Prozesse planen, KI einbauen– Von BPMN zu n8n
Erst den Prozess verstehen, dann automatisieren.
Wer einen schlechten Prozess automatisiert, bekommt einen schnellen schlechten Prozess. Deshalb zeige ich am Beispiel einer Angebotsanfrage an ein Marktforschungsinstitut, wie man einen Ablauf zuerst mit BPMN sauber aufzeichnet und dann gezielt mit KI und Automation verbessert – mit dem Menschen als Entscheider.
Das Beispiel: Eine eilige Anfrage
Ein ganz normaler Nachmittag in einem Marktforschungsinstitut.
Am Nachmittag landet eine Anfrage im Postfach des Client Service. Der Kunde möchte das Angebot möglichst noch am selben Tag, spätestens in drei Tagen. Auf dem Schreibtisch liegen schon drei weitere Anfragen, die genauso eilig sind.
Wir möchten Haushalte befragen, die in den nächsten 12 Monaten den Kauf eines E-Bikes planen. Persönlich-mündlich (CAPI), n=800, Interviewlänge ca. 20 Minuten. Bitte nur den bereinigten Datensatz liefern. Wie schnell können Sie starten?Beispielanfrage – fiktiv und anonymisiert.
Was in der Anfrage steckt – und was fehlt
- Methode
- CAPI, persönlich-mündlich
- Zielgruppe
- Haushalte mit E-Bike-Kaufabsicht in 12 Monaten
- Fallzahl
- n = 800
- Interviewlänge
- ca. 20 Minuten
- Lieferung
- nur bereinigter Datensatz
- Offen
- Inzidenz, Regionen, Starttermin
Die Inzidenz (der Anteil der Haushalte, die wirklich zur Zielgruppe gehören) steht nicht in der Anfrage – sie entscheidet aber über den Preis. Im Beispiel liegt sie bei rund 8 %. Mehr dazu in Abschnitt 06.
BPMN in 5 Minuten
Sechs Bausteine reichen, um fast jeden Arbeitsablauf lesbar aufzuzeichnen.
BPMN (Business Process Model and Notation) ist eine international genormte Bildsprache für Abläufe. Der Vorteil: Fachabteilung, Geschäftsführung und IT lesen dasselbe Bild. Für den Einstieg muss man nicht den ganzen Standard kennen – diese sechs Bausteine genügen. Wähle ein Symbol, um die Erklärung zu sehen.
Pool und Lanes: Wer macht was?
Der Pool ist der Rahmen für den ganzen Ablauf, hier das Institut. Lanes sind die Bahnen darin: Jede steht für eine Rolle oder ein System. So sieht man auf einen Blick, wer wann den Ball hat.
Im Beispiel: Client Service und Fachabteilung – im neuen Weg zusätzlich Automation und KI-Agenten.
Start- und Endereignis
Ein dünner Kreis startet den Ablauf, ein dicker Kreis beendet ihn. Jeder Prozess braucht einen klaren Auslöser und ein klares Ergebnis.
Im Beispiel: Start – die Anfrage kommt per Mail. Ende – das Angebot ist raus.
Aufgabe (Task)
Ein abgerundetes Rechteck ist eine Tätigkeit. Ein kleines Symbol in der Ecke zeigt, wer sie erledigt: ein Mensch, ein System, ein KI-Agent oder ein Stück Code.
Im Beispiel: Factsheet erstellen, Kalkulation per Code, Prüfen und freigeben.
Paralleles Gateway (+)
Ab hier laufen Dinge gleichzeitig. Ein zweites Plus-Gateway wartet, bis alle Stränge fertig sind, und führt sie wieder zusammen.
Im Beispiel: Recherche und Kapazitätsprüfung laufen parallel – statt nacheinander.
Exklusives Gateway (×)
Eine Entscheidung, genau ein Weg. An den ausgehenden Pfeilen steht die Bedingung, unter der es dort weitergeht.
