Zum Inhalt springen

Glossar

Glossar: Die wichtigsten Begriffe rund um AI-Automation

Kurzdefinitionen für Teams, die AI-Automation bewerten, einführen oder weiterentwickeln — als gemeinsame Gesprächsbasis.

Letzte Aktualisierung: 18.11.2026

Process Mining

Analyse realer Event-Logs, um Varianten, Engpässe und Automatisierungspotenziale in End-to-End-Prozessen sichtbar zu machen. Dient als evidenzbasierte Grundlage, bevor Automatisierung ausgerollt wird.

Kognitive RPA

Automatisierung, die neben Regeln auch Kontext aus Dokumenten und Ausnahmen verarbeitet und dadurch robustere Entscheidungen in variablen Prozessen ermöglicht. Erweitert klassische RPA um Kontextverständnis und steuerbare Entscheidungslogik.

RAG-Copilot

KI-Assistent, der Antworten aus freigegebenen Unternehmensquellen ableitet und dabei den Quellenbezug transparent ausweist. Der Nutzer kann nachprüfen, woher eine Aussage stammt.

Human-in-the-Loop (HITL)

Kontrollmechanismus, bei dem kritische Aktionen erst nach menschlicher Freigabe ausgeführt werden. Kein Rückschritt, sondern ein Qualitätsmerkmal, das Automatisierung und Verantwortung verbindet.

Audit Trail

Lückenlose Dokumentation relevanter Prozess- und Entscheidungsereignisse für Nachvollziehbarkeit, Qualitätssicherung und Compliance. Geht über reine Prozessprotokollierung hinaus und umfasst auch Entscheidungsgründe und Quellenbezüge.

Fail-Closed

Architekturprinzip, bei dem ein System im Fehlerfall in einen sicheren Zustand übergeht, anstatt unkontrolliert weiterzulaufen. Kritisch für regulierte Umgebungen, in denen unkontrollierte Automatisierung ein Risiko darstellt.

Governance-Layer

Übergreifende Kontrollschicht, die Rollenrechte, Freigabepfade, Eskalationslogik und Auditierbarkeit auf Entscheidungsebene zusammenführt. Nicht nachträglich aufgesetzt, sondern als Architekturprinzip eingebaut.

Dokumentenintelligenz

OCR- und NLP-gestützte Verarbeitung von Rechnungen, Verträgen und regulatorischen Dokumenten, einschließlich Klassifikation, Extraktion und Einschleusung in bestehende Workflows.

Proof of Value (PoV)

Validierungsphase, in der ein abgegrenzter Pilotprozess unter realen Bedingungen automatisiert wird, um belastbare KPI-Effekte zu messen — nicht nur technische Machbarkeit, sondern operativen Nutzen.

ALCOA+

Datenintegritätsprinzip aus dem GxP-Umfeld. Steht für: Attributable, Legible, Contemporaneous, Original, Accurate — erweitert um Complete, Consistent, Enduring, Available. Leitlinie für belastbare Dokumentation in regulierten Prozessen.

Eskalationslogik

Definierte Regeln, die bestimmen, wann ein automatisierter Prozess an einen Menschen übergeben wird — basierend auf Schwellwerten, Konfidenz oder fachlichen Ausnahmekriterien.

Time-to-Value

Zeitspanne vom Projektstart bis zum messbaren operativen Nutzen. In regulierten Umgebungen hängt sie weniger von der Technologie als von Prozessklarheit, Datenqualität und Governance-Aufbau ab.

DIN/TS 92004

Technische Spezifikation des DIN (2024): „Künstliche Intelligenz – Qualitätsanforderungen und -prozesse – Risikoidentifikation und -analyse für KI-Systeme über den gesamten Lebenszyklus“. Strukturiertes Vorgehen, um Risiken eines KI-Systems von der Konzeption bis zum Betrieb zu identifizieren und zu analysieren; ergänzt DIN SPEC 92001-3 (Erklärbarkeit).

ISO/IEC 42001

Internationale Norm (2023) für KI-Managementsysteme (AIMS). Legt Anforderungen an Richtlinien, Rollen, Risikobewertung, Folgenabschätzung, Lieferantensteuerung und kontinuierliche Verbesserung beim Einsatz von KI fest und ist zertifizierbar – analog zu ISO 9001 und ISO/IEC 27001.

Digital Omnibus (KI)

Änderungsverordnung (EU) 2026/1744, in Kraft seit 27. Juli 2026, die den EU AI Act anpasst: Hochrisiko-Pflichten nach Anhang III gelten ab 2. Dezember 2027, nach Anhang I ab 2. August 2028. Transparenzpflichten (Art. 50) und KI-Kompetenz (Art. 4) bleiben bestehen; Art. 4 wurde zu „Maßnahmen zur Förderung“ abgeschwächt.

Zurück zu Insights Analyse-Call vereinbaren