Wie ein Automobilzulieferer mit Agentic Automation 708.000 Euro im Jahr einspart

Von instabilen RPA-Bots zur unternehmensweiten Automatisierung in 12 Monaten. Eine Fallstudie.

Als der Vorstand eines globalen Herstellers von Automobilteilen die Investition in RPA beschloss, war die Vision klar: Kosten senken, Produktivität steigern, Wettbewerbsfähigkeit sichern. Was folgte, war weniger klar. Die ersten Automatisierungen waren instabil. Die Einsparungen zu gering, um den Aufwand zu rechtfertigen. Die internen Entwickler kämpften mit einer Technologie, für die sie nie richtig ausgebildet worden waren. Und das Management wurde ungeduldig.

Was dieser Kunde erlebte, ist kein Einzelfall. Gartner berichtet, dass über 50 Prozent aller GenAI-Projekte nach dem Proof of Concept aufgegeben werden. Die Ursache ist selten die Technologie selbst. Es ist die Art, wie Unternehmen sie einsetzen: ohne klare Strategie, ohne Prozessverständnis, ohne Skalierungsrahmen.

Diese Fallstudie zeigt, wie es anders geht. Wie ein Unternehmen mit über 300 potenziellen Automatisierungskandidaten den Weg von gescheiterten Bot-Experimenten zu einer unternehmensweiten Automatisierungsplattform gefunden hat – und dabei 708.000 Euro im Jahr einspart.

Die Ausgangslage: Viel investiert, wenig erreicht

Der Kunde – ein global tätiger Hersteller von Automobilteilen mit Shared-Service-Centern in mehreren Ländern – hatte bereits in UiPath-Lizenzen investiert und ein internes RPA-Team aufgebaut. Das Ergebnis nach mehreren Monaten: eine Handvoll Automatisierungen, die regelmässig abbrachen, unzufriedene Stakeholder in den Fachabteilungen und ein Management, das messbare Ergebnisse innerhalb eines Jahres erwartete.

Die Herausforderungen im Detail:

Über 300 Prozesse standen zur Bewertung an – aber es gab keinen systematischen Ansatz, um das tatsächliche Automatisierungspotenzial zu identifizieren.

Die internen RPA-Entwickler waren nicht ausreichend geschult. Die entwickelten Bots waren instabil, was zu Frustration bei Mitarbeitern und Stakeholdern führte.

Es fehlte ein Rahmenwerk fur die Priorisierung: Welche Prozesse haben den höchsten Euro-Hebel? Welche sind technisch machbar? Welche liefern den schnellsten ROI?

Das Management erwartete messbare Erfolge innerhalb von 12 Monaten – nicht noch ein Pilotprojekt.

Kurz gesagt: Das Unternehmen hatte die richtige Idee – aber den falschen Ansatz. Und damit stand es nicht allein. McKinsey berichtet, dass nur ein Drittel aller Unternehmen unternehmensweites AI-Scaling erreicht hat. Der Rest bleibt in dem stecken, was die Branche Pilot Purgatory nennt.

Der Ansatz: Erst verstehen, dann automatisieren

Der Kunde beauftragte Lunatec mit einer klaren Mission: Definieren Sie eine Strategie und einen Prozess für den gesamten Automatisierungslebenszyklus – von der Identifikation bis zum Betrieb. Kein weiterer Pilot. Ein System, das skaliert.

Der entscheidende Unterschied zum bisherigen Vorgehen: Lunatec begann nicht mit der Technologie, sondern mit dem Geschäft. Die erste Frage war nicht: Welcher Prozess lässt sich automatisieren? Sondern: Welcher Prozess hat den höchsten Wirkungshebel?

Phase 1: Top-down-Schnellbewertung

In der ersten Runde wurden sämtliche Prozesse des Shared-Service-Centers anhand des Servicekatalogs bewertet – nicht nach technischer Machbarkeit, sondern nach drei Kriterien: Auswirkung auf Ressourcen, Auswirkung auf Zeitaufwand und Auswirkung auf Qualität. Aus über 300 Kandidaten wurden die vielversprechendsten vorausgewählt.

Phase 2: Priorisierung und detaillierte Bewertung

Gemeinsam mit den Fachabteilungen – Finanzen, Controlling, Einkauf, Logistik – bewerteten Lunatec-Architekten die vorausgewählten Prozesse im Detail. Prozessdokumentation wurde überprüft, Schwachstellen erfasst, Automatisierungspotenziale quantifiziert. Fur jeden priorisierten Prozess entstand ein Zielprozessdesign: nicht der alte Ablauf mit einem Bot darüber, sondern ein neu gedachter Workflow, der die Stärken der Automatisierung von Anfang an einbezieht.

