ausnahmen und Qualitätskriterien oft noch nicht vollständig bekannt. Ein interaktiver Skill macht diese Unsicherheiten sichtbar.
Während der Anwendung zeigt sich, welche Rückfragen regelmäßig auftreten, welche Arbeitsschritte stabil verlaufen und welche Entscheidungen weiterhin vom Projektkontext abhängen.
Aus diesen Erfahrungen kann später abgeleitet werden, welche Teilaufgaben automatisiert werden können.
Agenten können auf beiden Ebenen eingesetzt werden
Ein KI-Agent ist nicht zwangsläufig eine eigene Ebene neben Skill und Automatisierung.
Agentische Funktionen können in beide Ansätze integriert werden.
Auf der Automatisierungsebene kann ein Agent Daten aus mehreren Systemen abrufen, Dokumente klassifizieren oder Aufgaben in Anwendungen anlegen.
Auf der Mitarbeiterebene kann ein Agent innerhalb eines Skills Projektdokumente durchsuchen, Vergleichswerte abrufen oder Informationen aus mehreren Quellen zusammenführen.
Entscheidend bleibt, ob der Mensch den Prozess fortlaufend begleitet oder ob der Ablauf weitgehend selbstständig im Hintergrund durchgeführt wird.
Der zentrale Unterschied zwischen Automatisierung und Skill liegt in der Form der Interaktion. Die Automatisierungsebene folgt einem weitgehend linearen Ablauf vom Auslöser bis zum Ergebnis. Die Mitarbeiterebene ist durch eine iterative Rückkopplung zwischen Mensch und KI-Skill geprägt. Ein Skill ist deshalb keine technisch untergeordnete Vorstufe, sondern eine eigenständige Lösungsform für interaktive und wissensintensive Aufgaben.
4. Welche Kriterien die Auswahl der richtigen Lösung unterstützen
Nach der grundlegenden Einordnung muss für jede anspruchsvolle und wiederkehrende Aufgabe entschieden werden, welche Lösungsform geeignet ist.
Vier Kriterien unterstützen diese Entscheidung:
Erforderliches Erfahrungswissen
Notwendigkeit menschlicher Eingriffe
Stabilität und Standardisierung des Prozesses
Klarheit und Planbarkeit des Auslösers
Diese Kriterien sind nicht gleich zu gewichten. Insbesondere das Erfahrungswissen kann die Entscheidung dominieren.
Erforderliches Erfahrungswissen
Viele Aufgaben in der Bau- und Immobilienwirtschaft beruhen auf Wissen, das nicht vollständig dokumentiert ist.
Ein erfahrener Projektleiter erkennt möglicherweise, ob ein Nachtragsangebot ungewöhnlich hohe Einheitspreise enthält. Ein Bauleiter kann einschätzen, ob eine Terminverzögerung durch zusätzliche Ressourcen noch aufgeholt werden kann. Ein technischer Asset Manager erkennt, ob eine Instandhaltungsmaßnahme dringend ist oder verschoben werden kann.
Solche Einschätzungen beruhen auf Berufserfahrung, Marktkenntnis, Projektwissen und Erfahrungen mit vergleichbaren Fällen.
Dieses implizite Wissen lässt sich nicht ohne Weiteres in Regeln oder Datenbanken überführen.
Wenn eine Aufgabe stark von diesem Wissen abhängt, spricht dies zunächst für einen Skill. Der Mensch kann seine Erfahrung während der Bearbeitung einbringen und auf Zwischenergebnisse reagieren.
Eine vollständige Automatisierung ist erst dann belastbar, wenn das erforderliche Wissen ausreichend strukturiert oder durch verlässliche Daten abgebildet werden kann.
Erfahrungswissen besitzt ein besonderes Gewicht
Eine Aufgabe kann regelmäßig auftreten und einen klaren Auslöser besitzen. Sie kann formal weitgehend standardisiert sein. Wenn die Qualität des Ergebnisses jedoch wesentlich von nicht dokumentiertem Erfahrungswissen abhängt, bleibt die menschliche Beteiligung erforderlich.
Ein Beispiel ist die Prüfung eines Nachtragsangebots.
Der Eingang des Angebots ist ein klarer Auslöser. Die Dokumente können standardisiert eingelesen werden. Mengen, Einheitspreise und Begründungen können automatisch extrahiert werden.
Die abschließende Einschätzung kann dennoch Vertragskenntnis, Projekterfahrung und Verhandlungserfahrung erfordern.
In diesem Fall eignet sich eine hybride Lösung. Formale Schritte werden automatisiert. Die fachliche Bewertung wird durch einen Skill unterstützt.
Notwendigkeit menschlicher Eingriffe
Das zweite Kriterium betrifft die Frage, ob ein Mensch fachlich eingreifen muss.
Dabei sollte zwischen einer fachlich notwendigen Entscheidung, einer organisatorisch erforderlichen Freigabe und einer gewohnheitsmäßigen Kontrolle unterschieden werden.
Eine fachlich notwendige Entscheidung spricht klar für eine interaktive Lösung. Eine organisatorische Freigabe kann auch in eine Automatisierung integriert werden. Eine gewohnheitsmäßige Kontrolle sollte kritisch hinterfragt werden.
Die entscheidende Frage lautet, ob das menschliche Eingreifen für Qualität und Verantwortung tatsächlich erforderlich ist oder nur aus Gewohnheit erfolgt.
Organisationen neigen dazu, bestehende manuelle Kontrollpunkte unverändert in digitale Prozesse zu übertragen. Dadurch entsteht keine echte Verbesserung. Der alte Ablauf wird lediglich technisch nachgebildet.
Menschliche Eingriffe sollten deshalb gezielt an Stellen vorgesehen werden, an denen ungewöhnliche Abweichungen, widersprüchliche Daten oder wirtschaftlich relevante Entscheidungen auftreten.
Stabilität und Standardisierung des Prozesses
Je stabiler ein Prozess ist, desto besser eignet er sich für eine Automatisierung.
Ein stabiler Prozess besitzt vergleichbare Eingaben, bekannte Bearbeitungsschritte, klar geregelte Verantwortlichkeiten und ein eindeutig beschriebenes Ergebnis.
