Warum wir mehr sind als ein Prompt-Wrapper

Von außen sieht es einfach aus: "PDF hochladen - BPMN herunterladen." - So einfach ist die Benutzererfahrung mit dem BPMN Agent. Doch was dabei im Hintergrund passiert, ist ein fein orchestriertes Zusammenspiel aus mehreren KI-Komponenten, regelbasierten Prüfmechanismen und prozessualer Steuerlogik. Und genau darin liegt unsere Stärke – und unser Unterschied zu herkömmlichen KI-Tools. In diesem Beitrag geben wir dir einen Einblick in unser Denken – ohne unsere Architektur vollständig offenzulegen.

Warum einfache Prompt-Tools nicht reichen

Viele neue Tools setzen auf das Prinzip: „Wir geben dem LLM ein paar Prompts und lassen es ein Diagramm malen.“

Das funktioniert – manchmal. Aber sobald die Daten unklar, mehrdeutig oder widersprüchlich sind (was in echten Geschäftsprozessen fast immer der Fall ist), bricht dieses Modell ein. Entweder wird Unsinn erzeugt, oder der Mensch muss wieder händisch nachmodellieren. BPMN Agent verfolgt deshalb einen anderen Ansatz:

Wir verstehen Prozessmodellierung nicht als Textgenerierung – sondern als strukturierten Denkprozess, bei dem:
Informationen verstanden, geprüft, korrigiert und erst dann modelliert werden.

Was passiert wirklich im Hintergrund?

Ohne zu viel zu verraten, lässt sich unser System so skizzieren:

Input: Eine PDF-Datei oder eine textuelle Beschreibung wird eingelesen und aufbereitet. Der reine Text reicht uns – wir brauchen keine Vorlage im BPMN-Stil.

Strukturierung durch LLM1: Eine erste, spezialisierte KI-Komponente (trainiert auf BPMN-Verständnis) generiert eine strukturierte Darstellung des Prozesses. Diese lehnt sich an JSON-Strukturen an – also maschinenlesbar, nachvollziehbar, MCP-inspiriert.

Regelprüfung durch Python: Wir lassen ein regelbasiertes System prüfen, ob das Ergebnis den BPMN-Grundregeln entspricht. Gibt es z. B. Tasks ohne Ein-/Ausgang? Gateways ohne Bedingungen? Strukturelle Fehler werden detektiert.

Reflexion durch LLM2: Eine zweite KI-Einheit bekommt das ursprüngliche Inputdokument, die Ausgabe von LLM1 und die Fehlerberichte des Validators. Sie entscheidet: Was genau war das Problem? Welche Logik fehlt? Wie könnte LLM1 den Fehler beheben?

Finalisierung: Nur wenn alles passt, wird aus der validierten Struktur ein sauberes, exportierbares XML im BPMN-Format erzeugt – inklusive Positionierung und Visualisierung.

Warum wir das (nur teilweise) erzählen

Natürlich könnten wir tiefer gehen. Wir könnten erzählen, wie genau wir Autolayout und Positionierung lösen, wie wir mit Rollen umgehen, welche Templates genutzt werden – aber wir tun es bewusst nicht.

Denn: Der BPMN Agent ist nicht nur ein Produkt – er ist ein Vorsprung.
Je mehr wir verraten, desto leichter wird es für andere, einen schnellen Klon zu bauen – allerdings ohne Qualität.

Und Qualität ist genau unser USP: Strukturelle Korrektheit, Skalierbarkeit für Berater:innen, Transparenz für Entscheider:innen.

Was du als Leser:in mitnehmen solltest

Wenn du den BPMN Agent nutzt, nutzt du nicht einfach ein weiteres LLM-Frontend. Du arbeitest mit einem Tool, das denkt wie ein Prozessberater, prüft wie ein Audit-System – und modelliert wie ein Experte. Denn wir glauben: Prozesse sind zu wichtig, um sie dem Zufall eines einzelnen Prompts zu überlassen.

Fazit

Der BPMN Agent ist ein Hybrid. Er vereint die Flexibilität von KI mit der Sicherheit von Regeln. Er baut Brücken zwischen natürlicher Sprache und technischer BPMN-Notation. Und er wird besser mit jedem Feedback – weil er aus echten Fehlern lernt. Was zählt, ist das Ergebnis: saubere Prozesse. In Sekunden.