KI-Prozessanalyse: Wo lohnt sich KI wirklich

Warum Prozessanalyse vor Toolauswahl kommt

Viele KI-Projekte beginnen mit einer Toolfrage: Welches System sollen wir testen Für soziale Organisationen ist das verständlich, aber riskant. Ein Tool kann beeindruckend wirken und trotzdem am falschen Problem ansetzen. Es kann eine Aufgabe beschleunigen, die eigentlich gar nicht zentral ist. Oder es kann neue Risiken erzeugen, weil Datenarten, Verantwortlichkeiten und Prüfwege nicht geklärt sind.

Eine KI-Prozessanalyse dreht die Reihenfolge um. Sie startet mit dem Arbeitsalltag: Wo entsteht hoher Aufwand Welche Aufgaben wiederholen sich Wo gibt es Medienbrüche, Wartezeiten, Doppelarbeit oder Unsicherheit Welche Tätigkeiten brauchen fachliche Einschätzung, Beziehungsgestaltung oder vertrauliche Informationen Erst wenn diese Fragen beantwortet sind, lässt sich sinnvoll prüfen, ob KI überhaupt passt.

Das ist besonders wichtig, weil KI nicht automatisch Prozessqualität schafft. Wenn ein Prozess unklar, widersprüchlich oder schlecht dokumentiert ist, kann KI diese Unklarheit sogar verstärken. Dann produziert sie schneller Texte, Vorschläge oder Zusammenfassungen, ohne dass Zweck, Qualität und Verantwortung sauber geklärt sind.

Prozessanalyse ist deshalb keine Innovationsbremse. Sie ist der Filter, der aus vielen möglichen Ideen wenige sinnvolle Pilotkandidaten macht. Gerade unter knappen Ressourcen schützt sie davor, Energie in Projekte zu stecken, die fachlich heikel, datenschutzrechtlich ungeklärt oder organisatorisch zu aufwendig sind.

Was in der Prozessanalyse betrachtet wird

Eine gute Prozessanalyse betrachtet nicht nur die technische Machbarkeit. Sie fragt nach Aufgabe, Daten, Menschen, Verantwortung und Qualität. Das klingt aufwendiger, spart aber später viele Schleifen, weil typische Prüffragen früh sichtbar werden.

Der erste Blick gilt dem Zweck: Welches Problem soll gelöst werden Geht es um Zeitersparnis, bessere Struktur, schnellere Orientierung, weniger Doppelarbeit oder einheitlichere Kommunikation Ohne klaren Zweck bleibt KI ein Experiment ohne Bewertungskriterium.

Der zweite Blick gilt den Daten. Werden nur allgemeine Informationen verarbeitet oder auch personenbezogene Daten, Sozialdaten, Gesundheitsdaten, Falldaten, interne Konflikte, Personalinformationen oder vertrauliche Trägerdaten Je sensibler die Daten, desto früher sollten Datenschutz, IT und Leitung beteiligt werden. Je nach Schutzbedarf sind außerdem Fragen zu Datenschutz-Folgenabschätzung, Löschkonzept, Protokollierung, Zugriffsrechten und Anbieterrolle zu klären.

Der dritte Blick gilt der fachlichen Prüfung. KI kann Entwürfe liefern, sortieren, zusammenfassen oder Varianten anbieten. Aber in sozialen Organisationen bleibt fachliche Verantwortung beim Menschen. Deshalb muss klar sein, wer Ergebnisse prüft, korrigiert, freigibt oder verwirft.

Der vierte Blick gilt dem Betrieb: Wer schult Mitarbeitende Wer dokumentiert die Freigabe Wer pflegt Prompts, Vorlagen oder Regeln Wer reagiert, wenn sich das Tool, die Nutzungsbedingungen oder die Organisation ändern Ein Prozess lohnt sich nur, wenn auch dieser Betrieb realistisch ist und Löschung, Review und Verantwortlichkeiten nicht erst nach dem Pilotversuch geklärt werden.

Woran geeignete KI-Prozesse erkennbar sind

Geeignete KI-Prozesse haben meist einige gemeinsame Merkmale. Sie sind wiederkehrend, klar beschreibbar, gut abgrenzbar und fachlich prüfbar. Das Ergebnis muss nicht perfekt aus der KI kommen, aber es muss so gestaltet sein, dass Mitarbeitende es sinnvoll bewerten können.

Ein gutes Einsatzfeld entsteht oft dort, wo ein Mensch ohnehin die Entscheidung trifft, KI aber Vorbereitung, Strukturierung oder Formulierung unterstützt. Beispiele sind Entwürfe für allgemeine Elterninformationen, Gliederungen für Konzepte, Zusammenfassungen von nicht sensiblen Fachinformationen, Varianten für interne Wissensartikel oder Vorstrukturierungen für Schulungsmaterial.

