Skill oder Automatisierung? In vier Schritten zur Entscheidung

Agents und Skills sind verstanden. Aber wo fängt ein Unternehmen konkret an, und was setzt es wofür ein? Diese Frage höre ich in fast jedem Workshop. Zu Recht: Ein Abo für einen KI-Assistenten ist noch kein strukturiertes Vorgehen. Diese Lücke schliesst ein Modell in vier Schritten, von der einzelnen Aufgabe bis zur priorisierten Umsetzung.

Schritt 1: Welche Aufgaben kommen infrage?

Am Anfang steht eine Bestandesaufnahme. Die Aufgaben aus dem Arbeitsalltag werden in eine Matrix mit zwei Achsen einsortiert. Die erste Achse fragt: Verlangt die Aufgabe echte Denkleistung, oder ist sie manuell und stupide? Die zweite: Kehrt sie regelmässig wieder, oder bleibt sie ein Einzelfall?

Für drei der vier Felder ist der Entscheid schnell gefällt. Stupide Einzelfälle erledigt man von Hand, eine eigene Lösung lohnt sich nicht. Stupide, aber wiederkehrende Arbeiten gehören in die klassische, regelbasierte Automatisierung, ganz ohne KI. Und kognitiv anspruchsvolle Einzelfälle löst man am direktesten im Chat mit einem KI-Assistenten.

Bleibt das vierte Feld: Aufgaben, die Denkleistung verlangen und regelmässig anfallen. Diese Workflows mit KI stehen im Zentrum des Modells, denn dort liegt in den meisten Unternehmen der grösste Hebel. Und erst bei ihnen stellt sich die eigentliche Frage: Setzen wir sie auf der Automatisierungs-Ebene um oder auf der Ebene der Mitarbeitenden?

Im Team funktioniert dieser Schritt so: alle Aufgaben sammeln, jede einem Feld zuordnen und die Diskussion anschliessend auf das Feld der KI-Workflows konzentrieren.

Schritt 2: Zwei Ebenen, ein entscheidender Unterschied

Der Unterschied zwischen den beiden Ebenen zeigt sich am Rückkanal zum Menschen. Eine Automatisierung läuft im Hintergrund und unabhängig von einzelnen Mitarbeitenden: Ein Trigger startet den Ablauf, am Ende steht ein Ergebnis. Ein Skill dagegen sitzt bei den Mitarbeitenden und lebt vom Dialog mit der Person, die gerade damit arbeitet. Sie liefert Kontext, prüft Zwischenstände und steuert nach.

Agents sind dabei kein Entweder-oder. Sie arbeiten im Hintergrund als Baustein einer Automatisierung mit Zugriff auf Tools, oder sie stecken in einem Skill und erreichen die nötigen Systeme über Konnektoren.

Ein Missverständnis räume ich in Workshops regelmässig aus: Der Skill ist kein Provisorium, und die Automatisierung ist nicht per se die reifere Lösung. Richtig ist aber: Wer eine Automatisierung plant, kann sie als Skill zuerst im Alltag erproben.

Bevor es weitergeht, sollte das ganze Team diese beiden Ebenen und ihre Unterschiede verstanden haben.

Schritt 3: Vier Kriterien für den Entscheid

Nun wird jede Aufgabe aus dem Feld der KI-Workflows anhand von vier Kriterien bewertet: Wie wird sie ausgelöst? Braucht es menschliches Eingreifen? Welches Wissen ist nötig? Und wie verhalten sich Volumen und Varianz?

Statt Ja-Nein-Antworten empfehle ich Schieberegler, denn die meisten Aufgaben liegen irgendwo dazwischen. Und wichtig: Die vier Kriterien sind nicht gleich gewichtet.

Das benötigte Wissen wiegt am schwersten. Stützt sich eine Aufgabe wesentlich auf Erfahrung, Kontext und Nuancen, die nirgends dokumentiert sind, führt der Weg zum Skill, egal wie die übrigen Kriterien ausfallen.

Beim menschlichen Eingreifen lohnt sich eine ehrliche Prüfung: Braucht es den Eingriff aus inhaltlichen Gründen, oder ist er blosse Gewohnheit, vielleicht auch Kontrollbedürfnis? Nur der inhaltlich nötige Eingriff spricht für einen Skill.

Der Trigger wiederum meint mehr als den technischen Auslöser. Er umfasst auch die Planbarkeit des Zeitpunkts: Je planbarer eine Aufgabe anfällt, desto besser eignet sie sich für die Automatisierung. Beim vierten Kriterium gilt: Hohes Volumen bei geringer Varianz spricht für die Automatisierung, geringes Volumen bei hoher Varianz für den Skill.

Ergibt die Bewertung ein gemischtes Bild, empfehle ich für den Start den Skill. Er ist einfacher umzusetzen, und der Weg zur Automatisierung bleibt offen.

Schritt 4: Nach Nutzen und Aufwand priorisieren

Der letzte Schritt ist schwieriger, als er aussieht: den tatsächlichen Nutzen einer Lösung und den Aufwand ihrer Umsetzung realistisch einschätzen.

Beim Nutzen zählt nicht nur die eingesparte Zeit. Genauso ins Gewicht fallen der Qualitätsgewinn, die Zufriedenheit der Mitarbeitenden und das Erlebnis für die Kundschaft. Beim Aufwand unterschätzen die meisten Unternehmen einen Punkt: die Verfügbarkeit und Qualität der Daten. Fehlt der saubere Zugriff auf die nötigen Daten, verteuert sich jedes Vorhaben, auch wenn es konzeptionell simpel wirkt.

Am Schluss platziert das Team alle bewerteten Aufgaben in dieser Matrix und beginnt im Quadranten mit hohem Nutzen und tiefem Aufwand. Daraus entsteht eine Roadmap, die von den schnellen Erfolgen zu den grösseren Vorhaben führt.

Was am Ende bleibt

Der grösste Gewinn dieses Vorgehens ist nicht die fertige Liste. Es ist die gemeinsame Auseinandersetzung im Team und das Gespür, das dabei entsteht: welche Aufgabe auf welche Ebene gehört. Dieses Gespür bleibt, auch wenn die konkrete Liste in drei Monaten anders aussieht.

Die Zuordnung selbst ist nie endgültig. Eine Aufgabe, die heute als Skill bei den Mitarbeitenden gut aufgehoben ist, kann in einem halben Jahr für die Automatisierung bereit sein. In diesem Sinne: erst sortieren, dann bauen.