L U N A T E C G U I D E F Ü R E N T S C H E I D E R
Wann lohnt sich welche
Automatisierung im Mittelstand?
Ein praktischer Leitfaden für Entscheider. Wir zeigen, wie Sie systematisch bewerten, welche Geschäftsprozesse sich in Ihrem Unternehmen für RPA, Intelligent Document Processing und Agentic AI eignen – mit Schwellenwerten, ROI-Logik und realen Beispielen aus Projekten mit 120+ Kunden
© Lunatec 2026
Shape the automated world
Automatisierung im Enterprise
E d i t o r i a l
Warum dieses Dossier
Wenn Sie diesen Leitfaden lesen, stehen Sie wahrscheinlich vor einer dieser Situationen: Die Buchhaltung kommt mit dem Rechnungsvolumen nicht mehr hinterher. Die Personalabteilung verarbeitet manuell Tausende Krankmeldungen pro Monat. Der Einkauf tippt Auftragsbestätigungen aus 800 verschiedenen Lieferantenformaten in SAP. Oder der Kundenservice hat 39 Tage Durchlaufzeit, bei Kundenbeschwerden, die täglich lauter werden.
Die Lösung heißt Automatisierung. Aber „Automatisierung“ ist 2026 ein Sammelbegriff für mindestens drei Technologie-Stufen mit sehr unterschiedlichen Stärken, Kosten und Voraussetzungen. Welche davon für welchen Prozess die richtige ist, das ist die eigentliche Entscheidung.
Dieser Leitfaden gibt Ihnen die Werkzeuge, um das selbst zu beurteilen. Wir arbeiten seit 2017 als UiPath Diamond Partner und Microsoft-Partner mit über 120 Kunden – vom Mittelstand bis zum DAX-Konzern. Was hier steht, ist die Praxis aus diesen Projekten, nicht die Theorie aus einem Whitepaper.
Was Sie nach diesem Leitfaden können: einen Prozess in Ihrem Unternehmen ansehen und in 15 Minuten beurteilen, ob er sich für Automatisierung eignet, welche Technologie passt, was es ungefähr kostet, und wie lange es dauert, bis er sich rechnet. Falls ja, wissen Sie auch, wonach Sie bei einem Partner suchen müssen.
Inhaltsverzeichnis
In diesem Leitfaden
Das Decision Toolkit für Automatisierung
Eignungs-Scorecard zum Selbstausfüllen, ROI-Quick-Calculator, 12-Fragen-Checkliste für die Partner-Auswahl. Als PDF, 30+ Seiten, im selben Design wie unser Case-Booklet.
Vielen Dank! Ihr Toolkit ist bereit.
Der Download startet über den Button unten. Bei Fragen zur Anwendung melden Sie sich gern.
Toolkit öffnenTeil A · 01 Grundlagen
Drei Reifestufen der Automatisierung, ihre Stärken und Grenzen und warum die meisten Unternehmen noch in Stufe 1 stecken.
Status Quo
Automatisierung 2026: Wo wir stehen
Im deutschen Mittelstand existieren heute drei Reifestufen der Automatisierung parallel, oft im selben Unternehmen, manchmal sogar in derselben Abteilung. Jede Stufe hat einen klaren Anwendungsbereich und klare Grenzen.
Stufe 1 · seit 2015
Klassische RPA
Robotic Process Automation (RPA) wurde ab etwa 2015 in deutschen Unternehmen eingeführt und ist heute die am weitesten verbreitete Form der Prozessautomatisierung. Ein RPA-Bot bedient bestehende Software wie ein Mensch: Er klickt auf Schaltflächen, kopiert Daten von einem System ins nächste, füllt Formulare aus, sendet E-Mails. Was er nicht selbst macht, ist Entscheidungen zu treffen; er führt aus, was Regeln vorschreiben.
60–80 %
aller Geschäftsprozesse komplett automatisierbar
Stufe 2 · seit 2020
Intelligent Document Processing
Ab etwa 2020 kam die Fähigkeit hinzu, unstrukturierte Dokumente zu „lesen“: Eingangsrechnungen, Verträge, E-Mails, gescannte Formulare. Document Understanding kombiniert klassische Bildverarbeitung (OCR) mit Machine-Learning-Modellen, die nicht nur Zeichen erkennen, sondern auch Bedeutung erfassen.
85–90 %
Automatisierungsgrad zusammen mit RPA
Stufe 3 · seit 2024
Agentic AI
Seit 2024 ist eine neue Klasse von Systemen verfügbar: Agentic AI, oder auch AI-Agenten genannt. Ein Agent ist kein Bot, der eine vorgegebene Sequenz abarbeitet, sondern eine Software, die einen Auftrag versteht, einen Plan macht, Bots und Werkzeuge einsetzt, das Ergebnis bewertet und bei Fehlern selbst nachsteuert.
