Die Legacy-Realität im DACH-Mittelstand
Wenn im Consulting-Raum das Wort „Automatisierung" fällt, landen Diskussionen oft schnell bei modernen Tools mit sauberen APIs, Salesforce, HubSpot, Stripe, Notion. Die Realität in österreichischen und deutschen KMU sieht anders aus.
BMD Systemhaus aus Steyr hat in Österreich einen Marktanteil von rund 80 % bei Steuerberatern und Wirtschaftsprüfern und insgesamt etwa 30.000 Kunden. Hinzu kommen RZL, DATEV, Sage, branchenspezifische Warenwirtschaftssysteme und eine Vielzahl älterer ERP-Installationen, die oft seit 10 bis 20 Jahren in Betrieb sind. Die BMD NTCS zum Beispiel ist primär als On-Premise- oder Terminalserver-Lösung konzipiert. Eine öffentliche REST-API ist nur eingeschränkt verfügbar, tiefere Integrationen erfordern meist direkten Zugriff auf die On-Premise-Installation.
47 % der mittelständischen Unternehmen nennen Wartung und Updates bestehender Systeme als eine ihrer größten IT-Herausforderungen. Bis zu 80 % der IT-Zeit fließen in Legacy-Pflege. In der Fertigung wollen zwei Drittel der Unternehmen ihr ERP ersetzen oder grundlegend erneuern, aber das ist ein Projekt über Jahre, nicht Monate.
Wer in dieser Realität heute automatisieren will, kann nicht auf den großen ERP-Wurf warten. Es braucht Lösungen, die mit dem arbeiten, was da ist.
Was Automatisierung ohne API wirklich bedeutet
Die meisten No-Code-Automatisierungstools (Zapier, Make, Power Automate, aber auch n8n im Standard-Modus) setzen auf APIs der beteiligten Systeme. Ohne API gibt es keine Schnittstelle, und ohne Schnittstelle läuft der klassische Workflow nicht.
Für Systeme ohne API gibt es seit 2024/2025 aber belastbare Alternativen. Ein sauber gebauter Workflow kombiniert heute mehrere Techniken:
Desktop-Automation / RPA
Tools wie UI.Vision RPA (Open Source, Chromium-basiert) oder Robocorp/Robot Framework steuern Desktop-Anwendungen und Browser über Bildkennung, Koordinaten oder DOM-Elemente. Eine Buchung in BMD lässt sich so auch dann automatisieren, wenn kein Call-Interface zur Verfügung steht, das System wird schlicht über die gleiche Benutzeroberfläche bedient wie durch einen Mitarbeiter. Nur eben in Millisekunden, ohne Tippfehler und ohne Aufmerksamkeit.
OCR und LLM-basierte Datenextraktion
Für strukturierte Dokumente (Rechnungen, Lieferscheine, Bestellungen) sind die Erkennungsraten 2026 deutlich besser als noch vor zwei Jahren. Konkrete Benchmark-Zahlen:
- GPT-4o mit vorgelagertem OCR-Layer (Azure Read oder Tesseract): ~98 % Feldgenauigkeit bei Standardrechnungen
- Azure Document Intelligence: ~93 %
- AWS Textract: ~78 % Feldgenauigkeit, 82 % bei Positionen (1 bis 3 Sekunden pro Dokument)
- Tesseract allein: schnell und kostenlos bei sauberem Druck, schwach bei variablen Layouts
Der Konsens 2026: Hybrid-Ansätze (klassisches OCR + LLM-Nachverarbeitung) sind der Produktivstandard. Die Zeichenerkennung übernehmen die klassischen Tools besser und billiger. Das LLM macht die strukturierte Interpretation: „Welches dieser Felder ist der Rechnungsbetrag? Welches die USt? Welches die Kostenstelle?"
E-Mail-Parsing als Universalschnittstelle
Viele Legacy-Systeme kommunizieren ausschließlich per E-Mail, Bestellbestätigungen als PDF-Anhang, Lieferavis als Mail-Text, Stammdatenänderungen als Excel-Export. Ein intelligenter E-Mail-Eingang mit LLM-Parser ersetzt den klassischen IDP-Tool-Aufwand oft zu einem Bruchteil der Kosten.
Warum Make und Zapier nicht die Antwort sind
Make (früher Integromat, jetzt Celonis) und Zapier sind hervorragende Tools. Sie funktionieren, sind stabil, bieten hunderte von Integrationen. Für bestimmte Szenarien sind sie auch für KMU die richtige Wahl.
Aber es gibt zwei harte Punkte, die gegen sie sprechen, besonders für datensensible KMU:
Datenhoheit
Zapier verarbeitet Daten auf AWS-Servern in den USA. Ein Data Processing Agreement ist vorhanden, eine DPF-Zertifizierung liegt vor. Aber US-Recht (FISA 702, CLOUD Act) bleibt auf die Daten anwendbar. Die offizielle Empfehlung, auch der deutschen Datenschutzaufsichten, ist, keine sensiblen personenbezogenen Daten durch diese Plattformen zu schleusen.