Ein Skill ist häufiger geeignet, wenn sich die Fragestellung während der Bearbeitung verändert oder regelmäßig neue Bearbeitungswege erforderlich werden.
Standardisierung bedeutet dabei nicht, dass jeder einzelne Schritt vollständig starr sein muss. Moderne KI-Systeme können unterschiedliche Eingabeformate verarbeiten und semantische Variationen erkennen.
Trotzdem benötigt auch eine KI-gestützte Automatisierung einen stabilen Rahmen. Ziel, Verantwortlichkeiten, zulässige Aktionen und Qualitätsanforderungen müssen bekannt sein.
Klarheit und Planbarkeit des Auslösers
Eine Automatisierung benötigt einen klaren Startpunkt.
Geeignete Auslöser sind beispielsweise der Eingang einer E-Mail, der Upload eines Dokuments, ein festgelegter Termin oder die Überschreitung eines Schwellenwerts.
Je eindeutiger und planbarer der Startpunkt ist, desto besser eignet sich die Aufgabe für eine Automatisierung.
Ein Skill ist eher geeignet, wenn der Start auf einer menschlichen Einschätzung beruht.
Ein Projektleiter entscheidet beispielsweise, eine Kostenentwicklung genauer zu untersuchen, obwohl kein formaler Schwellenwert überschritten wurde. Die Aufgabe beginnt durch fachliche Wahrnehmung und nicht durch ein eindeutig messbares Ereignis.
Die folgende Tabelle fasst die typische Wirkung der Kriterien zusammen.
Kriterium | Tendenz zum Skill | Tendenz zur Automatisierung |
Erfahrungswissen | hoch und nicht dokumentiert | gering oder strukturiert verfügbar |
Menschliches Eingreifen | fachlich regelmäßig notwendig | nur bei Ausnahmen oder Freigaben |
Prozessstabilität | variabel und kontextabhängig | stabil und standardisiert |
Auslöser | situativ und menschlich bestimmt | technisch eindeutig und planbar |
Tabelle 2. Entscheidungskriterien für die Wahl zwischen KI-Skill und Automatisierung.
Bei einem gemischten Ergebnis mit einem Skill beginnen
In der Praxis ergeben die Kriterien häufig kein eindeutiges Bild.
Eine Aufgabe kann einen klaren Auslöser besitzen, aber viel Erfahrungswissen benötigen. Ein Prozess kann standardisiert sein, aber bei kritischen Fällen eine menschliche Entscheidung verlangen.
Bei einem gemischten Ergebnis ist ein Skill häufig der sinnvollere Ausgangspunkt. Er ermöglicht eine kontrollierte Erprobung und bleibt näher am tatsächlichen Arbeitsablauf.
Aus der Nutzung kann anschließend abgeleitet werden, welche Teilaufgaben stabil genug für eine Automatisierung sind.
Die Entscheidung zwischen Skill und Automatisierung sollte anhand von Erfahrungswissen, menschlichem Eingriff, Prozessstabilität und Auslöser erfolgen. Erfahrungswissen besitzt dabei besonderes Gewicht. Bei einem gemischten Ergebnis ist ein Skill häufig der bessere Einstieg, weil er menschliche Kontrolle ermöglicht und gleichzeitig Erkenntnisse für eine spätere Teilautomatisierung liefert.
Interaktive Entscheidungshilfe. Welche Lösung passt zu Ihrer Aufgabe?
Die zuvor erläuterten Kriterien können mit der folgenden interaktiven Entscheidungshilfe auf eine konkrete Aufgabe übertragen werden. Bewerten Sie dabei immer nur eine klar abgegrenzte Tätigkeit und nicht einen gesamten Unternehmensbereich. Der Rechner zeigt, ob eine direkte Bearbeitung, ein allgemeiner KI-Assistent, eine klassische Automatisierung, ein KI-Skill oder ein hybrider Workflow voraussichtlich am besten geeignet ist.
Die Auswertung dient als methodische Orientierung. Sie ersetzt keine technische Machbarkeitsprüfung, Wirtschaftlichkeitsberechnung oder fachliche Einzelfallbewertung. Datenqualität, Schnittstellen, Datenschutz, Informationssicherheit und Verantwortlichkeiten müssen vor einer Umsetzung zusätzlich geprüft werden.
5. Warum hybride Lösungen häufig den größten Nutzen erzeugen
Die Entscheidung zwischen Skill und Automatisierung wird häufig als Entweder-oder-Frage verstanden. Diese Sichtweise ist für komplexe Fachprozesse zu einfach.
Viele leistungsfähige Lösungen kombinieren automatisierte und interaktive Bestandteile.
Unterschiedliche Aufgaben benötigen unterschiedliche Ebenen
Automatisierungen eignen sich besonders für Datenerfassung, Dokumentenablage, Fristenüberwachung und Datenübertragung.
Skills eignen sich dagegen für Interpretation, fachliche Einordnung, Rückfragen und die Bewertung von Unsicherheit.
Ein hybrider Prozess verbindet diese Stärken.
Bei einer Vertragsprüfung kann der Eingang eines neuen Dokuments automatisch erkannt werden. Das Dokument wird gespeichert und einem Projekt zugeordnet. Stammdaten und relevante Vertragsstellen werden extrahiert.
Anschließend unterstützt ein Skill den Projektverantwortlichen bei der Bewertung. Er stellt Rückfragen zum Projektkontext, strukturiert Risiken und erstellt einen Berichtsentwurf.
Nach der fachlichen Freigabe können Fristen automatisch in den Kalender übernommen und Maßnahmen in einem Aufgabenmanagementsystem angelegt werden.
Der Prozess wechselt damit bewusst zwischen Automatisierungsebene und Mitarbeiterebene.
Menschliche Kontrolle gezielt positionieren
Die Einbindung des Menschen sollte nicht pauschal im gesamten Prozess erfolgen.
Ein Mensch muss nicht jedes Zwischenergebnis prüfen. Er sollte an den Stellen beteiligt werden, an denen Verantwortung, Unsicherheit oder wirtschaftliche Bedeutung dies erfordern.
Geeignete Eingriffspunkte liegen bei ungewöhnlichen Abweichungen, widersprüchlichen Daten, rechtlich relevanten Entscheidungen und Ergebnissen mit hohen finanziellen Auswirkungen.
