Myth Buster: Automatisierung repariert kaputte Prozesse
Der Satz fällt meist nach etwa vierzig Minuten in einem Budgetgespräch. Jemand hat gerade die Zahlen zur Rechnungsverarbeitung, zum Kunden-Onboarding oder zur Schadenbearbeitung vorgestellt: zu langsam, zu viele Handoffs, zu viele Beschwerden. Kurze Pause, dann spricht eine erfahrene Stimme aus, was alle denken: „Das sollten wir einfach automatisieren.“ Zustimmendes Nicken. Der Prozess ist offensichtlich kaputt, Automatisierung ist offensichtlich die zeitgemäße Antwort, und die Entscheidung fühlt sich weniger wie eine Wette an als wie überfällige Aufräumarbeit.
Diese Ausgabe von Myth Buster nimmt den Satz ernst. Die Annahme dahinter – Automatisierung repariert kaputte Prozesse – gehört zu den am weitesten verbreiteten Überzeugungen im operativen Management, und fähige, erfahrene Leute vertreten sie aus nachvollziehbaren Gründen. Bevor wir also prüfen, wo sie scheitert, lohnt sich ein ehrlicher Blick darauf, warum sie so richtig klingt.
Woher der Mythos kommt
Der Mythos hat einen wahren Kern, und der ist substanziell. Automatisierung beseitigt tatsächlich eine ganze Klasse von Problemen, die manuelle Prozesse plagen: Tippfehler, vergessene Schritte, unterschiedliche Bearbeitung derselben Aufgabe durch zwei Sachbearbeiter und die schiere Liegezeit eines Dokuments, das in einem Postfach darauf wartet, dass ein Mensch es bemerkt. Ist ein Prozess stabil und gut verstanden, liefert die Übergabe seiner repetitiven Schritte an Software genau das, was der Business Case verspricht – weniger Fehler, kürzere Durchlaufzeiten, geringere Kosten pro Fall.
Genährt wurde die Überzeugung außerdem von zwei Jahrzehnten Erfahrung und Marketing. Frühe RPA-Projekte setzten oft an Prozessen an, die bereits aufgeräumt waren, und die Ergebnisse waren beeindruckend. Die Anbieterkommunikation hat die Lektion dann verallgemeinert: Jede Demo zeigt, wie ein sauberer Prozess schnell wird, und die Erzählung legt stillschweigend nahe, dass die Sauberkeit vom Tool erzeugt wurde – statt seine Voraussetzung zu sein.
Und schließlich ist der Mythos genau in den Situationen attraktiv, in denen er am gefährlichsten ist. Ein kaputter Prozess ist unangenehm zu untersuchen. Es geht um Gespräche darüber, wer welchen Schritt verantwortet und warum die Ausnahmequote so hoch ist. Automatisierung bietet die Möglichkeit, entschlossen zu handeln, ohne diese Gespräche zu führen. Sie verwandelt ein unübersichtliches Organisationsproblem in ein sauberes Technologieprojekt mit Anbieter, Budget und Go-live-Termin.
Was in der Praxis passiert
Einen kaputten Prozess zu automatisieren macht den Fehler schneller, nicht kleiner
Das älteste Argument gegen den Mythos ist zugleich das klarste. 1990 eröffnete Michael Hammer seinen Artikel zum Reengineering in der Harvard Business Review mit der Beobachtung, dass Unternehmen ihre bestehenden Prozesse unangetastet ließen und Computer lediglich nutzten, um sie zu beschleunigen – und dass Beschleunigung die grundlegenden Leistungsdefizite dieser Prozesse nicht beheben könne. Sein Bild dafür: „paving the cow paths“, das Asphaltieren der Trampelpfade. Jahrzehnte und mehrere Technologiegenerationen später ist das Muster unverändert, weil das Problem nie die Geschwindigkeit der Technik war, sondern die Form des Pfades.
Schau dir an, woraus ein kaputter Prozess tatsächlich besteht. Selten ist er eine Abfolge richtiger Schritte, die zu langsam ausgeführt werden. Viel häufiger enthält er eine redundante Freigabe, die niemand begründen kann, einen Handoff, bei dem Kontext verloren geht, ein Datenfeld, das an der Quelle falsch ist und erst später korrigiert wird, und einen Ausnahmepfad, den die Hälfte der Fälle nimmt. Automatisiere diese Abfolge originalgetreu, und du bekommst ein System, das die redundante Freigabe sofort erteilt, den Kontext in Millisekunden verliert, das falsche Datenfeld in drei weitere Systeme überträgt, bevor jemand eingreifen kann, und den Ausnahmepfad entweder gar nicht beherrscht oder als harten Fehler behandelt. Der Defekt ist nicht behoben; er hat einen schnelleren Motor und eine Codeschicht, die ihn schwerer veränderbar macht.
