Das Handbuch der Prozessorchestrierung
Grundlagen für die agentenbasierte Orchestrierung auf Unternehmensebene
Einführung
Prozesse sind Algorithmen, die den Unternehmensbetrieb definieren. Sie bestimmen, wie Teams zusammenarbeiten, wie das Unternehmen mit Partnern und Lieferanten kooperiert und wie es seinen Kunden einen Mehrwert bietet.
Immer mehr Führungskräfte in der IT und den Fachabteilungen erkennen, dass sie die für ihren Bereich zentralen Prozesse automatisieren müssen, um bessere Kundenerfahrungen zu ermöglichen, mit der Konkurrenz Schritt zu halten, Abläufe zu optimieren und das Nettoergebnis zu steigern.
Digitale Transformation am Scheideweg: Entweder man setzt heute auf Automatisierung oder man meldet morgen Konkurs an.
der Unternehmen aufgrund von Prozessautomatisierung im letzten Jahr ein erhöhtes Wachstum verzeichnen
wollen ihre Investitionen in die Automatisierung um mindestens 10 % steigern
der Befragten gaben an, dass Automatisierungsinitiativen nicht mit den schnellen Veränderungen im Unternehmen Schritt halten können
Dem Bericht zum Stand der Prozessorchestrierung und -automatisierung von 2025 zufolge, der 800 hochrangige Entscheidungsträger aus IT und Fachabteilungen sowie Enterprise-Software-Architekten befragt hat, konnten 87 % der Unternehmen aufgrund von Prozessautomatisierung im letzten Jahr ein erhöhtes Wachstum verzeichnen. 83 % wollen ihre Investitionen in die Automatisierung um mindestens 10 % steigern. 72 % der Befragten gaben an, dass Automatisierungsinitiativen nicht mit den schnellen Veränderungen im Unternehmen Schritt halten können.
Während die agentenbasierte KI den Betrieb und die Skalierung von Unternehmen neu gestaltet, erwarten CEOs von ihren technischen Führungskräften greifbare Ergebnisse. Sie wollen keine Experimente mit Agenten finanzieren, sondern Return on Investment. Ein rascher Wandel kann jedoch technische Schulden, instabile Lösungen und kostspielige Wartungen mit sich bringen. Unter dem Druck, schnell zu handeln, wird der Einsatz von KI-Agenten in bereits unzusammenhängenden Geschäftsprozessen forciert.
Für Unternehmen, die mithilfe von Automatisierung und KI zusätzlichen Mehrwert schaffen oder davon profitieren, ist Prozessorchestrierung ein wichtiger Erfolgsfaktor. Ihre Vorteile sind hinreichend anerkannt: Sie sorgt für bessere Kunden- und Mitarbeitererfahrungen, mehr Effizienz, schnellere Entscheidungsfindung sowie für bessere Prozessintegration und -weiterverwendung.
Das Handbuch deckt folgende Themen ab:
- Definition von Prozessorchestrierung und agentenbasierter Orchestrierung und warum sie von Bedeutung sind
- Orchestrierung zur Bewältigung von gängigen Automatisierungsherausforderungen
- Grundlagen für eine erfolgreiche Prozessorchestrierung
Was ist Prozessorchestrierung?
Prozessorchestrierung koordiniert die verschiedenen, flexiblen Komponenten eines Geschäftsprozesses und verbindet manchmal sogar mehrere Prozesse miteinander. Prozessorchestrierung hilft Unternehmen dabei, mit vorhandenen Mitarbeitern, Systemen und Geräten weiterzuarbeiten und gleichzeitig selbst ehrgeizige Ziele in der End-to-End-Prozessautomatisierung zu erreichen.
Prozessorchestrierung, Aufgabenautomatisierung und Prozessautomatisierung ähneln einander, sind aber nicht dasselbe.
- Unter Aufgabenautomatisierung versteht man den Einsatz von Technologie zur automatischen Ausführung bestimmter Aufgaben ohne menschliches Eingreifen.
- Unter Prozessorchestrierung versteht man die Koordination der automatisierten und manuellen Aufgaben, aus denen ein Prozess besteht.
- Prozessautomatisierung ist eine Kombination aus Prozessorchestrierung und Aufgabenautomatisierung, wobei der Grad der Automatisierung variieren kann.
Prozessorchestrierung wird häufig mit dem Dirigenten in einem Orchester verglichen, der dafür sorgt, dass niemand seinen Einsatz verpasst. Er sagt den Musikern, wann sie spielen müssen, damit das Stück genau so klingt, wie es klingen soll. Der Prozessorchestrator koordiniert und verwaltet die Interaktionen und Abhängigkeiten aller Aufgaben innerhalb des Prozesses, unabhängig davon, ob sie manuell oder automatisiert ausgeführt werden.
Deterministische, dynamische und agentenbasierte Orchestrierung
Um Lösungen für die Prozessorchestrierung bewerten zu können, müssen Sie zunächst verstehen, wie sich die Automatisierung zusammen mit dem maschinellen Lernen (ML) und der künstlichen Intelligenz (KI) entwickelt hat, insbesondere durch den Einsatz von KI-Agenten. Ein KI-Agent ist ein autonomes Softwareprogramm, das ein Ziel ohne Schritt-für-Schritt-Anweisungen erreicht. Er verwendet ein großes Sprachmodell (LLM), Kontextdaten in Echtzeit und eine Vielzahl von Tools, um im Hinblick auf sein Ziel eine oder mehrere Aufgaben zu erfüllen.
Prozessorchestrierung ist in den meisten Fällen deterministisch, d. h., sie verwendet eine vordefinierte Logik, um einen Prozess auszuführen. Deterministische Orchestrierung ist vorhersehbar, überprüfbar und eignet sich ideal für strukturierte Prozesse mit klar definierten Schritten und Ergebnissen.
KI-/ML-Technologie kann deterministische Prozesse um einen dynamischen Aspekt erweitern. Dynamische Orchestrierung nutzt KI-Agenten, um während der Ausführung eines Prozesses die nächsten Schritte zu bestimmen. Sie bietet Flexibilität, da sich die Agenten an den Echtzeitkontext anpassen können.
