Die Automatisierung, die am häufigsten scheitert: Lehren aus 50 Projekten

Nach der Implementierung von über 50 Automatisierungen für Unternehmen in Argentinien, Uruguay, Kolumbien und Mexiko kann ich mit Sicherheit sagen, dass das Problem fast nie technischer Natur ist. Die Automatisierungen, die am häufigsten scheitern, sind nicht die, die komplexe Technologie verwenden oder schwierige Systeme integrieren. Es sind die, die auf Prozessen aufgebaut werden, die niemand sich die Zeit genommen hat, vorher zu verstehen.

Es gibt eine gefährliche Fantasie auf dem Markt: dass Automatisierung eine Abkürzung ist. Dass man einen chaotischen manuellen Prozess nehmen, Technologie darüberlegen und er auf magische Weise effizient wird. So funktioniert das nicht. So hat das nie funktioniert. Und dennoch sehen wir weiterhin Unternehmen, die in die gleiche Falle tappen.

Die harten Daten: Von den 50+ Projekten, die wir durchgeführt haben, begannen 35% derjenigen, die schlecht liefen, so, weil der Kunde einen Prozess automatisieren wollte, der nicht einmal dokumentiert war. Weitere 25% scheiterten, weil niemand den Ist-Zustand gemessen hatte, bevor man anfing. Und 15% starben, weil niemand darüber nachgedacht hatte, was passiert, wenn der Bot auf einen Fall trifft, den er nicht versteht.

Dieser Artikel ist ein Durchgang durch die Fehler, die wir gesehen haben, die Lehren, die wir daraus gezogen haben, und das Framework, das wir entwickelt haben, um sicherzustellen, dass Automatisierungen nicht nur in der Demo funktionieren, sondern in der Produktion überleben.

Das ist der häufigste und teuerste Fehler. Ein Lebensmittelvertriebsunternehmen in Buenos Aires rief uns an, um seinen Bestellprozess zu automatisieren. Der Ablauf funktionierte so: Verkäufer schickten Bestellungen per WhatsApp an eine Verwaltungskraft, die sie in eine Excel-Tabelle eintrug, die dann manuell ins ERP hochgeladen wurde. Sie wollten einen Bot, der die WhatsApp-Nachrichten nimmt und direkt ins ERP lädt.

Als wir den Prozess kartierten, entdeckten wir, dass die Verwaltungskraft nicht nur transkribierte — sie korrigierte auch Fehler der Verkäufer (falsche Produktcodes, unmögliche Mengen), überprüfte den Bestand anhand einer anderen Tabelle und rief den Kunden an, wenn etwas nicht stimmte. Den Ablauf so zu automatisieren, wie er war, hätte ein Desaster falscher Bestellungen verursacht.

Was wir gemacht haben: Zuerst haben wir den Prozess neu gestaltet. Verkäufer wechselten zu einem strukturierten Formular in einer einfachen App (kein freiformatiges WhatsApp mehr). Das Formular validiert Codes und Mengen gegen den Katalog in Echtzeit. Erst dann automatisierten wir den ERP-Upload. Das Ergebnis: 94% Reduzierung der Ladezeit, und Fehler sanken von 12% auf unter 1%.

Die Lektion ist brutal, aber einfach: Wenn Sie einen kaputten Prozess automatisieren, bricht er nur schneller zusammen. Man muss immer zuerst neu gestalten.

Eine Buchhaltungskanzlei mit 80 Mitarbeitern bat uns, den Bankabgleich zu automatisieren. 'Es kostet uns enorm viel Zeit', sagten sie. Als wir fragten, wie viel genau, war die Antwort 'viel'. Sie hatten keine Kennzahlen.

Wir bestanden darauf, vor jedem Eingriff zu messen. Ergebnis: Der Abgleich verbrauchte 340 Stunden/Monat, verteilt auf 8 Personen. Die realen Kosten betrugen USD 5.100/Monat (unter Berücksichtigung von Gehältern und Gemeinkosten). Die Fehlerquote lag bei 3,2%, was Nacharbeit von weiteren 45 Stunden/Monat verursachte.