Nimm einen mittelgroßen Versicherer, der seine Schadenaufnahme genau so automatisiert – ein zusammengesetztes Beispiel für ein Muster, das uns regelmäßig begegnet. Der manuelle Prozess hat eine bekannte Schwäche: Die Aufnahme wählt häufig die falsche Schadenkategorie, die Regulierer korrigieren das später. Die Automatisierung liest die Kategorie aus dem Formular und routet entsprechend. Das Routing wird sofortig – und das Fehlrouting ebenso. Schäden, die früher einen Tag lagen und von einem erfahrenen Regulierer stillschweigend korrigiert wurden, landen jetzt binnen Sekunden in der falschen Queue, werden vom falschen Team bearbeitet und müssen formal umgewiesen werden. Die Durchlaufzeit korrekt kategorisierter Schäden sinkt. Die der übrigen steigt, und die übrigen können leicht ein Viertel des Volumens ausmachen. Das Projekt gilt als Erfolg – gemessen an der Kennzahl, für die es gebaut wurde. Einen nahen Verwandten dieses Musters haben wir in der Ausgabe darüber beschrieben, warum Automatisierung scheitert, wenn der Prozess unklar ist.
Die Projekte, die scheitern, scheitern meist am Prozess, nicht an der Technik
Würde Automatisierung kaputte Prozesse reparieren, müssten die Projekte mit den kaputtesten Prozessen die besten Erträge zeigen. Die Belege deuten in die andere Richtung. In seiner frühen Orientierung zu Robotic Process Automation berichtete EY, bis zu 30 bis 50 Prozent der ersten RPA-Projekte scheitern gesehen zu haben, und nannte die Auswahl eines hochkomplexen Prozesses als häufigen Fehler – mit der Empfehlung, mit Prozessen niedriger oder mittlerer Komplexität zu beginnen.
Deloittes globale RPA-Umfrage ergab, dass nur 3 Prozent der Organisationen ihre Automatisierung auf fünfzig oder mehr Bots skaliert hatten, dass 63 Prozent ihre Erwartungen an die Implementierungsdauer verfehlt sahen und – der hier entscheidende Befund – dass Prozessstandardisierung über alle Phasen der RPA-Reise hinweg die größte Herausforderung war. Die eigene Zusammenfassung des Berichts ist unmissverständlich: Prozesskomplexität treibt Bot-Komplexität. Abläufe, die als Standard dokumentiert waren, unterschieden sich in der Praxis zwischen Ländern und Geschäftsbereichen, und jede undokumentierte Variante wurde zu einem Entwicklungsposten, einem Testfall und einer Wartungslast.
Zusammen gelesen beschreiben diese Befunde einen einzigen Mechanismus. Automatisierungsprojekte stocken in der Analysephase, wenn das Team merkt, dass der „Standardprozess“ elf Versionen hat, sie überziehen, wenn jede Version eine eigene Behandlung braucht, und sie bleiben hinter den Erwartungen zurück, wenn der automatisierbare Anteil der Fälle kleiner ist, als der Business Case angenommen hat. Nichts davon ist ein Technologieproblem. Alles davon war vor Projektbeginn vorhanden; das Projekt hat es nur sichtbar gemacht – teuer und spät.
Das Event-Log zeigt den Prozess, den du tatsächlich automatisieren würdest
Das dritte Argument ergibt sich aus dem, was sichtbar wird, wenn ein Prozess gemessen statt beschrieben wird. Rekonstruiert eine Organisation ihre realen Ausführungspfade aus Systemzeitstempeln – die Disziplin des process mining –, deckt sich das Bild fast nie mit dem Flussdiagramm, auf dem der Automatisierungs-Business-Case aufbaut. Der dokumentierte Prozess ist ein Pfad; das Event-Log zeigt typischerweise Dutzende, und ob Automatisierung hilft, entscheidet sich daran, wie sich das Volumen auf sie verteilt.