Agentenbasierte Orchestrierung verbindet diese Ansätze: Bekannte, wiederholbare Pfade werden mithilfe deterministischer Prozesslogik gesteuert und unvorhersehbare Pfade an KI-Agenten delegiert, die in den Prozess eingebettet sind. Um eine echte agentenbasierte Orchestrierung zu implementieren, erstellen die Teams diese Kombination nicht mit einem separaten System oder Tool, sondern mithilfe von Funktionen, die in die Plattform zur Prozessorchestrierung integriert sind. Die native Kombination gewährleistet, dass Integrität und Kontext des Geschäftsprozesses erhalten bleiben, und vereint die Präzision deterministischen Designs mit der Anpassungsfähigkeit dynamischer Maßnahmen.
Viele Unternehmen sehen in der agentenbasierten Orchestrierung eine Möglichkeit, den Automatisierungsgrad in Bereichen zu erhöhen, in denen dies bisher nicht möglich war, z. B. bei komplexen Fallmanagement-Szenarien wie den Nachforschungen zu einem Versicherungsbetrug, dem lösungsorientierten Umgang mit Kundenbeschwerden und dem Handelsabgleich im Finanzdienstleistungsbereich. KI-Agenten sind jedoch eine relativ neue Technologie und die gesetzlichen Bestimmungen für KI entwickeln sich ständig weiter. Daher sollte die Wahl auf eine Lösung fallen, die Leitlinien für KI-Agenten durchsetzt und deren Einhaltung und Prüfung im Zusammenhang mit den Geschäftsprozessen durch die Teams ermöglicht.
Beispiel
Betrachten wir ein Szenario, in dem die Prozessorchestrierung schlechte Kundenerfahrungen hätte verhindern können.
Katrin möchte sich zum ersten Mal ein Eigenheim kaufen. Nach stundenlanger Recherche beantragt sie zunächst eine Hypothek in der mobilen App ihrer Bank. Sie schließt den anfänglichen Know-Your-Customer-Prozess (KYC) ab, indem sie ein Foto von ihrem Ausweis hochlädt und ein Selfie zur biometrischen Verifizierung macht.
Ein KI-Agent bestätigt ihre Identität und prüft ihre Finanzen, veranlasst aber aufgrund eines kürzlichen Jobwechsels eine zusätzliche Überprüfung ihres Antrags. Katrin lädt die erforderlichen Finanzunterlagen hoch und erhält eine vorbehaltliche Zusage, die auf dem Verhältnis ihrer Schulden zu ihrem Einkommen, ihren Kaufgewohnheiten und ihrer Kreditwürdigkeit beruht.
Katrin vereinbart daraufhin einen persönlichen Termin mit einem Hypothekenberater. In der Filiale erfährt sie, dass der Berater ihren Antrag zwar einsehen kann, die zusätzliche Prüfung jedoch noch nicht abgeschlossen ist. Das Compliance-Team der Bank hat eine manuelle Überprüfung veranlasst, was zu einer Verzögerung geführt hat. Das wiederum hindert den Berater daran, ihren Antrag zu bearbeiten. In der Zwischenzeit hat das Risikomanagementteam aufgrund von Marktschwankungen die Vergabekriterien und Darlehenszinsen über ein separates System angepasst, was sich auf das unverbindliche Angebot für Katrin auswirken könnte.
Katrin verlässt frustriert die Filiale, ohne zu wissen, dass ihr Antrag zwischen mehreren isolierten Systemen und Abteilungen hängengeblieben ist.
Herausforderungen bei der Automatisierung und beim Kundenerlebnis
Wie das oben geschilderte Beispiel zeigt, war Katrins Kundenerlebnis nicht wirklich positiv und könnte ihre Geschäftsbeziehung und Kundentreue gegenüber der Bank beeinträchtigen. Grund hierfür waren Verzögerungen, die durch isolierte Automatisierung verursacht wurden.
Die meisten Unternehmen haben sich daher für eine Vielzahl von Tools und Technologien entschieden, um jeden Aspekt ihrer geschäftlichen Aktivität zu automatisieren, darunter Lösungen für Customer Relationship Management (CRM), Enterprise Resource Planning (ERP), robotergesteuerte Prozessautomatisierung (RPA) und IT-Service-Management (ITSM). Viele dieser Lösungen können dem Unternehmen schnelle Erfolge verschaffen, da sie Aufgaben automatisieren, die zuvor manuell erledigt wurden. Wenn sie jedoch über ihre vorgesehenen Funktionen hinaus eingesetzt oder auf unzusammenhängende Weise implementiert werden, verwandeln sie sich in geschäftliche Silolösungen ohne Mehrwert.
Das ungenutzte Wertpotenzial von Automatisierungen nimmt durch den Einsatz unzusammenhängender KI-Tools sogar zu, von denen sich viele noch in der Testphase befinden. Jedes Tool setzt bei einem kleinen Teil einer wesentlich umfangreicheren Customer Journey an und sorgt für kurzfristige Produktivitätssteigerungen einzelner Mitarbeiter und Teams, ohne jedoch eine unternehmensweite Wirkung zu entfalten.
Einige Beispiel:
- Teams aus der IT und den Fachabteilungen untersuchen den Einsatz von Chatbots und Copiloten, die in CRM-, ERP- und ITSM-Plattformen integriert sind.
- Automatisierungsteams testen KI-gestützte Bots, die von ihren robotergesteuerten Prozessautomatisierungsprodukten bereitgestellt werden.
- Softwareentwickler testen agentenbasierte Frameworks von aufstrebenden, KI-nativen Start-ups.
- IT-Enterprise-Softwarearchitekten prüfen neue Multi-Agenten-Kommunikationsprotokolle wie MCP und A2A.
Die Verwendung isolierter Automatisierungs- und KI-Tools führt zu technischen und organisatorischen Schulden und wirkt sich negativ auf den Return on Investment aus. Daraus ergeben sich zahlreiche Herausforderungen.