Dadurch bleibt der Prozess effizient, ohne die fachliche Kontrolle aufzugeben.
Hybride Lösungen reduzieren das Einführungsrisiko
Eine vollständige Automatisierung verlangt häufig eine hohe Prozessreife. Wesentliche Varianten, Ausnahmen und Qualitätskriterien müssen bekannt sein.
Ein hybrider Ansatz ermöglicht einen schrittweisen Einstieg.
Zunächst werden einfache Bestandteile automatisiert. Komplexe Bewertungen bleiben interaktiv. Mit zunehmender Erfahrung kann der Automatisierungsgrad erweitert werden.
Diese Entwicklung ist besonders für mittelständische Unternehmen sinnvoll. Sie müssen nicht sofort eine umfassende Systemarchitektur schaffen. Sie können mit einem klar abgegrenzten Anwendungsfall beginnen und die Lösung entlang praktischer Erfahrungen weiterentwickeln.
Keine starre Zielarchitektur
Die Zuordnung einer Aufgabe ist nicht dauerhaft festgelegt.
Eine Tätigkeit kann heute auf der Mitarbeiterebene beginnen und später teilweise automatisiert werden. Voraussetzung ist, dass Erfahrungswissen dokumentiert, Daten zugänglich und Prozesse stabilisiert wurden.
Umgekehrt kann sich zeigen, dass eine geplante Automatisierung zu viele Ausnahmen enthält. In diesem Fall kann eine stärkere Einbindung eines Skills sinnvoll sein.
Methodische Reife zeigt sich deshalb nicht im maximalen Automatisierungsgrad. Sie zeigt sich in der Fähigkeit, die Arbeitsteilung zwischen Mensch und Technologie fortlaufend anzupassen.
Hybride Lösungen verbinden die Stabilität automatisierter Routinen mit der Flexibilität interaktiver Skills. Sie sind besonders für komplexe Fachprozesse geeignet, bei denen standardisierte Teilaufgaben und kontextabhängige Entscheidungen zusammenkommen. Der Mensch wird gezielt an den Stellen eingebunden, an denen seine Bewertung tatsächlich erforderlich ist.
PraxisimpulsWie ein hybrider Workflow die Prüfung komplexer Bauverträge unterstütztDie Auswahl zwischen Automatisierung, KI-Skill und hybridem Workflow ist keine rein theoretische Fragestellung. Ein messbarer Nutzen entsteht erst dann, wenn künstliche Intelligenz gezielt in bestehende Arbeitsabläufe integriert wird und klar definierte Aufgaben übernimmt. Ein besonders anschauliches Beispiel ist die Prüfung komplexer Bauverträge. Generalunternehmerverträge, Generalplanerverträge und Projektsteuerungsverträge enthalten häufig umfangreiche Regelungen zu Haftung, Terminen, Vertragsstrafen, Sicherheiten, Kündigungsrechten und Nachträgen. Die relevanten Bestimmungen sind über zahlreiche Vertragsseiten und Anlagen verteilt. Dadurch steigt das Risiko, dass einzelne Verpflichtungen, Fristen oder wirtschaftlich bedeutsame Regelungen im Projektalltag nicht rechtzeitig erkannt werden. Gerade bei dieser Aufgabe zeigt sich der Nutzen eines hybriden Workflows. Standardisierte Prozessschritte können automatisiert werden. Dazu gehören die Erkennung des Vertragsdokuments, die Ablage, die Zuordnung zu einem Projekt und die Erfassung grundlegender Vertragsdaten. Die fachliche Analyse wird anschließend durch einen spezialisierten KI-Skill unterstützt. Dieser kann relevante Vertragsklauseln identifizieren, Fristen und Sicherheiten herausarbeiten, Risiken strukturieren und eine erste Managementübersicht erstellen. Die Ergebnisse werden durch eine fachlich verantwortliche Person geprüft, ergänzt und eingeordnet. Ein Beispiel für die Umsetzung dieses Ansatzes ist SMART Contract & Risk Intelligence, eine browserbasierte Anwendung zur strukturierten Analyse komplexer Bauverträge. Die Lösung unterstützt Projektentwickler, Bauherren, Bauunternehmen und Projektsteuerer dabei, risikorelevante Vertragsinhalte schneller zu erfassen und systematisch aufzubereiten. Berücksichtigt werden können unter anderem Fristen, Vertragsstrafen, Bürgschaften, Sicherheiten, Haftungsregelungen, Kündigungsrechte, Abnahmebestimmungen, Gewährleistungsregelungen und Nachtragsbestimmungen. Das Ziel besteht nicht darin, eine juristische oder technische Vertragsprüfung zu ersetzen. Die Anwendung unterstützt Fach- und Führungskräfte dabei, umfangreiche Vertragswerke schneller zu strukturieren, kritische Inhalte frühzeitig zu erkennen und Entscheidungen auf einer besser aufbereiteten Informationsgrundlage zu treffen. Das Beispiel verdeutlicht die Arbeitsteilung innerhalb eines hybriden Systems. Die Automatisierung übernimmt wiederkehrende und eindeutig beschreibbare Prozessschritte. Der KI-Skill unterstützt die Analyse und fachliche Einordnung. Der Mensch bleibt für Bewertung, Freigabe und Entscheidung verantwortlich. Gerade für mittelständische Unternehmen eröffnet dieser Ansatz einen praktikablen Einstieg. Sie müssen nicht den gesamten Prozess vollständig automatisieren. Sie können zunächst einzelne Arbeitsschritte strukturieren, durch einen KI-Skill unterstützen und stabile Bestandteile schrittweise automatisieren. Weitere Informationen zu SMART Contract & Risk Intelligence und zu individuellen KI-Lösungen für die Bau- und Immobilienwirtschaft finden Sie unter www.builtsmart-ai.app. Vereinbaren Sie jetzt ein unverbindliches Beratungsgespräch unter: Termin vereinbaren |
Der Praxisimpuls verdeutlicht, wie sich ein hybrider Workflow fachlich strukturieren lässt. Ob eine solche Lösung auch wirtschaftlich sinnvoll ist, hängt vom erwarteten Mehrwert und vom tatsächlichen Umsetzungsaufwand ab.