Nimm einen typischen Purchase-to-Pay-Prozess in einem Industriekonzern. Der dokumentierte Happy Path – Bestellung, Wareneingang, Rechnung, Dreiwege-Abgleich, Zahlung – deckt häufig deutlich weniger als die Hälfte der Fälle ab. Der Rest läuft durch Preisänderungsschleifen, manuelle Sperren und Freigaben, Rechnungen, die vor der Bestellung eintreffen, und ein wiederkehrendes Muster, bei dem der Wareneingang erst nach der Rechnung gebucht wird, damit der Abgleich durchgeht. Ein Automatisierungsvorschlag, der auf dem Flussdiagramm aufbaut, nimmt an, der Happy Path sei der Prozess. Setzt du ihn um, beschleunigt er die Minderheit der Fälle, die ohnehin funktionierten, und lässt die Mehrheit genau dort, wo sie ist – mit dem Zusatzeffekt, dass der Workaround „Wareneingang nach Rechnung“ jetzt gegen einen automatischen Abgleich läuft, der ihn ablehnen soll. Es ist dieselbe Dynamik wie in unserer jüngsten Ausgabe darüber, warum Workarounds zum echten Prozess werden: Automatisiere die offizielle Route, während die echte woanders läuft, und du hast eine Fiktion automatisiert.
Was das Event-Log außerdem zeigt – und was es nützlich macht statt nur ernüchternd –, ist die Ursache hinter jeder Variante. Plattformen wie noreja gehen über das Kartieren der Pfade hinaus und identifizieren, was sie antreibt: ein Lieferantensegment, ein Werk, eine bestimmte Datenkonstellation zu Beginn des Falls. Das macht aus „der Prozess ist chaotisch“ die Aussage „der Prozess hat drei Ursachen, zwei davon lassen sich beseitigen, eine lässt sich als sauberer Ausnahmepfad gestalten“. Ist das erledigt, ist der verbleibende Prozess stabil genug, dass Automatisierung leistet, was der Mythos immer versprochen hat.
Was stattdessen stimmt
Die präzisere Aussage lautet: Automatisierung verstärkt den Prozess, auf den sie angewendet wird. Wende sie auf einen stabilen, verstandenen Prozess mit hohem Standardpfad-Anteil an, und sie verstärkt das Gute – weniger Fehler, schnellere Zyklen, geringere Kosten. Wende sie auf einen kaputten Prozess an, und sie verstärkt die Defekte: Die falschen Daten bewegen sich schneller, der redundante Schritt läuft häufiger, die Ausnahmen stapeln sich in einer Queue, in der kein Mensch mehr sitzt, der sie abfängt. Automatisierung ist ein Multiplikator, keine Reparatur – und Multiplikatoren interessiert das Vorzeichen dessen nicht, was sie vervielfachen.
Diese Neuformulierung liefert dir einen brauchbaren Test vor jeder Automatisierungsentscheidung. Stell dem Prozess vor dir drei Fragen. Weißt du – aus Messung, nicht aus Dokumentation –, welcher Anteil der Fälle dem Standardpfad folgt? Kannst du die wichtigsten Abweichungen erklären und für jede sagen, ob sie ein zu beseitigender Defekt oder eine legitime, zu gestaltende Ausnahme ist? Und ist der Prozess stabil genug, dass er sich in den letzten zwei Quartalen nicht wesentlich verändert hat? Dreimal Ja heißt: Die Automatisierung wird sich voraussichtlich wie erwartet auszahlen. Ein Nein bei der ersten Frage heißt, du weißt noch nicht, was du automatisieren würdest. Ein Nein bei der zweiten heißt, du würdest Probleme einprogrammieren, die du nicht verstanden hast. Ein Nein bei der dritten heißt, du baust auf Boden, der sich noch bewegt.
Nichts davon ist ein Argument gegen Automatisierung. Es ist ein Argument über die Reihenfolge. Erst messen, dann Abweichungen beheben oder gestalten, dann automatisieren – und anerkennen, dass bei einem wirklich kaputten Prozess die ersten beiden Schritte den größten Teil des Nutzens bringen. Organisationen, die das richtig machen, stellen oft fest, dass die verbleibende Automatisierung kleiner, günstiger und zuverlässiger ist als der ursprüngliche Vorschlag. Wer die Schritte überspringt, erlebt, wie in der Ausgabe darüber, dass jedes neue Tool den alten Engpass erbt, dass er eine schnellere Version des Problems gekauft hat, mit dem er angefangen hat.
Food for Thought
Weißt du für den Prozess, den du gerade am liebsten automatisieren würdest, welcher Prozentsatz der Fälle tatsächlich dem dokumentierten Pfad folgt – und stammt diese Zahl aus einem System oder aus einem Workshop?
Als dein letztes Automatisierungsprojekt überzogen hat: Lag die Ursache im Tool oder in Prozessvarianten, die niemand aufgeschrieben hatte?
