Der Fehler in den meisten Gesprächen über „AI für Operations” besteht darin, sie als Schicht zu begreifen, die einer bestehenden Teamstruktur hinzugefügt wird. Ein zehnköpfiges Team, das AI-Werkzeuge einführt, bleibt ein zehnköpfiges Team mit AI-Werkzeugen. Die interessante Frage ist eine andere: Wie sieht ein dreiköpfiges Operationsteam aus, wenn es von Anfang an um AI herum konzipiert ist — und nicht nachträglich umgerüstet?
Die Antwort ist ein Team, das das Arbeitsvolumen und die Komplexität eines traditionellen sechs- bis achtköpfigen Teams bewältigt, zu etwa der Hälfte der Kosten.
Was „AI-First” in Operations tatsächlich bedeutet
AI-First im Operations-Kontext bedeutet nicht, Menschen durch AI zu ersetzen. Es bedeutet, jeden Arbeitsablauf so zu gestalten, dass AI die repetitiven, regelbasierten Aufgaben mit hohem Volumen übernimmt — und Menschen sich um Urteilsvermögen, Beziehungen und Ausnahmen kümmern.
Ein traditioneller Operations-Ablauf: Bestellung empfangen → manuell ins ERP eingeben → Bestand prüfen → mit Kunden bestätigen → Logistik organisieren → Lieferung verfolgen → Kundenanfrage zur Lieferung bearbeiten.
Eine AI-First-Version desselben Ablaufs: Bestellung empfangen → AI extrahiert und gibt ins ERP ein → AI prüft Bestand und stößt Fulfillment an → AI sendet Kundenbestätigung mit Tracking-Link → AI überwacht den Lieferstatus → AI bearbeitet Standardanfragen zur Lieferung; eskaliert nur bei Verzögerung oder Komplexität.
Die menschliche Rolle in der AI-First-Version: Prüfung der Ausnahme-Queue, Pflege der Lieferantenbeziehungen, Bearbeitung komplexer Kundeneskalationen und kontinuierliche Verbesserung der AI-Abläufe. Der Mensch erledigt höherwertige Arbeit. Die AI erledigt die Mengenarbeit.
Der AI-First-Operations-Stack für unter 500 €/Monat
Für ein Team aus 2 bis 5 Personen, das B2B-Distributionsoperationen abwickelt:
Auftragsbearbeitung: Auftragsextraktion per Claude API oder Zapier → ERP-Eingabe. Kosten: 50–150 €/Monat je nach Auftragsvolumen.
Kundensupport: Tidio mit AI-Schicht, trainiert auf Produktkatalog und Auftragsdaten. Kosten: 50–80 €/Monat.
Interne Wissensdatenbank: Notion (für Team-SOPs, Lieferanteninfos, Produktkatalog) + Notion AI für Suche und Entwurfserstellung. Kosten: 20–40 €/Monat.
E-Mail-Entwürfe und Follow-up: Claude API oder Notion AI für Standard-E-Mail-Entwürfe (Lieferanten-Follow-ups, Kundenbestätigungen, Verzögerungsmeldungen). Kosten: in den AI-Tool-Abonnements enthalten.
Reporting und Dashboards: Google Sheets oder Notion-Datenbanken als Datenebene; AI-Abfragen für Ad-hoc-Analysen. Kosten: 0 € (Google) oder in Notion enthalten.
Gesamtkosten der Tools: 120–270 €/Monat. Ein dreiköpfiges Team mit diesem Stack deckt das operative Arbeitsvolumen eines fünf- bis sechsköpfigen Teams ab, das auf traditionellen manuellen Abläufen aufgebaut ist.
Die Rollenstruktur
Rolle 1 — Operations Lead (1 Person): Verantwortlich für Lieferantenbeziehungen, verwaltet die Ausnahme-Queues aus den AI-Abläufen, genehmigt Preisentscheidungen, bearbeitet eskalierte Kundenprobleme. Verbringt den Großteil der Woche mit beziehungs- und urteilsabhängiger Arbeit. Prüft die AI-Abläufe wöchentlich, um Fehlermuster zu erkennen.
