ki automatisierung » So verändert künstliche Intelligenz die Arbeitswelt

KI Automatisierung entwickelt sich zu einem der wichtigsten Themen der digitalen Arbeitswelt. Künstliche Intelligenz kann heute nicht mehr nur Texte schreiben oder Fragen beantworten. Moderne KI-Systeme können Informationen analysieren, Entscheidungen vorbereiten, Inhalte erstellen, Software bedienen und gemeinsam mit Automatisierungstechnologien komplette Arbeitsabläufe unterstützen.

Für Unternehmen eröffnet das neue Möglichkeiten. Wiederkehrende Aufgaben können automatisiert, Mitarbeiter entlastet und Prozesse effizienter gestaltet werden. Gleichzeitig verändert sich die Art und Weise, wie Menschen mit Software und digitalen Systemen arbeiten. Doch was genau ist KI Automatisierung? Wie funktioniert sie? Welche Prozesse lassen sich automatisieren und wo liegen die Grenzen?

Was ist KI Automatisierung?

KI Automatisierung bezeichnet die Kombination aus künstlicher Intelligenz und automatisierten Prozessen, um Aufgaben und Arbeitsabläufe teilweise oder vollständig ohne manuelle Eingriffe auszuführen.

Eine klassische Automatisierung folgt häufig festen Regeln:

Wenn X passiert, dann führe Y aus. KI Automatisierung geht einen Schritt weiter.

Ein KI-System kann beispielsweise:

• Inhalte verstehen

• Texte analysieren

• Dokumente auswerten

• Informationen klassifizieren

• Entscheidungen vorbereiten

• natürliche Sprache verarbeiten

• Zusammenhänge erkennen

• Inhalte generieren

• auf unterschiedliche Situationen reagieren

Dadurch können auch Prozesse automatisiert werden, bei denen klassische Wenn-Dann-Regeln nicht ausreichen.

Ein einfaches Beispiel macht den Unterschied deutlich. Ein Unternehmen erhält täglich zahlreiche Kundenanfragen per E-Mail.

Eine klassische Automatisierung könnte lediglich prüfen:

Wenn E-Mail von Kunde X → leite an Abteilung Y weiter.

Eine KI-basierte Automatisierung kann dagegen den Inhalt der E-Mail analysieren.

Das System erkennt beispielsweise:

„Mein Produkt ist beschädigt angekommen. Ich möchte einen Ersatz.“

Die KI kann daraus ableiten:

• Thema: Reklamation

• Kunde: bestehender Kunde

• Produkt: Bestellung 12345

• Priorität: normal

• gewünschte Aktion: Ersatzlieferung

Anschließend kann die Automatisierung weitere Schritte auslösen.

Zum Beispiel:

E-Mail → KI analysiert → CRM wird geprüft → Vorgang wird erstellt → Antwortentwurf wird generiert → Mitarbeiter prüft → Antwort wird versendet Hier zeigt sich das eigentliche Potenzial der KI Automatisierung.

Klassische Automatisierung und KI Automatisierung überschneiden sich, sind aber nicht identisch.

Ein automatischer Rechnungslauf ist beispielsweise klassische Automatisierung. Die automatische Analyse einer eingehenden Rechnung inklusive Erkennung von Rechnungsnummer, Lieferant, Betrag und Zahlungsziel kann dagegen durch KI unterstützt werden. In der Praxis werden beide Technologien häufig kombiniert.

Eine KI-Automatisierung besteht meistens aus mehreren Komponenten.

1. Auslöser

Zunächst muss ein Ereignis stattfinden.

Beispiele:

• neue E-Mail

• neuer Auftrag

• hochgeladene Datei

• Kundenanfrage

• neuer Datensatz

• Formularübermittlung

• Support-Ticket

Dieses Ereignis startet den Prozess.

2. Datenverarbeitung

Anschließend werden die relevanten Informationen verarbeitet.

Die KI kann beispielsweise:

• Text verstehen

• Bilder analysieren

• Dokumente auslesen

• Sprache transkribieren

• Daten klassifizieren

• Informationen extrahieren

3. KI-Entscheidung

Jetzt kommt die eigentliche künstliche Intelligenz ins Spiel.

Das System kann beispielsweise bestimmen:

• Welche Kategorie besitzt die Anfrage?

• Wie dringend ist sie?

• Welche Antwort passt?

