Wie Systeme über Schnittstellen miteinander kommunizieren. Und was Unternehmen und KI ausbremst

Da nicht davon auszugehen ist, dass sich Tempo und Dynamik in den kommenden Jahren verringern werden, stellt sich für viele Unternehmen eine zentrale Frage: „Können wir uns schnell genug an neue Anforderungen anpassen?“

Fakt ist: Künstliche Intelligenz verändert Geschäftsprozesse. Neue Anwendungen müssen in bestehende Systemlandschaften integriert werden. Gleichzeitig steigt der Druck, Prozesse effizienter zu gestalten und vorhandenes Wissen besser nutzbar zu machen. Nicht zuletzt erwarten auch Kunden harmonische personalisierte digitale Erlebnisse.

Genau hier entscheidet sich zunehmend

• welche Organisationen von Digitalisierung und KI profitieren,
• welche dauerhaft hinter ihren Möglichkeiten zurückbleiben und
• welche die Fähigkeit haben, Informationen systemübergreifend verfügbar zu machen.

Viele Unternehmen verfügen heute über unterschiedliche Systeme für Vertrieb, Kundenmanagement, Warenwirtschaft, Service oder Marketing. Dennoch entstehen im Alltag häufig Informationslücken, die durch manuelle Prozesse überbrückt werden müssen. Der Grund liegt selten in den Anwendungen selbst. Viel häufiger fehlt die Verbindung zwischen ihnen. 

Lesen Sie in unserem Beitrag, wie die Kommunikation zwischen Systemen funktioniert, wie unterschiedliche Schnittstellen orchestriert werden und was genau diese Implementierung für Mensch und KI bedeutet. 

Die Bedeutung von Schnittstellen – für Mensch und KI

Halten wir fest: Ohne leistungsfähige Schnittstellen (auch APIs) bleiben Informationen in einzelnen Systemen gefangen. Daten können nicht automatisiert fließen, Prozesse werden unnötig komplex und neue Technologien wie Künstliche Intelligenz stoßen schnell an ihre Grenzen.

Während diese Defizite in der Vergangenheit oft nur zu Effizienzverlusten führten, werden sie künftig zu einem strategischen Wettbewerbsnachteil. Denn moderne KI-Systeme müssen Zusammenhänge ad hoc verstehen, Informationen aus verschiedenen Quellen verknüpfen und auf aktuelle Daten zugreifen können. Sie rufen nicht an, fragen nicht nach und kennen auch nicht den Kollegen, der alles erklären kann!

Unternehmen, deren Systeme nicht miteinander sprechen, erschweren deshalb nicht nur ihren Mitarbeitenden die Arbeit. Sie schaffen gleichzeitig schlechte Voraussetzungen für die erfolgreiche Nutzung von KI-Lösungen, intelligenten Assistenten oder automatisierten Prozessen.

Besonders deutlich zeigt sich dieser Zusammenhang bei Unternehmenswebsites in ihrer Rolle als Interface: Sie ist nicht nur oft der erste Kontaktpunkt mit Kunden, Bewerbern oder Geschäftspartnern. Sie sammelt Anfragen, stellt Informationen bereit, löst Bestellungen aus und dient als Zugang zu digitalen Services.

Trotzdem werden Websites in vielen Unternehmen noch immer weitgehend unabhängig von den übrigen Geschäftssystemen betrieben. Dadurch entsteht eine paradoxe Situation: Die wichtigste digitale Plattform eines Unternehmens verfügt häufig über keinen direkten Zugriff auf die wichtigsten Unternehmensdaten.

In unserem Beitrag „API First: Wie aus Ihrer Website eine zentrale digitale Schnittstelle wird“ haben wir für Sie zusammengefasst, wie moderne Websites mit einer API First Strategie zur zentralen digitalen Schnittstelle zwischen CRM, ERP, Marketing-Automation, Produktdaten und Serviceprozessen werden. Schauen wir nun, wie die Kommunikation zwischen den verschiedenen Anwendungen funktioniert und welche Rolle KI-Agenten dabei spielen.

Die Integrationsschicht – Zentrale Datendrehscheibe für Unternehmenssysteme

Wenig bekannt in den meisten Unternehmen - aber umso beliebter und unerlässlich für Entwicklung und Datenübertragung - ist dabei die Integrationsschicht. Diese technische Ebene zwischen verschiedenen Software-Systemen sorgt dafür, dass Daten, Informationen und Prozesse automatisiert zwischen diesen Systemen ausgetauscht werden können.

