2026 lautet die Frage nicht mehr „sollen wir mit KI automatisieren?“, sondern „womit fangen wir an?“. In den Projekten, die wir bei DevHighWay durchführen, haben sich die meisten Unternehmen, deren erstes KI-Vorhaben scheitert, nicht im Werkzeug geirrt: Sie haben sich im Prozess geirrt. Sie haben einen seltenen, schlecht gemessenen oder zu stark von menschlichem Urteil abhängigen Fall automatisiert, und der ROI ist nie eingetreten.

Dieser Artikel schlägt eine pragmatische Methode in 6 Schritten zur Auswahl der richtigen Kandidaten vor, gefolgt von den 7 Prozessen, die 2026 in französischen KMU und Mittelständlern systematisch als prioritär aufkommen. Jeder Fall ist mit typischem ROI, Implementierungskomplexität und Tool-Stack beziffert. Ziel: Ihnen in einer Lektüre einen Entscheidungsrahmen zu geben.

Warum Priorisierung wichtiger ist als Technologie

Moderne LLMs (Claude 3.7 Sonnet, GPT-4 Turbo, Mistral Large) sind technisch zur Commodity geworden. Die Inferenzkosten sind in zwei Jahren um mehr als 60 % gefallen, und Orchestratoren wie n8n, Make oder Zapier machen die Integration ohne schweres Coding zugänglich. Das Differenzierungsmerkmal ist nicht mehr das Modell: Es ist die Qualität der Wahl des zu automatisierenden Prozesses.

In unseren Audits stellen wir fest, dass etwa 30 % der repetitiven Aufgaben eines KMU im Dienstleistungssektor mit einem ROI über 3x auf 12 Monate automatisierbar sind. Aber nur 5 bis 7 davon bündeln den Großteil des Gewinns. Diese 5 bis 7 Prozesse im Vorfeld zu identifizieren, entscheidet zwischen einem Projekt, das seine Lizenz in 3 Monaten amortisiert, und einem POC, der leise stirbt.

Schritt 1: Repetitive Prozesse kartieren

Die erste Phase besteht darin, eine Karte der wiederkehrenden Aufgaben je Team zu erstellen. Wir gehen mit kurzen Interviews (30 Minuten) mit 1 bis 2 Personen je Funktion vor: Support, Vertrieb, Finanzen, HR, Marketing, Operations. Ziel ist nicht Vollständigkeit, sondern die Top 20 der mindestens wöchentlich wiederkehrenden Aufgaben zu extrahieren.

Diese Kartierung muss mit den bereits eingesetzten Werkzeugen abgeglichen werden: Ticketvolumen im CRM, Anzahl generierter Angebote im ERP, Anzahl bearbeiteter E-Mails im Support-Postfach. Die Daten existieren fast immer, man muss sie nur aggregieren. Ein Export aus Zendesk, Salesforce oder HubSpot reicht oft, um die 5 Aufgaben aufzudecken, die 60 % der Zeit eines Teams binden.

  • Quelle 1 — Vor-Ort-Interviews (30 min/Person, Top 20 Aufgaben)
  • Quelle 2 — CRM-/Ticketing-Exporte (reale Volumen je Kategorie)
  • Quelle 3 — Analyse gemeinsamer Postfächer (support@, vertrieb@, rechnungen@)
  • Liefergegenstand — Tabelle mit 20 Zeilen: Aufgabe, Team, Frequenz, geschätzte Dauer

Schritt 2: Frequenz × Einzelzeit messen

Sobald die Liste vorliegt, muss jede Zeile in monatlicher Stundenzahl quantifiziert werden. Die Formel ist einfach: Frequenz pro Woche × durchschnittliche Dauer × 4,3 Wochen. Diese Quantifizierung ist die Grenze zwischen einem ernsthaften Projekt und einer Phantasie: eine „mühselige“ Aufgabe, die 3 h/Monat ausmacht, verdient kein KI-Projekt, selbst wenn sie alle nervt.