• Welche Informationen sind relevant?

• Welcher nächste Schritt ist sinnvoll?

4. Aktion

Anschließend führt die Automatisierung eine Aktion aus.

Zum Beispiel:

• E-Mail versenden

• Ticket erstellen

• CRM aktualisieren

• Datei speichern

• Mitarbeiter benachrichtigen

• Datenbank aktualisieren

• Bericht erzeugen

• Aufgabe erstellen

5. Kontrolle

Bei wichtigen Prozessen kann anschließend ein Mensch die Ausgabe überprüfen.

Das Prinzip lautet:

KI unterstützt → Mensch kontrolliert → System führt aus

Diese Kombination kann insbesondere bei sensiblen Geschäftsprozessen sinnvoll sein.

KI Automatisierung besteht nicht aus einer einzigen Technologie. Verschiedene Systeme können miteinander kombiniert werden.

Large Language Models

Large Language Models, kurz LLMs, können natürliche Sprache verstehen und generieren.

Sie eignen sich beispielsweise für:

• Texte

• E-Mails

• Zusammenfassungen

• Klassifizierung

• Recherche

• Wissenszugriff

Machine Learning

Machine-Learning-Systeme können Muster in Daten erkennen und daraus Prognosen oder Klassifizierungen ableiten.

Computer Vision

Computer Vision ermöglicht die Verarbeitung und Analyse von Bildern und Videos.

OCR

OCR steht für Optical Character Recognition. Damit können Texte aus Dokumenten, Scans oder Bildern erkannt werden.

APIs

APIs ermöglichen die Kommunikation zwischen verschiedenen Software-Systemen.

Workflow-Automatisierung

Automatisierungsplattformen verbinden unterschiedliche Anwendungen und Prozesse. Die Kombination dieser Technologien ermöglicht komplexe KI-Workflows.

Die Einsatzmöglichkeiten sind sehr vielfältig.

1. E-Mail-Automatisierung

E-Mails gehören zu den einfachsten und gleichzeitig interessantesten Anwendungsfällen.

Eine KI kann eingehende Nachrichten:

• analysieren

• kategorisieren

• priorisieren

• zusammenfassen

• beantworten

• weiterleiten

Beispielsweise könnte ein Unternehmen alle eingehenden Nachrichten automatisch nach:

• Support

• Vertrieb

• Rechnung

• Bewerbung

• Beschwerde

• allgemeine Anfrage

Der Kundenservice eignet sich besonders gut für KI Automatisierung. Ein KI-System kann Kundenanfragen analysieren und passende Antworten erstellen.

Beispielsweise:

Kunde → Anfrage → KI analysiert → Wissensdatenbank → Antwort → Kunde

Bei einfachen Standardfragen kann die Antwort möglicherweise vollständig automatisiert erfolgen. Bei komplexen Fällen wird die Anfrage an einen Mitarbeiter übergeben.

Auch im IT-Support kann KI eingesetzt werden. Ein neues Ticket könnte automatisch analysiert werden.

Die KI erkennt beispielsweise:

Problem: Benutzer kann sich nicht anmelden.

Daraufhin können automatisch:

• Kategorie gesetzt

• Priorität bestimmt

• Benutzerinformationen abgerufen

• ähnliche Tickets gesucht

• Lösungsvorschläge erstellt

• Mitarbeiter informiert

Für IT-Abteilungen kann das besonders interessant sein, weil große Ticketmengen schneller verarbeitet werden können.

Vertriebsteams arbeiten mit großen Mengen an Kundendaten und Kommunikation.

KI kann beispielsweise:

• Leads analysieren

• Kundenanfragen klassifizieren

• E-Mails vorbereiten

• Gesprächsnotizen zusammenfassen

• CRM-Daten aktualisieren

• Follow-ups vorbereiten

• Angebote unterstützen

Dadurch können Vertriebsmitarbeiter weniger Zeit mit administrativen Aufgaben verbringen.

Marketing ist ein weiteres großes Einsatzgebiet.

KI kann unter anderem:

• Content-Ideen erstellen

• Texte generieren

• Social-Media-Beiträge vorbereiten

• SEO-Inhalte unterstützen

• Zielgruppen analysieren

• Kampagnenvarianten erstellen

• Newsletter vorbereiten

Besonders interessant ist die Kombination aus generativer KI und Workflow-Automatisierung.