Fehlerhafte End-to-End-Automatisierung
Eine ganz wesentliche Herausforderung ist die fehlerhafte End-to-End-Automatisierung. Da lokale Automatisierungen nicht miteinander integriert sind, ist der End-to-End-Prozess nicht vollständig automatisiert. Wie das vorherige Beispiel zeigt, unterbrechen isolierte Automatisierungen die Customer Journey und führen zu Spannungen, die Umsatz, Marktanteile und langfristige Kundentreue direkt beeinträchtigen. Es fehlt das Zusammenspiel von KI-Agenten, automatisierten Aufgaben und manueller Kontrolle, was zu Inkonsistenz und Vertrauensverlust führt und die für eine Transformation notwendigen Veränderungen behindert. Außerdem generieren fragmentierte KI-Agenten einen erhöhten Overhead, erschweren die Prozessevaluierung, reduzieren die Geschwindigkeit und verzögern die Markteinführung.
Mangelndes Verständnis und Vertrauen
Fehlerhafte End-to-End-Automatisierung löst mangelndes Verständnis aus, da die Prozesse nicht vollständig transparent und wichtige Kennzahlen schwer zu verfolgen sind. Ohne ein umfassendes Verständnis der Prozesse und ihrer Leistungsfähigkeit kann nicht ermittelt werden, in welchen Bereichen eine verstärkte Automatisierung oder mehr Investitionen in KI dem Unternehmen den größten Mehrwert einbringen. Es ist daher fast unmöglich, den Return on Investment von KI-Pilotprojekten nachzuweisen.
Mangelndes Verständnis zieht zudem mangelndes Vertrauen in agentenbasierte KI nach sich, was wiederum eine erfolgreiche Transformation erschwert. Auf dem sich schnell verändernden KI-Markt werden unzählige vorgefertigte Agenten angeboten. Diese Blackboxes zeigen wenig Transparenz in Bezug auf die Tools und großen Sprachmodellen (LLMs), die sie verwenden. Sie verfügen nicht über die umfangreiche Einsehbarkeit und Governance, die Unternehmen (und Behörden) voraussetzen. Aus diesem Grund zögern Führungskräfte weiterhin, Agenten in zentralen Geschäftsprozessen einzusetzen. Das Risiko ist zu groß, zumal für stark regulierte Branchen.
Fehlende Flexibilität und Skalierbarkeit
Ohne ein Verständnis von End-to-End-Geschäftsprozessen besteht weiterhin ein Mangel an Flexibilität, die Unternehmen jedoch für die Skalierung und Weiterentwicklung im Lauf der Zeit benötigen. Die Prozessaktualisierung wird so zu einer schwierigen und zeitaufwendigen Aufgabe, da viele unterschiedliche Systeme potenziell davon betroffen sind. Dies gilt vor allem, wenn die Prozesslogik nicht von jenen Tools und Services getrennt wird, die die Aufgaben im Prozess durchführen.
Probleme mit der Flexibilität und Skalierbarkeit ergeben sich häufig aus monolithischen Automatisierungsplattformen und selbst aus manchen Prozessautomatisierungs- und iPaaS-Tools. Diese Lösungen werden als eng integrierte Komponentensets angeboten, die untrennbar miteinander verbunden sind. Sie versprechen die Automatisierung aller Bestandteile eines Geschäftsprozesses durch ein einziges Produkt. In Wirklichkeit bindet dieser geschlossene Ansatz jedoch das Unternehmen an den jeweiligen Anbieter, reduziert die Bereitstellungsoptionen, erschwert das Änderungsmanagement und schränkt die Integration mit anderen IT-Systemen ein.
Ein Mangel an Flexibilität kann zu einer erheblichen Verlängerung der Time-to-Market führen, die geschäftliche Agilität beeinträchtigen und Innovationen lähmen.
Welche Prozesse von Orchestrierung profitieren
Die Prozesse, die den größten Nutzen aus einer Orchestrierung ziehen, sind zentrale Geschäftsprozesse, die für die Erstellung und den Verkauf der Produkte und Services eines Unternehmens verantwortlich sind. Nichtsdestoweniger kann jeder Prozess mit folgenden Merkmalen durch effektive Orchestrierung gewinnen:
Vielfalt von Endpunkten
Der Prozess umfasst viele unterschiedliche Endpunkte
Prozesskomplexität
Die Prozesslogik zeichnet sich durch größere Komplexität aus als eine einfache Abfolge von Schritten
Prozesse mit diversen Endpunkten
Betrachtet man einen Prozess aus der Sicht des Unternehmens, d. h. dort, wo der Prozess nach Ansicht der Unternehmensverantwortlichen beginnt und endet, so findet man häufig geschäftskritische Prozesse, die viele Mitarbeiter, Systeme, KI-Agenten und physische Geräte umfassen. Diese werden als Prozessendpunkte bezeichnet. Dem Bericht zum Stand der Prozessorchestrierung und -automatisierung von 2025 zufolge verfügen Unternehmen durchschnittlich über 50 Endpunkte in allen Geschäftsprozessen, wobei diese Zahl in den vergangenen fünf Jahren um ca. 19 % gestiegen ist.
Jeder Prozess setzt sich aus Aufgaben zusammen, die durch Endpunkte durchgeführt werden. Prozessorchestrierung koordiniert die Durchführung der Aufgaben über alle Endpunkte hinweg in einem einzelnen Prozessmodell. Je unterschiedlicher die verschiedenen Endpunkte, desto schwieriger wird ihre Integration in ein einzelnes End-to-End-Prozessmodell. So sind beispielsweise spezielle technische Kompetenzen erforderlich, um ein Legacy-System oder eine proprietäre Enterprise-Applikation zu integrieren.
Außerdem verändern sich Endpunkte häufig mit der Zeit: Ein Team ersetzt Bots für die robotergesteuerte Prozessautomatisierung durch API-Aufrufe oder beginnt mit dem Einsatz von KI-Agenten, um einige Aufgaben für das Fallmanagement zu automatisieren, die bis dato von Wissensarbeitern durchgeführt wurden. Eine korrekt implementierte Prozessorchestrierung erlaubt Änderungen durch die Trennung zwischen Prozesslogik und den Endpunkten, die Aufgaben aus dem Prozess durchführen.
