Deep Dive Jun 25, 2026

Low-Code & KI: Wenn Automatisierung anfängt, mitzudenken Low-Code and AI: When Automation Starts to Think

Low-Code und KI wachsen zusammen. AI Builder, Copilot Studio und KI-Agenten verändern alles, und du brauchst dafür keinen Data Scientist. AI and low-code are converging. What this means for automation, and what you can build with Azure AI and Power Platform today.

#ki#azure-ai#power-automate#automatisierung

von by Felix Tischler

Low-Code & KI: Wenn Automatisierung anfängt, mitzudenken

Das Problem: Dein Flow ist perfekt, solange alles nach Plan läuft. Aber wenn eine Rechnung ungewöhnliche Werte hat, ein Kunde unstrukturierten Text schreibt oder ein Prozess einen unerwarteten Fall trifft: der Flow scheitert lautlos. Was fehlt, ist Intelligenz.

Die neue Stufe der Automatisierung

Früher: Wenn A, dann B, fest programmierter Ablauf. Heute: Wenn A, was ist dann wahrscheinlich B?, KI-gestützte Entscheidung.

Low-Code + KI bedeutet: Menschen ohne Programmierkenntnisse können leistungsfähige KI-Modelle in ihre Anwendungen integrieren, schnell, visuell und mit konkretem Nutzen.

Die Demokratisierung von KI ist der nächste logische Schritt der Low-Code-Bewegung.

Von reaktiv zu intelligent: Was sich verändert

Klassischer Flow	KI-erweiterter Flow
Reagiert auf definierte Ereignisse	Reagiert auf + antizipiert Ereignisse
Folgt starren Wenn-Dann-Regeln	Arbeitet mit Wahrscheinlichkeiten
Kennt nur vordefinierte Pfade	Kann unerwartete Situationen handhaben
Beschränkt auf strukturierte Daten	Verarbeitet Text, Bilder, Sprache

Typische KI-Einsatzszenarien in Low-Code

mindmap
 root[" KI in Low-Code"]
 Dokumente
 Rechnungen verarbeiten
 Verträge auslesen
 Formulare extrahieren
 Texte
 Zusammenfassen
 Übersetzen
 Klassifizieren
 Bilder
 Objekte erkennen
 Texte aus Bildern lesen
 Produktfotos auswerten
 Vorhersagen
 Ausfallwahrscheinlichkeit
 Verkaufschancen
 Risikoabschätzung
 Sprache
 Sprachbots
 Transkription
 Sentiment-Analyse

AI Builder: Eigene KI ohne Data Scientist

Microsofts AI Builder ermöglicht das Training eigener Modelle auf Basis von Excel- oder SharePoint-Daten. Keine Machine-Learning-Kenntnisse notwendig.

Modelltyp	Was es kann	Anwendungsbeispiel
Formularverarbeitung	Felder aus PDFs/Scans extrahieren	Rechnungseingang automatisieren
Objekterkennung	Produkte in Bildern identifizieren	Qualitätskontrolle im Lager
Textklassifizierung	Texte kategorisieren	Support-Tickets priorisieren
Vorhersagemodell	Wahrscheinlichkeiten berechnen	Churn-Risiko im CRM
Sentiment-Analyse	Stimmung in Texten erkennen	Kundenfeedback auswerten

Copilot: KI als Assistent beim Bauen

Microsoft hat KI direkt in die Entwicklungsumgebung integriert. Mit Copilot in Power Automate kannst du in natürlicher Sprache beschreiben, was du willst:

„Erstelle einen Flow, der täglich alle Aufgaben in meiner To-Do-Liste prüft und mir eine E-Mail sendet, wenn Aufgaben überfällig sind.”

→ Copilot generiert daraus einen funktionsfähigen Entwurf.

Copilot erfindet keine Magie. Er übersetzt Absichten in Flow-Strukturen. Prüfe das Ergebnis immer, Copilot ist Assistent, kein Ersatz für Prozessverständnis.

Copilot Studio: Konversationelle KI ohne Code

Copilot Studio (ehemals Power Virtual Agents) ist Microsofts Plattform für KI-Agenten und Chatbots. Citizen Developer können damit:

Chatbots und Sprachassistenten ohne Programmierung erstellen
Wissensdatenbanken (SharePoint, Webseiten, Dateien) als Basis für generative Antworten nutzen (RAG)
Agenten mit Werkzeugnutzung konfigurieren: Der Agent ruft selbständig Konnektoren und Flows auf
Den Agenten in Teams, Web, E-Mail oder eigene Apps einbetten

KI-Agenten: Das nächste Level

Der wichtigste Paradigmenwechsel seit 2024: KI-Agenten, Systeme, die nicht nur reagieren, sondern selbständig handeln.

graph LR
 subgraph Klassisch[" Klassischer Flow"]
 C1["A"] --> C2["B"] --> C3["C"]
 end
 subgraph Agent[" KI-Agent"]
 G["Ziel empfangen"] --> W["Werkzeuge\nwählen"]
 W --> E["Ausführen"]
 E --> P{"Ziel\nerreicht?"}
 P -->|Nein| W
 P -->|Ja| D["Abgeschlossen"]
 end
 style Klassisch fill:#f3e8ff,stroke:#a855f7
 style Agent fill:#dcfce7,stroke:#22c55e

Was ein KI-Agent kann:

Ziele verfolgen, statt nur Befehle ausführen
Werkzeuge selbständig wählen (API, Datenbank, weiterer Agent)
Mehrstufige Aufgaben ohne Zwischeninteraktion abschließen
Unerwartete Situationen durch LLM-Reasoning handhaben

Praxisbeispiel: Ein Agent erhält die Aufgabe „Qualifiziere neu eingegangene Leads und sende personalisierte Follow-up-Mails”, und erledigt dies vollständig autonom: CRM-Lookup → Segmentierung → Texterstellung → Versand.

Beispiel: Genehmigung mit Risikoabschätzung

Power Automate Flow + KI-Erweiterung:

Urlaubsantrag trifft ein
KI analysiert: Wann wurden bisherige Anträge dieser Person genehmigt?
KI erkennt: Hochphase des Teams → Risiko Unterbesetzung
Flow ergänzt automatisch einen Hinweis für die Führungskraft
Entscheidung bleibt menschlich, wird aber fundierter getroffen

Risiken und Verantwortung

Risiko	Umgang damit
Falsche Vorhersagen	KI liefert Wahrscheinlichkeiten, keine Fakten, immer prüfen
Datenbasis-Bias	War das Trainingsmodell fair? Repräsentative Daten?
Autonome Entscheidungen	Klare Grenzen: Was darf der Agent selbst entscheiden?
Nachvollziehbarkeit	Jede Agenten-Aktion muss auditierbar sein

KI-Agenten ohne Governance sind kein Fortschritt, sie sind ein Risiko. Klare Kompetenzgrenzen, Audit-Mechanismen und menschliche Kontrollpunkte sind Pflicht.

Fazit: Low-Code wird intelligenter, du auch

„Low-Code bringt den Prozess zum Laufen. KI bringt ihm bei, mitzudenken.”

Die Fähigkeit, KI-Werkzeuge sinnvoll in Prozesse zu integrieren, wird zur Kernkompetenz im digitalen Arbeitsalltag. Du brauchst dafür keine Data-Science-Ausbildung. Du brauchst: Prozessverständnis + die richtigen Tools + kritisches Denken gegenüber KI-Ausgaben.