Das Thema Künstliche Intelligenz (KI) ist in den Medien und auch im Arbeitsumfeld immer häufiger ein großes Thema. Wie kann KI für die tägliche Arbeit genutzt werden? Was geht aktuell und was funktioniert vielleicht noch nicht so gut? In diesem Artikel beleuchten wir, wie KI in der Prozessmodellierung genutzt werden kann. Dabei liegt der Fokus auf KI-Lösungen, die vor Ort lokal installiert und eingesetzt werden können. Eine häufig genannte Anforderung von Firmen und der öffentlichen Verwaltung, um organisationsrelevante Daten im eigenen Netzwerk zu behalten.
Die genannten Ansätze wurden Anfang November 2025 den Mitgliedern der „AG Digitalisierung und Prozessmanagement “ der virtuellen Region Nordwest vorgestellt und mit diesen diskutiert. Die Ansätze werden fortlaufend weiterentwickelt.
Ansatz 1: Generierung eines BPMN-Prozessmodells als Bild-Datei
Die erste Idee ist, ein Prozessmodell direkt als Grafik zu erzeugen, sodass eine Modellierungssoftware durch ein KI-System ersetzt wird. Änderungen können textuell durch die Prozessmanager*innen beschrieben und dem KI-System mitgeteilt werden.
Denkbar wäre ein Prompt durch eine prozessverantwortliche Person, der den Prozess in groben Zügen beschreibt. Dabei sollen folgende Fragen beantwortet werden: Was ist das Ziel des Prozesses? Welche Rollen sind Teil des Prozesses und arbeiten in diesem mit? Welche Ergebnisse kann der Prozess haben?
Ein Prompt könnte beispielhaft so aussehen:
„Handle als Expert*in für die Modellierung von Prozessmodellen in BPMN 2.0. Stelle ein Prozessmodell für einen Antrag durch eine*n Bürger*in dar. Der Antrag wird durch die Poststelle an die richtige Stelle innerhalb der Verwaltung geleitet und dort durch eine Sachbearbeitung bearbeitet. Nach Abschluss der Sachbearbeitung gibt die Teamleitung die Leistung frei. Es wird durch die Sachbearbeitung ein Bestätigungs- oder Ablehnungsschreiben verfasst und über die Poststelle zurück an den/die Bürger*in gesendet.“
Ein Ergebnis dieses Prompts, nach ein paar Optimierungen für den Algorithmus (im speziellen hier: Stable Diffusion – für die Expert*innen) sieht dann wie folgt aus:
(KI-generiertes Bild mit Stable-Diffusion).
Erkenntnis: Die Generierung ist fehlgeschlagen. Das lokal ausführbare KI-System kann insbesondere Ablaufdiagramme (wie bei BPMN oder UML) nicht sinnvoll darstellen. Die KI-Systeme sind meist darauf trainiert Fotos oder Abbildungen zu generieren. Diese Daten sind in vielfacher Form erzeugbar. Technische Skizzen oder Ablaufpläne hingegen sind gut gehütete Dokumente von Organisationen und nicht (in der notwendigen Qualität) in der breiten Masse verfügbar. Die generierte Grafik kann zwar dadurch verbessert werden, dass ganz exakt beschrieben wird, wie die Grafik aussehen soll. Hier verlieren wir dann den Vorteil der Zeitersparnis gegenüber der eigenständigen Modellierung in einer Prozessmodellierungssoftware.
Nun könnte man schauen, ob kommerzielle Anbieter (wie z.B. die Lösung von Microsoft Copilot) hier zu besseren Ergebnissen kommen:
(KI-generiert mit Copilot, November 2025)
Ein Ablauf ist hier schon klar erkennbar, allerdings sind hier keine BPMN-Elemente erkennbar, obwohl dies im Prompt als Voraussetzung gesetzt war.
Ansatz 2: Grafik‑Beschreibungssprachen – SVG & BPMN DI (XML)
Ansatz 1 zeigt, dass eine direkte Ausgabe als Bild noch nicht zu dem gewünschten Ergebnis führt. Wie kann man die Stärken eines KI-Systems, wie z.B. eines Large Language Models (LLMs) gezielter nutzen?