Auch Verwaltung und Qualitätsmanagement können geeignete Kandidaten enthalten: Standardprozesse beschreiben, Checklisten sprachlich vereinheitlichen, Schulungsinhalte strukturieren, interne FAQ vorbereiten oder wiederkehrende Kommunikationsbausteine entwerfen. Wichtig bleibt: Sobald personenbezogene oder vertrauliche Inhalte vorkommen, verändert sich die Bewertung.

Ein Prozess ist nicht deshalb geeignet, weil er lästig ist. Er ist geeignet, wenn KI einen klaren Beitrag leisten kann, ohne fachliche Verantwortung zu verdecken oder neue Risiken zu erzeugen. Manchmal ist die bessere Lösung keine KI, sondern eine klare Vorlage, ein kürzerer Freigabeweg, ein besseres Formular oder eine Prozessvereinfachung.

Was nicht automatisiert werden sollte

Soziale Organisationen arbeiten mit Menschen in verletzlichen Lebenslagen, sensiblen Informationen und fachlichen Abwägungen. Deshalb gibt es Prozesse, die nicht in eine einfache Automatisierungslogik passen. KI darf professionelle Verantwortung nicht ersetzen.

Besonders kritisch sind Schutz- und Risikobewertungen, Hilfeentscheidungen, Einschätzungen zur Erziehungsfähigkeit, Kindeswohlfragen, Leistungsentscheidungen, Sanktionsempfehlungen, Diagnosen, vertrauliche Beratungsbewertungen oder Priorisierungen von Menschen. Solche Prozesse brauchen menschliche Fachlichkeit, Kontextwissen, Beziehung, Reflexion und rechtlich-organisatorische Verantwortung.

Auch vermeintlich harmlose Teilaufgaben können kritisch werden, wenn sie mit echten Falldaten verbunden sind. Eine Zusammenfassung, ein Protokoll oder eine Textglättung kann datenschutzrechtlich und fachlich relevant sein, wenn darin Sozialdaten, Gesundheitsdaten, Beratungsverläufe, Konflikte oder Schutzbedarfe enthalten sind.

Die Grenze lautet deshalb nicht: KI ja oder nein. Die bessere Frage lautet: Welche Teilaufgabe darf KI unterstützen, unter welchen Datenbedingungen, mit welchem Tool, mit welcher Prüfung und mit welcher menschlichen Verantwortung Wo diese Fragen nicht beantwortet werden können, sollte kein Pilot starten.

Rollen von Leitung, QM, Datenschutz, IT und Fachpraxis

Eine KI-Prozessanalyse ist keine Einzelaufgabe für technikaffine Mitarbeitende. Sie braucht mehrere Perspektiven, weil Nutzen und Risiko in sozialen Organisationen nie nur technisch sind.

Leitung und Geschäftsführung setzen Prioritäten, klären Ressourcen und entscheiden, welche Prozesse überhaupt in einen Pilotversuch gehen. Sie tragen die Verantwortung dafür, dass KI nicht neben den offiziellen Strukturen eingeführt wird, sondern in Governance, Datenschutz, Qualitätsmanagement und Schulung eingebettet ist.

Qualitätsmanagement hilft, Prozesse sauber zu beschreiben, Bewertungskriterien zu dokumentieren und Reviews vorzubereiten. Es sorgt dafür, dass aus einer guten Idee ein wiederholbarer und prüfbarer Ablauf wird. Sinnvoll ist ein KVP-Bezug: Erfahrungen aus Pilotversuchen, Fehlermeldungen, Nutzungsgrenzen und geänderte Anforderungen fließen regelmäßig in Prozessanpassungen zurück. Datenschutz und IT bewerten Datenarten, Anbieter, Zugriffsrechte, Sicherheit, Speicherorte, Auftragsverarbeitung und technische Rahmenbedingungen.

Die Fachpraxis ist unverzichtbar, weil sie erkennt, ob ein Prozess fachlich wirklich entlastet oder nur gut klingt. Mitarbeitende wissen oft genau, welche Schritte Zeit kosten, wo Dokumentation hakt, welche Formulierungen schwierig sind und wo KI-Ergebnisse in der Praxis eher stören als helfen würden.

In größeren Organisationen kann eine KI-Brückenfunktion die Perspektiven verbinden. Sie sammelt Prozessideen, sortiert Prüffragen, übersetzt fachliche Bedarfe in Prüfkriterien und bereitet Entscheidungen für Leitung oder ein KI-Gremium vor.

Ein einfaches Vorgehen in fünf Schritten

Eine Prozessanalyse muss am Anfang nicht groß sein. Entscheidend ist, dass sie vergleichbare Informationen sammelt und nicht nur Bauchgefühl bewertet.

