Prozessintegration

Warum Integration entscheidend ist¶

Ein KI-Agent, der nicht mit realen Systemen verbunden ist, ist nur ein Chatbot mit besserem UX. Echter Wert entsteht, wenn der Agent:

• Liest — Kundenhistorie aus dem CRM, bevor er auf Anfragen antwortet
• Schreibt — extrahierte Rechnungsdaten direkt in das ERP
• Erstellt — Tickets in Jira mit vollständigem Kontext
• Sendet — Benachrichtigungen an die richtigen Personen über den richtigen Kanal
• Überwacht — Systeme und reagiert in Echtzeit auf Ereignisse

Ohne Integration haben Sie eine Demo. Mit Integration haben Sie einen produktiven KI-Mitarbeiter.

Integrationsarchitektur¶

┌─────────────────────────────────────────────────────┐
│                    KI-AGENT                          │
│                       │                              │
│                       ▼                              │
│              INTEGRATIONSSCHICHT                     │
│  ┌──────────────────────────────────────────────┐   │
│  │  API Gateway (Auth, Rate Limiting, Routing)  │   │
│  │  Retry-Logik (Exponentieller Backoff)        │   │
│  │  Circuit Breaker (Fehlerisolierung)          │   │
│  │  Dead Letter Queue (fehlgeschl. Operationen) │   │
│  │  Transform Layer (Schema-Mapping)            │   │
│  │  Monitoring (Metriken pro Verbindung)        │   │
│  └──────────────────────────────────────────────┘   │
│          │         │         │         │             │
│          ▼         ▼         ▼         ▼             │
│       ┌─────┐  ┌─────┐  ┌──────┐  ┌────────┐       │
│       │ ERP │  │ CRM │  │ Jira │  │ E-Mail │       │
│       │ SAP │  │ SF  │  │ SNow │  │ Teams  │       │
│       └─────┘  └─────┘  └──────┘  └────────┘       │
└─────────────────────────────────────────────────────┘

Typische Integrationen¶

ERP-Systeme (SAP, Oracle, Microsoft Dynamics)¶

Anwendungsfälle: Lesen von Aufträgen/Rechnungen, Schreiben verarbeiteter Dokumente, Bestandsprüfung, Automatisierung von Buchhaltungs-Workflows.

Ansatz: REST/OData-API (SAP S/4HANA), BAPI/RFC (SAP ECC), Datenbankconnector (Legacy). Immer über Service Account mit minimalen Berechtigungen.

Typische Integrationszeit: 2-3 Wochen (moderne API) / 4-6 Wochen (Legacy-BAPI)

CRM-Systeme (Salesforce, HubSpot, Microsoft Dynamics)¶

Anwendungsfälle: Kontaktanreicherung, Lead-Scoring-Automatisierung, Kundenhistorie für Support-Agenten, Opportunity-Tracking.

Ansatz: Native REST-API, Bulk-API für Datensynchronisation, Streaming-API für Echtzeitereignisse. Webhook-Listener für triggerbasierte Workflows.

Typische Integrationszeit: 1-2 Wochen

Ticketing (Jira, ServiceNow, Zendesk)¶

Anwendungsfälle: Automatische Ticket-Klassifizierung, Routing, Eskalation, Erstellen von Tickets aus Agent-Ergebnissen, Status-Updates.

Ansatz: REST-API, Webhook-Benachrichtigungen, bidirektionale Synchronisation.

Typische Integrationszeit: 1 Woche

Kommunikationskanäle (E-Mail, Slack, Teams)¶

Anwendungsfälle: Empfang und Verarbeitung von E-Mails (Rechnungen, Anfragen, Bestellungen), Benachrichtigungen, Eskalationen, Benutzerinteraktionen.

Ansatz: IMAP/SMTP (E-Mail), Slack-API (Bot + Events), Microsoft Graph API (Teams, Outlook).

Typische Integrationszeit: 1 Woche pro Kanal

Dokumentenmanagement (SharePoint, Confluence, Google Drive)¶

Anwendungsfälle: Wissensbasis für RAG, Aufnahme neuer Dokumente, Versionierung, Metadatenanreicherung.

Ansatz: Native API, Webhook für Änderungserkennung, inkrementelle Synchronisation.

Typische Integrationszeit: 1-2 Wochen

Legacy-Systeme (ohne API)¶

Anwendungsfälle: Jedes System, das der Agent benötigt, aber keine moderne API hat.

Ansatz (von optimal bis suboptimal): 1. Datenbankconnector (direktes SQL-Lesen/Schreiben) — am schnellsten, erfordert aber DB-Zugriff 2. Screen Scraping (Playwright/Puppeteer) — für webbasierte Legacy-Anwendungen 3. Dateibasiert (SFTP, gemeinsames Laufwerk, CSV/XML-Export/Import) — für Batch-Verarbeitung 4. RPA-Adapter (UiPath, Power Automate) — für Desktop-Anwendungen

Typische Integrationszeit: 2-4 Wochen (abhängig von der Komplexität)

Robustheit der Integrationsschicht¶

Retry-Logik¶

Jede Integration hat eine definierte Retry-Strategie:

Versuch 1: sofort
Versuch 2: Warte 1s
Versuch 3: Warte 4s
Versuch 4: Warte 16s
Versuch 5: Warte 60s
→ Dead Letter Queue (manuelle Überprüfung)

Idempotenz: Jede Schreiboperation ist idempotent — wiederholte Aufrufe führen die Aktion nicht doppelt aus. Implementiert durch Idempotenz-Schlüssel.