6. Wie Mehrwert und Umsetzungsaufwand realistisch bewertet werden
Nach der fachlichen Einordnung folgt die wirtschaftliche Priorisierung.
Nicht jede technisch geeignete Aufgabe sollte sofort umgesetzt werden. Entscheidend ist, welchen Nutzen die Lösung erzeugt und welcher Aufwand für Entwicklung, Einführung und Betrieb entsteht.
Mehrwert ist mehr als Zeitersparnis
In vielen Wirtschaftlichkeitsbetrachtungen wird der Nutzen ausschließlich über eingesparte Arbeitsstunden berechnet. Dieser Ansatz ist zu eng.
Der Mehrwert kann auch aus einer höheren Bearbeitungsqualität, einer geringeren Fehlerquote, einer früheren Risikoerkennung und einer besseren Dokumentation entstehen.
Eine Vertragsprüfung kann beispielsweise nur wenige Stunden einsparen. Der entscheidende Nutzen liegt möglicherweise in der frühzeitigen Identifikation einer problematischen Haftungsregelung.
Ein automatisiertes Berichtswesen kann Arbeitszeit reduzieren. Der größere Wert kann jedoch darin bestehen, dass die Geschäftsführung früher auf Kosten- und Terminabweichungen reagiert.
Auch Mitarbeiterzufriedenheit und Kundenerlebnis können relevante Faktoren sein. Eine Lösung, die monotone Tätigkeiten reduziert und gleichzeitig die Reaktionsgeschwindigkeit verbessert, erzeugt einen Nutzen, der über eine reine Stundenkalkulation hinausgeht.
Nutzen sollte messbar formuliert werden
Für jeden Anwendungsfall sollten konkrete Zielgrößen definiert werden.
Geeignete Kennzahlen sind beispielsweise eine kürzere Bearbeitungszeit, eine geringere Fehlerquote, eine höhere Vollständigkeit von Prüfberichten oder eine schnellere Reaktion auf Projektabweichungen.
Nicht jeder Nutzen lässt sich sofort finanziell bewerten. Trotzdem sollte er beobachtbar und überprüfbar sein.
Ohne klare Zielgröße bleibt unklar, ob die neue Lösung den bisherigen Prozess tatsächlich verbessert.
Der tatsächliche Aufwand wird häufig unterschätzt
Der technische Aufbau ist nur ein Teil des Gesamtaufwands.
Zusätzlicher Aufwand entsteht durch Prozessanalyse, Datenbereinigung, Schnittstellen, Rechtekonzepte, Qualitätstests, Schulung und laufende Pflege.
Besonders kritisch sind Datenverfügbarkeit und Datenqualität.
Ein konzeptionell einfacher Prozess kann teuer werden, wenn Informationen in unterschiedlichen Systemen liegen, uneinheitlich benannt sind oder nur in schwer auswertbaren Dokumenten vorliegen.
Vor der Umsetzung sollte deshalb geprüft werden, ob die benötigten Daten vollständig, aktuell und technisch zugänglich sind.
Priorisierung nach Mehrwert und Aufwand
Die identifizierten Aufgaben können in einer einfachen Matrix eingeordnet werden.
Vorhaben mit hohem Mehrwert und geringem Aufwand erhalten die höchste Priorität. Sie eignen sich besonders als Pilotprojekte.
Vorhaben mit hohem Mehrwert und hohem Aufwand können strategisch relevant sein. Sie sollten jedoch in Teilprojekte zerlegt und sorgfältig vorbereitet werden.
Vorhaben mit geringem Mehrwert und hohem Aufwand sollten in der Regel zurückgestellt werden.
Quick Wins müssen betrieblich relevant sein
Ein Quick Win sollte nicht nur einfach umzusetzen sein. Er muss einen erkennbaren Nutzen für den Arbeitsalltag erzeugen.
Ein rein demonstrativer Anwendungsfall kann kurzfristig Aufmerksamkeit schaffen, trägt aber wenig zur organisatorischen Lernkurve bei.
Ein geeigneter Pilot besitzt einen klaren Prozessumfang, verfügbare Beispieldaten, einen verantwortlichen Prozesseigentümer und messbare Erfolgskriterien.
Die Priorisierung muss Mehrwert und Umsetzungsaufwand gemeinsam betrachten. Zeitersparnis ist nur eine Nutzenkomponente. Qualitätsgewinn, Risikoreduzierung und bessere Entscheidungen können wirtschaftlich bedeutender sein. Besonders Datenverfügbarkeit und Datenqualität bestimmen den tatsächlichen Aufwand.
7. Wie das Vorgehensmodell im Unternehmen angewendet werden kann
Das Vorgehensmodell eignet sich sowohl für einzelne Fachbereiche als auch für unternehmensweite Workshops.
Der wichtigste Nutzen liegt nicht allein in der entstehenden Liste möglicher Anwendungsfälle. Der eigentliche Wert entsteht durch das gemeinsame Verständnis, welche Aufgabe auf welche Lösungsebene gehört.
Schritt 1. Aufgaben aus dem Arbeitsalltag sammeln
Die Teilnehmer erfassen konkrete Tätigkeiten. Allgemeine Begriffe wie Projektmanagement, Vertragswesen oder Berichtswesen sind zunächst zu breit.
Eine geeignete Aufgabenbeschreibung lautet beispielsweise nicht „Rechnungswesen automatisieren“. Präziser ist die Formulierung „Eingehende Rechnungsanhänge erkennen, einem Unternehmen zuordnen und im Jahresordner speichern“.
Auch die Aussage „Verträge prüfen“ ist zu allgemein. Präziser ist die Aufgabe „Fristen, Vertragsstrafen, Sicherheiten und Nachtragsregelungen aus einem GU-Vertrag extrahieren und bewerten“.
Je konkreter die Aufgabe beschrieben ist, desto belastbarer wird die spätere Einordnung.
Schritt 2. Aufgaben in die Grundmatrix einordnen
Jede Aufgabe wird anhand von Häufigkeit und kognitivem Anspruch bewertet.
Der Schwerpunkt liegt anschließend auf den anspruchsvollen und wiederkehrenden Tätigkeiten. Dort befindet sich häufig das größte Potenzial für Skills, Agenten und KI-gestützte Workflows.