Unsere Relevanzschwelle bei DevHighWay liegt bei 20 h/Monat kumuliert pro Prozess oder 5 h/Monat, wenn die Aufgabe stark standardisiert und leicht zu automatisieren ist. Darunter zehren Scoping-, Implementierungs- und Supervisionskosten den Gewinn auf. Über 80 h/Monat wird der ROI ab dem ersten Jahr nahezu systematisch.

Schritt 3: Das Verhältnis Regeln/Urteil bewerten

Nicht alle repetitiven Aufgaben sind auf gleichem Niveau automatisierbar. Das entscheidende Kriterium ist das Verhältnis zwischen dem Anteil expliziter Regeln („wenn X dann Y“) und dem Anteil menschlichen Urteils („das hängt vom Kontext, vom Kunden, von der Historie ab“). Je mehr das Verhältnis zu den Regeln tendiert, desto solider und prüfbarer die Automatisierung.

Konkret klassifizieren wir jede Aufgabe auf einer Skala von 1 bis 5. Die Stufen 1-2 (stark regelbasiert) sind perfekte Kandidaten für vollautomatische KI mit leichten Leitplanken. Die Stufen 3-4 benötigen einen Menschen in der Schleife (Validierung vor dem Versand). Stufe 5 (reines Urteil) ist nicht automatisierbar, kann aber von einem Copilot unterstützt werden, der die Entscheidung vorbereitet.

  • Stufe 1-2 — Datenextraktion, E-Mail-Klassifikation, Generierung von Zusammenfassungen: vollautomatisch
  • Stufe 3-4 — Erstellung von Angeboten, Lead-Qualifizierung, Moderation: Mensch validiert
  • Stufe 5 — Verhandlung, strategische Abwägung: ausschließlich Copilot

Schritt 4: Den Brutto-ROI schätzen

Die ROI-Berechnung vergleicht drei Elemente: eingesparte Stunden, bewertet zum beladenen Stundensatz (im Schnitt 45 bis 70 €/h für eine qualifizierte französische Mitarbeiterin 2026), die einmaligen Implementierungskosten (Scoping, Entwicklung, Integration) und die monatlichen Run-Kosten (LLM-API, Hosting, Supervision).

In unseren Projekten kostet ein gut aufgesetzter KI-Workflow zwischen 6 000 und 25 000 € in der Implementierung und zwischen 150 und 800 €/Monat im Run, je nach Volumen der LLM-Aufrufe. Wenn der Prozess 40 h/Monat zu 55 €/h einspart, also 2 200 €/Monat, liegt der Payback unter 6 Monaten. Das ist die Schwelle, über der wir empfehlen, die Fortsetzung anzugehen.

Schritt 5: Einen Piloten über 4 bis 6 Wochen starten

Der Pilot dient dazu, drei Dinge zu validieren: die Ausgabequalität der KI bei realen Fällen, die Adoption durch die Nutzer und die bezifferte Verbesserungs-Baseline. Wir reservieren systematisch 4 bis 6 Wochen, nicht weniger (Zeit, den Neuheitsbias zu absorbieren), nicht mehr (darüber hinaus industrialisiert man, was nicht reif ist).

Die absolute Regel: vorher messen. Ohne Erhebung von Zeit, Fehlerquote oder bearbeitetem Volumen in der Ausgangssituation kann der Pilot nichts belegen. Wir setzen zu Beginn des Piloten einen 5-Werktage-Sprint durch, um diese Baseline zu erfassen, selbst wenn der Kunde darauf besteht, sofort mit der Entwicklung zu beginnen.

Schritt 6: Industrialisieren und skalieren

Die Industrialisierung verwandelt den Piloten in einen Produktionsdienst: Monitoring (Logs, Fehlerquote, Latenz), menschliches Fallback bei Zweifeln, Nutzerdokumentation, Plan zur Aktualisierung der Prompts. Es ist der am stärksten unterschätzte Schritt. Ein POC, der in der Demo funktioniert und an einem Samstag um 22 Uhr abstürzt, zerstört für 18 Monate das interne Vertrauen.