Rolle 2 — Operations Associate (1–2 Personen): Bearbeitet die Ausnahme-Queue aus der AI-Auftragsbearbeitung (die 4–5 % der Aufträge, die manuelle Aufmerksamkeit benötigen), verwaltet die Aktualisierungen der Wissensdatenbank (Training der AI auf neue Produkte, Richtlinien, Sonderfälle) und bearbeitet komplexe Kundenanfragen, die die AI eskaliert hat.
Optionale Rolle 3 — AI-Workflow-Spezialist (Teilzeit oder fraktional): Baut und pflegt die Automatisierungsebene — die Zapier-Workflows, die AI-Prompt-Konfigurationen, die ERP-Integrationen. In einem kleinen Team ist dies oft eine fraktionale Rolle (ein Berater, der den Stack pflegt) statt einer Vollzeitstelle.
Diese Struktur bewältigt 50–200 Bestellungen pro Tag, 50–150 Kundensupport-Anfragen pro Woche und Standard-Reporting für ein Management-Team — mit 2–3 Personen. Eine traditionelle Struktur für dasselbe Volumen würde 5–8 Personen erfordern.
Was es braucht, um dorthin zu gelangen
Der Aufbau eines AI-First-Operationsteams von Grund auf erfordert 8–12 Wochen konzentrierter Arbeit:
- Wochen 1–2: Erfassen Sie jeden aktuellen Arbeitsablauf. Dokumentieren Sie jeden Schritt, wer ihn ausführt und wie lange er dauert. Das zeigt, welche Abläufe das höchste Volumen und die meiste Wiederholung haben — diese kommen zuerst.
- Wochen 3–5: Automatisieren Sie den Ablauf mit dem höchsten Volumen (meist Auftragserfassung oder Kundensupport). Validieren Sie die Ausnahmerate. Bauen Sie die Wissensdatenbank auf.
- Wochen 6–8: Fügen Sie den zweiten Ablauf hinzu (jeweils den nächsten nach Volumen). Bauen Sie das Eskalations-Routing zwischen AI und Mensch.
- Wochen 9–12: Fügen Sie Reporting hinzu und optimieren Sie. Prüfen Sie wöchentlich die Ausnahmemuster und aktualisieren Sie die AI-Konfiguration.
Bis Woche 12 läuft das Team auf dem AI-First-Stack. Die verbleibenden 3–4 Monate sind Iteration — das Aufspüren der konkreten Lücken in der Wissensdatenbank, der Integrations-Sonderfälle und der Ablaufvarianten, die der erste Aufbau nicht abgedeckt hat.
Der häufige Fehler: Zu groß anfangen
Das häufigste Fehlermuster beim Aufbau von AI-First-Operations ist der Versuch, alles gleichzeitig zu automatisieren. Teams, die ein sechsmonatiges AI-Transformationsprojekt für die gesamte Operations-Funktion ansetzen, scheitern häufiger als Teams, die einen Ablauf vollständig automatisieren, ihn validieren und dann zum nächsten übergehen.
Die kontraintuitive Wahrheit: Ein vierwöchiges Projekt zur vollständigen Automatisierung der Auftragserfassung — inklusive Ausnahme-Routing, ERP-Integration und Kundenbestätigung — liefert dauerhafteren Wert als ein sechsmonatiges Projekt, „AI in der gesamten Operations einzuführen”.
Beginnen Sie mit der einzelnen repetitiven Aufgabe mit dem höchsten Volumen. Bauen Sie sie vollständig. Messen Sie sie. Dann erweitern Sie.
AHoosh konzipiert und baut AI-First-Operationsstrukturen für B2B-Unternehmen — vom Workflow-Audit bis zum laufenden Stack. ahoosh.ai/contact