Welcher Schritt in diesem Prozess existiert wegen eines Problems, das sich an der Quelle beheben ließe, statt es nachgelagert zu behandeln?
Wenn du den Prozess exakt so automatisieren würdest, wie er heute läuft – welche seiner aktuellen Defekte würden schneller und welche unsichtbar?
Wer in deiner Organisation hat die Befugnis, den Prozess zu verändern, bevor er automatisiert wird – und sitzt diese Person mit am Tisch, wenn das Automatisierungsbudget freigegeben wird?
Fazit: Automatisierung multipliziert, sie repariert nicht
Die Überzeugung, Automatisierung repariere kaputte Prozesse, hält sich, weil sie halb wahr und rundum bequem ist. Sie behebt tatsächlich eine Klasse von Problemen – die Langsamkeit und Inkonsistenz manueller Arbeit in einem stabilen Prozess – und sie behebt sie so gut, dass das Ergebnis zu einem Versprechen verallgemeinert wird, das sie nicht halten kann. Angewendet auf einen strukturell kaputten Prozess tut Automatisierung, was jeder Multiplikator tut: Sie skaliert, was da ist, Defekte eingeschlossen, und verpackt das Ergebnis in Code, der schwerer zu ändern ist als die manuelle Routine, die er ersetzt hat.
Die Haltung, die wir empfehlen, ist weder Begeisterung noch Skepsis, sondern Reihenfolge. Finde heraus, was der Prozess wirklich tut, bevor du entscheidest, was Software damit tun soll. Behebe, was ein Defekt ist, gestalte, was eine legitime Ausnahme ist, und automatisiere dann, was übrig bleibt – es wird stabiler, vorhersehbarer und automatisierungswürdiger sein als das, womit du angefangen hast. Wir laden dich ein, den nächsten Automatisierungsvorschlag auf deinem Schreibtisch anzuschauen und vor der Budgetfrage eine andere zu stellen: Wissen wir eigentlich, was wir gleich schneller machen?
FAQ
Repariert Automatisierung ineffiziente Prozesse?
Nicht von allein. Automatisierung beseitigt die Langsamkeit und Inkonsistenz manueller Arbeit, reproduziert aber die Struktur des Prozesses, auf den sie angewendet wird. Redundante Schritte, fehlerhafte Quelldaten und unbehandelte Ausnahmen werden schneller ausgeführt, nicht beseitigt – deshalb macht die Automatisierung eines kaputten Prozesses seine Defekte in der Regel sichtbarer und schwerer veränderbar.
Wann sollte man einen Prozess automatisieren?
Wenn du aus Messung – nicht aus Dokumentation – weißt, dass die meisten Fälle einem stabilen Standardpfad folgen, wenn die wichtigsten Abweichungen verstanden und entweder beseitigt oder als saubere Ausnahmepfade gestaltet sind, und wenn sich der Prozess in den letzten Quartalen nicht wesentlich verändert hat. Fehlt eines davon, gehört die erste Investition in das Verstehen und Stabilisieren des Prozesses.
Warum scheitern oder stocken so viele RPA-Projekte?
Beratungsstudien verweisen übereinstimmend auf den Prozess statt auf die Technik. Deloittes globale RPA-Umfrage nennt Prozessstandardisierung als größte Herausforderung in jeder Phase, und nur eine kleine Minderheit der Organisationen skaliert erfolgreich; EY berichtet, dass ein großer Teil der ersten RPA-Projekte scheitert, häufig weil zu komplexe Prozesse gewählt wurden.
Was bedeutet „paving the cow paths“ im Prozessmanagement?
Der Ausdruck stammt aus Michael Hammers Artikel in der Harvard Business Review von 1990 und beschreibt den Einsatz von Technologie, um einen bestehenden Prozess zu beschleunigen, ohne sein Design zu hinterfragen. Das Ergebnis ist eine schnellere Version derselben ineffizienten Route – das Problem, das Prozess-Redesign und heute process mining vor der Automatisierung adressieren sollen.
Wie hilft process mining vor der Automatisierung?
Process mining rekonstruiert aus Systemzeitstempeln die Pfade, die ein Prozess tatsächlich nimmt, und zeigt, wie viel Volumen der dokumentierten Route folgt und wohin der Rest läuft. Es macht sichtbar, welche Abweichungen zu beseitigende Defekte und welche legitime, zu gestaltende Ausnahmen sind, und die Ursachenanalyse zeigt, was sie antreibt – so bekommst du einen stabilen Prozess zum Automatisieren statt eines Flussdiagramms zum Hoffen.