90–95 %
Warum die meisten Unternehmen noch in Stufe 1 stecken
In unseren Gesprächen mit Entscheidern hören wir oft die gleichen drei Aussagen: „Wir haben RPA versucht, aber die Bots brechen ständig ab.“ „Wir haben einen Piloten gemacht, aber es ist nie über fünf Prozesse hinausgegangen.“ „Wir haben ein internes Team, das aber den Anforderungen nicht hinterherkommt.“
In allen drei Fällen liegt die Ursache selten an der Technologie. Sie liegt an drei Fehlern in der Anlage:
Es wurde mit dem falschen Prozess angefangen, der Business Case wurde nicht systematisch berechnet, oder die Wartung und Skalierung wurden nicht mitgedacht.
Mit Agentic AI bekommen Sie keinen besseren Bot, sondern eine Technologie, die mit den genannten Fehlern besser umgeht. Aber: Wer mit Agentic AI die gleichen Anlage-Fehler macht wie mit RPA, scheitert nur teurer.
Beispiel
Praxisbeispiel: die Evolution der Automatisierung
Derselbe Prozess in vier Reifegraden. Jede Stufe baut auf der vorherigen auf – Agentic Automation ersetzt RPA nicht, sondern erweitert es. Die lila Felder zeigen, was automatisiert ist; die markierten Schritte, wo der Mensch im Prozess entscheidet.
RPA = Robotic Process Automation · IDP = Intelligent Document Processing · HITL = Human in the Loop
Die fundamentale Trennung: Agent entscheidet, Bot führt aus
Eine der häufigsten Verwirrungen im Marketingmaterial ist die Behauptung, Agentic AI sei „die neue RPA“ oder werde RPA „ablösen“. Das ist sachlich falsch. Die zwei Technologien lösen unterschiedliche Probleme und arbeiten zusammen.
Konkret heißt das: In einem realen End-to-End-Prozess, sagen wir der Verarbeitung einer Eingangsrechnung von einem Lieferanten, dessen PDF-Layout sich gerade geändert hat, läuft die Aufgabenteilung so ab:
- Der Agent (entscheidet): Er erkennt, dass das Layout nicht zum Standardmuster passt. Er entscheidet, ob die neuen Felder eindeutig zuzuordnen sind oder ob eine Rückfrage nötig ist. Er priorisiert die Rechnung im Hinblick auf Skontofristen.
- Der Bot (führt aus): Er öffnet die SAP-Maske, gibt die vom Agenten validierten Daten ein, klickt durch die Freigabe-Workflows, archiviert die Rechnung im Dokumentenmanagement.
Diese Trennung ist nicht nur technisch. Sie ist auch wirtschaftlich entscheidend: Agenten sind deutlich teurer im Betrieb als Bots (sie nutzen LLM-Aufrufe, die jeweils Geld kosten). Wenn ein Agent für jede Routineaktion einen LLM-Aufruf macht, wird der Business Case schnell unattraktiv. Die Kunst ist, Agenten nur dort einzusetzen, wo Entscheidungen und Urteile nötig sind und die Ausführung den günstigeren Bots zu überlassen.
Was Sie heute schon haben und nicht wissen
Bevor Sie über eine Automatisierungs-Initiative nachdenken, lohnt sich ein Blick auf den Status quo. In fast jedem Unternehmen oberhalb von 500 Mitarbeitenden existieren bereits versteckte Automatisierung, meist gewachsen aus der Eigeninitiative der Mitarbeitenden:
- Excel-Makros, die ein einzelner Sachbearbeitender pflegt und die zusammenbrechen, wenn er das Unternehmen verlässt.
- Outlook-Regeln, die E-Mails sortieren, weiterleiten oder Antworten generieren.
- Power-Automate-Flows oder Zapier-Verbindungen, die einzelne Abteilungen selbst aufgebaut haben.
- Skripte in PowerShell oder VBA, die nachts laufen und keine Dokumentation haben.
Diese Inseln sind in zweierlei Hinsicht relevant. Erstens: Sie sind ein starker Indikator dafür, dass im Unternehmen ein Automatisierungsdruck existiert; die Mitarbeitenden haben sich bereits selbst geholfen. Zweitens: Sie sind ein Risiko, weil sie ungeordnet, undokumentiert und nicht compliance-konform sind.
Eine systematische Automatisierungs-Initiative beginnt oft damit, diese Inseln zu identifizieren. Nicht, um sie zu eliminieren, sondern um sie in eine kontrollierte Architektur zu überführen.