Beispielsweise:

Keyword → KI erstellt Content-Briefing → KI erstellt Entwurf → SEO-Prüfung → Mitarbeiter kontrolliert → Veröffentlichung

Auch die Buchhaltung kann von KI Automatisierung profitieren.

Eine eingehende Rechnung kann automatisch:

1. erkannt,

2. ausgelesen,

3. klassifiziert,

4. dem richtigen Lieferanten zugeordnet,

5. auf relevante Daten geprüft und

6. an die zuständige Stelle weitergeleitet

Dabei können OCR und KI kombiniert werden. Besonders bei großen Dokumentenmengen kann dies viel manuelle Arbeit reduzieren.

Unternehmen verfügen häufig über große Mengen an Dokumenten.

Dazu gehören:

• Verträge

• Angebote

• Rechnungen

• Richtlinien

• Handbücher

• Protokolle

• technische Dokumentationen

KI kann diese Dokumente analysieren und beispielsweise bestimmte Informationen herausarbeiten.

Ein Mitarbeiter könnte beispielsweise fragen:

„Welche Kündigungsfrist steht in diesem Vertrag?“

Die KI durchsucht das Dokument und liefert die relevante Information.

Auch HR-Prozesse können teilweise automatisiert werden.

Beispiele:

• Stellenanzeigen erstellen

• Bewerbungsunterlagen vorsortieren

• Termine koordinieren

• Fragen beantworten

• Onboarding-Dokumente erstellen

• Schulungsunterlagen vorbereiten

Hier ist allerdings besondere Vorsicht erforderlich. Personalentscheidungen können erhebliche Auswirkungen auf Menschen haben. KI sollte deshalb nicht unkontrolliert über Bewerber oder Mitarbeiter entscheiden.

Die IT gehört zu den Bereichen mit besonders großem Automatisierungspotenzial.

Mögliche Anwendungsfälle:

• Log-Analyse

• Ticket-Klassifizierung

• Skripterstellung

• Dokumentation

• Fehleranalyse

• Monitoring

• Wissensmanagement

• Benutzer-Support

• Code-Generierung

• automatisierte Reports

Ein KI-System kann beispielsweise einen Fehler in einer Logdatei erkennen und gleichzeitig eine mögliche Ursache sowie einen Lösungsvorschlag formulieren.

Unternehmen besitzen häufig große interne Wissensbestände.

Das Wissen befindet sich beispielsweise in:

• PDFs

• Wikis

• E-Mails

• Handbüchern

• Datenbanken

• Tickets

• Dokumentationen

Eine KI kann diese Informationen zentral zugänglich machen.

Ein Mitarbeiter könnte beispielsweise fragen:

„Wie wird unser VPN-Zugang für neue Mitarbeiter eingerichtet?“

Die KI sucht in den freigegebenen Unternehmensinformationen und liefert eine verständliche Antwort.

Generative KI und KI Automatisierung ergänzen sich hervorragend. Generative KI erzeugt Inhalte. Automatisierung verbindet diese Fähigkeiten mit konkreten Prozessen.

Beispiel:

Kundennachricht → generative KI erstellt Antwort → Automatisierung trägt Antwort ins CRM ein → Mitarbeiter bekommt Freigabe → E-Mail wird versendet Ohne Automatisierung müsste der Mitarbeiter jeden Schritt manuell durchführen. Ohne generative KI wäre die Automatisierung häufig auf starre Regeln beschränkt.

Zusammen entsteht ein wesentlich flexiblerer Workflow.

Eine der spannendsten Entwicklungen ist die Verbindung von KI-Agenten und Automatisierung. Ein KI-Agent kann stärker darauf ausgerichtet sein, ein Ziel selbstständig zu verfolgen.

Beispielsweise könnte ein Agent die Aufgabe erhalten:

„Analysiere alle offenen Supporttickets mit hoher Priorität und bereite Lösungsvorschläge vor.“

Der Agent könnte anschließend:

1. Tickets abrufen,

2. Inhalte analysieren,

3. relevante Wissensquellen durchsuchen,

4. ähnliche Fälle finden,

5. Lösungsvorschläge erstellen,

6. Ergebnisse dokumentieren

Damit entsteht eine neue Form der Prozessautomatisierung.

Zeitersparnis

Eine der größten Chancen liegt in der Reduzierung manueller Arbeit. Routineaufgaben können automatisch erledigt werden.