Make hat seinen Sitz in Prag und bietet EU-Data-Residency, etwas besser, aber immer noch eine Cloud-Plattform eines Dritten. Eine EuG-Entscheidung vom 3. September 2025 hat das EU-US Data Privacy Framework zwar vorläufig bestätigt, aber der EuGH-Review ist angekündigt. Der Abbau des US Privacy and Civil Liberties Oversight Board (PCLOB) Anfang 2025 hat die Redress-Mechanismen geschwächt, auf denen die Adäquanz beruht. „Schrems III" gilt als realistisches Szenario.
Vendor-Lock-in
Ein in Make gebauter Workflow ist ein Make-Workflow. Er läuft nicht irgendwo anders. Wer nach zwei Jahren aus dem Abo aussteigen will, muss neu bauen. Die in den Connectors und Szenarien gespeicherte Konfiguration ist nicht portabel.
Warum n8n die saubere Alternative ist
n8n hat sich 2025/2026 als ernstzunehmende Alternative etabliert. Die Zahlen:
- Rund 184.000 GitHub-Stars (Top-50 weltweit)
- Mehr als 100 Millionen Docker-Pulls
- Über 230.000 aktive Nutzer weltweit (Ende 2025)
- 40 Millionen US-Dollar ARR (Juli 2025)
- 3.000+ Enterprise-Kunden
- Serie-C-Finanzierung von 180 Millionen US-Dollar bei einer Bewertung von 2,5 Milliarden US-Dollar (Oktober 2025)
- Hauptsitz in Berlin, EU-Unternehmen, wichtig für DACH-Datenschutz
Die Lizenz (Sustainable Use License) ist eine Fair-Code-Lizenz. Sie ist nicht strikt OSI-konform, erlaubt aber das Self-Hosting für interne Nutzung kostenlos. Es gibt über 400 Integrationen, native AI- und LangChain-Nodes sowie Unterstützung für Self-hosted LLMs.
Der zentrale Vorteil gegenüber Zapier und Make: Datensouveränität. Bei Self-Hosting verlassen die Daten die eigene Infrastruktur nie. Die Workflows, die Zugangsdaten und die Konfiguration liegen auf Ihrem Server. Bei Kündigung einer externen Betreuung, Sie haben keine.
Wo n8n an Grenzen kommt
Ehrlich: n8n ist kein Wundermittel.
- Die UI-Komplexität ist für Einsteiger höher als bei Make oder Zapier. Für Unternehmen ohne jede IT-Erfahrung kann das eine Lernkurve sein.
- Für einfache Standardfälle (zwei SaaS-Tools miteinander verbinden) ist Zapier oft schneller aufgesetzt.
- Self-Hosting braucht Infrastruktur, entweder auf einem eigenen Server oder in einem gemanageten Hosting. Für KMU ohne IT-Abteilung gibt es Managed-n8n-Anbieter (n8n Cloud mit EU-Option), aber dann fällt der Datenhoheits-Vorteil teilweise weg.
Für ein KMU, das einmal richtig automatisieren und die Lösung dann selbst besitzen will, ist n8n trotzdem der bessere Ausgangspunkt.
ROI-Zahlen, die sich 2026 belegen lassen
Bei konkreten Use Cases, insbesondere bei Rechnungseingang, sind die Zahlen belastbar:
- Bearbeitungszeit pro Beleg: von 10 auf 2 Minuten (etwa 80 % Zeitersparnis)
- Fehlerquote: von 7,5 % auf unter 1 %
- Allgemeine Zeitersparnis bei automatisierten Routineaufgaben: 30 bis 70 %
- Produktivitätssteigerung: +30 bis 50 %
- Kostensenkung: , 20 bis 35 %
- ROI: 200 bis 500 %, Amortisation oft in 8 bis 16 Wochen
- Break-Even: typisch 6 bis 12 Monate
Initialkosten für ein mittelständisch sinnvolles Setup liegen in der Größenordnung von 3.000 bis 10.000 EUR einmalig, plus 100 bis 300 EUR pro Monat laufend für Hosting, LLM-API-Kosten und gegebenenfalls OCR-Services. Bei sinnvollen Use Cases zahlt sich das schnell aus.
Die fünf Use Cases, die am häufigsten Sinn ergeben
1. Rechnungseingang
Mail-Postfach → OCR-Extraktion → LLM-Strukturierung → Buchungsvorschlag → Import in BMD/RZL. Ein Beleg wird nicht mehr manuell abgetippt. Er wird nur noch geprüft. Der häufigste KMU-Usecase mit dem klarsten ROI.