Sie verbindet Anwendungen miteinander, übersetzt Datenformate, steuert Abläufe und sorgt dafür, dass Systeme nicht in vielen einzelnen 1:1 Verknüpfungen verbunden werden müssen. 

n8n – ein Produkt der n8n GmbH mit Sitz in Berlin, Deutschland - ist eine solche Automatisierungsplattform: Sie unterstützt Entwickler dabei, KI-Dienste und Unternehmenssoftware miteinander zu verbinden und kann so standardisierte Geschäftsprozesse automatisieren. n8n verbindet dabei nicht nur Online-Anwendungen, sondern kann auch lokale (On-Premises) Systeme, Maschinen und Datenquellen integrieren.

Je mehr Anwendungen und KI-Agenten zum Einsatz kommen, desto relevanter wird diese Orchestrierung. Fehlen Zusammenhänge durch mangelhafte Schnittstellen, kann auch die „klügste“ KI keine sinnvollen Ergebnisse bereitstellen.

Wenn Entwickler heute mit n8n KI-gestützte Prozesse automatisieren, werden meist nicht einzelne KI-Agenten eingesetzt, sondern eine Kombination aus LLMs (Large Language Models), Agent Frameworks und spezialisierten KI-Tools.

Betrachten wir zwei aktuell beliebte und sehr bekannte Lösungen etwas genauer.

Claude + n8n

Claude ist ein generativer KI-Assistent und gehört zur Kategorie der Large Language Models (LLMs). Claude wird von US-amerikanischen Anthropic Konzern entwickelt und betrieben und ist direkter Wettbewerber zu ChatGPT von OpenAI oder Gemini von Google.

Besonders bekannt ist Claude für seine Fähigkeit, sehr große Dokumente und umfangreiche Informationsmengen zu verarbeiten. In Schnittstellenprojekten mit n8n ist Claude besonders beliebt für die Automatisierung von Geschäftsprozessen, wie

• Dokumentenanalyse,
• E-Mail-Verarbeitung,
• Angebots- und Vertragserstellung,
• Kundenservice und
• Wissensmanagement.

Typischer Claude Workflow:

E-Mail → n8n → Claude → CRM → Ticket-System → Angebotserstellung → Benachrichtigung

ChatGPT / GPT-Modelle + n8n

ChatGPT müssen wir als sehr bekannten und beliebten KI-Assistent von OpenAI nicht vorstellen. ChatGPT versteht die natürliche Sprache und reagiert darauf in Form von Text, Analysen, Ideen, Zusammenfassungen oder auch Code.

Die Anwendung basiert auf sogenannten Large Language Models (LLMs) und unterstützt Menschen bei Wissensarbeit, Kommunikation, Recherche, Programmierung und der Automatisierung von Aufgaben.

ChatGPT gehört aufgrund seiner Vielseitigkeit zu den am häufigsten eingesetzten KI-Bausteinen in n8n-Workflows.

Typische Aufgaben sind

• Textgenerierung,
• Klassifizierung,
• Lead-Bewertung,
• Support-Automatisierung,
• Content-Erstellung und
• Datenextraktion. 

Typischer ChatGPT Workflow:

PIM → n8n → ChatGPT → CMS + Newsletter

Zusammengefasst können wir festhalten, dass es für beinahe jeden Anwendungsfall eine KI-gesteuerte Lösung gibt (oder in Kürze geben wird). Dabei denken und analysieren die KIs, während Plattformen wie n8n die Geschäftsprozesse verbinden, steuern und automatisieren. 

Fehlende Automatisierung ist die stille Bremse der Digitalisierung

Stand heute ist die Verbreitung vollständig KI-automatisierter Prozesse in deutschen Unternehmen noch sehr gering. Zwar hat sich der Einsatz einzelner Anwendungen inzwischen etabliert – aber von einer umfassenden Automatisierung sind wir noch weit entfernt. 

Und natürlich muss nicht jeder Prozess automatisiert werden. Viele Unternehmen automatisieren erst dann, wenn die Komplexität, das Datenvolumen oder der Wettbewerbsdruck einen klaren wirtschaftlichen Vorteil erwarten lassen.