Höhere Produktivität

Mitarbeiter können sich stärker auf komplexe und wertschöpfende Aufgaben konzentrieren.

Schnellere Prozesse

Automatisierte Systeme können Aufgaben rund um die Uhr bearbeiten.

Weniger manuelle Fehler

Bei gut definierten Prozessen kann Automatisierung bestimmte Übertragungs- und Eingabefehler reduzieren.

Skalierbarkeit

Unternehmen können größere Mengen an Aufgaben bearbeiten, ohne den Personalaufwand proportional erhöhen zu müssen.

Bessere Verfügbarkeit

KI-Systeme können außerhalb klassischer Arbeitszeiten verfügbar sein.

KI Automatisierung bringt nicht nur Vorteile.

Falsche Ergebnisse

Eine KI kann Informationen falsch interpretieren oder falsche Antworten erzeugen. Deshalb sollte die Qualität wichtiger Ergebnisse kontrolliert werden.

Datenschutz

Unternehmen müssen genau prüfen, welche Daten verarbeitet werden und wo diese gespeichert werden.

Sicherheitsrisiken

Automatisierte Systeme besitzen teilweise Zugriff auf Unternehmensanwendungen. Ein Fehler oder Angriff kann dadurch größere Auswirkungen haben.

Abhängigkeit

Wenn ein kompletter Geschäftsprozess von einem einzigen Anbieter abhängig ist, kann ein Ausfall problematisch werden.

Fehlende Transparenz

Nicht jede KI-Entscheidung lässt sich einfach nachvollziehen.

Überautomatisierung

Nicht jeder Prozess sollte automatisiert werden. Manchmal ist menschliche Kontrolle die bessere Lösung.

Ein guter Kandidat für KI Automatisierung besitzt häufig mehrere dieser Eigenschaften:

• hohe Wiederholungsrate

• großer manueller Aufwand

• viele ähnliche Anfragen

• strukturierte Prozessschritte

• große Datenmengen

• klare Ziele

• hoher Kommunikationsanteil

Besonders interessant sind:

E-Mail → Analyse → Klassifizierung → Antwort

Dokument → Extraktion → Prüfung → Weiterleitung

Ticket → Analyse → Priorisierung → Lösungsvorschlag

Kundenanfrage → Recherche → Antwort → CRM

Nicht jeder Prozess sollte automatisiert werden.

Weniger geeignet können beispielsweise Aufgaben sein, bei denen:

• sehr wenig Daten vorhanden sind

• jede Situation einzigartig ist

• schwere Konsequenzen entstehen

• eine menschliche Entscheidung zwingend erforderlich ist

• die Kosten der Automatisierung höher als der Nutzen sind

Bei sensiblen Entscheidungen sollte KI daher eher als Assistenzsystem eingesetzt werden.

Ein wichtiges Konzept bei KI Automatisierung ist Human-in-the-Loop. Dabei übernimmt die KI einen Teil des Prozesses, während ein Mensch die entscheidende Kontrolle behält.

Beispiel:

KI analysiert → KI erstellt Vorschlag → Mitarbeiter prüft → Mitarbeiter bestätigt → Automatisierung führt Aktion aus

Das kann besonders bei:

• Finanzen

• Personal

• Recht

• Medizin

• Sicherheit

• Kundenbeschwerden

KI muss nicht immer vollständig autonom arbeiten. Oft ist die Kombination aus Mensch und Maschine die bessere Lösung.

Eine erfolgreiche Einführung sollte nicht mit möglichst vielen Tools beginnen. Besser ist ein strukturierter Prozess.

Schritt 1: Prozesse identifizieren

Zunächst sollten Unternehmen ihre bestehenden Arbeitsabläufe analysieren.

Fragen können sein:

• Welche Aufgaben wiederholen sich?

• Wo entstehen Wartezeiten?

• Wo müssen Mitarbeiter ständig Daten übertragen?

• Welche Prozesse erzeugen besonders viele E-Mails?

• Welche Aufgaben sind besonders zeitaufwendig?

Schritt 2: Automatisierungspotenzial bewerten

Anschließend wird geprüft, ob KI tatsächlich einen Vorteil bringt.

Eine einfache Bewertung kann folgende Kriterien berücksichtigen:

Zeitaufwand + Häufigkeit + Fehleranfälligkeit + Automatisierbarkeit + Risiko

Schritt 3: Einen kleinen Use Case auswählen

Statt direkt einen kompletten Geschäftsbereich zu automatisieren, sollte zunächst ein überschaubarer Prozess getestet werden.