Im Beispiel: „Engpass?“ – bei Grün geht es direkt weiter, bei Gelb oder Rot geht eine gezielte Rückfrage an die Fachabteilung.
Timer-Grenzereignis (Uhr)
Eine Uhr am Rand einer Aufgabe heißt: Wenn nach einer bestimmten Zeit nichts passiert, geht es auf einem anderen Weg weiter. So bleibt kein Vorgang unbemerkt liegen.
Im Beispiel: Antwortet die Fachabteilung nicht innerhalb von 24 Stunden, läuft der Prozess mit einem Hinweis weiter.
Und noch ein Begriff, den BPMN mitbringt: der Token. Gedanklich wandert eine Marke durch den Ablauf und zeigt, wo der Vorgang gerade steht. In Abschnitt 05 wird er sichtbar.
Der alte Weg: Ist-Prozess
Zwei Lanes, viel Handarbeit – und Wartezeit, die niemand sieht.
So läuft eine Anfrage in vielen Instituten heute: Der Client Service macht fast alles selbst, die Fachabteilung wird per Mail gefragt. Jeder einzelne Schritt ist vernünftig. Das Problem liegt zwischen den Schritten.
Ablauf in Worten
- Startereignis: Die Anfrage kommt per Mail beim Client Service an.
- Der Client Service tippt die Eckdaten aus der Mail in Excel ab (Schmerzpunkt 1: Medienbruch).
- Der Client Service fragt per Mail bei der Fachabteilung nach Kapazität.
- Die Fachabteilung prüft die Kapazität, sobald Zeit ist – bis dahin wartet der Vorgang (Schmerzpunkt 2).
- Der Client Service schätzt die Inzidenz, oft aus dem Gedächtnis oder aus alten Unterlagen (Schmerzpunkt 3).
- Der Client Service kalkuliert in Excel.
- Der Client Service schreibt das Angebot in Word (Schmerzpunkt 1: Medienbruch).
- Der Client Service versendet das Angebot per Mail.
- Der Client Service legt das Angebot ab – unter Zeitdruck oft lückenhaft (Schmerzpunkt 4).
- Endereignis: erledigt.
- 1MedienbrücheMail → Excel → Word: Dieselben Eckdaten werden mehrfach abgetippt. Jede Kopie ist eine neue Fehlerquelle.
- 2Warten auf KapazitätDie Fachabteilung antwortet, wenn sie Zeit hat. Bis dahin steht der ganze Vorgang still.
- 3Wissen in KöpfenWelche Inzidenz hatte die letzte E-Bike-Studie? Das weiß vielleicht eine Kollegin – wenn sie gerade erreichbar ist.
- 4Lückenhafte AblageUnter Zeitdruck landet das Angebot irgendwo. Später fehlt es für Auswertungen und für die nächste Anfrage.
Der neue Weg: Soll-Prozess
Vier Lanes: Die Automation übernimmt die Vorarbeit, der Mensch entscheidet.
Im Soll-Prozess kommen zwei Lanes dazu: Automation (feste Regeln, Code, Datenbank) und KI-Agenten (Sprache verstehen, recherchieren). Die Anfrage geht zuerst durch Anonymax, dann erstellt die KI ein Factsheet. Danach laufen Recherche und Kapazitätsprüfung gleichzeitig.
Ablauf in Worten
- Startereignis: Die Anfrage kommt per Mail, die Automation übernimmt.
- Anonymax maskiert Kundennamen, Ansprechpartner und Kontaktdaten – lokal im Haus.
- Ein KI-Agent erstellt ein strukturiertes Factsheet. Was nicht in der Anfrage steht, landet unter „offene Fragen“.
- Paralleles Gateway: Zwei Stränge starten gleichzeitig.
- Strang A: Ein KI-Agent recherchiert die Inzidenz und weitere Annahmen – jeweils mit Quelle.
- Strang B: Die Automation leitet den Ressourcenbedarf ab und prüft den Ressourcenkalender.
