Ein Rechnungsfreigabeprozess, ein Urlaubsantrag, eine Bestellanforderung – auf dem Papier wirken solche Abläufe linear: Schritt A, Schritt B, Schritt C. Genau diese sichtbaren Hauptpfade werden in Digitalisierungsprojekten zuerst automatisiert, weil sie sich leicht in ein Flussdiagramm fassen lassen. Was dabei verloren geht, sind die Rückfragen, Sonderfreigaben und manuellen Prüfungen, die denselben Prozess im Alltag begleiten. Sobald Menschen an einer Stelle mitentscheiden, sinkt die Vorhersagbarkeit des Ablaufs spürbar, wie eine Analyse zu scheiternden Automatisierungsprozessen beschreibt – wer nur den dokumentierten Pfad automatisiert, baut an dieser Stelle eine Lücke in die eigene Automatisierung ein. Dieser Beitrag zeigt, woher diese Lücke stammt, wie man sie vor der Tool-Auswahl findet, und wann der Aufwand einer vollständigen Prozessanalyse überhaupt gerechtfertigt ist.

Warum der Soll-Prozess selten der Ist-Prozess ist

Prozessdokumentationen entstehen meist für Schulungen, Audits oder Zertifizierungen. Sie bilden den Weg ab, der funktionieren soll – nicht zwangsläufig den Weg, der tatsächlich gegangen wird. Scheinbar einfache Geschäftsprozesse folgen in der Praxis komplexen, parallel ablaufenden Mustern, weil einzelne Prozessendpunkte nicht sauber miteinander verknüpft sind, wie eine Analyse zu Fehlern in der Prozessautomatisierung zeigt. Automatisierungswerkzeuge setzen aber genau das um, was modelliert wurde: Trifft ein realer Fall auf eine Abweichung, die im Modell nicht vorkommt, bricht entweder die automatisierte Kette ab oder der Fall wird unbemerkt von der Automatisierung wieder manuell bearbeitet.

Wie groß dieser blinde Fleck sein kann, zeigt ein dokumentiertes Beispiel: Bei Vodafone deckte eine Process-Mining-Analyse vor der Einführung von RPA auf, dass viele Aufträge mehrfach vom Standardprozess abwichen, bevor die Bestellung überhaupt freigegeben war – und dass zahlreiche eigentlich automatisierbare, wiederkehrende Transaktionen trotzdem manuell bearbeitet wurden, wie die Computerwoche in einem Beitrag zu Process Mining vor der Prozessautomatisierung beschreibt.

Nicht der Prozess auf dem Papier wird automatisiert, sondern der Prozess, der tatsächlich gelebt wird.

Drei Quellen versteckter Komplexität

In der Praxis lassen sich die häufigsten blinden Flecken auf drei Ursachen zurückführen:

• Ausnahmefälle, die im Soll-Prozess nicht vorkommen: Komplizierte Geschäftsprozesse mit vielen Sonderfällen lassen sich nicht einfach automatisieren, solange niemand den Prozess vor der Automatisierung evaluiert und bereinigt hat.
• Technische Abhängigkeiten zwischen Systemen: Fehlende oder unzureichende Schnittstellen, Oberflächen-Updates, die Bots unwirksam machen, und Datenbank-IDs, die auf dem Bildschirm gar nicht sichtbar sind, verhindern eine zuverlässige Automatisierung auf Oberflächenebene.
• Manuelle Zwischenschritte außerhalb des Systems: Excel-Abgleiche, Telefonklärungen oder informelle Rückfragen, die in keiner Prozessdokumentation auftauchen, aber notwendig sind, damit der Ablauf im Alltag funktioniert.

Diese drei Muster sind in der Fachliteratur zu Automatisierungsprojekten wiederkehrend beschrieben, etwa in Analysen zu scheiternden RPA-Projekten und zu technischen Grenzen von RPA-Tools. Technische Abhängigkeiten dieser Art behandelt auch der Beitrag zur API-Falle bei komplexen Geschäftsprozessen ausführlicher.

Eine diagnostische Reihenfolge vor der Tool-Auswahl

Der Beitrag zu RPA im Mittelstand beschreibt, wie sich vorab prüfen lässt, ob sich eine Automatisierung finanziell überhaupt lohnt. Die folgende Reihenfolge setzt davor an: Sie prüft, ob der Prozess überhaupt so verstanden ist, wie er sich automatisieren lässt.