Schritt 3. Skill oder Automatisierung bewerten
Für jede priorisierte Aufgabe werden die vier Entscheidungskriterien geprüft.
Das Team bewertet den Anteil des Erfahrungswissens, die Notwendigkeit menschlicher Eingriffe, die Stabilität des Prozesses und die Klarheit des Auslösers.
Dabei sollte nicht die technisch spektakulärste Lösung gesucht werden. Entscheidend ist die tatsächliche Arbeitslogik.
Schritt 4. Mehrwert und Aufwand priorisieren
Die Aufgaben werden nach erwartetem Nutzen und realistischer Umsetzungskomplexität eingeordnet.
Der Nutzen sollte nicht nur über eingesparte Zeit bewertet werden. Qualitätsverbesserungen, Risikoreduzierung und eine höhere Transparenz können einen erheblich größeren wirtschaftlichen Wert besitzen.
Auf dieser Grundlage entsteht eine Roadmap von kurzfristig umsetzbaren Pilotprojekten bis zu größeren strategischen Vorhaben.
Prozesse in Teilaufgaben zerlegen
Viele Aufgaben zeigen ein gemischtes Bild. Deshalb sollten sie in kleinere Bestandteile zerlegt werden.
Bei einer Nachtragsprüfung können Dokumentenerfassung, Fristenüberwachung und Berichtserstellung weitgehend standardisiert werden.
Die Beurteilung der Anspruchsgrundlage und der wirtschaftlichen Plausibilität kann dagegen eine interaktive Bearbeitung mit einem Skill erfordern.
Durch die Zerlegung entsteht keine pauschale Entscheidung für oder gegen Automatisierung. Stattdessen wird für jeden Teilprozess die passende Lösungsebene gewählt.
Das gemeinsame Durchdenken ist ein wesentlicher Mehrwert
Die Aufgabenliste kann sich nach wenigen Monaten verändern. Neue Werkzeuge werden verfügbar. Prozesse werden angepasst. Datenquellen verbessern sich.
Das im Workshop entwickelte Verständnis bleibt jedoch erhalten.
Mitarbeiter lernen, Aufgaben nicht vorschnell als Automatisierungsfall zu betrachten. Sie erkennen den Unterschied zwischen regelbasierten Abläufen, interaktiven Skills und hybriden Lösungen.
Diese Fähigkeit ist eine wichtige Voraussetzung für eine dezentrale und zugleich kontrollierte KI-Entwicklung.
Das Vorgehensmodell kann in vier klaren Schritten von der Aufgabensammlung bis zur Priorisierung angewendet werden. Entscheidend ist die konkrete Beschreibung einzelner Tätigkeiten. Der größte Nutzen liegt im gemeinsamen Aufbau eines belastbaren Entscheidungsverständnisses, das auch bei veränderten Werkzeugen und Prozessen bestehen bleibt.
8. Welche Anwendungsfälle in der Bau- und Immobilienwirtschaft besonders relevant sind
Die Bau- und Immobilienwirtschaft besitzt zahlreiche wiederkehrende, dokumentenintensive und wissensbasierte Prozesse.
Dadurch entsteht ein großes Potenzial für Skills und Automatisierungen. Gleichzeitig sind viele Entscheidungen projektabhängig. Eine vollständige Automatisierung ist daher nicht immer sinnvoll.
Rechnungsverarbeitung
Die Verarbeitung eingehender Rechnungen besitzt einen klaren Auslöser. Eine E-Mail oder ein Dokumentenupload startet den Prozess.
Der Anhang kann erkannt, gespeichert, ausgelesen und einem Unternehmen zugeordnet werden. Rechnungsnummer, Datum, Betrag und Lieferant lassen sich erfassen. Dubletten und fehlende Angaben können automatisch markiert werden.
Diese Schritte eignen sich für eine Automatisierung.
Die inhaltliche Prüfung kann dagegen einen Skill erfordern. Der Mitarbeiter muss möglicherweise bewerten, ob Leistungen tatsächlich erbracht wurden, Mengen plausibel sind und Preise den vertraglichen Vereinbarungen entsprechen.
Vertragsprüfung
Verträge enthalten wiederkehrende Prüffelder. Dazu gehören Leistungsumfang, Termine, Fristen, Vertragsstrafen, Sicherheiten, Haftung, Abnahme und Nachtragsregelungen.
Ein Skill kann die Analyse strukturiert durchführen und relevante Stellen mit Quellenbezug darstellen.
Automatisiert werden können die Dokumentenerfassung, die Stammdatenextraktion, die Ablage und die Übernahme eindeutig identifizierter Fristen.
Die abschließende rechtliche und wirtschaftliche Bewertung bleibt abhängig vom Einzelfall und von der jeweiligen Verantwortung.
Nachtragsmanagement
Nachtragsangebote weisen häufig vergleichbare Strukturen auf und erfordern zugleich intensive Facharbeit.
Ein Skill kann Anspruchsbegründungen analysieren, Mengen und Preise strukturieren, Vertragsbezüge herstellen und fehlende Nachweise identifizieren.
Die abschließende Bewertung benötigt häufig Projektkenntnis, Vertragserfahrung und Marktverständnis.
Dokumenteneingang, Ablage, Fristenüberwachung und Aufgabenverteilung lassen sich dagegen weitgehend automatisieren.
Projektberichtswesen
Das monatliche Berichtswesen verbindet standardisierte Datenerfassung mit fachlicher Interpretation.
Datenimporte, Kennzahlenberechnungen, Soll-Ist-Vergleiche und Diagramme können automatisiert werden.
Ein Skill kann Abweichungen interpretieren, Ursachen strukturieren und Vorschläge für Maßnahmen formulieren.
Die Freigabe bleibt bei der verantwortlichen Projektleitung.
Baustellenprotokolle
Baustellenprotokolle enthalten Aufgaben, Fristen, Verantwortlichkeiten und Entscheidungen.
Eine Automatisierung kann neue Protokolle erkennen und speichern. Ein KI-System kann Inhalte extrahieren. Ein Skill kann kritische Punkte bewerten und eine priorisierte Maßnahmenübersicht erstellen.
Besonders groß ist der Nutzen, wenn Aufgaben und Fristen anschließend mit bestehenden Projektsteuerungssystemen verbunden werden.