- Exklusives Gateway „Engpass?“: Bei Grün geht es direkt weiter. Bei Gelb oder Rot bestätigt die Fachabteilung die Machbarkeit. Antwortet sie nicht binnen 24 Stunden, läuft der Prozess mit Hinweis weiter (Timer-Grenzereignis).
- Paralleles Gateway: Beide Stränge laufen wieder zusammen.
- Die Automation kalkuliert per Code gegen die Preismatrix.
- Der Client Service prüft Factsheet, Annahmen, Ampel und Preis – und gibt frei, korrigiert oder lehnt ab.
- Anonymax setzt die echten Kundendaten lokal wieder ein.
- Die Automation erstellt das Angebot als PDF und legt einen Mail-Entwurf an.
- Der Client Service sendet das Angebot per Klick ab.
- Die Automation legt das Angebot in der Datenbank ab.
- Timer-Zwischenereignis: 7 Tage warten.
- Endereignis: Nachfass-Erinnerung an den Client Service.
Die KI liefert Annahmen, gerechnet wird mit Code.
Die Kalkulation läuft gegen die Preismatrix. Gleiche Eingaben ergeben immer denselben Preis – nachvollziehbar und reproduzierbar.
Der Client Service taucht nur noch zweimal auf.
Prüfen und absenden. Alles dazwischen bereitet die Automation vor – inklusive Quellen und Kapazitätsampel.
Versand nur als Entwurf.
Ein Angebot ist rechtlich bindend. Deshalb legt die Automation nur einen Mail-Entwurf an – auf Senden drückt ein Mensch.
Was der Mensch zu sehen bekommt
In der Prüfmail stehen das Factsheet, die Annahmen mit Quellen, die Kapazitätsampel und die Kalkulation Posten für Posten. Der Client Service wählt Freigeben, Korrigieren oder Ablehnen – ein Klick statt einer halben Stunde Abtippen.
Warum das Plus-Gateway so viel bringt
Im alten Weg beginnt die Recherche erst, wenn die Kapazität geklärt ist. Im neuen Weg starten beide gleichzeitig. Die Wartezeit des einen Strangs wird von der Arbeit des anderen überdeckt – und wenn alles grün ist, wird niemand gestört.
Der Token: Zeit sichtbar machen
In BPMN wandert eine Marke durch den Prozess – das ist die offizielle Logik. Hier wird sie sichtbar.
Schalte zwischen dem alten Weg und dem Weg mit KI um und schau, wo der goldene Token hängen bleibt. Die Uhr ist stilisiert: Sie zeigt Verhältnisse, keine Messwerte.
- Alter Weg: Der Token bleibt an den Wartestellen hängen, die Kästchen pulsieren orange – und die Uhr läuft weiter.
- Mit KI: Am Plus-Gateway teilt sich der Token in zwei, beide laufen gleichzeitig und verschmelzen am zweiten Plus wieder.
- Bei der Freigabe hält der Token an und „Prüfen & freigeben“ leuchtet: Der Mensch ist bewusst der Engpass, an dem entschieden wird.
- 3 Anfragen gleichzeitig: Im alten Weg stauen sich drei Tokens vor dem Client Service, im neuen laufen sie parallel durch die Automation.
- Lokale KI: Läuft das Sprachmodell im eigenen Haus, entfallen die beiden Anonymax-Schritte und der Weg wird kürzer.
Kapazität und Preis: KI trifft Annahmen
Die KI liest und recherchiert. Was daraus folgt, rechnet der Code mit festen Regeln.
