Ermöglichung geschäftsgetriebener Automatisierung

Fähigkeit dorthin bringen, wo Wissen lebt

Wenn ein Versicherungsprüfer einen Anspruch bewertet, greift er auf jahrelange Mustererkennung zurück. Randfälle, die sie gesehen hat, Ausnahmen, die sie gelernt hat, Urteilsentscheidungen, die es nie in ein Handbuch geschafft haben. Als ihr Unternehmen sich entscheidet, diesen Prozess zu automatisieren, übergibt sie Anforderungen an die IT und wartet. Was Wochen später ankommt, übernimmt die einfachen Fälle. Der Rest braucht sie noch. Und trotz Milliarden in Automatisierungsplattformen setzt sich dieses Muster in allen Unternehmen fort. Anforderungen werden in der Übersetzung vereinfacht. Randfälle werden ausgelassen, weil sie für die Person, die sie nicht aufgeschrieben hat, offensichtlich erschienen. Das Urteil, das in erfahrenen Köpfen lebt, bleibt dort. Die Lösung ist nicht mehr Zeit, die für die Erfassung von Anforderungen verwendet wird. Es geht darum, zu überdenken, wer überhaupt Automatisierung baut. Ich glaube, wir stehen an einem Wendepunkt. Der Schwerpunkt der Automatisierung verlagert sich von der IT auf das Geschäft, und Organisationen, die diesen Wandel erkannt und sich anpassen, werden vor denen stehen, die es nicht tun.

Das Problem des Automatisierungsbesitzes

Seit Jahrzehnten ist Automatisierung das IT-Gebiet. Und das aus gutem Grund. Workflows zu bauen bedeutete, Code zu schreiben, Systemarchitekturen zu verstehen und komplexe Abhängigkeiten zu managen. IT besaß sie, weil die Arbeit technische Expertise erforderte, die die meisten Geschäftsteams nicht hatten. Doch dieses Modell hat eine grundlegende Schwäche. Diejenigen, die das Geschäft verstehen, sind nicht diejenigen, die die Automatisierung entwickeln. Was dem Geschäftsnutzer offensichtlich ist, schafft es nie in die Anforderungen. Randfälle, die ein erfahrener Fachmann behandelt, werden instinktiv unmöglich komplex zu dokumentieren. Die über Jahre aufgebaute Logik wird auf eine vereinfachte Spezifikation reduziert, die die Feinheiten übersieht. Das Ergebnis ist Automatisierung, die die vorhersehbaren 80 Prozent bewältigt und bei den 20 Prozent bricht. Ich habe im vergangenen Jahr mit zahlreichen Unternehmensleitern gesprochen. Der CIO eines großen Finanzdienstleisters brachte es einfach auf den Punkt: "Es gibt zehnmal mehr Geschäftsnutzer als IT-Nutzer. Warum verlangen wir IT, das zu automatisieren, was das Unternehmen am besten weiß?"

Warum Low-Code und No-Code nicht gereicht haben

Die Branche erkannte dieses Problem schon vor Jahren. Die Antwort waren Low-Code- und No-Code-Plattformen. Technische Hürden verringern, Automatisierung für mehr Menschen zugänglich machen. Das war der richtige Instinkt. Aber die Umsetzung blieb nicht ausreichend. Low-Code-Lösungen reduzierten etwas Komplexität, erforderten aber technisches Denken. Geschäftsanwender stießen auf Mauern, wenn Prozesse ausgefeilt wurden. No-Code-Alternativen erreichten Einfachheit durch das Opfern von Fähigkeiten. Für grundlegende Aufgaben in Ordnung, aber unzureichend für die komplexen Workflows, die echten Geschäftswert schaffen. Keine der Ansätze löste das tiefere Problem: Zerbrechlichkeit. Selbst wenn Geschäftsanwender Workflows bauen konnten, brachen diese Workflows in dem Moment, in dem sich die Bedingungen änderten. Traditionelle Automatisierung arbeitet nach deterministischer Logik. Sie funktioniert perfekt, wenn Daten im erwarteten Format ankommen, wenn Prozesse vorhergesagten Pfaden folgen, wenn sich nichts ändert. In dem Moment, in dem die Realität abweicht – ein unerwartetes Feld, ein neues Szenario, eine verschobene Geschäftsregel – bricht sie. Eine EMA-Studie aus dem Jahr 2025 mit über 400 Unternehmen ergab, dass die Komplexität der Automatisierungsverwaltung in hybriden und Multi-Cloud-Umgebungen einer der Hauptgründe ist, warum Organisationen Schwierigkeiten haben, die Automatisierung auszubauen. Unternehmen vertrauen ihrer Automatisierung nicht zu, um mit Variabilitäten in komplexen Umgebungen umzugehen. Deshalb begrenzen sie den Anwendungsbereich, halten manuelle Rückfallbacks und erreichen nie die von ihnen prognostizierte Transformation. Die Kluft zwischen dem, was Geschäftsteams brauchen, und dem, was sie bauen können, ist nicht geschlossen.