Der zweite Ansatz nutzt ein LLM, um das Prozessmodell nicht als Bild, sondern als SVG-Datei darzustellen. Warum ist dieser Ansatz theoretisch vielversprechender? SVG (Scalable Vector Graphics) ist eine standardisierte Beschreibungssprache für Grafiken. Hier kann ein LLM seine Stärken ausspielen, da kein Bild generiert werden muss, wo die Zusammenhänge zwischen den einzelnen Pixeln technisch kalkuliert werden müssten. Die Grafik kann so viel mehr „beschrieben“ werden. Wie nutzen unseren Prompt von oben und passen diesen an:
„[…] Generiere ein Prozessmodell als Grafik. Nutze dafür das SVG-Format und stelle die BPMN-Grafik mit seinen Elementen wie Lanes, Start- und Endereignissen entsprechend dar.“
(KI-generiert mit lokalem LLM als SVG-Datei)
Wie können feststellen, dass diese Grafik einem BPMN-Prozessmodell schon nahekommt. Der Sequenzfluss und die Logik des Gateways (Raute im Bild) sind allerdings nicht nachvollziehbar. An dieser Stelle könnte nun noch Zeit investiert werden, um die Grafik Schritt für Schritt durch die Anpassung des Prompts zu verbessern. Eine Zeitersparnis gegenüber der eigenen Modellierung geht verloren. Es stellt sich die Frage: Wie können die Modell-spezifischen Informationen für ein LLM besser zugänglich gemacht werden?
Der Ansatz „2.1“: BPMN DI (Diagram Interchange)
Bei BPMN DI handelt es sich um eine Spezifikation zur Beschreibung von BPMN-Grafiken im XML-Format (Extensible Markup Language). Dieses Format kann durch mehrere Prozessmodellierungstools importiert und grafisch dargestellt werden. Vorteil ist hier, dass dieses Format speziell die Anforderungen eines BPMN-Modells definiert. Das LLM kann sich in engeren Grenzen bewegen und die entsprechenden Bausteine der Spezifikation wie definiert nutzen. Wir passen also unseren Prompt an:
„[…] Generiere das Prozessmodell als BPMN-DI-Datei. Orientiere dich an den Spezifikationen von BPMN DI.“
(KI-generiert mit lokalem LLM als BPMN-DI Datei)
Dieser Ansatz bewegt uns bereits in die richtige Richtung. Die Strukturen eines BPMN-Modells sind klar erkennbar und auch der Sequenzfluss hat sich gegenüber der SVG-Darstellung verbessert. Das parallele Gateway (Raute mit dem Plus) ist syntaktisch korrekt verwendet worden. Die Beschriftung der Lanes ist von der Formatierung noch nicht final gut gelungen. Zu diesem Ansatz wird in Zukunft weiter geforscht und mögliche Verbesserungen des Prompts ausprobiert.
Ansatz 3: Systemische Unterstützung durch KI-Systeme
Der dritte Ansatz fällt etwas aus der Reihe gegenüber den Ansätzen 1 und 2. In diesem Ansatz soll kein fertiges Prozessmodell als Grafik generiert werden, sondern ein*e Prozessmanager*in so gut wie möglich bei der Modellierung inhaltlich unterstützt werden.
Warum dieser Ansatz? Gerade, wenn Prozessmanager*innen ihre ersten Modelle, vielleicht nach einer BPMN-Schulung, selbstständig modellieren sollen, stellen sich gehäuft die Fragen: Wo fange ich am besten an? Welche Pools und Lanes brauche ich? Wie sortiere ich die Aktivitäten richtig? Welche Darstellungsmöglichkeiten habe ich bzgl. Parallelität, inklusiven oder exklusiven Entscheidungen / Gateways? Dieser Ansatz hat das Ziel einen KI-Chatbot zu konstruieren, welche den prozessmodellierenden Prozessmanager*innen so weit wie möglich bei diesen Fragestellungen unter die Arme greift. Folgende Idee wird verfolgt:
Ein*e Expert*in eines Fachgebiets beschreibt schriftlich einen Prozessablauf als Text (z.B. aus Schulungsunterlagen / Einarbeitungsunterlagen oder Dienstanweisung etc.). Der / die Prozessmodellierer*in ist fachfremd und soll diesen Prozess als Modell in BPMN darstellen. Nun kann diesem KI-Chatbot das Dokument übergeben werden, mit der Bitte die notwendigen Pools, Lanes und die möglichen Start- und Endereignisse darzustellen. Das Ergebnis sieht für unser Beispiel wie folgt aus:
Pools und Lanes
Ereignisse
Aktivitäten
Dieser Ansatz hilft bei der initialen Modellierung eines neues Prozessmodells der angehenden Prozessmanager*in. Erste Fragen, wie z.B. die notwendigen Start- und Endereignissen und auch mögliche Zwischenereignissen können als Vorschlag aufgegriffen werden. Der Ansatz lässt sich gut auf schwierigere Prozessablaufe skalieren. Diese würden nicht in den Rahmen dieses Blogeintrags passen. Anhand der Reihenfolge können Parallelitäten oder auch Entscheidungen dargestellt werden (z.B. durch 2.1 und 2.2).