Aus dem Factsheet leitet die Automation den Ressourcenbedarf ab und prüft ihn gegen den Ressourcenkalender. Die Regeln sind bewusst einfach – im Beispiel-Workflow etwa vier Interviews je Tablet und Tag und sechs Interviews je Interviewer und Tag.
| Factsheet sagt | Daraus abgeleitet | Geprüft wird |
|---|---|---|
| n = 800, CAPI, 6 Wochen Feld (30 Werktage) | 7 Tablets, ca. 134 Interviewertage – also 5 Interviewer parallel800 ÷ (30 × 4) → 7 Tablets · 800 ÷ 6 → 134 Interviewertage · 134 ÷ 30 → 5 parallel | Sind die Tablets frei? Sind genug Fulltimer verfügbar? |
| Falls angefragt: 4 Gruppendiskussionen | 2 Studiotage | Sind die GD-Räume an diesen Tagen frei? |
| Lieferung: bereinigter Datensatz | 1 Woche Setup + 6 Wochen Feld + 3 Tage Nachbearbeitung, dann Datensatz an den Kunden (ca. 7,5 Wochen) | Kollidiert der Zeitplan mit anderen wichtigen Deadlines? |
Genug Puffer (im Beispiel-Workflow: mindestens 20 % mehr frei als benötigt). Der Prozess läuft ohne Rückfrage durch.
Es passt, aber knapp. Eine gezielte Machbarkeitsfrage geht an die Feldabteilung – mit den Zahlen, um die es geht.
Im E-Bike-BeispielZu wenig frei. Auch hier fragt die Automation gezielt nach, statt still ein unmögliches Angebot zu schreiben.
Warum Gelb? Bei 8 % Inzidenz braucht es für 800 Interviews rund 10.000 Screening-Kontakte. Das ist machbar, aber nicht nebenbei – genau dafür ist die Rückfrage-Lane da.
Der Inzidenz-Regler: Recherche ist Margenschutz
Die Inzidenz sagt, wie viele Kontakte man ansprechen muss, um eine passende Person zu finden. Jeder Kontakt, der im Screening ausscheidet, kostet Geld. Deshalb bestimmt die Inzidenz den Preis stärker als die Interviewlänge. Verschiebe den Regler und sieh, was passiert.
Preis je Interview = 20 Min × 1,25 € + 3 € × (1 / Inzidenz − 1)
Feldarbeit = 800 × Preis je Interview · Netto = Feldarbeit + 2.500 € Projektmanagement
Entspricht der recherchierten Inzidenz von 8 %: 50.100 € netto.
Beispielpreise: 1,25 € je Interviewminute, 3 € je Screening-Kontakt, 2.500 € Projektmanagement. Gerechnet wie im Code-Schritt „Kalkulation“ des Beispiel-Workflows.
Anonymax: Datenschutz als Schleuse
Bevor eine Anfrage zur KI geht, bleiben Namen und Kontaktdaten im Haus.
Anonymax ist ein IbetMax-Werkzeug, das lokal läuft. Es ersetzt Kundennamen, Ansprechpartner und Kontaktdaten durch Platzhalter. Die Zuordnungstabelle bleibt im Haus. Erst kurz vor dem Versand setzt Anonymax die echten Daten wieder ein.
Anonymax lässt sich an die Wünsche eines Unternehmens anpassen: eigene Kundenlisten, Branchenbegriffe, Projektcodes. Damit ist es die günstige und schnell umsetzbare Hauptvariante.
Anfrage der Muster Mobility GmbH, Ansprechpartnerin Erika Musterfrau, e.musterfrau@muster-mobility.example: Wir möchten Haushalte befragen, die den Kauf eines E-Bikes planen …
Anfrage der [KUNDE_1], Ansprechpartnerin [PERSON_1], [EMAIL_1]: Wir möchten Haushalte befragen, die den Kauf eines E-Bikes planen …
Anonymax + Cloud-KI
Günstig, schnell umsetzbar, an Firmenwünsche anpassbar. Die Cloud-KI sieht nur Platzhalter, die Zuordnung bleibt lokal.
Lokale KI im eigenen Haus
Läuft das Sprachmodell lokal, zum Beispiel mit Ollama, verlassen die Daten das Haus gar nicht erst. Dann entfällt die Schleuse ganz – probiere den Schalter „Lokale KI“ in Abschnitt 05.