Prozesse mit komplexer Logik
Die Koordinierung der Aufgabenausführung über unterschiedliche Endpunkte hinweg setzt eine Prozesslogik voraus, die selten nur aus einer unkomplizierten Abfolge von Schritten besteht. Dies gilt insbesondere für Prozesse mit langer Laufzeit, die stunden-, tage- oder sogar wochenlang andauern. Im Bericht zum Stand der Prozessorchestrierung und -automatisierung von 2025 geben 78 % der Befragten an, dass komplexe Workflow-Muster bzw. Prozesse mit langer Laufzeit die durchgängige Automatisierung von Prozessen erschweren.
Zentrale Geschäftsprozesse zeichnen sich häufig durch ihre Komplexität und lange Laufzeit aus. Sie erfordern eine Logik, die unter dem Begriff der erweiterten Workflow-Muster bekannt ist. Hier einige Beispiele:
- Kompensation: Rollback einer Geschäftstransaktion bei Problemen oder Wiederherstellen der Geschäftskonsistenz
- Dynamische parallele Ausführung: Gleichzeitige Ausführung mehrerer Aufgaben oder ganzer Prozessverzweigungen, wobei die Anzahl der Verzweigungen in Echtzeit festgelegt wird
- Zeitbasierte Eskalation: Automatische Eskalation von überfälligen Aufgaben an eine automatisierte Aufgabe oder einen Wissensarbeiter
- Nachrichtenkorrelation: Korrelation von Nachrichten aus externen Systemen anhand der richtigen Prozessinstanz
- Umgang mit Ausnahmen: Umgang mit Fehlern und unerwarteten Situationen wie einem nicht reaktionsfähigen externen System oder fehlerhaften Prozessdaten
Viele Automatisierungstools, die eine grundlegende Prozessdurchführung unterstützen, können diese Muster nicht implementieren. Damit sind Entwickler häufig gezwungen, Workarounds zu erstellen, die wiederum technische Schulden nach sich ziehen.
Orchestrierung als Notwendigkeit: Konvergenz des Automatisierungsmarkts
Das Marktsegment des Geschäftsprozessmanagements (auch: Geschäftsprozessautomatisierung oder digitale Prozessautomatisierung (DPA)) bestand bislang immer aus Produkten mit einem prozessorientierten Ansatz für die Automatisierung. Nachdem die Prozessautomatisierung zu einem wichtigen Treiber des digitalen Wandels geworden ist, geht man bei einigen dieser Produkte noch einen Schritt weiter: Unkomplizierte, wiederholbare Back-Office-Workflows werden unter Einschluss von Orchestrierungsfunktionen automatisiert, die für die Ausführung zentraler Geschäftsprozesse benötigt werden.
Anbieter aus anderen Märkten haben ihren Produkten zudem Prozessfunktionen hinzugefügt. Im Folgenden einige Beispiele:
- Robotergesteuerte Prozessautomatisierung (RPA) begann als eine Technologie, die Screen-Scraping für das grafische Interface von Legacy-Anwendungen nutzte, damit Benutzer sich wiederholende Aufgaben (in der Regel bei der Datenerfassung) automatisieren konnten. Dann begannen Anbieter von Lösungen für die robotergesteuerte Prozessautomatisierung rasch Funktionen für eine elementare Workflow-Automatisierung zu entwickeln, darunter die Fähigkeit, Workflows benutzerdefinierten Code hinzuzufügen, um moderne Anwendungen über APIs zu verbinden.
- Low-Code-Anwendungsplattformen (LCAPs) waren ursprünglich Tools, mit denen selbst Laien einfache Anwendungen mit einer grafischen Benutzeroberfläche und grundlegenden I/O- sowie Bearbeitungsfunktionen erstellen konnten. Die meisten LCAPs beinhalten jedoch ein gewisses Maß an Workflow-Automatisierung: Benutzer synchronisieren ihre Daten mithilfe von Unternehmenstools und initiieren sogar Aufgaben mit Kundenkontakt, wie das Versenden von E-Mails.
- Integration Platforms as a Service (iPaaS) bieten eine Antwort, wenn es darum geht, Daten zu verschieben, zu kopieren, zu synchronisieren und zu manipulieren, während sie zwischen vielen verschiedenen Systemen fließen. Viele iPaaS-Tools stellten anfänglich punktuelle Integrationen zwischen verschiedenen Tools her. Es wurde jedoch schnell deutlich, dass ein Workflow beziehungsweise Prozess erforderlich war, um diese Integrationen zu automatisieren. Inzwischen bieten einige iPaaS-Anbieter Unterstützung für die Prozessmodellierung und -durchführung und nutzen sogar den BPMN-Standard.
Die Branchenanalysten von Gartner haben diese Marktkonvergenz erkannt und ein neues Marktsegment namens Business Orchestration and Automation Technologies (BOAT) eingeführt. Das Konzept der Orchestrierung (das „O“) wurde bewusst berücksichtigt, da es sich dabei um mehr als eine reine Automatisierung handelt. Orchestrierung ist für End-to-End-Geschäftsprozesse enorm wichtig, denn nur sie bietet Lösungen für die im Folgenden beschriebenen Herausforderungen in der Automatisierung.
Das Marktforschungsunternehmen Forrester hat ein neues Marktsegment mit der Bezeichnung „Adaptive Process Orchestration (APO)“ (adaptive Prozessorchestrierung) vorgestellt. APO spiegelt die Konvergenz des Automatisierungsmarkts wider. Sie beschreibt Plattformen mit KI-Agenten, die deterministische und dynamische Prozesssteuerungsabläufe kombinieren, um Unternehmensziele zu erreichen, komplexe Aufgaben auszuführen und autonome Entscheidungen zu treffen.
Prozessorchestrierung und Herausforderungen in der Automatisierung
Prozessorchestrierung beseitigt Silos mit ungenutztem Wertpotenzial und versetzt Teams in die Lage, Aufgaben, aus denen sich ein End-to-End-Geschäftsprozess zusammensetzt, in einem einzigen Prozessablauf zu koordinieren. Wie bereits dargestellt, führt die Verwendung von isolierten Automatisierungs- und KI-Tools u. a. zu folgenden Herausforderungen:
- Fehlerhafte End-to-End-Automatisierung: Da isolierte Automatisierungen nicht miteinander integriert sind, ist der End-to-End-Prozess nicht vollständig automatisiert.