Teil B · 02 Bewertungs- methodik
Methodik
Die 5 Eignungs-Kriterien für einen Prozess
Ob sich ein Prozess für Automatisierung eignet, lässt sich anhand von fünf Kriterien beantworten. Wir nutzen genau diese Fragen in unseren Discovery-Workshops. Die Antworten stellen Ihnen dabei die wichtigsten Entscheidungen bereit. Wir haben Discovery-Workshops mit Neukunden, weil sie in der Praxis die meisten Fehlentscheidungen verhindern.
1. Volumen: Lohnt sich der Aufwand?
Automatisierung kostet Entwicklungs- und Betriebsaufwand und amortisiert sich erst ab einer bestimmten Transaktionsfrequenz. Daumenregeln für die wichtigsten Prozesstypen:
Diese Werte sind nicht absolut. Ein Prozess mit kleinem Volumen, aber hohem Schaden bei Fehlern (z. B. Compliance-relevante Berechtigungsprüfungen), lohnt sich auch bei deutlich niedrigerer Frequenz, wie unser Case bei der Wirtschaftsprüfungsgesellschaft zeigt.
2. Repetitivität: Wie viel davon ist Regel, wie viel Urteil?
Ein Prozess kann repetitiv sein im Sinn der Häufigkeit, aber jedes Mal ein individuelles Urteil erfordern. Ein Steuerberater unterzeichnet 200 Jahresabschlüsse im Jahr. Das ist häufig, aber jeder ist anders. Ein RPA-Bot kann hier den manuellen Aufwand vor und nach der Unterschrift drastisch reduzieren (Datenextraktion, Dokumenterstellung, Versand, Ablage), aber die fachliche Beurteilung bleibt beim Menschen.
Frage: Welcher Anteil des Prozesses folgt klaren Regeln, welcher Anteil ist echtes Urteil? Wenn 70 Prozent regelbasiert sind, lohnt sich die Automatisierung der 70 Prozent. 30 Prozent Urteil bleiben beim Menschen, der dafür endlich genug Zeit hat.
3. Datenqualität: Was kommt rein?
Hier liegt der häufigste Grund für gescheiterte RPA-Projekte. Klassische RPA funktioniert nur mit strukturierten Daten: Excel-Tabellen, Datenbankzeilen, klar definierte Formularfelder. Sobald Eingangsdaten unstrukturiert sind – PDF mit Freitext, gescannter Brief, E-Mail-Anfrage – brauchen Sie Document Understanding, also Stufe 2.
4. Ausnahmequote: Wie variabel ist der Prozess?
Wenn ein Prozess zu mehr als 20 Prozent Ausnahmen produziert, Sonderfälle, die nicht ins Standardmuster passen, wird klassische RPA unattraktiv. Der Bot bricht ständig ab, Mitarbeitende müssen eingreifen, der Nutzen sinkt rapide.
Genau hier liegt die Stärke von Agentic AI: Ein Agent kann Ausnahmen kontextbezogen bewerten und Entscheidungen treffen, statt abzubrechen. In unserem Stellantriebe-Case sind 800 verschiedene Lieferantenformate die Norm, nicht die Ausnahme. Agentic AI verarbeitet sie alle mit einer Fehlerquote von 0 Prozent.
5. Systemstabilität: Wird das in 12 Monaten noch existieren?
Ein einfaches, aber gern vergessenes Kriterium: Wird das System, das Sie automatisieren, in den nächsten 12 bis 24 Monaten ersetzt oder grundlegend geändert? Wenn ja: Warten Sie. Ein RPA-Bot ist eng an die Benutzeroberfläche des Zielsystems gekoppelt. Ändert sich die Maske, bricht der Bot. Wer wenige Monate vor einer SAP-Migration einen RPA-Bot für SAP baut, hat in der Regel verloren.
Ausnahme: Wenn die Automatisierung die Migration selbst unterstützt (z. B. Datenmigration zwischen Alt und Neu), kann sich auch ein kurzlebiger Bot lohnen. Aber das ist ein Sonderfall, kein Standardfall.
Ja → weiter zur nächsten Prüfung · Nein → Prozessoptimierung statt Automatisierung (bzw. strategische Entscheidung).
Wirtschaftlichkeit
Die ROI-Rechnung in 4 Variablen
Wenn ein Prozess die fünf Eignungskriterien erfüllt, geht es um die Wirtschaftlichkeit. Wir rechnen den Business Case in vier Variablen und empfehlen unseren Kunden, dies vor jedem Projektstart selbst zu tun. Wer die Rechnung nicht in 15 Minuten aufschreiben kann, sollte den Prozess nicht starten.
Variable 1: Manueller Aufwand heute
Bearbeitungszeit pro Vorgang × Frequenz × interner Stundensatz. Beispiel: 5 Minuten pro Eingangsrechnung × 10.000 Rechnungen pro Jahr × 50 € interner Stundensatz = 41.667 € manueller Aufwand pro Jahr.