Vom Diagramm zum Workflow: n8n, Make, Zapier
Jedes BPMN-Element hat im Automatisierungswerkzeug eine Entsprechung – das Diagramm wird zum Bauplan.
Wer den Prozess sauber aufgezeichnet hat, muss beim Bauen kaum noch nachdenken. So übersetzt sich der Soll-Prozess in n8n – in Klammern stehen die Namen der Schritte im Beispiel-Workflow zum Download.
Welches Werkzeug? Die Leitfrage lautet: Wo liegen meine Daten?
| Werkzeug | Wo liegen die Daten? | Stärke | Worauf achten |
|---|---|---|---|
| n8n Empfohlen | Selbst hostbar – auf dem eigenen Server, volle Datenhoheit | Komplexe Abläufe mit Verzweigungen, KI-Agenten und Datenbanken | Für Kundendaten die richtige Wahl; Betrieb und Updates liegen dann beim eigenen Team |
| Make | Cloud; eine EU-Datenzone lässt sich beim Anlegen der Organisation wählen | Visuell stark, guter Einstieg | Vor dem Einsatz prüfen: Einzelne KI-Funktionen laufen laut Anbieter auch bei EU-Zone über die USA |
| Zapier | US-Cloud, eine reine EU-Speicherung bietet der Anbieter nicht an | Die meisten fertigen Integrationen | Bei komplexen Verzweigungen schnell teuer; für Kundendaten nur mit sauberer Vertragsgrundlage |
Zum Nachbauen: Workflow und Datenbank
Beispiel, keine Zugangsdaten enthalten. Postfach, Gmail, Datenbank und KI-Modell verbindest du nach dem Import selbst.
Adressen wie anonymax.local und …@institut.example sind Platzhalter, Preise und Regeln sind Beispielwerte –
bitte an das eigene Institut anpassen.
Wann braucht es Datenbanken?
Eine Automation rechnet nur so verlässlich wie die Daten, auf die sie zugreift.
Preismatrix
Eine Tabelle statt einer Excel-Datei, die jemand per Mail herumschickt. Nur so kann die Automation verlässlich und immer mit den aktuellen Preisen rechnen.
Ressourcenkalender
Tablets, Interviewer, Studios mit Bestand und Buchungen. Ohne ihn gibt es keine automatische Kapazitätsprüfung – nur wieder eine Rückfrage per Mail.
Institutsgedächtnis
Kennzahlen früherer Studien, etwa Inzidenzen, als RAG-Wissensbasis. Der Recherche-Agent schaut zuerst hier nach und erst dann im Netz.
Mehr dazu in der Wissenskarte →Angebotsarchiv
Ersetzt die manuelle Ablage und macht Auswertungen möglich: Trefferquote, Abweichung zwischen KI-Preis und freigegebenem Preis, Durchlaufzeit.
DSGVO und EU AI Act
Was für diesen Prozess wirklich zählt – ohne Panik, aber mit Sorgfalt.
DSGVO
- Pseudonymisierung: Anonymax ersetzt personenbezogene Daten durch Platzhalter (Art. 4 Nr. 5 DSGVO). Die Zuordnung bleibt lokal.
- Auftragsverarbeitung: Mit jedem Cloud-Anbieter, der Daten verarbeitet – KI-Dienst, Automatisierungswerkzeug, Mail –, braucht es einen Auftragsverarbeitungsvertrag (Art. 28 DSGVO).
- EU-Hosting: Wo es geht, Anbieter und Rechenzentren in der EU wählen. Bei n8n entscheidet man das selbst.
- Löschkonzept: Festlegen, wann Zuordnungen und Anfragen gelöscht werden. Im Beispielschema ist die Anonymax-Zuordnung nach 180 Tagen zur Löschung vorgesehen.
EU AI Act
- Kein Hochrisiko-Einsatz: Ein Angebotsprozess gehört nicht zu den Hochrisiko-Bereichen der Verordnung.