- Mangelndes Verständnis und Vertrauen: Prozesse sind nicht vollständig einsehbar, wichtige Kennzahlen schwer zu verfolgen, der Return on Investment ist nicht nachweisbar und Führungskräfte zögern beim Einsatz von KI-Agenten in zentralen Geschäftsprozessen.
- Fehlende Flexibilität: Prozesse zu verändern und weiterzuentwickeln, ist schwierig und zeitaufwendig, beeinträchtigt die geschäftliche Agilität und lähmt Innovationen.
Prozessorchestrierung kann Unternehmen auf verschiedene Weisen dabei helfen, diese Herausforderungen zu meistern.
Beheben fehlerhafter End-to-End-Automatisierung
Dies setzt Folgendes voraus:
- Alignment zwischen IT und Business Stakeholdern, um die Kommunikation zu verbessern und Missverständnisse in Bezug auf die Geschäftsziele eines Prozesses und seine praktische Durchführung auszuräumen
- Orchestrierung der Aufgaben in einem End-to-End-Prozess, der Silostrukturen als Folge von Endpunktvielfalt und komplexer Prozesse auflöst
Alignment zwischen IT und Business
Die Verbesserung der Zusammenarbeit zwischen IT und Fachabteilungen stellt für jedes Unternehmen eine Herausforderung dar, zumal die Prozessautomatisierung bei der digitalen Transformation eine Schlüsselrolle spielt. Geschäftliche und IT-Stakeholder haben oft unterschiedliche Ziele, Anreize und Prioritäten. Diese Unterschiede verlangsamen die Kommunikation, verhindern eine Abstimmung der Projektprioritäten und führen zu Fehlern bei der Implementierung.
Trotz dieser Herausforderung setzen Design, Betrieb und Verbesserungen komplexer End-to-End-Prozesse die Zusammenarbeit zwischen Stakeholdern mit und ohne IT-Fachwissen voraus. Die Standards Business Process Model and Notation und Decision Modelling and Notation sind eine gemeinsame Sprache, die alle Benutzer sprechen, damit zwischen geschäftlichen Anforderungen und technischer Umsetzung nichts verloren geht. BPMN-Prozessmodelle und DMN-Entscheidungstabellen sind visuelle Darstellungen von Prozessen und Entscheidungen, die auch als Geschäftsregeln bezeichnet werden. Sie bieten den Stakeholdern ein gemeinsames Verständnis darüber, wie ihre Prozesse von Anfang bis Ende funktionieren, und gewährleisten, dass der zu erstellende Prozess die geschäftlichen Anforderungen erfüllt.
Darüber hinaus führt eine Prozessorchestrierungslösung wie Camunda die BPMN- und DMN-Standards direkt aus. Dadurch entsprechen die von den Stakeholdern gemeinsam erstellten Modelle genau dem, was ausgeführt wird, wenn der Prozess in die Produktion überführt wird.
Endpunktübergreifende Prozessorchestrierung
Bei der End-to-End-Prozessorchestrierung werden sowohl automatisierte als auch manuelle Aufgaben in einem einzelnen Geschäftsprozess koordiniert – unabhängig von der Anzahl der beteiligten Personen, Systeme, KI-Agenten oder Geräte und der Komplexität der Prozesslogik.
Viele Automatisierungsplattformen, darunter auch Camunda, verfügen über integrierte Konnektoren für geläufige Tools und Technologien. Dazu gehören Protokolle wie REST und SOAP, Unternehmensanwendungen wie SAP und Salesforce sowie Tools für die Teamkommunikation und Produktivität wie Slack und Microsoft Office. Die Konnektoren von Camunda stellen eine mehrschichtige Codierungserfahrung für alle Benutzer bereit:
- Mithilfe von SDK-Konnektoren erstellen professionelle Softwareentwickler Konnektoren von Grund auf neu und profitieren dabei von einem einfachen API-basierten Zugriff auf die Workflow Engine Zeebe von Camunda.
- Protokoll-Konnektoren implementieren geläufige Integrationsprotokolle wie HTTP REST, SOAP und GraphQL, was sie zur idealen Lösung für Low-Code-Entwickler als Ausgangspunkt für die Erstellung neuer Konnektoren macht.
- Konfigurierbare Konnektorenvorlagen sorgen dafür, dass Low-Code-Entwickler und Citizen Developer Konnektorenvorlagen in JSON erstellen, wobei sich Benutzerfreundlichkeit und benutzerdefinierte Anpassung die Waage halten.
- Sofort einsetzbare Konnektoren für beliebte Tools und Services stehen Citizen Developern im Istzustand zur Verfügung bzw. lassen sich für ihre Anforderungen anpassen.
Dank des BPMN-Standards ist eine Trennung zwischen Prozesslogik und den Endpunkten möglich, die Aufgaben des Prozesses durchführen. Diese Abstraktion trägt dazu bei, dass sich Endpunkte wesentlich leichter verändern lassen, ohne auf die Prozesslogik einzuwirken oder die Prozesslogik als solche zu ändern. Die Implementierung von Prozessverbesserungen, Aktualisierungen von gesetzlichen Vorgaben und die Einführung wettbewerbsfähiger neuer Angebote werden dadurch beschleunigt. Da die Prozesslogik für alle sichtbar und nicht in Code verborgen ist, können Business Stakeholder aktiv an der Implementierung von Prozessänderungen teilnehmen.
Camunda Operate bietet angesichts sich wandelnder Prozesse zudem die Möglichkeit, das Prozessmodell ohne Unterbrechung laufender Prozesse zu aktualisieren. Teams können über die Migration von Prozessinstanzen aktive Prozesse in ein neues BPMN-Prozessmodell mit Anleitungen und Leitlinien verschieben. Diese verhindern, dass das neue Modell Prozessunterbrechungen oder -ausfälle verursacht.
