KI-gestützte Vertragsgenehmigung in der österreichischen Logistik

Hintergrund: Ein österreichisches Logistikunternehmen in der Wachstumsphase

Der vorliegende Fall ist eine Komposition aus Mustern, die in der Praxis beobachtet wurden. Es werden keine realen Kundennamen genannt, um die Vertraulichkeit zu wahren. Die beschriebene Situation ist jedoch typisch für mittelständische Unternehmen in der Logistikbranche, die vor der Herausforderung stehen, ihre Prozesse zu digitalisieren, ohne ihre bestehende Infrastruktur zu ersetzen.

Die betroffene Firma ist ein österreichisches Logistikunternehmen mit 35 Mitarbeitern, das sich auf den B2B-Versand von Industriegütern spezialisiert hat. Das Unternehmen befindet sich in der Wachstumsphase und hat in den letzten zwei Jahren seinen Umsatz um 20 Prozent gesteigert. Die bestehende IT-Infrastruktur besteht aus einem ERP-System, einem CRM und der Nutzung von Microsoft Teams für die interne Kommunikation. Bisher wurden keine KI-Systeme in Produktion eingesetzt, und die Vertragsbearbeitung erfolgte vollständig manuell durch zwei Juristen und drei Administrative.

Herausforderung: Manuelle Vertragsbearbeitung als Flaschenhals

Die zentrale Herausforderung lag in der steigenden Anzahl von Verträgen, die täglich bearbeitet werden mussten. Mit dem Wachstum des Unternehmens stieg auch die Komplexität der Verträge, da immer mehr internationale Kunden hinzukamen. Die manuelle Bearbeitung führte zu einer durchschnittlichen Bearbeitungszeit von 48 Stunden pro Vertrag, was zu Verzögerungen in der Auftragsabwicklung führte.

Zusätzlich bestand der Druck, die mehrsprachige Unterstützung zu verbessern, da ein wachsender Anteil der Verträge in Englisch, Italienisch und Französisch verfasst wurde. Die vorhandenen Mitarbeiter konnten diese Sprachen nicht fließend lesen, was zu Fehlern und Verzögerungen führte. Die Compliance-Abteilung forderte zudem eine dokumentierte Nachverfolgbarkeit aller Vertragsänderungen, was bei der manuellen Bearbeitung nur schwer zu gewährleisten war.

Ansatz: Zweiwöchiges Audit und Implementierung mit LangChain

Die Lösung begann mit einem zweiwöchigen AI-Automation-Audit. In dieser Phase wurden die bestehenden Workflows analysiert und die Stellen identifiziert, an denen Automatisierung sinnvoll war. Das Audit ergab, dass die Klassifikation und die erste Prüfung der Verträge am besten für die Automatisierung geeignet waren.

Die technische Umsetzung basierte auf LangChain und LangGraph. LangChain diente als Orchestrierungsschicht für die Interaktion mit den Sprachmodellen, während LangGraph die Zustandsmaschine für den mehrstufigen Genehmigungsprozess bereitstellte. Die Lösung wurde in Microsoft Teams integriert, sodass die Mitarbeiter Benachrichtigungen erhielten, wenn ein Vertrag bearbeitet wurde. Die Architektur war so gestaltet, dass sie in die bestehende ERP- und CRM-Infrastruktur eingebunden werden konnte, ohne diese zu ersetzen.

Ergebnis: 42 Prozent schnellere Vertragsbearbeitung

Nach der Implementierung der Pilotlösung reduzierte sich die durchschnittliche Bearbeitungszeit pro Vertrag von 48 Stunden auf 28 Stunden, was einer Einsparung von 42 Prozent entspricht. Die Fehlerquote bei der Klassifikation der Verträge sank von 15 Prozent auf 3 Prozent. Die mehrsprachige Unterstützung wurde durch die Nutzung von Sprachmodellen, die in mehreren Sprachen trainiert wurden, deutlich verbessert.

Die Mitarbeiter berichteten, dass die Integration in Microsoft Teams die Zusammenarbeit erleichterte, da alle relevanten Informationen an einem zentralen Ort verfügbar waren. Die Compliance-Abteilung konnte die Nachverfolgbarkeit der Vertragsänderungen über die Logs des Systems sicherstellen. Die Investition in die Lösung amortisierte sich innerhalb von sieben Monaten durch die eingesparten Arbeitsstunden und die reduzierten Fehlerkosten.

Lektionen: Drei Erkenntnisse für ähnliche Teams

Der Fall zeigt, dass ein strukturiertes Audit der entscheidende erste Schritt ist, um die richtigen Automatisierungspotenziale zu identifizieren. Unternehmen sollten nicht versuchen, alle Prozesse gleichzeitig zu automatisieren, sondern mit einem klar definierten Pilot beginnen.

Die Wahl der richtigen Technologie ist ebenfalls entscheidend. LangChain und LangGraph bieten eine gute Balance zwischen Flexibilität und Kontrolle, was für die Implementierung in bestehenden Systemen wichtig ist. Die Integration in die bestehende Kommunikationsinfrastruktur, wie Microsoft Teams, ist ein Schlüsselfaktor für die Akzeptanz bei den Mitarbeitern.

Schließlich ist die menschliche Kontrolle ein unverzichtbarer Bestandteil der Lösung. Die Automatisierung sollte die Mitarbeiter unterstützen, nicht ersetzen. Ein klar definierter Genehmigungsprozess stellt sicher, dass kritische Entscheidungen weiterhin von Menschen getroffen werden.