Wie KI die Geschäftsautomatisierung verändert

Generative KI schließt diese Lücke. Nicht indem sie menschliches Urteilsvermögen ersetzt, sondern indem sie die Hürden beseitigt, die Geschäftsteams daran gehindert haben, teilzunehmen. Der Wandel erfolgt in drei Dimensionen:

• Workflow-Erstellung – Natürliche Sprachschnittstellen ermöglichen es Praktikern, ihre Bedürfnisse im Gespräch zu beschreiben, wobei KI die Absicht in Workflow-Logik übersetzt. Jemand, der den Geschäftsprozess versteht, aber keine technische Ausbildung besitzt, kann Automatisierungen bauen, die zuvor spezielle Fähigkeiten erforderten.
• Operative Transparenz – KI-gestützte Assistenten können Fragen wie "Welche Arbeitslasten sind in den letzten 24 Stunden ausgefallen?" durch die Analyse von Protokollen, Metriken und Laufzeitverläufen in Echtzeit beantworten. Wissen, das früher das Navigieren mehrerer Systeme erforderte, wird durch Gespräche zugänglich.
• Anpassungsfähigkeit – KI berücksichtigt Variabilität auf eine Weise, wie es deterministische Systeme nicht können. Daten kommen in unerwarteten Formaten an, Randfälle, die nicht explizit programmiert wurden. Szenarien, die traditionelle Automatisierung brechen würden, werden zu handhabbaren Variationen.

Keine dieser Fähigkeiten ersetzt menschliches Urteilsvermögen. Vielmehr können diejenigen, die das Geschäft verstehen, endlich direkt mit Systemen arbeiten, die einst ausschließlich der IT vorbehalten waren.

Wie Organisationen geschäftsgetriebene Automatisierung einführen

Organisationen ändern ihre Bewertung und Auswahl der Automatisierung. Traditionelle Technologiesilo-Ansätze – die Auswahl des besten Tools für jede Kategorie – weichen Geschäftsergebnis-Evaluationen, bei denen mehrere Automatisierungsfähigkeiten gemeinsam mit den zu lösenden Problemen bewertet werden. Die Benutzerfreundlichkeit für Geschäftsteams wird zum Standardkriterium. Unternehmen wollen Werkzeuge, die ihre Betriebsteams konfigurieren können, ohne IT-Tickets zu erstellen. Sie wollen Dashboards, die Geschäftsanwender anpassen können, anstatt auf Berichte zu warten. Sie wollen Workflows, die Business Analysten sicher anpassen können, wenn sich die Anforderungen ändern. Einige Unternehmen sind noch weiter gegangen und haben IT-Spezialisten in Geschäftsbereiche integriert, um hybride Teams zu schaffen, die technische Fähigkeiten mit Fachwissen verbinden. Der vielversprechendste Weg ist jedoch Technologie, die die benötigte Expertise reduziert. KI-gestützte Workflow-Erstellung, die es Praktikern ermöglicht, in natürlicher Sprache zu beschreiben, was sie brauchen. Konversationsschnittstellen, die Expertise direkt in die tägliche Arbeit einbringen – sei es Mainframe-Wissen für Anwendungsentwickler oder operative Einblicke für Geschäftsteams. Intelligenz, die dort eingebettet ist, wo bereits Arbeit stattfindet, nicht in separaten Werkzeugen, die eine separate Ausbildung erfordern.

Die Zukunft der geschäftsgetriebenen Automatisierung

Der Weg nach vorne besteht nicht darin, zwischen IT-Kontrolle und Geschäftsfreiheit zu wählen. Es geht darum, Systeme zu schaffen, die ausgefeilt genug sind, um echte Komplexität zu bewältigen, aber gleichzeitig zugänglich genug, damit Geschäftsteams sie besitzen. Drei Prinzipien leiten diesen Wandel:

1. Fähigkeit dorthin setzen, wo Wissen liegt – Die Menschen, die Ergebnisse verstehen, sollten die Werkzeuge haben, um direkt auf dieses Verständnis zu reagieren.
2. Integrieren Sie Intelligenz in bestehende Arbeitsabläufe – KI, die separate Werkzeuge und Schulungen benötigt, sorgt für Reibung. KI, die mit den Praktikern zusammenarbeitet, beseitigt sie.
3. Entwerfen Sie Variabilität, nicht nur Effizienz – Automatisierung, die zusammenbricht, wenn die Realität abweicht, ist keine Automatisierung. Sie ist eine Belastung.

Das sind keine erstrebenswerten Ziele. Sie sind praktische Anforderungen für Organisationen, die wollen, dass Automatisierung ihr Versprechen einhält. Der Underwriter, der genau weiß, wie man Risiken einschätzt, sollte die Automatisierung bauen, die dies umsetzt. Der Betriebsleiter, der Workflow-Abhängigkeiten versteht, sollte konfigurieren, wie sie ablaufen. Das Finanzteam, das Muster in den Daten erkennt, sollte die Regeln erstellen, wie darauf zu handeln ist. Die Frage ist, ob Organisationen den Wandel annehmen oder weiter darauf warten, dass IT das, was das Unternehmen bereits weiß, übersetzt.

Entdecken Sie, wie diese Prinzipien unsere neuesten Veröffentlichungen prägen:

• Control-M
• BMC AMI

Diese Beiträge sind meine eigenen und spiegeln nicht unbedingt die Position, Strategien oder Meinung von BMC wider.