Schweizer E-Commerce-Firma automatisiert Status-Updates in 8 Wochen

Hintergrund: Schweizer E-Commerce-Firma ohne KI in der Produktion

Dieser Fall ist ein Composite aus Mustern, die Forfis in der Praxis beobachtet hat. Es werden keine realen Kundennamen genannt. Die beschriebene Firma ist fiktiv, aber plausibel: eine Schweizer E-Commerce-Firma mit 120 Mitarbeitern, die über Shopify und ein eigenes ERP-System (Odoo) verkauft. Der Umsatz liegt bei ca. 18 Mio. CHF jährlich, der Fokus liegt auf B2B-Großkunden und B2C-Kleinaufträgen. Die IT-Infrastruktur ist hybrid: Cloud-Hosting für den Shop, On-Premise-Server für das ERP. Bisher gab es keine KI in der Produktion. Der Support bestand aus vier festen Mitarbeitern, die per E-Mail und Telefon Anfragen bearbeiteten. Die monatliche Reporting-Last war hoch: 14 Tage pro Monat für die manuelle Zusammenstellung von Status-Updates, Fehlerquoten und Eskalationen. Die Compliance-Anforderungen waren klar: PCI DSS für alle Zahlungsdaten, DSGVO für personenbezogene Daten. Die Deadline für die Einführung war der 1. März, um die Q1-Reporting-Zyklen zu entlasten.

Herausforderung: Manuelle Status-Updates und Reporting-Last

Der Hauptbedarf war die Automatisierung der monatlichen Reporting-Prozesse und die Beschleunigung der Dokumentenbearbeitung. Konkret: Kunden fragten per E-Mail nach dem Status ihrer Bestellungen, und der Support musste manuell im ERP nachschauen, die Antwort formulieren und senden. Das dauerte im Durchschnitt 4,2 Stunden pro Monat pro Mitarbeiter. Zusätzlich mussten monatliche Reports über Fehlerquoten, Lieferverzögerungen und Eskalationen manuell aus Excel-Tabellen zusammengetragen werden. Der operative Druck kam von drei Seiten: Erstens, die Q1-Reporting-Deadline stand bevor. Zweitens, die Compliance-Abteilung verlangte eine dokumentierte, nachvollziehbare Prozesskette für alle Datenzugriffe. Drittens, der Headcount war begrenzt: Vier Support-Mitarbeiter konnten die wachsende Anfragezahl nicht mehr abdecken, ohne dass die Reaktionszeit über 24 Stunden stieg. Die Geschäftsführung wollte eine Lösung, die das bestehende ERP nicht ersetzt, sondern ergänzt.

Ansatz: AI Automation Audit und Pilot mit LangChain

Forfis startete mit einem AI Automation Audit über zwei Wochen. Ziel: Identifikation der Workflows, die sich für die Automatisierung eignen, und Prüfung der Compliance-Anforderungen. Das Ergebnis: Der Status-Update-Prozess war der beste Kandidat für einen Piloten, weil er klar definiert, wiederholbar und datenschutzkonform umsetzbar war. Die Tech-Stack-Entscheidung fiel auf LangChain und LangGraph. LangChain diente als Orchestrierungsschicht, die die Kommunikation zwischen LLM, Tools und Datenquellen steuerte. LangGraph wurde für die Zustandsmaschine verwendet, die den Agenten durch die Phasen „Anfrage empfangen“, „ERP-Daten abfragen“, „Antwort formulieren“ und „Mensch einbinden“ führte. Die Integration erfolgte über die Odoo-API für die Bestelldaten und über die Confluence-API für die internen Prozessdokumente. Der Agent wurde so konfiguriert, dass er nur Statusinformationen liefert und keine Zahlungsdaten verarbeitet, um PCI DSS-Konformität zu gewährleisten. Die Entwicklung des Piloten dauerte vier Wochen, die Integration und Schulung zwei Wochen.

Ergebnis: Messbare Reduktion der Bearbeitungszeit

Nach acht Wochen war der Pilot live. Die Ergebnisse waren messbar: Die durchschnittliche Bearbeitungszeit für Status-Anfragen sank von 4,2 Stunden auf 0,8 Stunden pro Monat pro Mitarbeiter. Die Fehlerquote bei der manuellen Datenübernahme reduzierte sich von 3,1 % auf 0,4 %. Die monatliche Reporting-Zusammenstellung, die zuvor 14 Tage dauerte, war in 3 Tagen erledigt, weil der Agent die Rohdaten automatisch aus dem ERP extrahierte und in ein standardisiertes Format überführte. Die Kundenzufriedenheit stieg, weil die Reaktionszeit von über 24 Stunden auf unter 4 Stunden sank. Die Compliance-Abteilung bestätigte, dass die Prozesskette dokumentiert und nachvollziehbar war. Der Agent lief parallel zum bestehenden Betrieb, nicht als Ersatz. Das ERP blieb die Single Source of Truth. Der Agent las nur, er schrieb nicht. Das reduzierte das Risiko von Dateninkonsistenzen und machte die Rollback-Strategie trivial: Agent abschalten, System läuft weiter wie vorher.

Lektionen für ähnliche Teams

Drei Lektionen lassen sich daraus ableiten. Erstens: Der Audit ist nicht optional. Ohne die zweiwöchige Vorarbeit wäre die Tech-Stack-Entscheidung willkürlich gewesen, und die Compliance-Anforderungen wären erst in der Entwicklungsphase aufgefallen. Zweitens: LangGraph ist für komplexe Workflows mit Verzweigungen und Schleifen die richtige Wahl, nicht für einfache API-Aufruf-Ketten. Die Zustandsmaschine hat die Fallback-Logik (z. B. „ERP nicht erreichbar“) sauber abgebildet. Drittens: Die Integration über Confluence als Wissensbasis für interne Prozesse hat die Akzeptanz im Team erhöht, weil die Mitarbeiter die Regeln nachvollziehen konnten. Der Agent war nicht eine Blackbox, sondern ein transparentes Tool, das auf dokumentierte Prozesse zugriff. Viertens: Die Human-in-the-Loop-Strategie war entscheidend. Alles, was über den Standard-Status hinausging, wurde automatisch an einen Support-Mitarbeiter weitergeleitet. Das reduzierte das Risiko von Fehleinschätzungen und hielt die Compliance-Abteilung zufrieden. Fünftens: Die 8-Wochen-Timeline war realistisch, weil der Pilot parallel zum bestehenden Betrieb lief und nicht als Ersatz diente.