Bestandsmanagement und Instandhaltung
Im Immobilienbetrieb können Meldungen, Prüfberichte und Wartungsinformationen automatisiert erfasst werden.
Ein Skill kann technische Sachverhalte einordnen, Maßnahmen priorisieren und unterschiedliche Handlungsoptionen vergleichen.
Besonders relevant sind hybride Lösungen, da technische Dringlichkeit, Budgetrestriktionen, Mieterauswirkungen und langfristige Portfoliostrategien zusammengeführt werden müssen.
Due Diligence und Investitionsprüfung
Die Verarbeitung großer Dokumentenmengen eignet sich für KI-gestützte Workflows.
Dokumente können klassifiziert, auf Vollständigkeit geprüft und Prüfkategorien zugeordnet werden.
Ein Skill kann Risiken bewerten, Widersprüche untersuchen und eine Entscheidungsgrundlage erstellen.
Die endgültige Investitionsentscheidung bleibt beim verantwortlichen Gremium.
Besonders geeignete Anwendungsfälle liegen in dokumentenintensiven und wiederkehrenden Prozessen. Rechnungen, Verträge, Nachträge, Projektberichte, Protokolle und Due-Diligence-Unterlagen bieten ein hohes Potenzial. In vielen Fällen ist eine hybride Lösung sinnvoll, weil standardisierte Verarbeitung und fachliche Bewertung miteinander verbunden werden müssen.
9. Welche organisatorischen Voraussetzungen geschaffen werden müssen
Die technische Entwicklung eines Skills oder einer Automatisierung ist nur ein Teil der Umsetzung.
Langfristige Wirksamkeit entsteht erst, wenn Prozesse, Verantwortlichkeiten, Daten und Qualitätsanforderungen organisatorisch verankert sind.
Klare Prozesseigentümerschaft
Jeder Anwendungsfall benötigt einen fachlichen Verantwortlichen.
Der Prozesseigentümer legt fest, welche Aufgabe gelöst werden soll, welche Ergebnisse fachlich richtig sind und welche Ausnahmen berücksichtigt werden müssen.
Die IT kann die technische Umsetzung unterstützen. Die fachliche Verantwortung darf jedoch nicht vollständig an die IT übertragen werden.
Definierte Qualitätskriterien
Ein Skill oder eine Automatisierung muss anhand nachvollziehbarer Kriterien bewertet werden.
Dazu gehören Vollständigkeit, fachliche Richtigkeit, Quellenbezug, Konsistenz, Bearbeitungszeit und korrekte Ausnahmebehandlung.
Ohne definierte Qualitätskriterien bleibt unklar, ob die Lösung tatsächlich besser arbeitet als der bisherige Prozess.
Daten- und Wissensmanagement
Skills und Automatisierungen benötigen Zugriff auf verlässliche Informationen.
Dazu gehören aktuelle Vertragsstände, freigegebene Vorlagen, Prüfkriterien, Projektdaten, Richtlinien und Erfahrungswerte.
Wissen muss nicht vollständig formalisiert sein. Es sollte jedoch so strukturiert werden, dass Menschen und Systeme darauf zugreifen können.
Governance und Verantwortlichkeit
Für jede Lösung muss geklärt werden, wer sie verwenden darf, welche Daten verarbeitet werden und welche Ergebnisse eine Freigabe benötigen.
Ebenso wichtig ist der Umgang mit Fehlern. Es muss geregelt sein, wie fehlerhafte Ergebnisse dokumentiert, korrigiert und für die Weiterentwicklung genutzt werden.
Diese Fragen sind besonders relevant, wenn wirtschaftlich oder rechtlich bedeutsame Entscheidungen unterstützt werden.
Mitarbeiter frühzeitig einbinden
Skills verändern die Arbeitsweise von Fachkräften. Automatisierungen verändern Aufgabenverteilung und Verantwortlichkeiten.
Mitarbeiter sollten deshalb frühzeitig einbezogen werden. Sie kennen Ausnahmen, informelle Abläufe und praktische Schwierigkeiten, die in formalen Prozessbeschreibungen häufig fehlen.
Die Einbindung erhöht nicht nur die Akzeptanz. Sie verbessert auch die fachliche Qualität der Lösung.
Kontinuierliche Weiterentwicklung
Eine KI-Lösung ist kein abgeschlossenes Produkt. Prozesse, Daten und Anforderungen verändern sich.
Deshalb muss regelmäßig geprüft werden, ob die Ergebnisse weiterhin richtig sind, neue Sonderfälle auftreten und die erwarteten Vorteile tatsächlich erreicht werden.
Auch die Zuordnung zur Automatisierungs- oder Mitarbeiterebene sollte regelmäßig hinterfragt werden.
Nachhaltige KI-Lösungen benötigen klare Prozesseigentümer, definierte Qualitätskriterien, verlässliche Daten und eine nachvollziehbare Governance. Die technische Umsetzung allein reicht nicht aus. Besonders wichtig ist die frühe Einbindung der Fachkräfte, da sie das erforderliche Erfahrungswissen und die tatsächlichen Prozessvarianten kennen.
10. Fazit und Handlungsempfehlungen für mittelständische Unternehmen
Die Frage, ob eine Aufgabe mit einem Skill oder einer Automatisierung bearbeitet werden sollte, lässt sich nicht allein technisch beantworten.
Entscheidend sind die Art der Aufgabe, der erforderliche kognitive Anteil, die Häufigkeit, das vorhandene Erfahrungswissen, die Prozessstabilität, die Rolle des Menschen und die Qualität der verfügbaren Daten.
Eine sinnvolle Einordnung beginnt mit vier Aufgabenfeldern.
Einfache Einzelfälle werden direkt bearbeitet. Einfache und wiederkehrende Aufgaben gehören bevorzugt in klassische Automatisierungen. Anspruchsvolle Einzelfälle können mit allgemeinen KI-Assistenten gelöst werden. Anspruchsvolle und wiederkehrende Aufgaben sind Kandidaten für Skills, KI-Agenten und hybride Workflows.
Der zentrale Unterschied zwischen Skill und Automatisierung liegt in der Arbeitslogik.
Die Automatisierungsebene folgt einem weitgehend linearen Ablauf. Ein definierter Auslöser startet den Prozess. Die Verarbeitung erfolgt im Hintergrund. Am Ende steht ein Ergebnis.