Beispielsweise:

Automatische Klassifizierung von Supporttickets.

Schritt 4: KI-Modell auswählen

Je nach Aufgabe kann ein unterschiedliches KI-Modell sinnvoll sein.

Dabei spielen unter anderem eine Rolle:

• Qualität

• Geschwindigkeit

• Kosten

• Datenschutz

• Kontextlänge

• Hosting

• Integrationsmöglichkeiten

Schritt 5: Schnittstellen integrieren

Damit KI wirklich Prozesse automatisieren kann, muss sie mit vorhandenen Systemen kommunizieren.

Beispiele:

• CRM

• ERP

• Helpdesk

• E-Mail

• Datenbank

• Dokumentenmanagement

• Kalender

• Cloud-Speicher

APIs spielen dabei eine wichtige Rolle.

Schritt 6: Kontrolle und Sicherheit einbauen

Automatisierte Prozesse sollten überwacht werden.

Wichtig sind beispielsweise:

• Berechtigungen

• Protokollierung

• Freigaben

• Fehlerbehandlung

• Datenschutz

• Monitoring

• Notfallmechanismen

Schritt 7: Ergebnisse messen

Nach dem Start sollte geprüft werden, ob die Automatisierung tatsächlich einen Mehrwert liefert.

Messbare Kennzahlen können sein:

• eingesparte Arbeitszeit

• Bearbeitungsdauer

• Fehlerquote

• Kosten

• Anzahl bearbeiteter Vorgänge

• Mitarbeiterzufriedenheit

• Kundenzufriedenheit

Die Kosten können sehr unterschiedlich ausfallen. Ein einfacher KI-Workflow kann relativ günstig umgesetzt werden. Komplexe Unternehmenslösungen können dagegen deutlich höhere Kosten verursachen.

Zu den möglichen Kostenfaktoren gehören:

• KI-Modell

• API-Nutzung

• Automatisierungsplattform

• Server

• Datenbanken

• Entwicklung

• Integration

• Wartung

• Monitoring

• Mitarbeiterschulungen

Für Unternehmen ist deshalb nicht nur der Preis eines KI-Tools entscheidend. Wichtiger ist der Return on Investment (ROI). Wenn eine Automatisierung beispielsweise jeden Monat viele Arbeitsstunden einspart, kann sich eine Investition schnell rechnen.

Nicht jede KI-Automatisierung muss individuell programmiert werden. No-Code- und Low-Code-Plattformen ermöglichen es, verschiedene Anwendungen miteinander zu verbinden.

Ein Workflow könnte beispielsweise so aussehen:

Neue E-Mail → KI analysiert → Kategorie bestimmen → CRM aktualisieren → Mitarbeiter informieren Dadurch können auch Unternehmen ohne große eigene Entwicklungsabteilung erste KI-Workflows umsetzen. Für komplexere Prozesse bleibt individuelle Softwareentwicklung allerdings häufig sinnvoll.

APIs sind besonders wichtig, wenn KI Bestandteil bestehender Unternehmenssysteme werden soll.

Eine API kann beispielsweise ermöglichen:

CRM → KI → Datenbank → Helpdesk

Dadurch können unterschiedliche Systeme miteinander kommunizieren.

Eine moderne KI-Automatisierung besteht daher häufig aus einem Zusammenspiel von:

KI-Modell + API + Datenbank + Workflow + Benutzeroberfläche

Gerade in Deutschland und Europa spielt Datenschutz eine wichtige Rolle.

Unternehmen sollten vor der Einführung prüfen:

• Welche Daten werden verarbeitet?

• Enthalten die Daten personenbezogene Informationen?

• Wo werden die Daten gespeichert?

• Wer kann darauf zugreifen?

• Welche Anbieter werden verwendet?

• Wie lange werden Daten gespeichert?

• Welche Protokolle entstehen?

Besonders wichtig ist außerdem die Sensibilisierung der Mitarbeiter. Sie sollten wissen, welche Unternehmensinformationen sie in öffentliche oder externe KI-Systeme eingeben dürfen.

