Die fünf Reports, die mit jeder Automatisierung sterben
Wer einen Prozess automatisiert, gewinnt Geschwindigkeit, verliert aber Sichtbarkeit. Welche fünf Standardreports nach Go-Live unbemerkt verschwinden, und wie Sie sie ersetzen, bevor jemand merkt, dass die Zahlen nicht mehr stimmen.
Die fünf Reports, die mit jeder Automatisierung sterben
Vor zwei Monaten rief mich ein Vertriebsleiter an. Sein Team hatte vor sechs Monaten die Lead-Qualifizierung automatisiert. Der Workflow lief sauber. Leads kamen rein, wurden bewertet, kamen sortiert in die Pipeline. Die Bearbeitungszeit war von vier Tagen auf eine Stunde gefallen. Stolz, freudig, alles bestens.
Nur eine Sache verstand er nicht: seine Conversion-Rate vom Lead zum qualifizierten Termin sah jetzt schlechter aus als vorher. Auf dem Papier. "Aber wir wissen, dass es nicht stimmt", sagte er. "Wir sehen die Zahlen, sie sind da. Aber sie fühlen sich falsch an."
Wir haben uns das angesehen. Das Problem war nicht die Automatisierung. Das Problem war: der Report, der die alte Conversion-Rate gemessen hatte, basierte auf Aktivitäten, die jetzt nicht mehr stattfanden. Vorher hatte ein Vertriebsmitarbeiter jeden Lead manuell ins CRM eingetragen, eine kurze Notiz dazu gemacht, einen Status gesetzt. Diese drei Aktivitäten waren der Datenstrom, aus dem der Conversion-Report gespeist wurde.
Mit der Automatisierung passierten zwei dieser drei Schritte automatisch. Die manuelle Notiz fiel weg. Der Report sah weniger Aktivität, weil die Aktivität jetzt anders aussah, und kam zu falschen Zahlen.
Diese Geschichte ist keine Ausnahme. Sie ist die Regel. In jeder Automatisierung sterben Reports, ohne dass jemand bemerkt, dass sie sterben. Welche das typischerweise sind, beschreibe ich in diesem Artikel.
Warum Reports an Automatisierung sterben
Reports basieren auf Datenströmen. Datenströme entstehen entweder durch direkte Erfassung (jemand trägt etwas ein) oder durch Seiteneffekte (ein Schritt produziert nebenbei einen Eintrag, eine Mail, einen Logeintrag).
Manuelle Prozesse erzeugen massenhaft Seiteneffekte. Eine Mitarbeiterin bearbeitet eine Anfrage, schreibt eine E-Mail, dokumentiert kurz im CRM, leitet weiter, vermerkt im Wochenbericht. Aus dieser Kette entstehen sieben oder acht Datenpunkte, von denen sechs unbemerkt in irgendeinen Report fließen.
Wenn Sie diesen Prozess automatisieren, ersetzen Sie diese Aktivitäten durch einen einzigen Workflow-Aufruf. Was vorher sieben Datenpunkte erzeugt hat, erzeugt jetzt vielleicht zwei. Die fehlenden tauchen nirgendwo mehr auf, weil niemand sie mitprotokolliert.
Reports, die auf diesen fehlenden Datenpunkten basieren, zeigen plötzlich falsche Zahlen oder gar nichts mehr. Die Reports sterben. Aber niemand merkt es, weil keiner sie aktiv prüft, sondern alle sie als selbstverständlich genommen haben.
Report 1: Die Bearbeitungszeit, die plötzlich null ist
Der häufigste Fall. Bevor Sie automatisieren, dokumentieren Mitarbeiter Anfangs, und Endzeit einer Aufgabe. Bei automatisierten Prozessen läuft alles in Millisekunden. Der Report "durchschnittliche Bearbeitungszeit" zeigt jetzt entweder null oder absurde Werte.
Die Frage, die der Report beantworten sollte, ist aber weiter relevant: Wie lange dauert es vom Eingang einer Anfrage bis zur Erledigung? Diese Zeit beinhaltet Wartezeiten, Eskalationen, Rückfragen. Die rein technische Verarbeitungszeit der Automatisierung ist nicht die Bearbeitungszeit, die Sie wirklich messen wollten.