Sobald der erste Prozess stabilisiert ist, wird das Skalieren wirtschaftlich: Der Orchestrierungs-Stack (n8n oder Make), die RAG-Schicht (Pinecone, Qdrant), die Credentials und das Monitoring sind gemeinsam genutzt. Der zweite Prozess kostet 40 bis 60 % weniger als der erste. In diesem Moment amortisiert sich das KI-Vorhaben wirklich.

Die 7 Prozesse, die Sie 2026 vorrangig automatisieren sollten

Nach mehr als fünfzig 2024-2025 durchgeführten Scopings heben sich die folgenden 7 Prozesse als beste Kandidaten zum Einstieg hervor. Sie verbinden hohe Frequenz, günstiges Regelverhältnis und unter 6 Monaten messbaren ROI. Für jeden geben wir den typisch beobachteten ROI, die Implementierungskomplexität und den empfohlenen Stack an.

1. Kundensupport Level 1

Repetitive Tickets (Auftragsverfolgung, Zurücksetzung, FAQ) machen 60 bis 80 % des Supportvolumens in den meisten B2C- und SaaS-Unternehmen aus. Ein KI-Agent, korrekt an die Wissensbasis und das Bestellsystem angeschlossen, absorbiert dieses Volumen ohne wahrnehmbare Qualitätsverluste.

  • Typischer ROI — 30 bis 50 % der Tickets in 3 Monaten von der menschlichen Bearbeitung abgelenkt
  • Komplexität — mittel, abhängig von der Qualität der Wissensbasis
  • Stack — Claude 3.7 Sonnet oder GPT-4 Turbo, RAG auf Pinecone, Integration Zendesk/Intercom

2. Qualifizierung eingehender Leads

Kontaktformulare erzeugen einen gemischten Strom: ernsthafte Interessenten, Anfragen außerhalb der Zielgruppe, Bewerber, Partner. Ein KI-Agent, der in weniger als 2 Minuten qualifiziert, anreichert (LinkedIn, Website) und routet, steigert die Konversionsrate spürbar, indem er verhindert, dass gute Leads abkühlen.

  • Typischer ROI — +15 bis +25 % Konversionsrate bei Inbound-Leads
  • Komplexität — gering bis mittel, viele ausgereifte Drittanbieter-APIs
  • Stack — n8n oder Make, Clearbit/Dropcontact, Claude 3.7, CRM (HubSpot, Pipedrive)

3. Automatisches wöchentliches Reporting

Jede Managerin verbringt im Schnitt 5 bis 8 h pro Woche damit, Zahlen aus Google Analytics, dem CRM, den Ads-Tools zu konsolidieren und eine Zusammenfassung für ihre Vorgesetzte zu verfassen. Eine automatisierte Kette, die sammelt, signifikante Abweichungen berechnet und den Kommentar auf Deutsch verfasst, spart diese Last ein.

  • Typischer ROI — 5 bis 8 h/Woche/Managerin
  • Komplexität — mittel, abhängig von der Anzahl der Quellen
  • Stack — n8n, BigQuery oder Airtable, Claude für die Texterstellung, Versand per Slack oder E-Mail

4. Datenextraktion aus E-Mails und PDFs

Lieferantenrechnungen, eingehende Angebote, Bestellungen, Verträge: Back-Office-Abteilungen verbringen Stunden damit, Informationen in das ERP abzutippen. Moderne LLMs lesen ein komplexes PDF mit einer Genauigkeit über 95 % bei strukturierten Feldern und ermöglichen eine nahezu sofortige Verarbeitung.

  • Typischer ROI — 2 bis 5 h/Tag/Mitarbeiterin in Buchhaltung oder Admin
  • Komplexität — gering, ausgereifte Bausteine
  • Stack — GPT-4 Turbo Vision oder Claude 3.7, Make, Integration Pennylane/Sage/SAP

5. Generierung von Angeboten und Vertriebsvorschlägen

Die Erstellung eines maßgeschneiderten Angebots bindet eine Vertriebsperson 2 bis 4 Stunden: Referenzen suchen, das Layout kopieren, das Pricing anpassen, korrekturlesen. Ein KI-Assistent, der sich aus dem Katalog, früheren Angeboten und dem Kunden-Briefing speist, produziert in weniger als 5 Minuten eine solide erste Fassung.

