Eine Automatisierung zeigt ihre Qualität bei den Ausnahmen. Den Standardfall beherrschen heute fast alle Lösungen.
Ein Industrieunternehmen automatisiert seine Eingangsrechnungen. In der Abnahme läuft alles sauber. Die Rechnung kommt an, die Daten werden erkannt, die Freigabe landet beim richtigen Kostenstellenverantwortlichen. Drei Wochen nach dem Start führt die Buchhaltung eine Excel-Liste mit rund 200 Rechnungen, die festhängen. Im System taucht keine davon als Problem auf.
Die Ursachen sind unspektakulär. Bei ausländischen Lieferanten fehlt oft die Bestellnummer. Gutschriften werden als Rechnungen erkannt. Ein Kostenstellenverantwortlicher ist seit Wochen in Karenz, und seine Freigaben warten auf ihn. Manche Rechnungen kommen per Post und zusätzlich per Mail.
Ich sammle deshalb vor jeder Automatisierung die häufigsten Abweichungen der letzten Monate. Meist reicht ein Blick in die Rückfragen der Buchhaltung oder in das Postfach, in dem Unklares landet. Für jede Abweichung lege ich fest, ob das System sie selbst lösen kann oder ob ein Mensch entscheidet, und wer dieser Mensch ist.
Mit KI wird das wichtiger, und es ist ein guter Grund, mit einer konkreten Aufgabe zu beginnen. Ein Modell liefert auch bei einer schlechten Vorlage ein Ergebnis, und das sieht oft plausibel aus. Das System muss deshalb zeigen, wie sicher es sich ist, und unsichere Fälle an eine Stelle leiten, an der jemand sie prüft.
Manchmal liegt die Lösung vor dem System. Im beschriebenen Fall hilft ein Schreiben an die fünf Lieferanten mit den meisten fehlenden Bestellnummern. Nach zwei Monaten ist ein guter Teil des Problems verschwunden.