- KI-Kompetenz (Art. 4): Wer mit KI arbeitet, muss sie verstehen. Diese Pflicht gilt seit dem 2. Februar 2025 – auch für den Client Service, der KI-Vorschläge freigibt.
- Menschliche Aufsicht als gute Praxis: Für diesen Einsatz nicht vorgeschrieben, aber sinnvoll – ein Angebot ist rechtlich bindend.
- Kennzeichnung: KI-generierte Grafiken in Angeboten freiwillig kennzeichnen schafft Vertrauen.
Der Nutzen auf einen Blick
Fünf Dinge, die sich ändern – und wie man sie im eigenen Haus messbar macht.
Durchlaufzeit
Die Vorarbeit läuft, während der Mensch noch an etwas anderem sitzt. Ist die Prüfung schnell, kann das Angebot am selben Tag raus.
Messbar: Eingang bis Versand, direkt aus dem Angebotsarchiv – die Abfrage steht im SQL-Download.
Belastbarkeit bei mehreren Anfragen
Drei eilige Anfragen sind kein Stau mehr: Die Automation arbeitet alle parallel vor, der Mensch prüft nacheinander.
Messbar: Durchlaufzeit in Spitzenwochen im Vergleich zu ruhigen Wochen.
Konsistenz der Kalkulation
Gleiche Eingaben, gleicher Preis. Im Beispiel hätte eine geschätzte statt recherchierte Inzidenz das Angebot um 20.400 € zu niedrig angesetzt.
Messbar: Abweichung zwischen Automationspreis und freigegebenem Preis.
Nachvollziehbarkeit über Quellen
Jede Annahme kommt mit Quelle in die Prüfmail. Später lässt sich zeigen, warum ein Preis so aussah.
Messbar: Anteil der Angebote mit dokumentierter Quelle für die Inzidenz.
Gesichertes Wissen
Kennzahlen früherer Studien liegen in der Datenbank statt in Köpfen – und helfen bei der nächsten Anfrage, auch wenn die Kollegin im Urlaub ist.
Messbar: Wie oft das Institutsgedächtnis eine passende frühere Studie findet.
Belastbare Werte aus der Praxis ergänze ich hier, sobald sie vorliegen. Erfundene Prozentzahlen gibt es auf dieser Seite nicht.
Zum Schluss
Erst verstehen, dann automatisieren – und den Menschen dort lassen, wo entschieden wird.
KI ersetzt hier niemanden. Sie räumt den Schreibtisch frei, damit der Mensch entscheiden kann.
In Vorbereitung Eine Präsentation zum Thema im Stil der IbetMax-Präsentationsreihe.
Passt dazu
Diese Wissenskarten vertiefen Einführung, Praxis, Sicherheit, Wissenssysteme und Recht.
Quellen & Stand
Stand: Oktober 2026
- Object Management Group: BPMN 2.0.2 – die Norm hinter den Symbolen
- n8n Docs: Hosting – n8n selbst betreiben
- Make Help Center: AI providers and data zones in Make – Datenzonen und KI-Verarbeitung, abgerufen am 22.10.2026
- Zapier: Data Privacy Overview – Speicherort der Daten, abgerufen am 22.10.2026
- Verordnung (EU) 2024/1689 (EU AI Act) – Art. 4 KI-Kompetenz
- Verordnung (EU) 2016/679 (DSGVO) – Art. 4 Nr. 5 Pseudonymisierung, Art. 28 Auftragsverarbeitung
Das Beispiel ist fiktiv und anonymisiert, Preise und Regeln sind Beispielwerte. Genannte Werkzeuge sind Beispiele – herstellerneutral, ohne Werbung oder Partnerlinks. Anonymax ist ein Werkzeug von IbetMax. Alle Bilder auf dieser Seite sind mit KI erzeugt (ChatGPT, OpenAI); Bilder mit fotorealistischen Menschen tragen die AI-Plakette.