Prozessautomatisierung: Wann eine Workflow-Engine reicht

Sobald ein Prozess automatisiert werden soll, fällt in vielen Projekten schnell das Stichwort künstliche Intelligenz. Das ist verständlich, denn KI dominiert die Schlagzeilen und verspricht, komplexe Aufgaben elegant zu lösen.

In der Praxis ist dieser Reflex jedoch oft falsch. Die meisten Automatisierungsaufgaben bestehen darin, Daten zwischen Systemen zu bewegen, Schritte auszulösen, auf Ereignisse zu warten, Freigaben einzuholen und bei Fehlern erneut zu versuchen. Diese Abläufe sind deterministisch: Bei gleicher Eingabe soll immer dasselbe passieren. Für solche Aufgaben ist ein statistisches Modell, das Wahrscheinlichkeiten schätzt, das falsche Werkzeug. Bewährte Prozessautomatisierung löst sie präziser, günstiger und nachvollziehbarer.

Eine Workflow-Engine orchestriert einen Geschäftsprozess als langlebigen, dauerhaften Workflow. Statt eines fragilen Skripts, das bei einem Server-Neustart alles verliert, behandelt die Engine den Prozess als beständiges Objekt erster Klasse. Ihre zentralen Garantien sind:

• Dauerhafte Ausführung: Der Zustand jedes Workflows wird persistiert, sodass ein Prozess Abstürze, Deployments und Neustarts übersteht und genau dort weiterläuft, wo er unterbrochen wurde.
• Automatische Wiederholungen: Fehlgeschlagene Schritte werden nach konfigurierbaren Regeln erneut versucht, ohne dass jemand jedes Mal eigene Retry- und Backoff-Logik schreibt.
• Expliziter Zustand: Die aktuelle Position im Prozess, seine Eingaben und seine Historie sind gespeichert und abfragbar, nicht über verstreute Logs verteilt.
• Auf Dauerbetrieb ausgelegt: Ein Workflow kann Stunden, Tage oder Wochen auf ein externes Ereignis oder eine Freigabe warten, ohne eine Verbindung offen zu halten.
• Beobachtbarkeit: Jeder Schritt, jede Wiederholung und jeder Fehler ist sichtbar, was Fehlersuche und Auditierung erleichtert.

Kurz gesagt macht die Engine aus einer unzuverlässigen Folge von Aufrufen einen Prozess, dem man vertrauen und den man nachvollziehen kann.

Wer eine typische Geschäftsautomatisierung genau betrachtet, stellt fest: Das meiste ist deterministische Verdrahtung, die nie ein Modell gebraucht hat. Wiederkehrende Bausteine sind:

• Integrations- und API-Konnektoren, die aus CRMs, ERPs, Datenbanken und SaaS-Tools lesen und in sie schreiben.
• Message-Queues, die Systeme entkoppeln und Lastspitzen abfangen.
• Scheduler und Timer, die Jobs starten oder Fristen durchsetzen.
• Geschäftsregeln und Validierung, die klare, testbare Bedingungen anwenden.
• Freigabe- und Human-in-the-loop-Schritte, die den Prozess anhalten, bis jemand bestätigt.
• Wo sinnvoll, Low-Code- oder RPA-Werkzeuge, um Systeme ohne saubere API zu überbrücken.

KI verdient ihren Platz genau dort, wo deterministische Regeln an Grenzen stossen: bei unstrukturierten Eingaben und bei Entscheidungen unter Unsicherheit. Geht es um natürliche Sprache, Dokumente, Bilder oder Audio, ist ein passend gewähltes Modell oft die einzige praktikable Option.

Konkrete Fälle, in denen KI der richtige Baustein ist:

• Extraktion: strukturierte Felder aus Rechnungen, Verträgen oder E-Mails herauslösen.
• Klassifikation: ein Support-Ticket weiterleiten oder ein Dokument einordnen.
• Zusammenfassung: langen Text zu einem Briefing verdichten.
• Generierung: eine Antwort, eine Beschreibung oder eine erste Dokumentversion entwerfen.
• Entscheidungen unter Unsicherheit: Einschätzungen, für die keine feste Regel jeden Fall abdeckt.

Entscheidend ist: Das sind einzelne Schritte, nicht das gesamte System.

Die beiden Ansätze stehen nicht in Konkurrenz. Das robusteste Design nutzt die Workflow-Engine als Rückgrat und führt KI als einen Schritt innerhalb des orchestrierten Prozesses aus.

Ein Dokumenten-Workflow kann zum Beispiel eine Datei entgegennehmen, einen KI-Schritt zur Extraktion der relevanten Felder aufrufen, das Ergebnis gegen deterministische Geschäftsregeln prüfen, bei niedriger Konfidenz eine menschliche Kontrolle anfordern und die Daten anschliessend in das Zielsystem schreiben. Die Engine besitzt die Orchestrierung, die Wiederholungen und den Zustand. Das Modell besitzt genau eine Aufgabe: das Dokument zu verstehen.

Weil die KI als einzelner Schritt gekapselt ist, lässt sie sich austauschen, aktualisieren oder neu anweisen, ohne den umgebenden Prozess anzufassen. Du kannst den Modellanbieter wechseln oder den Prompt anpassen, während Orchestrierung, Garantien und Audit-Trail unverändert bleiben.

Die Kombination aus bewährter Engine und selektiver KI zahlt sich auf mehreren Ebenen aus. Das deterministische Rückgrat ist im Verhalten und in den Kosten vorhersehbar, weil jeder Schritt definiert ist und seine Ausführung gemessen wird, statt einem Modell überlassen zu bleiben. Zuverlässigkeit entsteht durch die Wiederholungen und den persistierten Zustand der Engine, nicht durch die Hoffnung, dass ein einzelner grosser Aufruf gelingt.

Auch Compliance und Auditierung werden einfacher. Wenn der Prozess explizit ist und jeder Schritt protokolliert wird, lässt sich genau zeigen, was wann und warum passiert ist. KI auf klar abgegrenzte Schritte zu beschränken, begrenzt, wo nicht-deterministisches Verhalten auftreten kann, und macht Prüfungen, Freigaben und regulatorische Fragen deutlich leichter beantwortbar.

Bei ORO Solutions bauen wir pragmatische Automatisierung und wählen für jede Aufgabe das passende Werkzeug. Die Workflow-Engine, die wir einsetzen, ist Temporal, eine Workflow-Orchestrierungs-Engine für durable Execution: Sie führt zuverlässige, langlaufende Workflows mit automatischen Wiederholungen, persistiertem Zustand und guter Sichtbarkeit aus.

Auf diesem Fundament ergänzen wir KI nur dort, wo sie echten Mehrwert bringt, als klar definierten Schritt im Workflow statt als Zentrum des Ganzen. Wir verkaufen KI nicht um ihrer selbst willen. Löst ein deterministischer Prozess das Problem gut, bauen wir genau das; verlangt eine Aufgabe wirklich nach Sprach-, Dokumenten- oder Bildverständnis, integrieren wir ein Modell dort, wo es hingehört.

Bevor ein massgeschneidertes KI-System beauftragt wird, lohnt die Frage, was der Prozess wirklich braucht. Vieles, was Unternehmen Automatisierung nennen, ist dauerhafte Orchestrierung deterministischer Schritte, und dafür ist eine Workflow-Engine besser geeignet als jedes Modell. Mach den Prozess zuerst zuverlässig und beobachtbar, und ergänze Intelligenz genau dort, wo Mehrdeutigkeit oder unstrukturierte Daten sie verlangen.