Häufiger Fehler: Die Bearbeitungszeit pro Vorgang wird zu niedrig angesetzt, weil sich Sachbearbeitende ihre eigene Geschwindigkeit nicht eingestehen. Wir messen in Workshops oft real und finden in 80 Prozent der Fälle, dass der tatsächliche Aufwand 30 bis 50 Prozent höher liegt als die Selbsteinschätzung.
Variable 2: Erwarteter Automatisierungsgrad
Welcher Prozentsatz der Vorgänge wird der Bot bzw. Agent vollständig ohne menschlichen Eingriff abarbeiten? Realistische Werte, abhängig vom Technologie-Mix:
Beispielrechnung: 90-Prozent-Automatisierungsgrad bei 41.667 € manuellem Aufwand = 37.500 € Einsparung pro Jahr (vor Implementierungs- und Betriebskosten).
Variable 3: Implementierungskosten
Hier sind die Größenordnungen, die wir in der Praxis sehen, stark vereinfacht und ohne Garantie für Ihren konkreten Fall:
Nicht enthalten in dieser Rechnung sind die Vorabkosten für Prozessdokumentation, IT-Anbindung und Compliance-Reviews. Die kommen meist obendrauf.
Variable 4: Laufende Kosten
Oft übersehen, aber sehr relevant: Eine Automatisierung muss betrieben werden. Lizenzen, Infrastruktur, Wartung bei Systemänderungen, Monitoring. Typische Größenordnungen pro Prozess pro Jahr:
Break-Even rechnen: ein realer Fall
Beispiel aus unserem Auftragsbestätigungs-Case bei einem Stellantriebs-Hersteller.
Ehrlich gerechnet
Die versteckten Kosten und der versteckte Nutzen
Wenn man einen Business Case ehrlich rechnen will, gehören zwei Effekte dazu, die in keiner Whitepaper-Vorlage stehen.
Versteckte Kosten, die viele unterschätzen
- Prozessdokumentation vorab: Bevor automatisiert wird, muss der IST-Prozess sauber dokumentiert sein. Das kostet 1 bis 4 Wochen Aufwand auf Kundenseite und dauert oft länger als gedacht, weil der Prozess in den Köpfen vielfältiger ist als angenommen.
- Change Management: Mitarbeitende, deren Arbeit automatisiert wird, brauchen Klarheit über ihre Zukunft. Bei Automotive-Kunden haben wir gelernt, dass eine Betriebsvereinbarung zu Beginn schneller geht als ein eskalierter Konflikt am Ende.
- IT-Anbindung: API-Zugänge, Service-Accounts, Berechtigungen: Das klingt trivial, dauert aber in großen Organisationen oft 4 bis 8 Wochen.
- Compliance-Reviews: Datenschutz, Audit-Anforderungen, Berechtigungen. Besonders relevant für Banken, Versicherungen, Healthcare und den öffentlichen Sektor.
Versteckter Nutzen, der oft nicht in die Rechnung kommt
- Fehlerreduktion: Die direkten Kosten manueller Fehler – Korrekturen, Nacharbeit, Skonto-Verlust, Kundenreklamationen – werden selten gemessen. Sie sind aber oft höher als der Zeitaufwand selbst.
- 24/7-Verfügbarkeit: Bots arbeiten nachts, am Wochenende, an Feiertagen. Bei einer bayerischen Stadt werden 35 Prozent der Bewohnerparkausweise jetzt außerhalb der Dienstzeiten bearbeitet. Bürger bekommen ihren Ausweis schneller, ohne dass die Verwaltung Personal aufstockt.
- Skalierbarkeit ohne Personalaufbau: Wenn das Geschäft wächst, wachsen die Prozessmengen mit. Bei einem Glasfaseranbieter verarbeitet das Automatisierungsteam heute 190.000 Transaktionen pro Jahr mit demselben Personalstand wie vor der Skalierung.
- Mitarbeiterzufriedenheit: Wer von repetitiven Tasks befreit wird, kann sich auf qualifizierte Arbeit konzentrieren. Wir messen Mitarbeiterzufriedenheit als KPI in fast jedem Projekt, die Werte steigen typischerweise um 15 bis 25 Prozent.
Strategie
Top-Down oder Bottom-Up: Welcher Ansatz passt zu Ihnen?
Wir sehen in der Praxis zwei grundsätzlich unterschiedliche Ansätze, mit denen Unternehmen Automatisierung starten. Beide funktionieren, aber für unterschiedliche Situationen.
Bottom-Up
Mitarbeiter-getrieben
Mitarbeitende erkennen in ihrer täglichen Arbeit Aufgaben, die sich automatisieren lassen, und reichen sie ein. Ein zentrales Team (oder ein Partner) bewertet, priorisiert und automatisiert.