• Ist-Aufnahme statt Soll-Dokumentation: Wo Systemlogs existieren, liefert Process Mining die tatsächlich gegangenen Pfade; wo das nicht der Fall ist, braucht es strukturierte Interviews mit den operativ Beteiligten, denn Erfahrungswissen über Sonderfälle und seltene Ereignisse liegt selten bei den Prozessverantwortlichen allein, sondern bei den Personen, die den Prozess täglich ausführen.
• Abweichungsquote ermitteln: Wie oft verlässt ein konkreter Fall den dokumentierten Hauptpfad, bevor er abgeschlossen ist? Eine hohe Quote ist ein Signal, dass der Prozess vor der Automatisierung noch nicht automatisierungsreif ist.
• Systemabhängigkeiten prüfen: Existieren stabile Schnittstellen für alle beteiligten Systeme, oder arbeitet die Automatisierung über Oberflächen, die sich bei jedem Update ändern können?
• Verantwortlichkeit für Ausnahmefälle klären: Wer entscheidet heute über Abweichungen vom Standardprozess, und wer übernimmt diese Entscheidung, wenn der Hauptpfad automatisiert ist?

Der letzte Punkt wird in der Praxis häufig unterschätzt: Fehlt im Mittelstand eine klar zuständige Rolle für die Automatisierungssteuerung, bleibt unklar, wer Ausnahmen nach der Einführung bearbeitet, wie eine Analyse zu konsumierbarer Automatisierung beschreibt. Unklare Zuständigkeiten und zu groß gewählte Startprojekte zählen laut einer Checkliste zur Eignung von Prozessen für Automatisierung zu den vermeidbaren Fehlern, und eine fehlende Definition davon, was der zu automatisierende Prozess überhaupt umfasst, gilt laut einer Expertendiskussion zu Intelligent Process Automation als eine der Hauptursachen enttäuschter Erwartungen.

Wann sich die vollständige Analyse lohnt – und wann ein einfacherer Weg reicht

Der Aufwand einer vollständigen Ist-Analyse lohnt sich nicht für jeden Prozess gleich stark. Branchenübergreifende Vergleiche zeigen, dass Finance, HR und IT die höchste Prozessdichte und Wiederholbarkeit aufweisen und deshalb als besonders geeignete Automatisierungskandidaten gelten – dort amortisiert sich der Aufwand einer gründlichen Prozessaufnahme eher als bei Einzelfall-Prozessen mit geringem Volumen, wie eine Analyse zu Automatisierung im Mittelstand zeigt. Dieselbe Quelle beschreibt klassisches RPA als komplex im Aufbau, teuer im Betrieb und stark von spezialisierten Entwicklern abhängig, was den Aufwand einer vorgelagerten Analyse zusätzlich rechtfertigt, bevor investiert wird. Gleichzeitig gilt: Process Mining liefert nur dann belastbare Ergebnisse, wenn die zugrunde liegenden Systemlogs vollständig und konsistent sind – fehlt diese Basis, verschiebt sich das eigentliche Problem von der Prozessanalyse auf die Datenqualität, die dann zuerst geklärt werden muss.

Ein wachsender Teil der Mittelstandsunternehmen setzt inzwischen auf KI-Agenten zur eigenständigen Prozessorchestrierung: Laut dem KI-Mittelstandsindex von Salesforce und dem Deutschen Mittelstands-Bund nutzen bereits 16,6 Prozent der befragten Unternehmen KI-Agenten dafür, mit Effizienzsteigerung in internen Prozessen als meistgenanntem Motiv bei 54,4 Prozent, wie der KI-Index Mittelstand 2026 zeigt. KI-Agenten können Abweichungen vom Hauptpfad flexibler behandeln als starre Bot-Skripte, ersetzen aber nicht die vorgelagerte Frage, welche Ausnahmen überhaupt vorkommen und wer über sie entscheidet. Wer diesen Weg prüfen will, findet im Leistungsbereich KI-Agenten und Workflow-Automatisierung einen Ansatzpunkt. Reicht ein einfacherer Weg? Ja, wenn die Abweichungsquote aus Schritt zwei gering ist, die Regeln klar formuliert sind und die Daten strukturiert vorliegen – in diesem Fall greift die Prüfreihenfolge aus dem Beitrag zu RPA im Mittelstand, ohne dass eine vollständige Process-Mining-Analyse vorgeschaltet werden muss.

Nächster Schritt

Wer eine Automatisierung plant, sollte nicht mit der Tool-Auswahl beginnen, sondern mit der Frage, wie gut der eigene Prozess tatsächlich verstanden ist. Eine knappe Ist-Aufnahme des Kandidatenprozesses – wahlweise per Process Mining oder per strukturierten Interviews –, dazu die Abweichungsquote, die Systemabhängigkeiten und die Zuständigkeit für Ausnahmefälle, liefert die Grundlage, um zwischen klassischem RPA, process-mining-gestützter Automatisierung oder einem KI-Agenten zu entscheiden. Fehlt diese Grundlage, bleibt jede Tool-Entscheidung eine Wette auf einen Prozess, den noch niemand vollständig verstanden hat.

Häufige Fragen

Transparenzhinweis: Bei der Erstellung dieses Beitrags wurde generative KI unterstützend eingesetzt. Inhalt, Faktenprüfung und finale Redaktion erfolgten durch Ancud