Die Mitarbeiterebene ist dagegen durch eine iterative Rückkopplung zwischen Mensch und KI-Skill geprägt. Der Mensch stellt Kontext bereit, bewertet Zwischenergebnisse und beeinflusst den weiteren Bearbeitungsverlauf.
Diese Rückkopplung ist keine Schwäche des Systems. Sie ist bei wissensintensiven und kontextabhängigen Aufgaben ein wesentliches Qualitätsmerkmal.
Für mittelständische Unternehmen ist diese Differenzierung besonders relevant. Sie verfügen häufig nicht über unbegrenzte IT-Ressourcen. Gleichzeitig besitzen sie wertvolles Erfahrungswissen, das in einzelnen Personen und Teams gebündelt ist.
Eine vorschnelle Vollautomatisierung kann dieses Wissen unzureichend berücksichtigen. Ein gut strukturierter Skill bietet dagegen die Möglichkeit, vorhandene Expertise zu sichern, wiederverwendbar zu machen und schrittweise in digitale Prozesse zu integrieren.
Mit konkreten Aufgaben beginnen
Unternehmen sollten keine KI-Strategie auf der Ebene allgemeiner Schlagworte entwickeln.
Der Ausgangspunkt müssen konkrete Tätigkeiten aus dem Arbeitsalltag sein. Eine gute Aufgabenbeschreibung benennt den Auslöser, die erforderlichen Informationen, die Bearbeitungsschritte und das erwartete Ergebnis.
Prozesse in Teilaufgaben zerlegen
Ein gesamter Prozess ist selten vollständig für nur eine Lösungsform geeignet.
Standardisierte Schritte können automatisiert werden. Wissensintensive Bewertungen können durch Skills unterstützt werden. Wesentliche Freigaben bleiben beim Menschen.
Diese Zerlegung schafft eine realistische und wirtschaftlich tragfähige Lösungsarchitektur.
Erfahrungswissen besonders berücksichtigen
Nicht dokumentiertes Fachwissen ist ein entscheidender Faktor.
Wenn die Qualität einer Aufgabe stark von Erfahrung abhängt, sollte zunächst ein Skill eingesetzt werden. Der Skill ermöglicht die aktive Einbindung der Fachkraft und macht wiederkehrende Entscheidungslogiken sichtbar.
Mit der Zeit kann ein Teil dieses Wissens dokumentiert und in die Lösung integriert werden.
Menschliche Kontrollen kritisch prüfen
Nicht jede bestehende Kontrolle ist notwendig.
Unternehmen sollten unterscheiden, ob ein Eingriff fachlich erforderlich, organisatorisch vorgeschrieben oder lediglich historisch gewachsen ist.
Kontrollen sollten gezielt an risikorelevanten Stellen positioniert werden. Eine pauschale Prüfung jedes Zwischenergebnisses reduziert den Nutzen der Automatisierung.
Bei Unsicherheit mit einem Skill starten
Ein Skill bietet einen kontrollierten Einstieg.
Er lässt sich eng am tatsächlichen Arbeitsprozess entwickeln und ermöglicht Rückfragen, Korrekturen und Lernschleifen.
Stabile Teilaufgaben können später automatisiert werden. Auf diese Weise wächst die Lösung entlang der tatsächlichen Anforderungen.
Mehrwert breiter bewerten
Zeitersparnis ist wichtig, aber nicht ausreichend.
Qualität, Risikoreduzierung, Transparenz, Mitarbeiterentlastung und bessere Entscheidungen sollten gleichwertig berücksichtigt werden.
Gerade in der Bau- und Immobilienwirtschaft können früh erkannte Risiken einen erheblich größeren Wert erzeugen als eingesparte Bearbeitungszeit.
Datenqualität vor Technologie prüfen
Unzugängliche oder widersprüchliche Daten erhöhen den Aufwand jeder Lösung.
Vor der Umsetzung muss geklärt werden, ob die erforderlichen Informationen vollständig, aktuell und technisch verfügbar sind.
Fehlt diese Grundlage, sollte zunächst die Daten- und Informationsstruktur verbessert werden.
Mit einem relevanten Pilotprojekt beginnen
Das erste Projekt sollte einen klaren Nutzen, einen begrenzten Umfang und eine engagierte Fachverantwortung besitzen.
Ein guter Pilot schafft messbare Ergebnisse und liefert Erkenntnisse für weitere Vorhaben.
Ein rein demonstratives Projekt erzeugt möglicherweise kurzfristige Aufmerksamkeit. Es trägt jedoch wenig zur nachhaltigen Entwicklung der Organisation bei.
Skills und Automatisierungen gemeinsam denken
Skills und Automatisierungen sind keine konkurrierenden Konzepte.
Die wirksamsten Lösungen verbinden automatisierte Routinen mit interaktiver Fachunterstützung. Dadurch entstehen Prozesse, die effizient und zugleich kontrollierbar sind.
Die Automatisierung übernimmt klar definierte und wiederkehrende Arbeitsschritte. Der Skill unterstützt bei Interpretation, Bewertung und Entscheidung.
Die Einordnung regelmäßig überprüfen
Was heute ein Skill ist, kann später teilweise automatisiert werden. Was heute automatisierbar erscheint, kann sich als zu variabel erweisen.
Die Aufgabenarchitektur muss deshalb regelmäßig überprüft und angepasst werden.
Strategischer Ausblick
Die technische Einstiegshürde für KI-gestützte Prozesse wird weiter sinken. Mitarbeiter werden zunehmend in der Lage sein, eigene wiederverwendbare Arbeitsweisen, Skills und Automatisierungen zu entwickeln.
Dadurch verschiebt sich die eigentliche Herausforderung.
Die zentrale Frage wird künftig weniger lauten, ob eine Organisation Zugang zu künstlicher Intelligenz besitzt. Entscheidend wird sein, ob sie ein klares Modell für Auswahl, Qualität, Verantwortlichkeit und Weiterentwicklung ihrer Lösungen etabliert hat.
Mittelständische Unternehmen besitzen dabei einen besonderen Vorteil. Ihre Entscheidungswege sind häufig kürzer als in großen Konzernen. Fachwissen und operative Praxis liegen näher beieinander. Pilotprojekte können schneller umgesetzt und angepasst werden.
