1. Prozess-Audit statt Bauchgefühl
Der erste Schritt ist die Prozess-Audit-Phase, die Forfis in Woche 1-2 durchführt. Dabei werden die manuellen Workflows in der Logistik und im HR-Bereich kartiert. Konkret: Welche Tickets kommen in der Helpdesk-Queue an? Wie lange dauert die manuelle Prüfung einer Rechnung? Wie viele Stunden pro Woche verbringt HR mit dem Lesen von Lebensläufen? Das Audit liefert eine Before-Baseline: z. B. 4,2 Stunden First-Response Time und 12 % Fehlerquote bei der Rechnungsprüfung. Ohne diese Messwerte ist jeder spätere ROI-Beweis hohl. Forfis nutzt dafür n8n als Workflow-Orchestrierung, um die Datenströme zu visualisieren und Engpässe zu identifizieren. Das Ergebnis ist eine priorisierte Liste von Use Cases, die für die Automatisierung geeignet sind.
2. Fokussierter Pilot auf einen Use Case
Der Piloten-Scope ist auf einen einzigen Use Case beschränkt: entweder Candidate Screening oder Back-Office-Automatisierung. In Woche 3-4 wird die Anthropic Claude API angebunden, um die Textverarbeitung zu übernehmen. Für die Candidate Screening-Logik liest die KI die Lebensläufe, klassifiziert sie nach den in Confluence hinterlegten Kriterien und erstellt einen Entwurf für die HR-Abteilung. Die Workflow-Orchestrierung in n8n stellt sicher, dass nur die relevanten Daten an das Modell gehen. Wichtig: Die Integration in Confluence erfolgt über die API, so dass die Bewertungskriterien zentral verwaltet werden. Wenn HR die Kriterien ändert, muss nicht der Code angepasst werden, sondern nur die Confluence-Seite. Das reduziert den Wartungsaufwand erheblich.
3. Human-in-the-Loop als Standard
Ab Woche 5 beginnt die Human-in-the-Loop-Phase. Die KI erstellt Entwürfe, aber ein Mensch muss jede Ausgabe freigeben, die Geld, Gesundheit oder Verträge betrifft. Bei der Candidate Screening-Logik prüft ein HR-Mitarbeiter den KI-Entwurf in 2-3 Minuten und klickt auf „Freigabe“. Bei der Rechnungsprüfung prüft ein Buchhalter die extrahierten Daten. Diese Freigabe-Logik ist in der Workflow-Orchestrierung fest verankert. Forfis misst in dieser Phase die After-Baseline: Die First-Response Time sinkt von 4,2 auf 0,3 Stunden, die Fehlerquote bei der Rechnungsprüfung von 12 % auf 2 %. Diese Zahlen sind der Kern des ROI-Beweises und werden im Go-Live-Report dokumentiert.
4. Compliance nach EU AI Act und DSG
Die Compliance-Phase läuft parallel zur Entwicklung. Der EU AI Act klassifiziert KI-Systeme nach Risikoklasse. Für die Candidate Screening-Logik gelten strenge Vorgaben: Die KI darf keine diskriminierenden Merkmale verarbeiten, und die betroffene Person muss informiert werden. In der Schweiz ist zusätzlich das Datenschutzgesetz (DSG) zu beachten. Forfis dokumentiert diese Schritte bereits im Piloten: Welche Daten werden verarbeitet? Wie wird die KI informiert? Wo werden die Log-Daten gespeichert? Diese Dokumentation ist nicht nur für den EU AI Act relevant, sondern auch für interne Audits und Kundenanfragen. Sie reduziert das Risiko von Bußgeldern und Reputationsverlusten erheblich.
5. Managed Operations und ROI-Messung
Nach dem Go-Live in Woche 8 beginnt die Managed AI Operations-Phase. Forfis überwacht die Systemleistung, optimiert die Prompts und behebt Fehler. Die Kosten setzen sich aus drei Blöcken zusammen: Setup (15.000–25.000 CHF), Modell-APIs (ca. 36.000 CHF/Monat bei 10.000 Anfragen) und Managed Operations (2.000–4.000 CHF/Monat). Der ROI entsteht durch die Reduktion der manuellen Arbeitszeit: 20 Stunden/Monat gesparte Back-Office-Arbeit à 80 CHF/Stunde = 1.600 CHF/Monat. Bei Skalierung auf mehrere Abteilungen amortisiert sich das System in 6-9 Monaten. Die Managed Operations-Phase stellt sicher, dass das System auch nach dem Go-Live zuverlässig läuft und sich an veränderte Prozesse anpasst.
Leave a Reply