Mit diesen Zahlen konnten wir einen soliden Business Case aufbauen, priorisieren, welche Abgleiche zuerst automatisiert werden (höchstes Volumen, niedrigste Komplexität), und einen realistischen ROI prognostizieren. Nach der Implementierung: Die 340 Stunden sanken auf 40 (die, die menschliches Eingreifen für Ausnahmen erforderten), Fehler fielen auf 0,1%, und der ROI betrug 680% im ersten Jahr.

Ohne die anfängliche Messung wäre nichts davon möglich gewesen. Wir hätten nicht gewusst, wo wir anfangen sollen, hätten die Investition gegenüber dem Vorstand nicht rechtfertigen können und hätten keine Möglichkeit gehabt, den Impact nachträglich zu demonstrieren. Wenn Sie den Prozess nicht messen können, bevor Sie ihn automatisieren, automatisieren Sie ihn nicht.

Ein Versicherungsunternehmen beauftragte uns, die Schadensaufnahme zu automatisieren. Der Hauptablauf war sauber: Der Versicherte meldet über das Web, der Schaden wird klassifiziert, ein Gutachter wird zugewiesen und der Schaden wird bearbeitet. Wir automatisierten alles in 6 Wochen und der Pilot war einwandfrei.

Zwei Wochen nach Produktionsstart begannen die Probleme. Schadensfälle mit mehreren Fahrzeugen, die das System nicht handhaben konnte. Meldungen, bei denen der Versicherte nicht der Fahrer war. Fälle, in denen derselbe Schaden zweimal über verschiedene Kanäle gemeldet wurde. Schadensfälle gegen die Versicherungspolice eines Dritten. Jeder dieser Randfälle machte weniger als 2% des Volumens aus, aber zusammen ergaben sie 18% aller Fälle.

Das Betriebsteam hatte am Ende mehr Arbeit als zuvor, weil sie die Fälle lösen mussten, die der Bot falsch geladen hatte, zusätzlich zu denen, die er korrekt verarbeitet hatte. Die Automatisierung erzeugte in ihren ersten Wochen mehr operative Last.

Die Lösung: Wir implementierten ein 'intelligentes Eskalations'-System. Wenn der Bot einen Fall erkennt, der nicht in bekannte Muster passt, markiert er ihn, extrahiert alle Informationen, die er verarbeiten konnte, und eskaliert an einen menschlichen Mitarbeiter mit Kontext. Der Mitarbeiter löst den Fall, und diese Lösung fließt ins Modell ein, damit es den Fall beim nächsten Mal selbst bearbeiten kann. Innerhalb von 3 Monaten sanken die Randfälle, die Eingreifen erforderten, von 18% auf 5%.

Das ist ein Klassiker, den wir bei Unternehmen sehen, wo ein C-Level sich nach einer Konferenz für KI begeistert hat. Sie kommen mit einer Liste von 15 zu automatisierenden Prozessen und wollen alle gleichzeitig starten. Das perfekte Rezept zum Scheitern.

Ein Logistikunternehmen in Montevideo wollte automatisieren: Rechnungsstellung, Sendungsverfolgung, Kundenservice, Reklamationsmanagement, Kundenreporting, Frachtkoordination, Provisionsabrechnung und Bestandskontrolle. Alles gleichzeitig. Mit einem IT-Team von 4 Personen.

Was wir gemacht haben: Wir haben nein gesagt. Wir schlugen vor, mit EINEM einzigen Prozess zu beginnen — dem mit dem höchsten Volumen, der niedrigsten Komplexität und dem größten sichtbaren Impact. Wir wählten die Rechnungsstellung. In 8 Wochen automatisierten wir sie, stabilisierten sie, und das IT-Team lernte, sie zu warten. Erst dann gingen wir zum zweiten Prozess über.

18 Monate später haben sie 6 von 8 Prozessen automatisiert, laufen in Produktion, mit klaren Impact-Metriken. Hätten wir alle gleichzeitig gestartet, bin ich überzeugt, dass heute keiner davon gut funktionieren würde.

Die Regel: Ein Prozess nach dem anderen. Maximal zwei, wenn sie unabhängig sind und Sie ausreichend Personal haben. Automatisierung ist ein Muskel, den man trainiert, kein Schalter, den man umlegt.