Dieser Vorteil lässt sich jedoch nur nutzen, wenn KI nicht als Sammlung einzelner Werkzeuge verstanden wird. Erforderlich ist eine strukturierte Verbindung aus Aufgaben, Prozessen, Daten, Wissen, Skills, Automatisierungen und menschlicher Verantwortung.
Der größte Fortschritt entsteht nicht durch den höchstmöglichen Automatisierungsgrad.
Er entsteht durch die präzise Entscheidung, welche Aufgabe auf welcher Ebene am wirksamsten bearbeitet wird.
Über BuiltSmart Hub
BuiltSmart Hub zählt zu den führenden Plattformen für innovative Technologien, Baupraktiken und Produkte, die das Planen, Bauen und Betreiben von Gebäuden effizienter, nachhaltiger und zukunftsorientierter gestalten.
Gegründet von Bernhard Metzger - Bauingenieur, Projektentwickler und Fachbuchautor mit über 38 Jahren Erfahrung - bietet BuiltSmart Hub fundierte, gut aufbereitete Inhalte rund um digitale Innovationen, smarte Methoden und strategische Entwicklungen in der Bau- und Immobilienbranche.
Die Themenvielfalt reicht von Künstlicher Intelligenz, Robotik und Automatisierung über Softwarelösungen, BIM und energieeffizientes Bauen bis hin zu Fragen des Gebäudebetriebs, Lebenszyklusmanagements und der digitalen Transformation. Darüber hinaus widmet sich BuiltSmart Hub zentralen Managementthemen wie Risikomanagement, strategischem Controlling, Lean- und Agile-Methoden, Kennzahlensteuerung, Zeitmanagement sowie dem Aufbau zukunftsfähiger Zielbetriebsmodelle (Target Operating Models, TOM). Auch der professionelle Umgang mit toxischen Dynamiken in Organisationen und Teams wird thematisiert, mit dem Ziel, gesunde, leistungsfähige Strukturen im Bau- und Immobilienumfeld zu fördern.
Ergänzt wird das Angebot durch einen begleitenden Podcast, der ausgewählte Beiträge vertieft und aktuelle Impulse für die Praxis liefert.
Inhaltlich eng verzahnt mit der Fachbuchreihe SMART WORKS, bildet BuiltSmart Hub eine verlässliche Wissensbasis für Fach- und Führungskräfte, die den Wandel aktiv mitgestalten wollen.
Mit BuiltSmart AI wird dieser Wissenstransfer konsequent in die Praxis fortgeführt. Aufbauend auf den fachlichen Erkenntnissen des BuiltSmart Hub entstehen individuelle, browserbasierte KI-Anwendungen für kleine und mittelständische Unternehmen sowie die Bau- und Immobilienwirtschaft. Ziel ist es, Geschäftsprozesse zu automatisieren, Informationen intelligent aufzubereiten, fundierte Entscheidungen schneller zu ermöglichen und die Produktivität sowie Effizienz nachhaltig zu steigern. Im Mittelpunkt stehen keine Standardlösungen, sondern maßgeschneiderte KI-Software, die sich an den individuellen Anforderungen und Prozessen eines Unternehmens orientiert.
BuiltSmart Hub – Wissen. Innovation. Zukunft Bauen.
Kontakt
BuiltSmart Hub
Dipl. Ing. (FH) Bernhard Metzger
E-Mail: info@built-smart-hub.com
Internet: www.built-smart-hub.com
Buchempfehlungen
Als Hardcover, Softcover und E-Book verfügbar
Verlinkung zum tredition Shop, Inhaltsverzeichnis & Vorwort
KI verstehen, anwenden, profitieren - Praxiswissen, Prompts und Strategien für den erfolgreichen KI-Einsatz im Alltag und Beruf
👉 tredition Shop: KI verstehen, anwenden, profitieren
Zeitkompetenz - Strategien für Führung, Projekte und souveränes Selbstmanagement
👉 tredition Shop: Zeitkompetenz
Innovation Bauen 2035 - Strategien, Technologien & Führung für eine neue Bau- und Immobilienpraxis
👉 tredition Shop: Innovation Bauen 2035
Beruflich neu durchstarten mit 50+: Selbstbewusst bewerben, strategisch positionieren, erfolgreich neu starten
👉 tredition Shop: Beruflich neu durchstarten mit 50+
TOM – Das strategische Zukunftskonzept für Planung, Bau und Immobilienmanagement
👉 tredition Shop: TOM
Smart Risk – Strategisches Risikomanagement im Bauwesen
👉 tredition Shop: Smart Risk – Strategisches Risikomanagement im Bauwesen
KPIs & Kennwerte für Planung, Bau und Immobilienmanagement
👉 tredition Shop: KPIs & Kennwerte für Planung, Bau und Immobilienmanagement
Lean & Agile im Bauwesen - Schlüsselstrategien für effiziente Planung und Umsetzung
👉 tredition Shop: Lean & Agile im Bauwesen
Masterplan Zeit - Die besten Strategien für mehr Produktivität und Lebensqualität
👉 tredition Shop: Masterplan Zeit
KI & Robotik im Bauwesen - Digitale Planung, smarte Baustellen und intelligente Gebäude
👉 tredition Shop: KI & Robotik im Bauwesen
Die KI Revolution - Wie Künstliche Intelligenz unsere Zukunft verändert – und wie du davon profitierst
👉 tredition Shop: Die KI Revolution
Burnout durch toxische Dynamiken
👉 tredition Shop: Burnout durch toxische Dynamiken
Deep Impact Leadership
👉 tredition Shop: Deep Impact Leadership
Psychische Erschöpfung, Burnout und toxische Dynamiken im beruflichen Umfeld
Mit wenig Aufwand mehr erreichen - Das Prinzip der Einfachheit für wirksames Arbeiten und erfülltes Leben
👉 tredition Shop: Mit wenig Aufwand mehr erreichen
BuiltSmart Hub – Online-Plattform für intelligente Baupraktiken.
👉 Online-Plattform: BuiltSmart Hub - Podcasts - All Content - Smart Works
Hinweis auf unsere kostenlose APP für Mobilgeräte
Kommentare