Verständnis und Vertrauen
Um Geschäftsprozesse effizient zu orchestrieren (vor allem, wenn KI-Agenten mitwirken), müssen sie für alle Prozess-Stakeholder visualisierbar und messbar sein. Der BPMN-Standard bietet folgende Möglichkeiten:
- Erstellen eines visuellen Prozessmodells, das das Verständnis des Prozesses in all seinen Phasen erleichtert
- Transparente Integration von KI-Agenten direkt in ihre Prozesse (kein Kontextwechsel zu einer externen Agenten-Erstellung)
- Reibungslose Kombination von deterministischer Prozessdurchführung mit KI-gestützter Entscheidungsfindung, um Innovationen risikofrei zu gestalten und die Einführung der KI zu beschleunigen
Zusammenarbeit bei Verwendung eines Ein-Modell-Ansatzes
BPMN und DMN sind die gemeinsame Sprache aller Prozess-Stakeholder. Diese Standards stellen sicher, dass alle Beteiligten wissen, wie ein Prozess funktioniert und wie genau er durchgeführt wird (einschließlich aller beteiligten KI-Agenten und Endpunkte). Camunda erweitert dieses gemeinsame Verständnis über die Designphase hinaus und wendet einen Ein-Modell-Ansatz für die Erstellung, das Management und die KPIs von Prozessen an. Die BPMN-Prozessmodellvisualisierung, die IT- und Business Stakeholder in Camunda Modeler erstellen, ist identisch mit dem, was bei der Überwachung von Prozessen in Camunda Operate und bei der Analyse von Prozessen in Camunda Optimize sichtbar ist.
Die konsistente Verwendung eines visuellen Prozessmodells gewährleistet, dass der Kontext des Geschäftsprozesses stets eindeutig ist. Dadurch können Benutzer ohne IT-Fachwissen am gesamten Lebenszyklus der Prozesserstellung, -durchführung und -verbesserung teilhaben. Der geschäftliche Kontext trägt außerdem dazu bei, dass Teams den Return on Investment von KI-Projekten nachweisen können, der über geringfügige Effizienzgewinne hinausgeht. Möglich wird dies durch die Verknüpfung von Prozess und Ergebnis.
Erstellung transparenter Agenten mit flexibler Kontrolle
KI-Agenten zeichnen sich dann durch höchste Leistungsfähigkeit aus, wenn sie über eine gewisse Autonomie verfügen und Maßnahmen ergreifen bzw. Entscheidungen über die nächsten Schritte treffen können. Genau diese Autonomie bedeutet aber auch ein Risiko, was dazu führt, dass Führungskräfte Agenten ungern in zentralen Prozessen einsetzen. Es gibt zwei Möglichkeiten, um das Vertrauen in KI-Agenten zu stärken, damit Unternehmen von ihnen profitieren.
Zunächst müssen Teams vollständig transparente Agenten erstellen und kontrollieren, ob sie sich für einen Prozess eignen, bzw. festlegen, wie autonom sie sein sollen. Camunda macht dies durch einen BPMN-basierten Ansatz für das Agentendesign möglich. Prozessdesigner erstellen Agenten in der gleichen Modellierungsumgebung, in der sie auch Prozesse und Entscheidungstabellen gestalten. Sie fügen dem Agenten per Drag and Drop Tools hinzu. Alle wichtigen Informationen sind konfigurierbar und einsehbar: das KI-Modell, das der Agent verwendet, wie oft der Agent versucht, eine Aufgabe erneut auszuführen, und wann und wie der Agent im Bedarfsfall eskaliert.
Als Nächstes muss die deterministische BPMN-gesteuerte Prozessdurchführung mit dynamischer, KI-gestützter Entscheidungsfindung kombiniert werden. Dadurch wird sichergestellt, dass das Unternehmen im erforderlichen Umfang die Kontrolle behält und gleichzeitig von agentenbasierter KI profitiert. Außerdem lässt sich die Verwendung von KI mit der Zeit einfacher erhöhen oder reduzieren. Camunda sorgt dafür, dass Prozessentwickler deterministische Logik für Agenten und in ihrem Umfeld erstellt, was ein hohes Maß an Flexibilität bei ihrer Implementierung ermöglicht.
Flexible und skalierbare Prozesse
Damit sich das Unternehmen auf sich wandelnde Geschäftsanforderungen reagieren kann, müssen zentrale Geschäftsprozesse flexibel angepasst werden, ohne dass dies Wochen oder Monate in Anspruch nimmt.
Flexibilität durch modulare Architektur
Eine modulare Prozessorchestrierungs- und Automatisierungsarchitektur ist die beste Lösung, wenn es Geschäftsprozessen an Flexibilität mangelt. Anstelle von monolithischen Softwareprodukten und einer starren Infrastruktur mit zahlreichen fehleranfälligen Abhängigkeiten unterstützt die modulare Architektur die Verwendung und Wiederverwendung von austauschbaren, interoperablen Komponenten, die sich leicht zusammensetzen, neu konfigurieren und je nach Geschäftsanforderungen skalieren lassen.
Flexibilität ist der Kernnutzen einer modularen Architektur, auf der alle anderen Vorteile beruhen. Dank einer modularen Architektur sind Unternehmen in der Lage, sich an veränderte Geschäftsanforderungen und technische Bedingungen anzupassen, ohne ihren gesamten Tech-Stack zu erneuern. Stattdessen können Teams, die an Geschäftsprozessen arbeiten, einzelne Tools oder Services je nach Bedarf hinzufügen, entfernen oder austauschen.
Zu den weiteren Vorteilen einer modularen Architektur zählen:
- Geschäftliche Agilität: Flexibilität und Agilität gehen Hand in Hand. Viele Unternehmen sehen sich Mitbewerbern gegenüber, die neue Produkte entwickeln und Sonderangebote auf den Markt bringen. Außerdem gibt es innovative Player am Markt, die neue Funktionen schneller bereitstellen und disruptive Entwicklungen anstoßen, und sich ändernde gesetzliche Vorschriften, die innerhalb eines bestimmten Zeitrahmens erfüllt werden müssen. Angesichts dieser Situation müssen sich Unternehmen innerhalb von Tagen und Wochen anpassen – nicht nach Monaten oder gar Jahren.
- Kostenmanagement: Wiederverwendbare Komponenten reduzieren die Entwicklungs- und Wartungskosten. Eine modulare Architektur eignet sich gut für die Integration von wiederverwendbaren Komponenten und sofort einsatzbereiten Lösungen. Sie bietet wesentlich mehr granulare Einsehbarkeit in Kosten als eine monolithische Automatisierungsplattform.