Typische Eigenschaften
- Viele kleine bis mittlere Automatisierungen mit geringer Komplexität.
- Schnelle erste Erfolge, hohe Akzeptanz in der Belegschaft.
- Pro Automatisierung relativ geringer Nutzen (10.000 – 50.000 € pro Jahr).
- Skaliert gut auf 40+ Prozesse, wird aber im Verwaltungsaufwand komplex.
Wann sinnvoll: Sie haben noch keine Automatisierungs-Kultur und wollen breite Akzeptanz aufbauen. Oder: Sie haben einen heterogenen Mittelbau mit vielen kleinen, schmerzhaften Prozessen.
Top-Down
Strategisch geleitet
Die Geschäftsleitung definiert strategische Ziele – Cycle-Time-Reduktion, Cost-out, Skalierung – und identifiziert End-to-End-Prozesse, die diese Ziele am stärksten beeinflussen. Diese Prozesse werden tief automatisiert, oft mit Agentic AI.
Typische Eigenschaften
- Wenige große Prozesse mit hoher Komplexität.
- Längere Projektdauer (6 bis 18 Monate).
- Pro Automatisierung hoher Nutzen (200.000 – 1.000.000 € pro Jahr).
- Erfordert strategisches Commitment und Cross-Funktions-Koordination.
Wann sinnvoll: Sie haben bereits Bottom-Up-Erfahrung und wollen jetzt strategische Hebel ziehen. Oder: Sie haben einen klaren Schmerzpunkt (z. B. „39 Tage Durchlaufzeit im Auftragsmanagement“), den nur End-to-End-Automatisierung lösen kann.
Der hybride Ansatz: was wir empfehlen
In der Praxis funktioniert eine Kombination am besten: Strategisch ein bis drei große Prozesse identifizieren und tief automatisieren, während parallel ein Bottom-Up-Kanal aufgebaut wird, der breite Akzeptanz schafft und schnelle Erfolge produziert. Bei einem globalen Automobilzulieferer haben wir genau so 18 Use Cases in Produktion gebracht und 708.000 € im ersten Jahr eingespart.
Teil C · 03 Funktions- bereiche
Bereichsüberblick
Wo Automatisierung sich konkret lohnt
Wir behandeln die fünf Funktionsbereiche, die in fast jedem Unternehmen oberhalb von 1.000 Mitarbeitenden existieren und in denen wir die meisten Projekte begleiten. Jeder Bereich hat dieselbe Struktur: Status quo, drei konkrete Automatisierungs-Kandidaten mit Schwellenwerten, typische Ergebnisse, Disqualifikatoren, Compliance-Aspekte, und ein realer Case zur Vertiefung.
Bereich 01
Finance & Accounting
Finance ist der Bereich mit der höchsten Automatisierungsreife im deutschen Mittelstand. Eingangsrechnungen, Kreditorenpflege, Reisekosten, Audit-Belege, die Prozesse sind regelhaft, hochfrequent und transaktional. Trotzdem erfolgt in den meisten Buchhaltungsabteilungen ein erheblicher Anteil der Arbeit manuell. Der Grund: Daten kommen unstrukturiert herein, jeder Lieferant nutzt ein eigenes Rechnungsformat, und SAP-Masken sind tippintensiv. Sehen Sie ausgewählte Case Studies aus der Lunatec-Praxis.
Drei konkrete Automatisierungs-Kandidaten
Typische Ergebnisse im Finance-Bereich
- Bearbeitungszeit pro Beleg: −80 bis −95 Prozent (z. B. von 5 Minuten auf 30 Sekunden)
- Fehlerquote: typischerweise 0 bis 1 Prozent (vorher: 3 bis 8 bei manueller Verarbeitung)
- Skonto-Nutzung: deutlich verbessert durch schnellere Freigabe-Workflows
- Amortisation: typisch 4 bis 9 Monate bei mittlerem Volumen
Wann es sich nicht lohnt
- Sie haben weniger als ca. 200 Eingangsrechnungen pro Monat – die Wirtschaftlichkeit kippt.
- Die ERP-Migration erfolgt in den nächsten 12 Monaten, das gesamte Setup wird sich ändern.
- Die Rechnungen kommen ausschließlich über EDI, dann brauchen Sie eine Integrationslösung, keine RPA.
Bereich 02
Personalwesen
HR ist 2026 unter Druck wie selten zuvor: Fachkräftemangel macht jede Einstellung mühsamer, Krankheitsquoten steigen, regulatorische Anforderungen (AI Act, Hinweisgeberschutz, neue Mindestlohngesetze) erzeugen zusätzlichen Dokumentationsaufwand. Gleichzeitig laufen viele HR-Prozesse in den meisten Unternehmen noch hochmanuell, mit Outlook, Excel und PDF-Anhängen als Hauptwerkzeugen. Sehen Sie ausgewählte Case Studies aus der Lunatec-Praxis.