Was Sie tun: definieren Sie neu, was Bearbeitungszeit in der automatisierten Welt bedeutet. Vom Eingang bis zur ersten Aktion, die für den Kunden sichtbar ist. Vom Eingang bis zum Abschluss aller Folgeschritte. Diese Definition braucht jetzt einen expliziten Datenpunkt im Workflow, der vorher implizit aus den manuellen Schritten entstanden ist.
Report 2: Die Erfolgsquote, die sich verschiebt
Vor der Automatisierung wurde nur eine Untermenge der Anfragen überhaupt bearbeitet. Mitarbeiter haben gefiltert, priorisiert, manchmal Anfragen ignoriert, die offensichtlich keinen Sinn ergaben. Was bearbeitet wurde, hatte eine bestimmte Erfolgsquote.
Nach der Automatisierung wird alles bearbeitet, weil der Workflow keine implizite Vorfilterung hat. Plötzlich sehen Sie eine niedrigere Erfolgsquote, weil jetzt auch die schlechten Anfragen mitgezählt werden, die vorher rausgefiltert wurden.
Die Zahl ist nicht falsch. Sie misst etwas anderes als vorher. Aber wer den Report liest, denkt, die Erfolgsquote sei gefallen.
Was Sie tun: explizite Filter in den Workflow einbauen, die das Vorgehen der Mitarbeiter nachbilden. Plus einen separaten Datenpunkt, der die ausgefilterten Fälle zählt. Dann lassen sich die Zahlen vergleichen.
Report 3: Die Eskalationen, die niemand mehr sieht
In manuellen Prozessen passieren Eskalationen sichtbar. Eine Mitarbeiterin schreibt ihrem Vorgesetzten: "Diesen Fall kann ich nicht entscheiden." Aus diesen E-Mails entstehen Reports über Komplexität, Schulungsbedarf, häufige Probleme.
Automatisierte Workflows haben oft eine Fallback-Logik: kommt eine Bedingung nicht klar zum Ergebnis, wird zur manuellen Bearbeitung weitergeleitet. Diese Weiterleitung passiert ohne Geräusch. Niemand schickt eine E-Mail, niemand markiert "schwierig", die Aufgabe landet einfach in einer Queue.
Das Resultat: das Management verliert die Sicht auf Eskalationen. Genau die Probleme, die früher sichtbar waren, sind jetzt unsichtbar. Das Team, das die Sonderfälle übernimmt, hat keine Argumente mehr für mehr Personal, weil das Volumen nur in der eigenen Queue auftaucht.
Was Sie tun: bei jedem Fallback-Pfad im Workflow einen expliziten Datensatz erzeugen. Welche Bedingung hat die Eskalation ausgelöst? Welcher Fall? Wie alt ist die offene Aufgabe? Daraus lässt sich der alte Eskalations-Report rekonstruieren.
Report 4: Die Anomalien, die im Rauschen verschwinden
Mitarbeiter sind langsame, aber sehr gute Anomalie-Detektoren. Wenn etwas seltsam ist, fällt es ihnen auf. Sie schreiben eine Mail an die Kollegin, fragen, ob das normal ist, eskalieren, wenn es nicht ist.
Automatisierungen sehen Anomalien nicht. Eine plötzliche Verdopplung des Eingangs, eine Häufung bestimmter Fehlerarten, ein neuer Datenmustersatz, der aus dem Rahmen fällt. All das wird einfach durchverarbeitet, weil der Workflow seine Regeln hat und sich an sie hält.
Wenn die Mitarbeiter weg sind, ist niemand mehr da, der das Bauchgefühl hat. Probleme zeigen sich erst, wenn sie groß genug sind, dass sie irgendwo in einem Quartalsreport erscheinen. Das ist mindestens drei Monate zu spät.
Was Sie tun: einfache Anomalie-Detektoren ergänzen. Eingangsvolumen pro Stunde mit dem Vortag vergleichen, Abweichungen über einen Schwellwert melden. Fehlerquoten über die letzten 24 Stunden überwachen. Das ist nicht perfekt, fängt aber 80 Prozent dessen, was Mitarbeiter vorher implizit gemacht haben.