Phase 3: Umsetzung und Skalierung

Die Umsetzung folgte einem strukturierten Automatisierungslebenszyklus. Lunatec stellte ein dediziertes Team bereit, das die Automatisierungen entwickelte, testete und in den Produktivbetrieb überführte. Parallel identifizierte das Team kontinuierlich neue Anwendungsfälle – ein laufender Prozess, kein einmaliges Projekt.

Die Ergebnisse: Zahlen, die für sich sprechen

Nach 12 Monaten sah die Bilanz so aus, wie sich das Management sie vom ersten Tag an gewünscht hatte – nur dass sie jetzt auf harten Daten basierte, nicht auf Hoffnung.

51	18	41.583	708.798 EUR
Use Cases in der Pipeline	Use Cases umgesetzt	Stunden/Jahr eingespart	Jahrliche Kosteneinsparung

Besonders bemerkenswert: Der Break-even wurde bereits nach sieben Monaten erreicht. Ab diesem Zeitpunkt überstiegen die kumulierten Einsparungen die kumulierten Kosten – und die Schere öffnete sich mit jedem weiteren Monat.

Die Investitionsstruktur war dabei transparent und planbar, kein verdecktes Budget, keine Überraschungen.

Wo der grösste Hebel lag

Ein Blick auf die Verteilung des Automatisierungspotenzials nach Abteilung zeigt, warum die Top-down-Priorisierung so entscheidend war. Das größte Potenzial lag in Bereichen, die auf den ersten Blick nicht unbedingt die offensichtlichsten Kandidaten sind.

Die Finanzabteilung allein repräsentierte ein Potenzial von fast 35.000 Stunden pro Jahr – wovon bis zum Ende des ersten Jahres bereits knapp 16.000 realisiert wurden. Einkauf und Logistik folgten als zweit- und drittgrößte Hebel. In manchen Abteilungen – Personal, IT, Elektronik – wurde das Potenzial identifiziert, aber noch nicht angegangen. Das ist kein Scheitern, sondern Teil des Plans: Die Pipeline wächst schneller als die Umsetzungskapazität, was eine gesunde Dynamik schafft.

Was andere Unternehmen daraus lernen können

Diese Fallstudie ist kein Einzelfall. Aber sie illustriert Prinzipien, die McKinsey, Deloitte und Bain übereinstimmend als Erfolgsfaktoren für agentische Automatisierung identifizieren.

Strategie vor Technologie. Der Kunde hatte die Technologie schon – was fehlte, war der systematische Rahmen. Die Investition in eine Schnellbewertung aller Prozesse vor dem ersten Build war der entscheidende Unterschied.

Priorisierung nach Euro-Hebel, nicht nach technischer Machbarkeit. Die einfachsten Prozesse sind selten die wertvollsten. Eine Top-down-Priorisierung nach Business Impact statt nach technischem Schwierigkeitsgrad sorgt dafür, dass die ersten Ergebnisse auch die überzeugendsten sind.

Prozess-Redesign, nicht Prozess-Kopie. Der häufigste Fehler bei RPA: den alten Ablauf 1:1 automatisieren. Der Lunatec-Ansatz – erst den Zielprozess designen, dann automatisieren – vermied die Falle, Ineffizienzen mitzuautomatisieren.

Managed Services, nicht Build-and-Forget. Automatisierungen sind keine Software-Releases, die man ausliefert und vergisst. Sie brauchen Monitoring, Optimierung und kontinuierliche Weiterentwicklung. Der Managed-Service-Ansatz stellte sicher, dass die 18 umgesetzten Use Cases stabil liefen – und dass die Pipeline kontinuierlich wuchs.

Transparenz als Erfolgsfaktor. Die automatisierte Berichtsstruktur war kein Nebenprodukt, sondern ein strategisches Element. Das Management konnte jederzeit sehen, wo die Einsparungen standen, welche Use Cases in der Pipeline waren und wie sich die Investition entwickelte. Das schuf Vertrauen – und Budget für die nächste Phase.

Ausblick: Von RPA zu Agentic AI

Mit 51 Use Cases in der Pipeline und 18 bereits in Produktion hat der Kunde eine Basis geschaffen, auf der die nächste Evolutionsstufe aufbauen kann: Agentic AI. Während die bisherigen Automatisierungen überwiegend regelbasierte RPA-Bots und hybride Agent-Lösungen umfassen, liegt das nächste Potenzial in vollständig autonomen, kontextbewussten Agenten, die nicht nur ausführen, sondern auch entscheiden.

Das Fundament dafür ist gelegt: saubere Prozessdokumentation, eine laufende Pipeline, ein erprobtes Betriebsmodell und ein Management, das der Automatisierung vertraut – weil es die Zahlen gesehen hat.

Die Einsparung von 708.000 Euro im ersten Jahr ist kein Endpunkt. Sie sind der Proof of Concept für alles, was danach kommt.