Drei konkrete Automatisierungs-Kandidaten
Typische Ergebnisse im HR-Bereich
- Prozesslaufzeit: −70 bis −89 Prozent (Beispiel: AU-Schein-Verarbeitung bei Airline)
- Datenqualität: spürbar verbessert, weil keine Übertragungsfehler mehr
- First-time-right-Rate der KI bei Document Understanding: 90 bis 95 Prozent
- Mitarbeitende-Entlastung: messbar in freigesetzten Vollzeitstellen für höherwertige Arbeit
Wann es sich nicht lohnt
- Sie haben weniger als 200 Mitarbeitende und entsprechend niedrige HR-Volumina.
- Das HRIS ist veraltet und wird in den nächsten Monaten ersetzt: Warten Sie.
- Sie wollen Personalentscheidungen automatisieren: das ist gefährlich und tw. rechtswidrig.
Bereich 03
Einkauf & Supply Chain
Im Einkauf treffen unstrukturierte Eingangsdaten (Lieferantenrechnungen, Auftragsbestätigungen, Lieferscheine) auf strukturierte Zielsysteme (SAP MM, Oracle Procurement, ERP-Systeme). Das ist der ideale Anwendungsfall für Document Understanding und Agentic AI – und es ist meist der Bereich mit dem höchsten Euro-Hebel pro automatisiertem Prozess. Sehen Sie ausgewählte Case Studies aus der Lunatec-Praxis.
Drei konkrete Automatisierungs-Kandidaten
Typische Ergebnisse im Einkauf
- Verarbeitungszeit pro Beleg: −85 bis −95 Prozent
- Fehlerquote: 0 bis 1 Prozent (vorher: 5 bis 10 Prozent bei manueller Eingabe)
- Mitarbeitende-Entlastung: Einkäufer können sich auf Lieferantenbeziehungen statt Dateneingabe konzentrieren
- Häufiger Sekundäreffekt: bessere Skonto-Nutzung und genauere Bedarfsprognosen
Wann es sich nicht lohnt
- Sie nutzen bereits EDI mit allen relevanten Lieferanten: Dann ist die Integrationslösung der bessere Weg.
- Die Lieferantenbasis ist sehr klein (z. B. unter 50 aktive Lieferanten): Das Volumen reicht nicht.
- Das ERP wird in den nächsten 12 Monaten ersetzt.
Bereich 04
Kundenservice & Operations
Im Customer Service zeigt sich die Wertdifferenz zwischen klassischer RPA und Agentic AI am deutlichsten. Reine Regel-Bots scheitern an natürlicher Sprache, an unklaren Anfragen, an Sonderfällen. Agentic AI hingegen kann Anfragen verstehen, klassifizieren, Informationen aus mehreren Systemen zusammentragen und kontextbezogene Antworten generieren – oder einen Menschen mit aufbereiteten Daten in Sekunden statt Minuten unterstützen. Sehen Sie ausgewählte Case Studies aus der Lunatec-Praxis.
Drei konkrete Automatisierungs-Kandidaten
Typische Ergebnisse im Kundenservice
- Durchlaufzeit: −60 bis −85 Prozent
- First-Response-Time: oft von Stunden auf Minuten
- Kundenzufriedenheit (CSAT): typisch +15 bis +25 Prozent
- Mitarbeitende-Zufriedenheit: oft +20 Prozent, weil repetitive Tasks wegfallen
Wann es sich nicht lohnt
- Es gibt weniger als 500 Tickets pro Monat oder eine sehr heterogene Anfrage-Landschaft.
- Die Anfragen sind überwiegend komplex und benötigen menschliches Urteil (z. B. juristische Beratung).
- Die CRM ist veraltet und wird ersetzt: Warten Sie.
Bereich 05
IT Operations & Service
Die IT ist meist die erste Abteilung, die mit Automatisierung in Kontakt kommt – nicht zuletzt, weil sie selbst die Infrastruktur dafür baut. Trotzdem sind die internen IT-Prozesse oft die am wenigsten automatisierten: User-Provisioning per E-Mail, Berechtigungsprüfungen in Excel, manuelle Tests bei jedem Release. Genau hier liegen die schnellsten Wins. Sehen Sie ausgewählte Case Studies aus der Lunatec-Praxis.
Drei konkrete Automatisierungs-Kandidaten
Typische Ergebnisse in IT Operations
- Standard-Change-Durchlaufzeit: oft von Tagen auf Minuten
- Audit-Bereitschaft: lückenlose Nachweisbarkeit jederzeit
- Testabdeckung: oft Verdoppelung oder Verdreifachung der getesteten Pfade
- Release-Zyklen: deutlich beschleunigt durch automatisierte Regression
Wann es sich nicht lohnt
- Es gibt weniger als 100 IT-Service-Tickets pro Monat: Das Volumen reicht nicht.