Aus Projekterfahrungen, Bitkom-Daten und Marktanalysen lässt sich in etwa folgender Status ableiten:

Es ist also vergleichsweise wahrscheinlich, dass auch in Ihrem Unternehmen Digitalisierung häufig noch mit der Einführung neuer Software gleichgesetzt wird. Sie investieren in moderne Lösungen für Vertrieb, Service, Marketing oder Projektmanagement - steuern aber den Fluss von Informationen nur halbautomatisch über einzelne Schnittstellen.

Warum fehlende Schnittstellen teuer werden (können)

Wenn Mitarbeitende Informationen aus einem System exportieren und in einem anderen System erneut erfassen müssen, wird zwar digital gearbeitet – aber der eigentliche Prozess ist weiterhin manuell.

Diese Reibungsverluste fallen im Tagesgeschäft oft kaum auf. Jede einzelne Aufgabe dauert vielleicht nur wenige Minuten. In Summe entstehen daraus jedoch erhebliche Kosten.

Noch gravierender sind die fehlende Transparenz und Bereitstellung der Daten in Echtzeit. Entscheidungen werden auf Basis unvollständiger Informationen getroffen, weil relevante Daten in anderen Anwendungen liegen. Mitarbeitende verbringen Zeit mit der Suche nach Informationen, anstatt produktiv mit ihnen zu arbeiten.

Gerade deshalb sind (automatisierte) Schnittstellen weit mehr als eine technische Ergänzung. Sie bilden die Grundlage dafür, dass Informationen innerhalb eines Unternehmens überhaupt fließen können.

Die wirtschaftlichen Folgen werden häufig unterschätzt, weil sie selten als einzelnes großes Problem sichtbar werden.

Stattdessen entstehen viele kleine Ineffizienzen wie

• doppelte Datenerfassung,
• manuelle Abstimmungen zwischen Abteilungen,
• fehleranfällige Prozesse,
• widersprüchliche Informationen und
• verzögerte Entscheidungen. 

Problematisch wird dies meist erst, wenn Unternehmen wachsen. Mit jeder zusätzlichen Anwendung steigt die Komplexität der Systemlandschaft. Ohne klare Integrationsstrategie wächst auch der Aufwand für die Datenpflege.

Die strategisch entscheidende Frage lautet also nicht: Welche Systeme nutzen wir? Sie lautet vielmehr: Wie gut arbeiten unsere Systeme zusammen?

Bei Investitionsentscheidungen konzentrieren sich Unternehmen oftmals auf einzelne Anwendungen:

• Welches CRM bietet die meisten Funktionen?
• Welches ERP-System passt am besten zu den eigenen Anforderungen?
• Welches CMS ist besonders flexibel?

Diese Fragen sind zweifellos wichtig. Sie greifen jedoch zu kurz. 

Ein Unternehmen kann über hervorragende Einzellösungen verfügen und trotzdem ineffizient arbeiten. Umgekehrt können gut integrierte Systeme einen erheblichen Wettbewerbsvorteil schaffen, selbst wenn nicht jede einzelne Anwendung Marktführer in ihrem Bereich ist.

Die Qualität der Vernetzung wird zunehmend zu einem entscheidenden Faktor für die Leistungsfähigkeit der gesamten Organisation. Stellen wir uns noch einmal einen n8n-gesteuerten Workflow vor:

1. Ein Kontaktformular mit einer technischen Anfragen wird auf der Website ausgefüllt.
2. Die Anfrage wird nicht direkt per Mail weitergeleitet oder im CRM gespeichert.
3. Stattdessen übernimmt n8n die Daten.
4. ChatGPT erstellt eine erste Analyse der Anfrage.
5. Claude bewertet die technische Komplexität.
6. Nun werden Anfrage und Analyseergebnisse im CRM gespeichert.
7. Eine erste, automatisch personalisierte Feedback E-Mail wird automatisch versendet.
8. Im Kalender des passenden Mitarbeiters wird ein Termin für den Rückruf angelegt. 

Hier verbindet n8n mehrere KI-Systeme und Unternehmensanwendungen zu einem durchgängigen Prozess, der nur wenige Augenblicke dauert. Klingt gut? Finden wir auch!

KI macht das Thema „Schnittstelle“ plötzlich zur Chefsache

Lange Zeit wurden Schnittstellen vor allem als IT-Thema betrachtet. Mit dem Aufkommen moderner KI-Systeme verändert sich diese Perspektive grundlegend. Denn Geschäftsführung, Fachbereiche und Digitalverantwortliche beschäftigen sich aktiv mit Fragen rund um Künstliche Intelligenz. Das Thema ist omnipräsent und die Konsequenzen unübersehbar.