  • Typischer ROI — 60 bis 70 % Zeitersparnis pro Angebot
  • Komplexität — mittel bis hoch, erfordert einen gut strukturierten RAG
  • Stack — Claude 3.7 Sonnet, Qdrant für das RAG auf früheren Angeboten, Generierung Google Docs oder PDF

6. Moderation von Inhalten und UGC

Für Community-Plattformen, Marktplätze und Medien ist die Moderation von Kommentaren, Bewertungen und Nutzerinhalten eine kontinuierliche Last. Eine KI-Pipeline filtert problematische Inhalte (Spam, Beleidigungen, illegale Inhalte) vorgelagert und übergibt nur Zweifelsfälle an einen Menschen.

  • Typischer ROI — 80 % der manuellen Moderation vermieden
  • Komplexität — technisch gering, erfordert aber starke Governance
  • Stack — Mistral oder Claude für die Klassifizierung, menschliche Reviewqueue für Zweifelsfälle

7. Nutzer-Onboarding und interne Schulung

Neue Mitarbeiterinnen wie neue SaaS-Kunden stellen zu 80 % dieselben Fragen: „wie macht man X im Tool“, „wo finde ich Y“, „wen kontaktiere ich für Z“. Ein KI-Assistent, angebunden an die interne Dokumentation und die Tickethistorie, entlastet Support und HR.

  • Typischer ROI — 40 % weniger „Wie macht man“-Tickets
  • Komplexität — gering, wenn die Dokumentation existiert, sonst hoch
  • Stack — Claude 3.7, RAG auf Notion/Confluence, Slack-Oberfläche oder Web-Widget

Die 3 häufigsten Fehler, die Sie vermeiden sollten

  • Change Management unterschätzen — ein ohne Begleitung der Nutzer ausgerollter KI-Workflow landet in einem vergessenen Tab. Planen Sie 20 bis 30 % des Projektbudgets für Change Management, Schulung und Begleitung nach 30/60/90 Tagen ein.
  • Den falschen Prozess zuerst automatisieren — mit einer „sichtbaren“, aber wenig häufigen Aufgabe zu beginnen, bricht den Schwung. Beginnen Sie mit einem Prozess mit hohem Stundenvolumen, auch wenn er weniger glamourös in einem Vorstandskomitee zu präsentieren ist.
  • Die Baseline-Messung vergessen — ohne Vorab-Zahlen lässt sich kein ROI belegen. Der Sponsor wird letztlich das Budget streichen. Setzen Sie einen 5-tägigen Messsprint vor jeder Entwicklung durch.

Wie geht es weiter?

Wenn Sie 2 oder 3 dieser 7 Prozesse in Ihrem Unternehmen wiedererkennen, haben Sie genug, um 2026 ein rentables KI-Vorhaben zu starten. Die richtige Reihenfolge ist: zuerst den schmerzhaftesten Prozess scopen, die Baseline messen, pilotieren, dann skalieren. Die Technologie wird nie das Hindernis sein. Das Hindernis sind Priorisierung und Messung.

  • Kostenloses Audit — unser SEO- und KI-Audit umfasst eine schnelle Kartierung der automatisierbaren Prozesse in Ihrem Bereich.
  • Projekt-Scoping — Kontakt aufnehmen für einen 30-minütigen Austausch: Wir identifizieren gemeinsam die 2 bis 3 Prozesse mit dem höchsten ROI.
  • Budget — unsere Preise sind öffentlich und detaillieren die Pakete für Scoping, Pilot und Industrialisierung.

Mit KI 2026 zu automatisieren ist keine Frage technologischen Mutes mehr. Es ist eine Frage methodischer Disziplin. Der richtige Prozess, vorher und nachher gemessen, in 6 Wochen geliefert: Das ist die Formel, die wir bei DevHighWay anwenden, und sie macht den ROI nachweisbar.