Der Exception-Pfad: Die fehlende Architektur in der Business-Automatisierung

Die meisten Workflow-Diagramme sind optimistisch. Sie zeigen den Happy Path: Ein Trigger trifft ein, Software verarbeitet ihn, eine Entscheidung wird getroffen und die Aufgabe läuft weiter.

Echte Unternehmen funktionieren nicht nach dem Happy Path.

Dokumente fehlen. Kunden ändern ihre Meinung. Daten widersprechen sich. APIs fallen aus. Freigebende sind nicht verfügbar. Die AI-Sicherheit sinkt. Ein Lieferant schickt die falsche Version. Ein Fall wird sensibel. Eine Frist ändert sich.

Die Qualität eines Automatisierungssystems wird oft weniger daran gemessen, wie schnell es normale Arbeit erledigt, sondern daran, wie intelligent es mit Ausnahmen umgeht.

Was ist ein Exception-Pfad?

Ein Exception-Pfad ist der vorgesehene Ablauf, dem ein Workflow folgt, wenn die normalen Bedingungen nicht erfüllt sind.

Er beantwortet Fragen wie:

• Was passiert, wenn die erforderlichen Belege fehlen?
• Wer ist für den Fall verantwortlich, wenn die Automatisierung nicht fortfahren kann?
• Kann das System sicher erneut versuchen?
• Was soll der Nutzer sehen, während der Fall blockiert ist?
• Welche Informationen erhält die menschliche Prüfung?
• Wie kehrt der Workflow nach der Lösung auf den Hauptpfad zurück?

Ohne diese Antworten wird Automatisierung zu einer Ansammlung von Skripten statt zu einem Betriebssystem.

Warum Exception-Design mit AI wichtiger ist

Klassische Automatisierung scheitert meist auf sichtbare Weise: Eine Regel passt nicht, ein Feld ist leer oder eine API gibt einen Fehler zurück.

AI führt weichere Fehlermodi ein. Das System kann eine plausible Antwort erzeugen, obwohl die Belege unvollständig sind, eine mehrdeutige Anfrage falsch interpretieren oder mit zu viel Sicherheit handeln.

Das bedeutet, dass agentische Workflows klare Grenzen für Sicherheit, Berechtigungen, Belege und menschliche Autorität brauchen.

Das Ziel ist nicht, Ausnahmen zu beseitigen. Es ist, sie sichtbar, verantwortet und wiederherstellbar zu machen.

Fünf Ausnahme-Klassen, für die man designen sollte

1. Fehlende Informationen

Der Workflow kann nicht fortfahren, weil erforderliche Daten, Dokumente oder Freigaben fehlen. Das System sollte genau erkennen, was fehlt, es von der richtigen Person anfordern und einen klaren Wartestatus beibehalten.

2. Widersprüchliche Belege

Zwei Quellen widersprechen sich. Statt stillschweigend eine auszuwählen, sollte der Workflow den Konflikt sichtbar machen, die Quellen anzeigen und die Entscheidung an den richtigen Verantwortlichen weiterleiten.

3. AI-Entscheidungen mit geringer Sicherheit

Wenn AI klassifiziert, extrahiert, empfiehlt oder weiterleitet, definieren Sie Schwellenwerte, die das Systemverhalten ändern. Arbeit mit hoher Sicherheit darf automatisch fortfahren; Arbeit mit mittlerer Sicherheit kann eine Bestätigung erfordern; Arbeit mit niedriger Sicherheit sollte eskaliert werden.

4. System- und Integrationsausfall

APIs laufen in Timeouts, Authentifizierung läuft ab und Drittanbietersysteme sind nicht verfügbar. Blindes Wiederholen kann doppelte Aktionen erzeugen. Ein produktiver Workflow braucht Idempotenz, Wiederholungsgrenzen, Fehlerzustände und Abgleich.

5. Richtlinien- oder Berechtigungsgrenzen

Einige Aktionen sollten niemals automatisch ausgeführt werden. Finanzfreigaben, sensible Kundenentscheidungen, rechtliche Schlussfolgerungen, destruktive Aktionen und bestimmte externe Kommunikationen erfordern möglicherweise explizite menschliche Autorität.

Der Trust Center von ASTACKRA erklärt die Betriebsprinzipien, die wir rund um Zugriff, menschliche Autorität, Beobachtbarkeit und Wiederherstellung nutzen.

Entwerfen Sie die Übergabe, nicht nur die Benachrichtigung

Ein schwaches Ausnahme-System sendet eine Benachrichtigung mit dem Inhalt „etwas ist schiefgelaufen“. Ein nützliches System gibt dem nächsten Verantwortlichen alles, was zur Lösung des Problems nötig ist.

Eine gute Übergabe umfasst:

• was passiert ist
• warum der Workflow gestoppt wurde
• die relevanten Belege
• die bisherigen Schritte
• die benötigte Entscheidung
• die Frist oder geschäftliche Auswirkung
• einen direkten Weg zur Lösung und zum Fortsetzen

Das reduziert die kognitive Belastung für Mitarbeitende und verhindert, dass Ausnahmen zu unsichtbaren Warteschlangen werden.

Ausnahmen sollten zu Daten werden

Jede Ausnahme ist auch ein Produktsignal.

Wenn immer wieder dasselbe Dokument fehlt, verbessern Sie den Intake. Wenn eine Integration oft ausfällt, härten Sie sie ab. Wenn Menschen eine bestimmte AI-Empfehlung ständig übersteuern, überprüfen Sie den Prompt, das Modell, die Regel oder den Belegsatz. Wenn eine Freigabestufe regelmäßig Verzögerungen verursacht, überdenken Sie die Verantwortlichkeit.

Mit der Zeit zeigen Ausnahmedaten, wo das Betriebsmodell selbst verbessert werden muss.

Ein praktischer Workflow-Test

Bevor Sie irgendeinen Prozess automatisieren, zeichnen Sie den Happy Path auf und fragen Sie dann:

• Was sind die zehn wahrscheinlichsten Gründe, warum dieser Pfad bricht?
• Welche Fehler kann man gefahrlos erneut versuchen?
• Welche erfordern einen Menschen?
• Welche Belege müssen angezeigt werden?
• Woran erkennt der Nutzer den aktuellen Status?
• Wie wird der Workflow fortgesetzt?

Wenn diese Antworten fehlen, ist die Automatisierung noch nicht produktionsreif.

Von Anfang an auf Wiederherstellung bauen

Zuverlässige Automatisierung ist keine gerade Linie. Sie ist ein kontrolliertes System mit klaren Zuständen, Verantwortlichkeiten und Wiederherstellungswegen.

Entdecken Sie Project Risk Radar, Architecture Library und ASTACKRA Automation für mehr praxisnahes Denken im Systemdesign. Wenn Sie einen individuellen Workflow planen, nutzen Sie den Project Planner, um das Problem vor der Entwicklung zu strukturieren.