Mit der zunehmenden Verbreitung künstlicher Intelligenz wird auch die Regulierung wichtiger. Der EU AI Act verfolgt einen risikobasierten Ansatz für KI-Systeme. Für Unternehmen bedeutet das, dass die Einführung von KI nicht ausschließlich eine technische Frage ist.

Je nach Einsatzgebiet können unterschiedliche Anforderungen relevant sein. Besonders kritisch sind Anwendungen, bei denen KI erhebliche Auswirkungen auf Menschen haben kann. Unternehmen sollten deshalb technische, organisatorische und rechtliche Anforderungen gemeinsam betrachten.

KI Automatisierung wird die Arbeitswelt wahrscheinlich nicht einfach in „Menschen“ und „Maschinen“ aufteilen. Vielmehr verändert sie einzelne Tätigkeiten innerhalb bestehender Berufe. Ein Mitarbeiter kann beispielsweise weiterhin für einen Prozess verantwortlich sein, während KI zahlreiche vorbereitende Schritte übernimmt.

Dadurch verändert sich die Rolle des Menschen.

Statt:

Daten suchen → kopieren → sortieren → schreiben → dokumentieren

kann der Ablauf zunehmend lauten:

Aufgabe definieren → KI arbeitet vor → Mensch kontrolliert → Ergebnis verwenden

Einzelne Tätigkeiten können durch Automatisierung wegfallen. Gleichzeitig entstehen neue Aufgaben und neue Berufe. Historisch haben technologische Entwicklungen häufig bestimmte Tätigkeiten reduziert und andere geschaffen.

Bei KI kommt hinzu, dass nicht nur körperliche Routinearbeit automatisiert werden kann. Auch kognitive Aufgaben können zunehmend unterstützt werden. Deshalb ist es wahrscheinlich, dass viele Berufe nicht verschwinden, sondern sich verändern.

Mit zunehmender KI Automatisierung werden bestimmte Fähigkeiten besonders relevant.

Dazu gehören:

• KI-Kompetenz

• kritisches Denken

• Problemlösung

• Kommunikation

• Fachwissen

• Kreativität

• Prozessverständnis

• Datenkompetenz

Mitarbeiter müssen nicht unbedingt selbst KI entwickeln. Sie sollten jedoch verstehen, wie sie KI sinnvoll einsetzen können.

Unternehmen, die Prozesse frühzeitig sinnvoll automatisieren, können Wettbewerbsvorteile erzielen. Das gilt insbesondere dann, wenn KI nicht nur für einzelne Aufgaben eingesetzt wird. Der größere Vorteil entsteht durch die Verbindung mehrerer Prozesse.

Beispiel:

Lead → Analyse → CRM → Angebot → Follow-up → Reporting

Wenn dieser gesamte Prozess teilweise automatisiert werden kann, entsteht ein wesentlich größerer Effekt als bei einer einzelnen KI-generierten E-Mail.

Die Entwicklung steht noch am Anfang.

In Zukunft dürften KI-Systeme zunehmend:

• eigenständiger handeln

• mehrere Tools verwenden

• komplexere Aufgaben planen

• Unternehmensdaten analysieren

• multimodal arbeiten

• Entscheidungen vorbereiten

• Prozesse überwachen

Besonders interessant wird die Verbindung von generativer KI, KI-Agenten und klassischer Prozessautomatisierung. Dadurch könnten Unternehmen digitale Arbeitsabläufe entwickeln, bei denen KI nicht nur Inhalte erzeugt, sondern komplette Prozessketten unterstützt.

Stellen wir uns einen Vertriebsmitarbeiter vor.

Heute muss er möglicherweise:

1. E-Mails lesen

2. Kundeninformationen suchen

3. CRM öffnen

4. Gespräch dokumentieren

5. Angebot vorbereiten

6. Follow-up planen

Eine KI-gestützte Arbeitsumgebung könnte viele dieser Schritte vorbereiten.

Der Mitarbeiter erhält beispielsweise morgens:

12 neue Leads analysiert. 4 benötigen persönliche Rückmeldung. 5 können mit Standardinformationen beantwortet werden. 3 benötigen weitere Recherche. Antwortentwürfe und CRM-Einträge wurden vorbereitet.

Der Mensch entscheidet anschließend, welche Vorschläge übernommen werden.

Das ist wahrscheinlich eines der wichtigsten Ziele von KI Automatisierung:

Nicht den Menschen aus dem Prozess zu entfernen, sondern ihn von unnötiger Routinearbeit zu entlasten.