Kommentar von Daniel Meyer, Camunda KI-Agenten wirksam in Automatisierungsstrategien integrieren

Anbieter zum Thema

Camunda Services GmbH

Fsas Technologies GmbH

Board Deutschland GmbH

INFOMOTION GmbH

2025 ist das Jahr der KI-Agenten, und das aus gutem Grund: Das Potenzial, das sie versprechen, liegt vor allem in der Fähigkeit, unabhängig zu handeln und Entscheidungen auf Basis komplexer Schlussfolgerungen zu treffen. Sie können Aufgaben priorisieren, Wissen kontextualisieren und sich in Echtzeit an neue Situationen anpassen. Die Integration solcher Agenten in bestehende Automatisierungsstrategien ist da der logische nächste Schritt in der Operationalisierung von KI.

Häufig hapert es heute noch an der Umsetzung. Denn wenn KI-Agenten nicht richtig in End-to-End-Prozesse eingebettet werden, können sie nicht ihr volles Potenzial entfalten. Am Ende muss das Ziel stehen, Workflows effizienter zu gestalten und wiederkehrende menschliche Aufgaben zu minimieren. Geschieht das nicht, drohen fragmentierte Prozesse, die die Effizienz mindern und sowohl Kundenerlebnis als auch Mitarbeiterzufriedenheit verschlechtern.

Laut Accenture zählt KI mittlerweile zu den Haupttreibern technischer Schulden – gleichauf mit klassischen Unternehmensanwendungen. Diese Entwicklung dürfte sich fortsetzen, denn 52 Prozent der Unternehmen planen, ihre Budgets für generative KI im Jahr 2025 weiter aufzustocken.

Investitionen in KI treffen auf Geschäftsprozesse, die aus einer Vielzahl von Schritten bestehen, die von unterschiedlichen Endpunkten ausgeführt werden. Endpunkte können Menschen, Systeme (einschließlich KI) und Geräte sein. Damit all diese Endpunkte – oder Komponenten – zusammenarbeiten, Abhängigkeiten berücksichtigt und Aufgaben zum richtigen Zeitpunkt ausgeführt werden, ist eine durchdachte Prozessorchestrierung unumgänglich.

Die agentenbasierte Prozessorchestrierung ebnet den Weg in eine erfolgreiche Operationalisierung von KI ohne technische Schulden. Sie kombiniert deterministische Prozesslogik – also vorhersehbare, modellierte Abläufe – mit dynamischen, durch KI gesteuerten Entscheidungen. Dadurch lassen sich nicht nur vollständig definierte, sondern auch undefinierte und kontextabhängige Prozesse effizient automatisieren.

Deterministische vs. dynamische Prozessorchestrierung

In der Automatisierung unterscheidet man, wie bereits im oberen Abschnitt erwähnt, zwischen deterministischen und dynamischen Orchestrierungsansätzen. Bei der deterministischen Orchestrierung ist der Ablauf im Vorfeld klar definiert und vollständig modelliert. Jeder Schritt folgt einer vordefinierten Logik, die durch Bedingungen, Regeln oder Entscheidungstabellen abgebildet wird. Das sorgt für Transparenz, maximale Kontrolle und Wiederholbarkeit, was besonders in stark regulierten Branchen wichtig ist.

Bei der dynamischen Orchestrierung ergeben sich die nächsten Schritte dagegen aus dem aktuellen Kontext, dem Systemzustand oder aus durch Agenten berechneten Vorschlägen. Diese Art der Orchestrierung eignet sich besonders für variantenreiche Prozesse, deren genaue Ablauflogik im Voraus nicht planbar ist.

Agentenbasierte Prozessorchestrierung kombiniert beide Ansätze. Standardisierbare Prozesspfade werden modelliert und variable Anteile durch KI-Agenten ergänzt. Diese hybride Form schafft ein Gleichgewicht zwischen Stabilität und Flexibilität und erlaubt ein kontrolliertes Einführen von KI in unternehmenskritische Prozesse.

Herausforderungen und Risiken von KI-Agenten

Mit wachsender Komplexität von KI-Systemen steigt auch das Risiko ihrer unkontrollierten Anwendung. Besonders in regulierten Sektoren wie Finanzdienstleistungen oder im Gesundheitswesen sind Transparenz, Auditierbarkeit und konsistentes Verhalten zentrale Anforderungen. Laut des Reports „State of Process Orchestration and Automation“ beklagen 84 Prozent der Unternehmen mangelnde Nachvollziehbarkeit beim Einsatz von KI in ihren Prozessen. Eine Ursache liegt in einer teils konfusen Implementierung – etwa, wenn einzelne Systeme eigene Agenten-Funktionen beinhalten, die nicht mit der übergreifenden Prozesslogik verbunden sind.

Hier setzt agentenbasierte Prozessorchestrierung an. KI-gestützte Entscheidungen werden über eine zentrale Steuerung eingebettet, protokolliert und mit klaren Zuständigkeiten versehen. Menschliche Kontrollinstanzen (Human-in-the-Loop) können jederzeit eingreifen. Skalierbarkeit und Sicherheit gehen so Hand in Hand.

KI-Agenten in der Praxis – nahtlos und kontrolliert

Wie sich dieser Ansatz operationalisieren lässt, zeigt das folgende Beispiel: Die türkische Halkbank etwa beschleunigt mit Camunda und KI ihren Geldtransferprozess. Kunden senden ihre Aufträge in beliebigen Formaten, zum Beispiel als eingescannte Briefe. OCR und ein lokales KI-Modell extrahieren die Transaktionsdaten, die Mitarbeitende anschließend prüfen. Camunda orchestriert den gesamten Workflow und setzt innerhalb definierter Leitplanken KI dynamisch ein. Das verkürzt die Bearbeitungszeit pro Auftrag von 54 auf 9 Sekunden und halbiert die Fehlerquote. Zudem werden nun 63 Prozent ohne manuelles Eingreifen abgeschlossen.

Solche Szenarien zeigen, wie KI-Agenten schon heute erfolgreich genutzt werden können. Indem der Großteil der Prozesse automatisch mithilfe von KI-Agenten abläuft und nur Sonderfälle, bei denen ein KI-Agent nicht zu einem eindeutigen Ergebnis kommt, an Menschen übergeben werden.

Vom Copilot zum Autopilot

Lange Zeit fungierte KI als „Copilot“, indem sie bei der Strukturierung von Informationen half oder Vorschläge lieferte, die vom Menschen geprüft und umgesetzt wurden. Doch durch die Kombination von LLMs, Prozessorchestrierung und Zugriff auf ausführbare Tools wandeln sich Agenten zunehmend zum „Autopilot“.

Im Autopilot-Modus übernehmen Agenten komplette Prozessabschnitte, treffen Entscheidungen, führen Aktionen aus und lernen aus dem Feedback. Die Verantwortung für Ergebnisse wird vom Menschen auf das System verlagert, das wiederum innerhalb klar definierter Grenzen agiert.

Dieser Paradigmenwechsel erfordert technische und organisatorische Voraussetzungen: Guardrails in der Prozessorchestrierung, Rückfallmechanismen, auditierbare Logs und kontextabhängige Eingreifschwellen. Wenn diese gegeben sind, kann die Zeit der KI-Agenten kommen.

(ID:50469942)