Highlight
Gemeinsam erfolgreich – unser valantic Team.
Lernen Sie die Menschen kennen, die mit Leidenschaft und Verantwortung bei valantic Großes bewegen.
Mehr über uns erfahren10. Dezember 2025
Die Diskussion um Automatisierung befindet sich an einem Wendepunkt. Über viele Jahre hinweg galt Robotic Process Automation als pragmatische Antwort auf eine unbequeme Realität: starre Altsysteme, fehlende Schnittstellen und ein hoher manueller Aufwand in operativen Prozessen. RPA hat Unternehmen geholfen, schnell Ergebnisse zu erzielen – oft ohne tief in bestehende IT-Landschaften eingreifen zu müssen.
Doch genau diese Stärke gerät zunehmend unter Druck. Die Rahmenbedingungen, unter denen RPA entstanden ist, verändern sich grundlegend. APIs sind heute weit verbreitet, Daten werden strukturierter bereitgestellt und künstliche Intelligenz hat ein Reifegradniveau erreicht, das weit über reine Assistenz hinausgeht. Automatisierung wird neu gedacht – nicht mehr ausschließlich als Nachahmung menschlicher Klicks, sondern als intelligentes Zusammenspiel von Systemen, Entscheidungen und Kontext.
RPA ist historisch betrachtet eine Überbrückungstechnologie. Sie kompensiert fehlende Integrationsmöglichkeiten, indem sie Benutzeroberflächen automatisiert. Das funktioniert – solange sich diese Oberflächen nicht verändern, Prozesse stabil bleiben und der Kontext überschaubar ist. In genau diesen Szenarien leistet RPA auch heute noch einen wichtigen Beitrag.
In der Praxis zeigt sich jedoch ein differenzierteres Bild. UI-Änderungen führen zu erhöhtem Pflegeaufwand, Anpassungen werden komplexer und der Betrieb gewinnt an organisatorischer Bedeutung. Gleichzeitig wachsen die Erwartungen der Fachbereiche: Prozesse sollen nicht nur schneller, sondern auch intelligenter, flexibler und transparenter werden. In solchen Szenarien stößt eine rein regelbasierte Automatisierung an natürliche Grenzen und benötigt ergänzende Ansätze.
Mit dem Einsatz großer Sprachmodelle verschiebt sich der Fokus von der reinen Ausführung hin zum Verstehen. KI-Systeme können Inhalte einordnen, Zusammenhänge erkennen und Entscheidungen vorbereiten oder sogar eigenständig treffen. Automatisierung wird dadurch nicht ersetzt, sondern um eine kognitive Ebene erweitert, die klassische Automatisierungstechnologien sinnvoll ergänzt.
Der Mehrwert entsteht insbesondere dort, wo unstrukturierte Informationen, Ausnahmen oder dynamische Entscheidungslogiken eine Rolle spielen – also genau in den Bereichen, die sich mit klassischen RPA-Ansätzen nur schwer abbilden lassen.
Damit das Zusammenspiel aus RPA, KI und weiteren Automatisierungstechnologien beherrschbar bleibt, gewinnt Orchestrierung zunehmend an strategischer Bedeutung. Lösungen wie Camunda schaffen den Rahmen, in dem unterschiedliche Technologien sinnvoll integriert werden können. Sie strukturieren Abläufe, binden Menschen an den richtigen Stellen ein und stellen Transparenz sowie Nachvollziehbarkeit über den gesamten Prozess hinweg sicher.
Orchestrierung ermöglicht es, bestehende RPA-Investitionen weiter zu nutzen und gleichzeitig neue KI-basierte Fähigkeiten kontrolliert einzubinden. Automatisierung wird damit nicht fragmentiert, sondern ganzheitlich steuerbar.
RPA verliert nicht ihre Berechtigung, wohl aber ihren Anspruch, den strategischen Kern moderner Automatisierung zu bilden. Ihre Rolle verschiebt sich hin zu einer gezielten, wertstiftenden Ergänzung innerhalb eines orchestrierten, KI-gestützten Gesamtsystems.
Die Zukunft der Automatisierung liegt nicht im Entweder-oder, sondern im Zusammenspiel: RPA, KI und Orchestrierung greifen ineinander und ermöglichen Prozesse, die sowohl effizient als auch intelligent sind.
Jörg Rodehüser
Senior Expert AI Process Automation
valantic
Künstliche Intelligenz 28. Oktober 2026
KI-Kosten optimieren: Das richtige Modell für jede Aufgabe
Bei den meisten KI-Projekten wird standardmäßig das leistungsstärkste Modell verwendet, selbst wenn die Aufgabe dies gar nicht erfordert. Indem Anfragen an kleinere Modelle weitergeleitet, der Kontext optimiert und gegebenenfalls herkömmliche Methoden des maschinellen Lernens eingesetzt werden, können Unternehmen ihre KI-Kosten um 50 % oder mehr senken, ohne dabei Abstriche bei der Qualität zu machen.
KI-Kosten optimieren: Das richtige Modell für jede Aufgabe
Künstliche Intelligenz 21. Oktober 2026
Bei KI-Kosten kommt es nicht auf den Preis pro Token an
Die Preise für KI-Inferenz sind um rund 90 Prozent gesunken, doch in den Unternehmensbudgets kommt davon kaum etwas an. Woran liegt das? Der Beitrag zeigt, warum Nutzungsvolumen, Modellwahl, Kontextgröße und Wiederholungen die Rechnung bestimmen und agentische Workflows die Kosten besonders schwer kalkulierbar machen.
Bei KI-Kosten kommt es nicht auf den Preis pro Token an
Künstliche Intelligenz 16. Oktober 2026
Autonomous Enterprise Journey: Wie AI Value Engineering messbaren Geschäftswert schafft
Wie lässt sich der ROI von KI-Initiativen zuverlässig bewerten und messen? Woran erkennen Unternehmen die größten Hebel und entscheidenden Prozesse für AI? Antworten und Empfehlungen gibt Katrin Luft, Senior Expert bei valantic & Mitentwicklerin der „Autonomous Enterprise Journey“, im Gespräch mit Darya Basarhina, Vice President Sales & Marketing und Manufacturing Practice Lead bei valantic.
Autonomous Enterprise Journey: Wie AI Value Engineering messbaren Geschäftswert schafftNichts verpassen.
Blogartikel abonnieren.