Eine Digitalbank bat uns, den Onboarding-Prozess für Geschäftskunden zu automatisieren. Wir arbeiteten mit dem Technologieteam und dem Betriebsleiter. Wir entwarfen eine technisch einwandfreie Lösung. Als wir sie in Produktion brachten, hassten die Onboarding-Analysten sie.

Warum? Weil niemand sie gefragt hatte, wie sie ihre Arbeit tatsächlich erledigen. Der dokumentierte Prozess sagte eine Sache, aber in der Praxis hatten die Analysten Abkürzungen, informelle Validierungen und persönliche Kriterien entwickelt, die in keinem Handbuch standen. Die Automatisierung ignorierte sie alle.

Wir lernten die Lektion auf die harte Tour. Jetzt verbringen wir vor der Automatisierung jedes Prozesses 2-3 Tage damit, neben den Menschen zu sitzen, die ihn ausführen. Nicht Dokumentation lesen — zuschauen. Fragen 'Warum machen Sie das so?' und 'Was passiert, wenn X?' 90% der kritischen Informationen für eine gute Automatisierung leben in den Köpfen der Menschen, die die Arbeit machen, nicht in Verfahrenshandbüchern.

Der Zusatznutzen: Wenn das Team am Design teilnimmt, verbessert sich die Adoption radikal. Sie gehen von 'denjenigen, die der Bot ersetzen wird' zu 'denjenigen, die entworfen haben, wie der Bot funktioniert'. Und das verändert alles.

Das klingt grundlegend, aber wir sehen es ständig: Unternehmen, die eine Automatisierung implementieren, sie laufen lassen und nie wieder hinschauen, bis sie explodiert. Es ist, als würde man einen neuen Mitarbeiter einstellen und ihn nie beaufsichtigen.

Ein Fall, der wehtat: Ein E-Commerce-Unternehmen automatisierte Preisaktualisierungen von ihrem ERP zu ihrem Online-Shop. Es funktionierte 3 Monate lang einwandfrei. Eines Tages sendete ein ERP-Fehler Nullpreise für 200 Produkte. Der Bot aktualisierte sie pflichtgemäß. Sie verkauften 47 Produkte zu 0 €, bevor es jemand bemerkte.

Seitdem beinhaltet jede Automatisierung, die wir deployen, einen nicht verhandelbaren Monitoring-Stack: Anomalie-Alarme (ungewöhnliches Volumen, Werte außerhalb des Bereichs, Fehlerquoten), ein Echtzeit-Performance-Dashboard, ein vollständiges Ausführungsprotokoll mit Nachverfolgbarkeit und automatische Circuit-Breaker, die die Automatisierung pausieren, wenn etwas nicht stimmt.

Monitoring ist kein Nice-to-have. Es ist Teil der Kosten der Automatisierung. Wenn Sie es sich nicht leisten können, sind Sie nicht bereit zu automatisieren.

Nach all diesen Lektionen haben wir ein Framework entwickelt, das wir auf jedes Projekt anwenden. Es ist keine Raketenwissenschaft — es ist systematisierter gesunder Menschenverstand. Aber es funktioniert.

Messen: Bevor wir irgendetwas anfassen, messen wir den aktuellen Prozess. Zeit pro Ausführung, Häufigkeit, Fehlerquote, reale Kosten (einschließlich Gemeinkosten) und Teamzufriedenheit. Das gibt uns die Basis zur ROI-Berechnung und Priorisierung.

Neu gestalten: Mit Daten in der Hand analysieren wir den Prozess. Hat er unnötige Schritte? Kann er vereinfacht werden? Sind Randfälle identifiziert? Ist der Informationsfluss logisch? Wir gestalten auf Papier neu — keine Technologie — bis der Prozess Sinn ergibt.

Automatisieren: Erst jetzt bringen wir Technologie ins Spiel. Wir wählen Tools basierend auf dem Fall (RPA, API-Integrationen, KI-gestützte Workflows oder eine Kombination). Wir implementieren in Phasen: zuerst der Hauptablauf mit den häufigsten Fällen, dann fügen wir schrittweise Randfälle hinzu.