Für die Erstellung eines solchen Chatbots ist ein entsprechender System-Prompt notwendig. Dieser könnte wie folgt aussehen:
„Handle als Experte/Expertin für Prozessmanagement und die Erstellung von Prozessen in der Modellierungsnotation BPMN in der aktuellsten Version. Du bist mit den gängigsten Prozessstrukturen, wie z.B. den exklusiven Gateways, parallelen Gateways, Start- und Endsymbolen und Zwischenereignissen vertraut. Auch hast du ein Verständnis für Pools und Lanes im Kontext der Prozessmodellierung mit BPMN. Du bist eine Assistenz für Prozessmodellierer, die die Modellierung gerade erlernen. Erkläre deine Vorgehensweise also immer Schritt für Schritt. Deine Hauptaufgabe ist es, die textuelle Beschreibung für eine Prozessmodellierung zu analysieren. […] Wenn du einen ersten Entwurf für das Prozessmodell erstellt hast, stellst du Rückfragen an den Benutzer / die Benutzerin, für die Stellen, an denen du dir nicht sicher bist, welche Schritte als nächstes kommen.
Hier hast du noch weitere Regeln, welche für die Prozessmodellierung wichtig sind:
- Pools haben mindestens eine Lane. Die einzige Ausnahme ist eine Blackbox.
- Exklusive Gateways stellen immer Entscheidungen im Prozess da, die im Prozess getroffen werden müssen
- […]“
Das KI-System / der Chatbot stellt nach der Ausführung weitere Rückfragen an die modellierende Person. So kann mit dem Chatbot weiter über das Modell diskutiert werden:
- Benötigst du einen separaten Pool für die Post?
- Möchtest du noch ein Zeitereignis für die Bearbeitungsdauer des Antrags innerhalb des Amts?
- Sind weitere Genehmigungen erforderlich?
Fazit
Was können wir aus diesen Beispielen lernen?
Ansatz 1: Die Generierung eines BPMN-Prozessmodells als Bild-Datei steht in Bezug auf Ablaufdiagramme noch am Anfang und ist noch nicht produktiv einsetzbar. Hier sollte die weitere Entwicklung beobachtet werden.
Ansatz 2: Grafik‑Beschreibungssprachen – SVG & BPMN DI (XML) ermöglichen den sofortigen Import in professionelle Prozessmodellierungssoftware. Die Ergebnisse sind für einfache Modelle schon gut lesbar. Bei erhöhtem Komplexitätsstufen kommt das KI-System aber an seine Grenzen.
Ansatz 3: Die systemische Unterstützung durch lokale KI-Systeme sorgt für inhaltliche Qualität und unterstützt bei der initialen Erstellung von Prozessmodellen. Der nächste Schritt ist hier die Überprüfung der Regelkonformität von modellierten Prozessen und die Erarbeitung von Optimierungsvorschlägen. Durch diese Kombination entsteht ein ganzheitliches Toolkit, das sowohl kreative als auch technische und analytische Anforderungen der Prozessmodellierung abdeckt.
Wir sind gespannt, wie sich die KI-Systeme in diesem Feld weiterentwickeln. Schon jetzt kann ein lokales KI-System sinnvoll bei der Modellierung von Prozessen unterstützen.