Circuit Breaker¶

Wenn das Zielsystem wiederholt ausfällt, wechselt der Circuit Breaker in den offenen Zustand:

Zustand	Verhalten
Geschlossen	Normalbetrieb, Anfragen werden durchgeleitet
Offen	System fehlerhaft, Anfragen gehen in DLQ, periodischer Health Check
Halboffen	Testanfrage, wenn OK → geschlossen, wenn Fehler → offen

Verhindert kaskadierende Ausfälle — ein Systemausfall bringt nicht den gesamten Agenten zum Stillstand.

Dead Letter Queue¶

Fehlgeschlagene Operationen (nach Ausschöpfen der Retries) gehen in die DLQ: - Protokolliert mit vollständigem Kontext (was passiert ist, warum es fehlschlug) - Alarmierung bei neuen DLQ-Nachrichten - Manuelle oder automatische Wiederverarbeitung nach Systemwiederherstellung - Alterungsüberwachung — DLQ-Nachrichten älter als Schwellenwert eskalieren

Monitoring pro Verbindung¶

Jede Integration hat eigene Metriken: - Verfügbarkeit — ist das System erreichbar? - Latenz — wie schnell antwortet es? - Fehlerrate — wie viele Anfragen schlagen fehl? - Durchsatz — wie viele Anfragen verarbeiten wir? - DLQ-Tiefe — wie viele fehlgeschlagene Operationen warten?

Dashboard mit Echtzeit-Status aller Integrationen. Alarme bei Verschlechterung.

Change Management¶

Warum 50 % der KI-Projekte an der Akzeptanz scheitern¶

Ein technisch perfektes KI-System, das niemand nutzt, ist wertlos. Häufigste Ursachen:

1. Nutzer wurden nicht einbezogen — „am Schreibtisch entworfene” Lösung passt nicht zur Realität
2. Mangelndes Vertrauen — Nutzer vertrauen der KI nicht und umgehen sie
3. Schlechte UX — KI ist umständlicher als der bestehende Prozess
4. Fehlende Feedback-Schleife — Probleme werden nicht behoben, Frustration wächst

Unser Ansatz zur Akzeptanz¶

Phase 1: Shadow-Modus (2 Wochen) - Agent läuft parallel zu Menschen, handelt aber nicht - Vergleich Agent-Ergebnisse vs. Mensch - Identifikation von Lücken und Grenzfällen

Phase 2: Pilot (2-4 Wochen) - 10-20 % der Prozesse über den Agenten - Ausgewählte Early Adopter (motivierte Nutzer) - Tägliches Feedback, schnelle Iterationen

Phase 3: Rollout (2-4 Wochen) - Schrittweise Erweiterung auf mehr Nutzer/Prozesse - Schulung und Dokumentation - Support-Kanal für Fragen und Probleme

Phase 4: Optimierung (fortlaufend) - Akzeptanzmessung (welcher % der Prozesse läuft über Agent) - Nutzerzufriedenheitsumfragen - Kontinuierliche Verbesserung basierend auf Daten

Akzeptanz messen¶

Metrik	Ziel	Wie wir messen
Akzeptanzrate	>80 %	% der Prozesse, die der Agent bearbeitet
Nutzerzufriedenheit	>4/5	Regelmäßige Umfrage
Bypass-Rate	<10 %	Wie viele Nutzer den Agenten umgehen
Support-Tickets	Abnehmender Trend	Probleme mit dem KI-System
Zeitersparnis	>30 %	Vorher/Nachher-Vergleich

Integrationsprozess¶

Discovery (1 Tag)¶

• System- und Datenfluss-Mapping
• Identifikation der Integrationspunkte
• Analyse der API-Fähigkeiten und -Einschränkungen
• Definition der Integrationsprioritäten

Design (1 Woche)¶

• Integrationsarchitektur
• Schema-Mapping (Quelle → Ziel)
• Fehlerbehandlungsstrategie
• Sicherheitsreview (Zugangsdaten, Berechtigungen)

Implementierung (1-2 Wochen pro System)¶

• API-Adapter-Entwicklung
• Retry, Circuit Breaker, DLQ
• Unit- + Integrationstests
• Sicherheitshärtung

Testing (1 Woche)¶

• End-to-End-Test auf Staging
• Lasttest
• Ausfallszenario-Tests (was wenn das System abstürzt?)
• Nutzerakzeptanztests

Go-Live & Monitoring (fortlaufend)¶

• Shadow-Modus → Pilot → Produktion
• Monitoring pro Verbindung
• SLA-Tracking
• Kontinuierliche Optimierung

Verwandt mit