Überwachen: Wir deployen den Observability-Stack vom ersten Tag an. Wir definieren klare KPIs (Ausführungszeit, Erfolgsrate, verarbeitetes Volumen, Ausnahmen), konfigurieren Alarme und überprüfen die Leistung wöchentlich im ersten Monat, zweiwöchentlich in den folgenden zwei.

Jede Phase hat einen Checkpoint mit dem Kunden, bei dem wir entscheiden, ob wir fortfahren, anpassen oder umschwenken. Es gibt kein Commitment, 'X Ding zu automatisieren' — es gibt ein Commitment, 'Y Metrik zu verbessern'. Das verändert die Projektdynamik vollständig.

Ich teile echte (anonymisierte) Zahlen aus Projekten, die wir in den letzten 18 Monaten abgeschlossen haben.

Projekt 1 — Bankabgleich (Buchhaltungskanzlei, 80 Mitarbeiter): Gesamtinvestition USD 35.000. Jährliche Einsparung USD 61.200. ROI im ersten Jahr: 175%. Amortisationszeit: 7 Monate.

Projekt 2 — Rechnungsverarbeitung (Vertriebsunternehmen, 200 Mitarbeiter): Gesamtinvestition USD 28.000. Jährliche Einsparung USD 89.000. ROI im ersten Jahr: 318%. Amortisationszeit: 4 Monate. Bonus: Sie eliminierten 2 Tage Verzögerung im Inkassozyklus.

Projekt 3 — Kunden-Onboarding (Fintech, 120 Mitarbeiter): Gesamtinvestition USD 52.000. Jährliche Einsparung USD 145.000. ROI im ersten Jahr: 279%. Amortisationszeit: 5 Monate. Bonus: NPS für Neukunden stieg um 23 Punkte.

Projekt 4 — Support-Ticket-Klassifikation (SaaS-Unternehmen, 60 Mitarbeiter): Gesamtinvestition USD 18.000. Jährliche Einsparung USD 42.000. ROI im ersten Jahr: 233%. Amortisationszeit: 6 Monate.

Das Muster ist konsistent: Gut ausgeführte Automatisierungen amortisieren sich in 4-7 Monaten. Die schlecht gemachten... nun, deshalb lesen Sie diesen Artikel.

Eine wichtige Anmerkung: Diese Zahlen beinhalten unsere Honorare, Toollizenzen und den Zeitaufwand des Kundenteams. Es sind keine aufgeblähten Zahlen — es ist das, was tatsächlich passiert ist.

Bevor Sie irgendeine Beratung kontaktieren (uns eingeschlossen), stellen Sie sich diese Fragen:

Können Sie den Prozess in einem Absatz beschreiben? Wenn Sie ihn nicht klar erklären können, ist er nicht bereit, automatisiert zu werden. Dokumentieren Sie ihn zuerst.

Haben Sie Kennzahlen für den aktuellen Prozess? Wenn Sie nicht wissen, wie lange er dauert, wie oft er läuft und wie hoch die Fehlerquote ist, beginnen Sie mit dem Messen.

Ist der Prozess stabil? Wenn er sich alle zwei Wochen ändert, ist eine Automatisierung Geldverschwendung. Warten Sie, bis er sich stabilisiert.

Haben Sie jemanden, der die Automatisierung beaufsichtigen kann? Sie brauchen keinen Vollzeit-Ingenieur, aber Sie brauchen jemanden, der Alarme überprüft und weiß, was zu tun ist, wenn etwas fehlschlägt.

Ist das Team mit dabei? Wenn die Menschen, die die Arbeit machen, Automatisierung als Bedrohung sehen, wird sie scheitern. Beziehen Sie das Team vom ersten Tag an ein.

Wenn Sie alle fünf mit 'Ja' beantwortet haben, sind Sie bereit. Wenn Sie bei einer 'Nein' gesagt haben, bedeutet das nicht, dass Sie nicht automatisieren können — es bedeutet, dass Sie Vorarbeit leisten müssen. Und diese Vorarbeit ist genauso wertvoll wie die Automatisierung selbst.

Bei Orionis machen wir beides: Wir helfen Ihnen, den Boden zu bereiten, und dann automatisieren wir. Wenn Sie Ihre Prozesse bewerten möchten, schreiben Sie uns an hallo@orionis.consulting. Das Erstgespräch ist kostenlos und unverbindlich.