ChatGPT, Claude, Gemini oder ein lokal betriebenes Modell: Die Auswahl verschiebt sich schneller, als sich Geschäftsprozesse ändern. Wer einen Workflow fest an einen Anbieter bindet, baut eine Abhängigkeit, die in zwölf Monaten teuer wird.
Das Modell ist die austauschbare Komponente
In einem automatisierten Ablauf übernimmt das Sprachmodell einen klar umgrenzten Teil: Es liest einen Beleg aus, ordnet einen Text zu oder formuliert einen Entwurf. Der Rest des Workflows besteht aus Regeln, Prüfungen und Systemzugriffen, die unabhängig vom Modell funktionieren.
Genau diese Trennung bauen wir bewusst ein. Das Modell hängt an einer definierten Schnittstelle und lässt sich tauschen, ohne den Prozess neu zu bauen.
Was beim Wechsel sonst kaputtgeht
Ohne diese Trennung entstehen drei Abhängigkeiten, die einen Wechsel blockieren.
- Prompts, die auf Eigenheiten eines Anbieters abgestimmt sind und bei einem anderen Modell andere Ergebnisse liefern.
- Ausgabeformate, die nicht validiert werden und deshalb direkt in die Folgeschritte durchschlagen.
- Geschäftslogik, die im Prompt steckt statt im Workflow, und damit nicht nachvollziehbar ist.
Datenschutz gehört in die Architektur
Welche Daten ein Modell überhaupt sehen darf, ist eine Frage der Architektur, nicht der Anbieterauswahl. Personenbezogene und geschäftskritische Daten lassen sich vor der Übergabe maskieren, oder der Schritt läuft auf einem lokal betriebenen Modell.
In beiden Fällen bleibt der Ablauf derselbe. Das ist der praktische Vorteil eines modellunabhängigen Aufbaus: Die Datenschutzentscheidung verändert nicht den Prozess.
Klein anfangen, messbar bleiben
Sinnvolle erste Anwendungsfälle sind eng umgrenzt und haben ein klares Ergebnis: Eingangsrechnungen auslesen und gegen die Bestellung prüfen, Anfragen kategorisieren und zuweisen, Berichte aus vorhandenen Daten aufbereiten.
Jeder dieser Fälle lässt sich in Stunden und Fehlerquoten messen. Das ist die Grundlage, um zu entscheiden, wo Automatisierung als Nächstes lohnt.