- Sie sind mitten in einer ITSM-Tool-Migration: Warten Sie ab.
- Die IT-Landschaft ist heterogen mit vielen Legacy-Systemen, die in den nächsten Jahren abgelöst werden, dann lohnt sich Investition nur in transiente Lösungen.
Teil D · 04 Umsetzung
Umsetzung
Der Weg von der Idee zur Produktion
Wenn Sie für sich entschieden haben, dass ein Prozess automatisiert werden soll, läuft die Umsetzung in der Regel in sechs Phasen ab. Wir nutzen diesen Rahmen seit Jahren, nicht weil er besonders innovativ wäre, sondern weil er funktioniert und die häufigsten Fallstricke verhindert.
Realistische Gesamt-Zeiträume: Ein einfacher Pilot dauert 6 bis 8 Wochen bis zum ersten produktiven Bot. Ein mittlerer Prozess dauert 3 bis 4 Monate. Ein komplexer End-to-End-Prozess mit Agentic AI 6 bis 9 Monate. Wer Ihnen verspricht, einen komplexen Prozess in 4 Wochen produktiv zu haben, ignoriert entweder die Realität – oder die Phasen 1, 2 und 4.
Make or Buy
Build, Buy oder Partner
Eine der wichtigsten strategischen Entscheidungen, die bei Automatisierung früh fällt: Bauen Sie ein internes Team auf? Engagieren Sie einen externen Partner? Oder eine Mischform?
Internes Team aufbauen
Sinnvoll, wenn Sie mindestens 5 bis 10 parallele Initiativen erwarten, langfristige Hoheit über die Automatisierungs-Architektur behalten wollen, und bereit sind, in Recruiting und Schulung zu investieren. Realistische Aufbauzeit: 9 bis 18 Monate, bis das Team eigenständig liefert. Risiko: Kennenlernkurven, Personalfluktuation, fehlende Erfahrung in ungewöhnlichen Use Cases.
Externer Partner
Sinnvoll, wenn Sie schnell Ergebnisse brauchen, keinen Aufbau eines spezialisierten Teams für 3 bis 5 Prozesse rechtfertigen können, und auf Erfahrung aus vielen vergleichbaren Projekten zugreifen wollen. Risiko: Abhängigkeit, Know-how bleibt extern, Wechselkosten bei Anbieterwechsel.
Hybrider Ansatz
In der Praxis am häufigsten erfolgreich: Externer Partner baut die ersten 10 bis 20 Prozesse, gleichzeitig wird ein internes Center of Excellence aufgebaut, das nach 18 bis 24 Monaten den Betrieb übernimmt und neue Initiativen selbst entwickelt. Der Partner bleibt für komplexere Use Cases (Agentic AI, neue Domänen) und für Spitzen-Auslastung.
Bei M-net sind wir den hybriden Weg gegangen: Aufbau eines internen RPA Competence Centers über 4 Jahre, Skalierung von 5 auf 75+ Prozesse, mit Lunatec als externem Partner für Methodik, Schulung und komplexe Use Cases. Die internen Entwickler wurden in einem strukturierten 4-Phasen-Programm ausgebildet.
Partner-Check
Die 12 Fragen an einen Automatisierungs-Partner
Wenn Sie sich für einen externen Partner entscheiden, sind hier die zwölf Fragen, die Sie stellen sollten. Sie filtern in unserer Erfahrung die Anbieter heraus, die nur Folien verkaufen, von denen, die auch liefern.
Wenn ein Anbieter bei einer dieser Fragen ausweicht oder allgemein bleibt, ist das ein Signal. Die ehrlichste Antwort bei den ersten zwei Fragen ist meist eine Zahl, ein Name und ein Service-Level, nicht ein Slogan.
Häufige Fragen
Automatisierungs-FAQ: Kosten, Zeitrahmen und der AI Act
Brauche ich UiPath, um zu starten?
Nein. Es gibt mehrere starke Plattformen – UiPath, Microsoft Power Platform, Automation Anywhere, Blue Prism. Welche die richtige ist, hängt von Ihrer bestehenden IT-Landschaft ab (Microsoft-Shops profitieren oft von Power Platform), vom Use-Case-Typ (Document Understanding ist auf UiPath besonders stark) und vom Anspruch an Skalierung. Wir sind UiPath Diamond Partner, aber bauen je nach Bedarf auch mit Microsoft – die Wahl ist eine Folge der Anforderungen, keine Vorbedingung.