1. Prozesse sammeln: Teams, Verwaltung, Leitung und QM benennen Aufgaben mit hohem Aufwand, Wiederholungen, Medienbrüchen oder Qualitätsproblemen.
2. Datenarten klären: Je Prozess wird notiert, ob allgemeine, interne, personenbezogene, soziale, gesundheitliche oder vertrauliche Daten betroffen sind.
3. Nutzenhypothese formulieren: Was soll besser werden: Zeit, Qualität, Verständlichkeit, Einheitlichkeit, Orientierung, Dokumentationsklarheit oder Erreichbarkeit
4. Risiko und Prüfbarkeit bewerten: Kann ein Mensch das Ergebnis fachlich kontrollieren Gibt es klare Stoppschilder Braucht es Datenschutz-, IT- oder Rechtsprüfung
5. Priorisieren und entscheiden: Die Organisation ordnet Prozesse in Pilotkandidat, Prüfbedarf, später betrachten oder nicht geeignet ein.

Das Ergebnis sollte schriftlich festgehalten werden. Nicht als großes Gutachten, sondern als nachvollziehbare Entscheidungsgrundlage: Warum wurde ein Prozess ausgewählt, zurückgestellt oder ausgeschlossen

Typische Fehler bei der KI-Prozessanalyse

Ein häufiger Fehler ist der Toolstart ohne Prozessklärung. Dann wird ein KI-System getestet, bevor Zweck, Datenarten, Prüfkriterien, Löschung und Verantwortung beschrieben sind. Der Pilot wirkt schnell, ist aber schwer auswertbar.

Ein zweiter Fehler ist eine zu enge Nutzenrechnung. Wenn nur Minutenersparnis gezählt wird, bleiben Schulung, Datenschutzprüfung, mögliche DSFA, Löschkonzept, fachliche Kontrolle, Dokumentation und laufender Betrieb unsichtbar. Gerade in sozialen Organisationen gehören diese Aufwände zur ehrlichen Bewertung.

Ein dritter Fehler ist die Verwechslung von Automatisierung und Entlastung. Manchmal entsteht der größte Nutzen nicht dadurch, dass KI einen Prozess übernimmt, sondern indem sie eine Vorarbeit strukturiert, eine Vorlage verbessert oder eine Entscheidungsvorlage lesbarer macht. Die fachliche Entscheidung bleibt dann weiterhin bewusst beim Menschen.

Ein vierter Fehler ist fehlender KVP-Anschluss. Ein KI-Pilot sollte nicht mit der ersten Freigabe enden. Die Organisation braucht einen Review: Was hat funktioniert, wo gab es Korrekturbedarf, welche Risiken wurden sichtbar und welche Prozessregel muss angepasst werden

Praxisbeispiele

Verwaltung: Allgemeine Elternkommunikation vorbereiten

Eine Einrichtung schreibt regelmäßig allgemeine Elterninformationen zu Terminen, Schließzeiten oder organisatorischen Abläufen. Die Inhalte enthalten keine Falldaten und keine vertraulichen Informationen. Eine KI-Prozessanalyse könnte ergeben: Als Formulierungs- und Strukturhilfe ist der Prozess gut geeignet, wenn ein freigegebenes Tool genutzt wird, personenbezogene Inhalte aus dem Prompt herausgehalten werden und der Text vor Versand geprüft wird.

QM: Verfahrensanweisungen verständlicher machen

Das Qualitätsmanagement möchte bestehende Prozessbeschreibungen in kurze Teamfassungen übersetzen. KI kann helfen, eine erste sprachliche Verdichtung oder FAQ-Struktur zu erstellen. Prüfpflichtig bleibt, ob die Inhalte korrekt sind, interne Vertraulichkeiten vermieden oder angemessen geschützt werden und die finale Fassung fachlich freigegeben wird. Der Nutzen liegt weniger in Automatisierung als in besserer Verständlichkeit.

Fachdienst: Fallnotizen zusammenfassen lassen

Ein Team wünscht sich Entlastung bei Fallnotizen. Die Prozessanalyse zeigt: Der Bedarf ist nachvollziehbar, aber die Daten sind hochsensibel. Echte Falldaten, Sozialdaten, Gesundheitsdaten oder vertrauliche Beratungsinhalte sollten nicht ohne belastbare Prüfung, Freigabe und geeignete Schutzmaßnahmen in KI-Tools verarbeitet werden. Ein Pilot wäre nur nach gesonderter Datenschutz-, IT-, Fach- und Leitungsprüfung denkbar; je nach Verarbeitung können auch DSFA, Löschkonzept und klare Zugriffsregeln erforderlich werden. Möglicherweise ist für den Start ein anderer Prozess geeigneter, etwa allgemeine Dokumentationshilfen ohne echte Falldaten.