- Vorbereitung auf die Zukunft: Technologien entwickeln sich rasch weiter. Mit modularer Architektur gelingt es Unternehmen, neue Produkte und Services leichter zu testen und sie nach der Bewährungsprobe in den vollständigen Tech-Stack aufzunehmen.
Skalierung mit hoher Leistung und Resilienz
Die Erwartungen, die Kunden an die Digital Experience stellen, steigen täglich. Sie wünschen sich schnelle, reibungslose und extrem personalisierte Erfahrungen von Unternehmen, denen sie vertrauen. Das gilt selbst in Zeiten hoher Nachfrage, z. B. für Online-Einzelhändler während des Weihnachtsgeschäfts oder Steuerberater zum Zeitpunkt der Einkommenssteuererklärung.
Die Cloud-native Workflow und Decision Engine Zeebe von Camunda ist für unbegrenzte Skalierbarkeit, hohe Leistung und Resilienz konzipiert. Im Gegensatz zu herkömmlichen Workflow Engines speichert Zeebe die Daten für laufende Prozesse nicht in einer zentralen Datenbank, da diese Art der Architektur letztlich zu Leistungsengpässen führen kann. Stattdessen nutzt Zeebe Event-Streaming-Technologie und sorgt für hohen Durchsatz bei gleichzeitigem Schutz von Prozessdaten durch Replizierung. Zeebe beruht auf einer verteilten Architektur, die eine vorhersehbare Skalierung ermöglicht, damit Teams stets wissen, wie viel Rechenleistung für die Unterstützung der erwarteten Prozesslast benötigt wird.
Kontinuierliche Geschäftsprozesse mit Zeebe
- Beispiellose Prozessleistung: Zeebe verwendet effiziente Persistenzalgorithmen auf Festplatte und Event-Streaming-Technologie, die eine beispiellose Leistung selbst für anspruchsvollste Geschäftsprozesse bieten.
- Äußerst schnell und zuverlässig: Dank hochleistungsfähigen Computing-Strategien wie dem Single-Writer-Prinzip zeichnet sich Zeebe durch extreme Schnelligkeit aus und verhindert Datenbanksperren, die Prozessengpässe auslösen.
- Skalierbar und resilient: Zeebe bietet horizontal skalierbare, hoch resiliente Automatisierung mithilfe von verteilten Systemalgorithmen wie dem Konsensalgorithmus Raft und dem SWIM-Protokoll. Außerdem kommen Partitionierung und Replizierung zum Einsatz.
Prozessorchestrierung als Grundlage für den Erfolg agentenbasierter KI
Mit der Weiterentwicklung der KI-/ML-Technologien werden immer mehr Unternehmen KI-Agenten einsetzen, um Ausnahmen und unstrukturierte Szenarien in Geschäftsprozessen zu bewältigen, ihre Kapazität zur Kundenbetreuung ohne proportionalen Personalzuwachs zu skalieren und personalisiertere Kundenerfahrungen zu bieten. Die agentenbasierte Orchestrierung, die deterministische Prozesslogik mit dynamischem, KI-gesteuerten Verhalten kombiniert, bietet eine sichere und effektive Möglichkeit, von Agenten zu profitieren und gleichzeitig die Kontrolle über die Prozesse zu behalten und die Kosten für die Prozessausführung in den Griff zu bekommen.
So ermöglicht End-to-End-Prozessorchestrierung den Erfolg agentenbasierter KI:
- Unterstützung fortschrittlicher Workflow-Muster wie parallele Ausführung, automatische Eskalationen, Nachrichtenkorrelation, Umgang mit Ausnahmen usw.
- Einbindung von KI für eine dynamische Orchestrierung, die über die Orchestrierung von KI-Tools und -Services hinausgeht und die Fähigkeit von KI-Agenten zur Orchestrierung von Prozessen umfasst
- Regelkonforme Prozessorchestrierung durch KI-Agenten, die bei Bedarf Menschen einbindet und die Sicherheit der Geschäftstätigkeit des Unternehmens und der Kundendaten gewährleistet
- Möglichkeit für Teams, beliebige Endpunkte zu ihren Prozessen hinzuzufügen, ohne die Auswahl der Prozesskonzeption oder der verwendeten Tools einzuschränken
Der Camunda-Ansatz für agentenbasierte Orchestrierung
Camunda bietet erstklassige Prozessorchestrierungen, die als Ausgangspunkt für die agentenbasierte Orchestrierung dienen. Mithilfe von Camunda fügen Teams KI-Agenten direkt über BPMN in die Prozessmodelle ein, damit Agenten anhand von Zielen, Kontext und verfügbaren Tools über die nächsten Schritte entscheiden können. Camunda-Agenten lassen sich sogar frei mit Agenten anderer Anbieter im gleichen Prozessmodell kombinieren. Auf diese Weise entstehen Prozesse, die in Echtzeit angepasst werden können, ohne dass die Struktur, Governance oder Prüfbarkeit, die BPMN bietet, verloren gehen.
Im Gegensatz zu Plattformen, die KI als isolierte Aufgabe nachträglich auf Prozesse aufsetzen, betrachtet Camunda Agenten als vorrangige Bestandteile des Prozesses. KI-Agenten werden demnach von derselben Workflow Engine ausgeführt wie der Rest des Prozesses, bei voller Transparenz ihrer Aktionen, Eingaben und Ergebnisse. Unabhängig davon, ob ein Prozess einem vordefinierten Pfad folgt oder die Entscheidungsfindung einem KI-Agenten überlässt – alles wird innerhalb einer gemeinsamen Orchestrierungsumgebung ausgeführt.
Kombination deterministischer und dynamischer Orchestrierung
- Kombination deterministischer Prozesse mit dynamischen Agenten in einem einzelnen Prozessmodell: Agenten nutzen die gleichen modernen Workflow-Muster wie deterministische Workflows. Dazu zählen Kompensation, dynamische parallele Ausführung, zeitbasierte Eskalation, Nachrichtenkorrelation, Umgang mit Ausnahmen etc.