Was passiert mit den Mitarbeitenden, deren Arbeit automatisiert wird?
In über 120 Lunatec-Projekten haben wir keinen einzigen Fall erlebt, in dem Mitarbeitende direkt durch Automatisierung freigesetzt wurden. Was passiert: Mitarbeitende wechseln auf höherwertige Tätigkeiten: Einkäufer kümmern sich um Lieferantenbeziehungen statt um Dateneingabe, Buchhalter machen Analysen statt Routine-Abgleiche, HR-Mitarbeitende beraten Führungskräfte statt Belege zu sortieren. Der Engpass im deutschen Mittelstand ist heute fast nie Personalüberhang, sondern Fachkräftemangel. Automatisierung adressiert genau diesen Engpass.
Wie lange dauert ein erster Pilot?
Ein gut zugeschnittener erster Pilot läuft typischerweise 6 bis 8 Wochen von Kick-off bis Produktivbetrieb. Das setzt voraus, dass der Prozess klar definiert ist, IT-Zugänge zeitnah zur Verfügung stehen und ein klarer Business Owner als Ansprechpartner verfügbar ist. Wenn diese drei Bedingungen fehlen, dauert es länger, egal wer der Umsetzungspartner ist.
Was kostet das ungefähr?
Für einen einfachen ersten RPA-Prozess kalkuliere 15.000 bis 30.000 € Implementierung plus 3.000 bis 8.000 € pro Jahr Betrieb. Für komplexere Use Cases mit Document Understanding 40.000 bis 80.000 € plus 8.000 bis 20.000 € pro Jahr. Agentic-AI-Projekte mit hoher Komplexität liegen bei 100.000 bis 250.000 € plus 15.000 bis 40.000 € pro Jahr. Diese Zahlen sind Größenordnungen, keine Festpreise – die tatsächliche Höhe hängt stark von Prozesskomplexität, Schnittstellen und Datenqualität ab.
Können wir mit einem Pilotprojekt starten, ohne große Vorab-Verpflichtung?
Ja, das empfehlen wir sogar. Ein gut definierter erster Use Case mit klaren Erfolgsmetriken ist die beste Möglichkeit, die Zusammenarbeit zu testen, bevor Sie sich strategisch festlegen. Bei Lunatec bieten wir einen 60-minütigen Analyse-Workshop, in dem wir gemeinsam 3 bis 5 Prozesse mit dem höchsten Automatisierungs-Hebel identifizieren. Unverbindlich.
Was ist mit Datenschutz und DSGVO?
DSGVO-Compliance ist bei jedem Projekt ein Standard-Thema, kein Sonderfall. Konkret bedeutet das: Daten werden in Deutschland oder der EU gehostet, Zugriffsrechte sind dokumentiert und revisionssicher, personenbezogene Daten werden minimiert. Bei besonders sensiblen Anwendungsfällen (z. B. Healthcare, HR) machen wir eine separate Datenschutzfolgenabschätzung. Wir betreiben unsere Lösungen typischerweise in der UiPath Automation Cloud (EU-Region) oder On-Premise im Kundenrechenzentrum.
Was ist mit dem AI Act?
Der EU AI Act tritt schrittweise in Kraft, mit Hochrisiko-Anwendungen ab August 2026. Im Mai 2026 (Stand des Dokuments) ist er teilweise schon wirksam. Er unterscheidet zwischen Hochrisiko-, mittlerem und niedrigem Risiko von KI-Anwendungen. Für die meisten Business-Automatisierungen (Eingangsrechnungen, Dokumentenklassifikation, Daten-Übertragung) gelten überschaubare Anforderungen. Anwendungen, die Personalentscheidungen treffen oder vorbereiten, sind Hochrisiko und brauchen entsprechende Dokumentation und menschliche Aufsicht. Wir bauen Compliance standardmäßig in das Systemdesign ein.
Das Decision Toolkit für Automatisierung
Eignungs-Scorecard zum Selbstausfüllen, ROI-Quick-Calculator, 12-Fragen-Checkliste für die Partner-Auswahl. Als PDF, 30+ Seiten, im selben Design wie unser Case-Booklet.
Vielen Dank! Ihr Toolkit ist bereit.
Der Download startet über den Button unten. Bei Fragen zur Anwendung melden Sie sich gern.
Toolkit öffnen
Lunatec · Agentic Automation · 2026
Welche Prozesse in Ihrem Unternehmen haben das größte Potenzial?
In einem 60-minütigen Analysegespräch identifizieren wir gemeinsam drei bis fünf Prozesse mit dem höchsten Automatisierungshebel – unverbindlich, auf Basis Ihrer konkreten Situation. Sie bekommen eine Einschätzung des Aufwands, des Nutzens und der Amortisationszeit – ohne Verkaufsdruck.