Kap. 9 bündelt die KI-Bausteine der Hyperautomatisierung von der Problemanforderung bis zur qualitätsgesicherten Entscheidung. Ausgehend von der Lösungsintelligenz (9.1) zeigt das Kapitel, wie KI Prozesswissen aus Daten, Varianten und Edge Cases erschließt, Regeln ableitet, Szenarien simuliert und dadurch sowohl komplexe als auch monotone Abläufe optimiert – stets mit klaren Feedbackschleifen und Lernmechanismen. Die Extraktion & Klassifikation (9.2) verknüpfen NLP, Computer Vision/OCR, LLMs und klassische ML-Modelle, um strukturierte wie unstrukturierte Quellen (PDF, E-Mail, Bilder, Logs) in verlässliche, kontextreiche Datensätze zu überführen und in Workflows (z. B. via RPA/APIs) einzubetten. Predictive Funktionen (9.3) prognostizieren Datenlücken, reichern automatisch an, erkennen Anomalien in Echtzeit und koppeln Vorhersagen direkt an Prozesssteuerung (Time Series, RL, Multi-Agenten). Generative KI (9.4) unterstützt Berichte, Erklärungen, Interaktion (RAG, Conversational Agents). Zugleich betont 9.5 die Grenzen probabilistischer LLMs (Halluzination, Bias, Nicht-Determinismus) und leitet daraus Absicherungen ab: Guardrails, Prompting, Fine-Tuning, Kombination mit symbolischer Logik. Zur Qualitätssteigerung (9.6) adressiert das Kapitel die „letzten 20 %“ komplexer Fälle mittels Wissensbereitstellung, domänenspezifischem Training, HITL, Self-Training, Ensembles, Monitoring/ML-Ops, Explainability und risikobasierter Validierung. Ergebnis: KI wird zum robusten, transparenten Entscheidungsmotor – skalierbar, resilient und geschäftskritisch verlässlich.