- Agentenmodellierung mit BPMN für fortschrittliche Szenarien: Die Eskalation erfolgt zunächst an einen Mitarbeiter. Dann geht die Kontrolle wieder an den Agenten zurück oder der Agent setzt stunden-, tage- oder wochenweise aus. Sobald der Kunde geantwortet hat, wird der Prozess dort wieder aufgenommen, wo er unterbrochen wurde.
- Zugriff auf ein vollständiges Set von BPMN-Funktionen, moderne Workflow-Muster, Funktionen zur Aufgabenautomatisierung und Konnektoren, die als Tools per Drag-and-Drop-Methode in einen Agenten integriert werden
- Integration von Agenten in Agenten per Drag-and-Drop-Methode für komplexe Orchestrierungsszenarien mit mehreren Agenten, die alle mithilfe von BPMN modelliert wurden, was für bessere Einsehbarkeit, Zusammenarbeit und Berichterstellung sorgt
- Erhöhen oder Reduzieren der Agentenautonomie je nach Bedarf, indem Agenten oder menschliche Eskalationspunkte im Prozess ausgetauscht werden
- Die Entscheidung darüber, wo, wann und auf welchen Langzeitspeicher der Zugriff innerhalb eines Prozesses erfolgt, vermittelt Agenten den Kontext, um konsistente Ergebnisse bereitzustellen. Durch den Zugriff auf mehrere Speicher an jedem beliebigen Punkt in einem Prozess und das Schreiben in den Speicher wird der Prozess kontinuierlich verbessert.
- Agenten im gleichen Benutzer-Interface und Toolset erstellen wie Prozesse und Entscheidungen: Kein Kontextwechsel zu einer nachträglich aufgesetzten Agentenerstellung bzw. kein begrenzter Zugriff auf Konnektoren, die externe Systeme integrieren
- Überwachung und Berichterstellung mithilfe benutzerdefinierter Warnmeldungen, Berichte und Dashboards, die eine ganzheitliche Einsehbarkeit (einschließlich aller KI-Agenten) in jeden Prozess bieten
Vereinheitlichung des End-to-End-Geschäftprozesses
- Einzelnes, visuelles Modell für alle End-to-End-Prozesse erstellen: Was Teams erstellen, führen sie auch aus, sie überwachen und optimieren es. Alle Mitarbeiter, Systeme, Geräte und Agenten sind verbunden, wobei die Prozessdaten zwischen allen Endpunkten des Prozesses gemeinsam genutzt werden.
- Hochkomplexe Prozesse visualisieren anhand fortschrittlicher Funktionen von BPMN, um Prozessabläufe zu standardisieren und sie transparent zu gestalten: Komplexe Muster wie die Kompensation werden einsehbar und sorgen für schnellere Wartungszyklen.
- Geschäftslogik von Entscheidungen für Technologien trennen: Jeder Agent, jedes KI-Modell, jede Geschäftsregel oder neue Technologie kann selbst bei laufenden Prozessen ausgetauscht werden.
- Verwaltete Ressourcen verwenden, um eine auf Wiederverwendung ausgerichtete Prozesserstellung zu fördern und das Onboarding neuer Teams und Prozesse zu beschleunigen
- Reibungslosen Ablauf betrieblicher Abläufe auch bei zunehmenden Anforderungen gewährleisten: Prozesse können in Sekundenschnelle oder in Jahren in beliebigem Umfang durchgeführt werden. Die Cloud-native Workflow Engine Zeebe von Camunda ist unbegrenzt skalierbar und verfügt über integriertes Failover und eingebaute Resilienz.
- Entwickler in ihrem Tempo unterstützen: Teams können mit ihren bevorzugten Tools arbeiten und benötigen keine speziellen Kompetenzen. Es entsteht keine Anwenderbindung. Alles funktioniert reibungslos und fügt sich in den Softwareentwicklungszyklus des Unternehmens ein.
Integrierte Leitlinien und Transparenz für skalierten Return on Investment
- Prüfbarkeit und Nachverfolgbarkeit für jede Maßnahme und Entscheidung ermöglichen – unabhängig davon, ob ein Mitarbeiter, ein KI-Agent oder eine Automatisierung dahintersteht. Richtlinien und gesetzliche Vorgaben werden eingehalten.
- Auslöser für Eskalationen implementieren, um SLAs durchzusetzen und sie nach Bedarf anzupassen, ohne das gesamte Prozessmodell neu zu erstellen
- Standardisierte Verbindung zu Daten durch Prozesse und Agenten festlegen – anhand von Konnektorenvorlagen, um konsistente Kundenerfahrungen zu ermöglichen und den Wartungsaufwand zu verringern
- Prozessüberwachung und -berichterstellung vereinheitlichen – mit dem Ein-Modell-Ansatz, der die Zusammenarbeit zwischen allen Stakeholdern verbessert und die Zeit bis zur Überführung in die Produktion verkürzt
Schlussfolgerung
Prozessorchestrierung ist nicht nur eine Technologie. Sie ist das Grundgerüst moderner Unternehmensautomatisierung. Da Unternehmen immer mehr auf KI setzen, um ihre Effizienz zu steigern, wird die Möglichkeit, deterministische und dynamische Prozessorchestrierung zu kombinieren, zur entscheidenden Voraussetzung für Erfolg. Der Camunda-Ansatz bei der agentenbasierten Orchestrierung sorgt dafür, dass Teams ihre KI im Rahmen einer sicheren und verwalteten Prozessarchitektur operationalisieren und so zuversichtlich und in großem Umfang skalieren können.
Mit Camunda profitieren Sie von folgenden Vorteilen:
- Customer Journeys durchgängig verbinden, um erheblich größeren Mehrwert aus jeder Technologie zu ziehen und den Return on Investment nachzuweisen
- Deterministische und dynamische Prozesse kombinieren, um das vollen Potenzial agentenbasierter KI auszuschöpfen und bessere Kunden- und Mitarbeitererfahrungen zu ermöglichen
- Das Risiko von Innovationen reduzieren und für schnellere Bereitstellungen sorgen, um Mitbewerbern und dem technologischen Wandel stets einen Schritt voraus zu sein – ohne betriebliche Unterbrechungen
