KI ohne Governance skaliert Chaos 

Selten war der Abstand zwischen Investition und Wirkung in der IT so gross wie heute. Unternehmen geben Millionen für LLMs, Copilots, Agentensysteme und Automatisierungsplattformen aus und trotzdem bleiben die Effekte oft mager.

Pilotprojekte verpuffen, Use Cases skalieren nicht, und am Ende steht die Frage: Wo ist der ROI? Die Antwort ist unbequem, aber klar das eigentliche Problem ist selten technologischer Natur. Es ist ein Governance-Problem.

KI verändert nicht Software sie verändert Entscheidungen

Solange künstliche Intelligenz Texte zusammenfasst oder Bilder generiert, ist sie Werkzeug. Spannend, aber überschaubar. Sobald KI jedoch beginnt, Vorgänge zu priorisieren, Risiken zu bewerten, Entscheidungen vorzubereiten oder Prozesse autonom auszuführen, verschiebt sich die Rolle grundlegend. Aus dem Werkzeug wird ein Akteur  einer, der mitentscheidet, oft ohne, dass jemand im Detail nachvollziehen kann, warum.

Damit drängt sich genau eine Frage auf: Wer kontrolliert die Entscheidungslogik? Wer ist verantwortlich, wenn ein Modell einen Antrag ablehnt, einen Kunden falsch einstuft oder einen Workflow eskaliert? In klassischen Software-Stacks ist diese Frage trivial. In agentischen, KI-gesteuerten Systemen wird sie schnell existenziell vor allem in regulierten Branchen.

Das Problem

Warum klassische KI-Projekte scheitern

Die meisten AI-Initiativen starten lokal: ein Chatbot im Service, ein Copilot in der Entwicklung, eine isolierte Automatisierung im Backoffice. Das funktioniert kurzfristig, schafft punktuelle Effizienz und sieht in jeder Demo gut aus. Was fehlt, ist die strukturelle Einbettung in die Prozess- und Entscheidungsarchitektur des Unternehmens.

Ohne diese Einbettung entstehen typische Muster, die sich quer durch Branchen wiederholen:

Das Resultat: KI beschleunigt nicht nur gute Entscheidungen, sondern auch schlechte und zwar in einer Geschwindigkeit, mit der klassische Kontrollmechanismen nicht mithalten.

Die Lösung

AI Governance Architecture

Die Antwort auf dieses Problem ist keine weitere KI-Plattform. Sie ist ein Architekturansatz, der KI nicht neben, sondern in der Prozesslandschaft verankert. Bei ONLU.CH bauen wir AI-native Prozessarchitekturen auf Basis von BPMN, DMN, Camunda und dem Camunda-Fork CIB seven  ergänzt um AI-Services und Enterprise-Integrationen.

Der Gedanke dahinter ist einfach: Wenn eine KI-Komponente eine Entscheidung trifft, dann ist diese Entscheidung selbst ein Prozessschritt  mit Eingangsdaten, Verantwortlichkeit, Eskalationspfad und Audit-Spur. Genau das modelliert BPMN. Genau das erzwingt DMN. Und genau das führt eine produktionsreife Workflow-Engine wie CIB seven aus.

BPMN als Steuerungsschicht der KI-Transformation

BPMN wird in vielen Unternehmen noch immer als reine Modellierungssprache verstanden  ein hübsches Diagramm, das ein Business-Analyst zeichnet, bevor die Entwickler etwas „Richtiges“ bauen. Dieses Verständnis ist überholt. Im KI-Zeitalter wird BPMN zur Steuerungsschicht, auf der sich Mensch, Modell und System orchestrieren lassen.

Mit BPMN lassen sich Verantwortlichkeiten klar definieren, Eskalationen steuern, Human Approvals integrieren, KI-Entscheidungen dokumentieren und Compliance technisch erzwingen  statt nur in Policies zu beschreiben. Audit Trails entstehen nicht nachträglich, sondern als Nebenprodukt der Ausführung. Das macht den Unterschied zwischen einem KI-Prototyp und einem produktionsreifen System.

Camunda und CIB seven als Fundament

Technologisch setzen wir bei ONLU.CH auf Camunda und vor allem auf CIB seven den Open-Source-Fork von Camunda 7, der nach dem strategischen Wechsel von Camunda zur Cloud-Plattform für viele Unternehmen zum natürlichen Migrationspfad geworden ist.

CIB seven bringt drei Eigenschaften mit, die in regulierten Industrien selten gemeinsam zu haben sind:

Für Schweizer Banken und Versicherungen ist die Möglichkeit, die Engine on-premise oder in souveräner Cloud zu betreiben, längst kein Detail mehr sondern strategische Voraussetzung.

Human-in-the-Loop statt Blind Automation

Wir glauben nicht an „AI replaces humans“. Wir glauben an Entscheidungsarchitekturen, in denen KI und Mensch klar definierte Rollen haben. Die KI analysiert, priorisiert und empfiehlt. Der Mensch validiert dort, wo Tragweite, Regulierung oder Ambiguität es verlangen. Die Governance-Schicht kontrolliert, dass beide Rollen ihrem Mandat folgen — und die BPMN-Engine dokumentiert lückenlos, wer wann was entschieden hat.

Das Resultat sind Systeme, denen Fachbereich, Risk und Audit gleichermassen vertrauen können: sichere AI-Workflows, nachvollziehbare Entscheidungen, kontrollierte Automatisierung und regulatorische Sicherheit, die nicht erst nach Vorfällen nachgereicht wird.

AI-Orchestration statt AI-Chaos

Die Zukunft der Unternehmens-KI liegt nicht in einzelnen Modellen, sondern in orchestrierten Entscheidungsprozessen. Ein realistischer End-to-End-Flow sieht in der Praxis selten nach „ein LLM beantwortet alles“ aus. Er sieht eher so aus:

Besonders relevant für regulierte Industrien

Der Ansatz adressiert besonders jene Branchen, in denen „AI-first“ allein nicht reicht:

Hier reicht es nicht, dass ein Modell gute Antworten liefert. Es muss belegbar sein, warum es genau diese Antwort gegeben hat — und unter welchen Bedingungen es das nächste Mal anders entscheiden würde.

Compliance-by-Design statt Compliance-as-Cleanup.

Genau das liefert die Kombination aus BPMN, DMN, Camunda/CIB seven und integrierten AI Services.

Der zentrale Gedanke

KI-Transformation ist kein Tool-Thema. Sie ist eine Architekturentscheidung.

Wer KI ohne Governance einführt, skaliert nicht nur Geschwindigkeit, sondern auch Risiken. Wer hingegen Prozessarchitektur, Entscheidungslogik und KI in einem konsistenten Modell zusammenführt, baut sich einen strukturellen Vorteil — einen, der sich nicht über Nacht kopieren lässt.