Report 5: Die qualitative Stimmung, die sich nicht messen lässt
Der heikelste Verlust. In manuellen Prozessen entsteht ein qualitatives Wissen darüber, wie Kunden, Anfragen, Vorgänge sich entwickeln. Mitarbeiter merken, wenn der Ton in den Anfragen aggressiver wird. Sie merken, wenn ein bestimmter Lieferant öfter Probleme macht. Sie merken, wenn die typischen Anliegen sich verändern.
Diese Wahrnehmung ist nicht in einem Report dokumentiert. Sie wird in Kaffeeküchengesprächen, Team-Meetings, beiläufigen Bemerkungen zwischen Tür und Angel ausgetauscht. Wenn die Mitarbeiter weg sind, ist diese Sensorik weg.
Automatisierte Prozesse melden, was sie messen können: Volumen, Bearbeitungszeit, Fehlerrate. Nicht: "die Anfragen klingen frustrierter als noch im letzten Quartal". Nicht: "die Fragen werden komplexer". Nicht: "wir sehen mehr Beschwerden, die keine Beschwerden sind, sondern Hilferufe".
Was Sie tun: einen Teil der Aufgaben weiterhin manuell bearbeiten lassen, bewusst. Nicht weil die Automatisierung sie nicht könnte, sondern weil Sie diese Sensorik im Team behalten wollen. Zehn oder zwanzig Prozent reichen oft, um den qualitativen Puls zu bewahren. Plus: eine quartalsweise Auswertung von Stichproben durch erfahrene Mitarbeiter, die explizit nach qualitativen Mustern suchen.
Was Sie vor dem Go-Live tun sollten
Wenn Sie eine Automatisierung planen, machen Sie folgende Übung, bevor Sie live gehen.
Listen Sie alle Reports auf, die heute auf dem Prozess basieren, den Sie automatisieren wollen. Auch die informellen, die in einer Excel-Tabelle eines bestimmten Mitarbeiters leben. Auch die qualitativen Wahrnehmungen, die im Team-Meeting auftauchen.
Für jeden Report fragen Sie: Welcher Datenpunkt speist diesen Report heute? Wird dieser Datenpunkt nach der Automatisierung noch entstehen?
Wenn nicht: bauen Sie den Datenpunkt explizit in den Workflow ein, bevor Sie live gehen. Es ist deutlich teurer, einen sterbenden Report sechs Monate später zu bemerken und nachzubauen, als ihn von Anfang an mitzubedenken.
Diese Liste ist die wichtigste Vorbereitung neben den eigentlichen Workflow-Tests. Sie verhindert, dass Sie sechs Monate nach Go-Live in einer Management-Runde sitzen und sich fragen, warum die Zahlen so sind, wie sie sind.
Der eigentliche Punkt
Automatisierung ersetzt nicht nur Aktivität. Sie ersetzt auch die Datenströme, die diese Aktivität erzeugt hat. Wer das nicht mitbedenkt, gewinnt Effizienz und verliert Steuerbarkeit.
Reports, die nicht mehr funktionieren, sind nicht das Symptom dafür, dass die Automatisierung nicht funktioniert. Sie sind das Symptom dafür, dass die Datenmodellierung nicht mit-automatisiert wurde. Das ist ein Schritt, den die meisten überspringen, weil er nicht direkt zur Funktionalität gehört.
In meiner Erfahrung dauert es im Schnitt vier bis sechs Monate, bis das Management bemerkt, dass etwas nicht mehr stimmt. Bis dahin sind die Daten kaputt, das Vertrauen in die Reports erschüttert, und der Aufwand für die Reparatur deutlich höher als die ursprüngliche Vorbereitung gekostet hätte.
Wer wissen möchte, welche Reports und Sichtbarkeiten in den eigenen Automatisierungen schon gestorben sind oder demnächst sterben werden, bekommt im kostenlosen Automations-Check in etwa 30 Minuten ein klares Bild.