2. E-Mail-Sortierung und Routing
Eingehende Mails werden automatisch kategorisiert (Angebotsanfrage, Rechnung, Support, Spam, persönlich), priorisiert und an die richtige Person oder das richtige System weitergeleitet. Durchschnittliche Einsparung: 3 bis 6 Stunden pro Woche pro Team.
3. Angebotsprozess
CRM-Daten + Textbausteine + Preiskalkulation → strukturiertes Angebot als PDF. Für Dienstleister, die regelmäßig Angebote schreiben, sind 5 Stunden pro Woche realistisch.
4. Lieferavis- und Bestellparsing
EDI- oder PDF-Dokumente von Lieferanten werden automatisch erkannt, Abweichungen markiert, korrekte Einträge im ERP angelegt. Besonders wertvoll bei Firmen mit vielen kleinen Lieferungen und häufigen Stammdaten-Änderungen.
5. Stammdaten-Synchronisation
CRM, ERP und Buchhaltung haben oft die gleichen Kundendaten in drei verschiedenen Versionen. Ein sauber gebauter Sync-Workflow eliminiert die Doppelpflege und die daraus resultierenden Fehler.
Die vier häufigsten Bruchstellen in n8n-Workflows
Wer ein Setup sauber bauen will, sollte die typischen Fehler kennen:
API-Rate-Limits (HTTP 429): Fast jede externe API hat Limits. Workflows müssen das mit Retry-Logik und exponential backoff abfangen, sonst fallen sie unter Last aus.
Credential-Drift: Beim Export und Import von Workflows zwischen Umgebungen gehen Zugangsdaten und Umgebungsvariablen oft verloren oder werden durcheinander. Saubere Dokumentation ist Pflicht.
Memory-Exhaustion: Komplexe Loops über große Datensätze ohne Batching oder Pagination führen zu Speicher-Überlauf. Best Practice: mit splitInBatches arbeiten und zwischendurch persistieren.
Stille Fehler: Ein in der Community dokumentierter Fall: Ein DataForSEO-Workflow war 11 Tage lang kaputt, aber weil kein globaler Error-Trigger gesetzt war, bemerkte es niemand. Empfehlung: Drei-Schichten-Fehlerbehandlung (Node-Retry auf Operationsebene, globaler Error-Workflow als Sicherheitsnetz, zentrales Logging).
Was ein belastbares Setup konkret liefert
Ein sauber aufgesetztes Automatisierungs-Paket umfasst:
- Prozessanalyse: Welche manuellen Abläufe kosten am meisten Zeit? Wo passieren die meisten Fehler? Zuerst automatisiert wird der größte Hebel. Der technisch eleganteste Fall kommt später.
- Workflow-Bau auf der eigenen n8n-Instanz des Kunden (selbst gehostet oder auf einem Cloud-Account des Kunden, nicht auf meinem)
- Einsatz der passenden Integrations-Methoden, API wo vorhanden, OCR/LLM/RPA wo nötig
- Drei-Schichten-Fehlerbehandlung gegen stille Bruchstellen
- Dokumentation aller Workflows, Zugangsdaten und Abhängigkeiten
- Keine proprietären Bausteine, nichts was nur mit meiner Betreuung läuft
Nach der Übergabe laufen die Workflows weiter. Der Kunde kann selbst neue hinzufügen, bestehende ändern oder bei Bedarf einen anderen Dienstleister beauftragen. Wer laufende Entlastung wünscht, kann eine optionale monatliche Wartungspauschale buchen, aus Sicherheitsgründen empfohlen, weil n8n-Versionen, API-Verträge und Systemseitige Updates regelmäßig kommen.
Was bleibt
KI-Prozessautomatisierung funktioniert 2026 auch dort, wo moderne APIs fehlen. Die Werkzeuge, OCR, LLM-basierte Datenextraktion, RPA, E-Mail-Parsing, sind reif, belastbar und für KMU wirtschaftlich tragbar. Der entscheidende Unterschied liegt in der Wahl der Plattform: n8n als Open-Source-Basis auf eigener Infrastruktur bewahrt Datensouveränität und Portabilität. Make und Zapier sind komfortabler, aber sie binden an einen US-Cloud-Anbieter und kosten langfristig den Besitz an der eigenen Automatisierung.
Für Unternehmen, die einmal richtig aufsetzen und dann besitzen wollen, ist n8n der bessere Ausgangspunkt. Die Lernkurve ist flacher als oft dargestellt, und die Ergebnisse gehören danach dauerhaft zum eigenen Unternehmen.
Wer das Thema konkret angehen will, findet einen Einstiegspunkt über die Landingpage zu KI-Automatisierung. Eine Übersicht über alle fünf Productized Services gibt es unter /loesungen. Eine vertiefte Diskussion über den Unterschied zwischen klassischer Automatisierung und KI-Einsatz findet sich unter 80 Prozent der KI-Projekte brauchen eigentlich klassische Automatisierung.