Befassen wir uns daher abschließend mit einer entscheidenden Voraussetzung für funktioniere KI-Automatisierungen: Kontext. Denn jede KI kann nur auf Basis der Informationen arbeiten, die ihr zur Verfügung stehen. 

KI und die Bedeutung von Kontext 

KI benötigt Kontext, um Informationen richtig einzuordnen und fachlich korrekte Entscheidungen zu treffen und  Antworten zu liefern. 

Schauen wir auf ein anschauliches Beispiel: Die Anwendung von Tools wie Claude Code. Claude Code ist ein weiteres Produkt von Anthropic, das komplexe Zusammenhänge analysiert, bestehende Software versteht und Entwickler bei anspruchsvollen Aufgaben unterstützt.

Kurz gesagt: Sein Nutzen steigt direkt mit der Qualität der verfügbaren Informationen.

Wenn Claude Code auf alle Dokumentationen, Datenmodelle, technische Spezifikationen und strukturierte Informationen zugreifen kann, entsteht ein umfassendes Verständnis der Systemlandschaft. 

Diesen Umstand kennen wir auch als Nutzer aus „normalen“ KI-Anfragen bei Claude, ChatGPT oder Google AI: Fehlende Informationen führen zu Wissenslücken, die ggf. mit Vermutungen oder Annahmen gefüllt werden. Dies gilt beispielsweise bei sehr aktuellen Themen, die noch nicht ausreichend dokumentiert sind.

Ein Fallbeispiel: Rabattberechnung im Online-Shop

Ein Entwickler gibt Claude Code Zugriff auf das Repository eines Shopsystems und stellt die Aufgabe:

„Optimiere die Rabattlogik und vereinfache den Code.“

Claude Code analysiert den Code und erkennt:

• mehrere Rabattfunktionen
• scheinbar doppelte Berechnungen
• komplexe Sonderregeln
• historisch gewachsene Bedingungen 

Daraufhin schlägt Claude Code vor:

• redundante Funktionen zu entfernen
• Rabattregeln zusammenzuführen
• den Algorithmus zu vereinfachen 

Technisch sieht das Ergebnis hervorragend aus.

Das Problem

Im Code steht nirgends, dass Großkunden immer einen Sonderrabatt erhalten und bestimmte Produkte von Aktionen ausgeschlossen sind. 

Dieses Wissen existiert nur

• in Meetings,
• in Verträgen,
• in Dokumentationen
• in E-Mails und
• in den Köpfen der Mitarbeiter. 

Claude Code sieht nur den Quellcode, der im Ergebnis sauberer ist . Auch die Performance ist gut. Aber Großkunden erhalten falsche Preise und vertragliche Sonderkonditionen funktionieren nicht mehr.

Reklamationen entstehen, weil Claude Code Unternehmensziele, Verträge, Kundenvereinbarungen und interne Richtlinien nicht kannte. Tatsächlich liegt das Problem hier nicht bei der KI, sondern in der fehlenden Vernetzung der zugrunde liegenden Systeme und Informationen.

Fazit: Schnittstellen werden zur Grundlage der KI-Fähigkeit

Die Diskussion über KI mit all ihren verschiedenen Ausprägungen und Funktionen wird in den kommenden Jahren weiter an Bedeutung gewinnen.

Unternehmen mit gut vernetzten Systemen können KI deutlich schneller, umfassender und erfolgreicher einsetzen. Informationen stehen zentral zur Verfügung, Prozesse lassen sich automatisieren und Zusammenhänge können erkannt werden. Unternehmen mit isolierten Datenbeständen stehen dagegen vor der Herausforderung, zunächst ihre Informationsflüsse zu organisieren.

Gut entwickelte Schnittstellen sorgen dafür, dass Informationen dort verfügbar sind, wo sie benötigt werden. Sie reduzieren manuelle Aufwände, verbessern die Datenqualität und schaffen die Grundlage für skalierbare Prozesse. Sie schaffen die Grundlage für effizientere Prozesse, bessere Entscheidungen und eine zukunftsfähige Nutzung von Künstlicher Intelligenz.

Quellen

n8n GmbH
Claude
OpenAI Platform