Abstrakte Darstellung eines Unternehmensprozesses, in dem Menschen, Daten, Systeme und KI zusammenwirken.

Wenn KI sich nicht rechnet

/von

Warum der wirtschaftliche Nutzen trotz funktionierender Technik ausbleibt – und wie Unternehmen Prozesse, Daten, Rollen und Verantwortung so zusammenführen, dass KI wirklich wirksam werden kann.

Ein KI-Pilot kann technisch überzeugen und sich für das Unternehmen trotzdem nicht rechnen. Mitarbeiter erstellen Texte schneller, Dokumente werden automatisch ausgewertet und erste Abläufe lassen sich vereinfachen. Doch im Ergebnis sinken weder Kosten noch Bearbeitungszeiten so deutlich wie erwartet. Oder es entstehen an anderer Stelle neue Aufwände für Kontrolle, Nacharbeit und Abstimmung.

Auf genau diese Lücke weist eine aktuelle Befragung von Bain & Company unter 951 Unternehmen weltweit hin. 37 Prozent strebten Kostensenkungen zwischen elf und zwanzig Prozent an. Von den Unternehmen, die ihre Ergebnisse gemessen hatten, landeten jedoch knapp 40 Prozent lediglich im Bereich von null bis zehn Prozent. Gleichzeitig wollen 90 Prozent ihre Budgets weiter erhöhen.

Die Befragung bezieht sich nicht speziell auf den deutschen Mittelstand. Das beschriebene Muster dürfte vielen mittelständischen Führungskräften dennoch bekannt vorkommen: Die Technik leistet Erstaunliches, aber ihr Nutzen kommt nicht im gleichen Maß im Unternehmen an.

Das liegt häufig daran, dass KI an einzelnen Tätigkeiten betrachtet wird – nicht im Zusammenhang des gesamten Unternehmens.

Das Problem beginnt vor dem Tool

Wenn Unternehmen sich mit KI beschäftigen, lautet eine der ersten Fragen häufig: Wo können wir KI einsetzen?

Darauf lassen sich schnell viele Antworten finden. KI kann Kundenanfragen bearbeiten, Dokumente prüfen, Daten analysieren, Angebote vorbereiten oder internes Wissen zugänglich machen. Doch nicht alles, was technisch möglich ist, ist für das Unternehmen gleichermaßen relevant. Und nicht jeder beschleunigte Arbeitsschritt führt zu einem besseren wirtschaftlichen Ergebnis.

Die wichtigere Frage lautet deshalb: Wo kann KI in diesem Unternehmen einen spürbaren Unterschied machen?

Dafür muss zunächst verstanden werden, wo Wert entsteht und wo er verloren geht. Welche Prozesse beeinflussen Umsatz, Qualität, Geschwindigkeit oder Kundenbindung? Wo entstehen hohe Kosten, wiederkehrende Verzögerungen oder unnötige Belastungen? Welche Abläufe hängen stark vom Wissen einzelner Personen ab? Und welche Verbesserung wäre aus Sicht der Unternehmensführung tatsächlich bedeutsam?

Erst aus diesem Gesamtbild lassen sich die Prozesse auswählen, bei denen eine genauere Untersuchung wirklich lohnt.

Vom Gesamtbild in die Tiefe – und wieder zurück

Eine belastbare Bewertung von KI braucht aus meiner Sicht drei Bewegungen:

  1. Das Gesamtbild: Ziele, wirtschaftlich wichtige Abläufe, Engpässe und Abhängigkeiten des Unternehmens werden sichtbar gemacht.
  2. Die Tiefenanalyse: Ausgewählte Prozesse werden gemeinsam mit den beteiligten Mitarbeitern untersucht – einschließlich Daten, Systeme, Übergaben, Ausnahmen und informeller Lösungen.
  3. Die Rückbindung: Der mögliche neue Ablauf wird wieder aus Sicht des Gesamtunternehmens bewertet: wirtschaftlicher Nutzen, technische Voraussetzungen, veränderte Rollen, Risiken und Priorität gegenüber anderen Vorhaben.

Diese Bewegung zwischen Überblick und Detail unterscheidet eine unternehmerische Entscheidung von einer bloßen Sammlung technisch interessanter Anwendungsfälle.

Ein schnellerer Arbeitsschritt ist noch kein besserer Prozess

Nehmen wir an, ein Mitarbeiter benötigt zwei Stunden, um ein Angebot vorzubereiten. Mit Unterstützung einer KI entsteht der erste Entwurf möglicherweise innerhalb weniger Minuten. Auf den ersten Blick scheint das Einsparpotenzial enorm.

Doch vielleicht müssen vorher Informationen aus E-Mails, Excel-Dateien und verschiedenen Systemen zusammengesucht werden. Preise oder technische Angaben sind nicht einheitlich hinterlegt. Ein erfahrener Mitarbeiter muss erkennen, welcher Sonderfall vorliegt. Anschließend wird das Ergebnis kontrolliert, korrigiert, intern abgestimmt und freigegeben. Zum Schluss werden Daten manuell in ein weiteres System übertragen.

Die KI hat dann einen Arbeitsschritt erheblich beschleunigt. Der gesamte Vorgang ist deshalb aber nicht im gleichen Verhältnis schneller geworden.

Für eine wirtschaftliche Bewertung muss die Zeit vom Eingang eines Vorgangs bis zu seinem nutzbaren Abschluss betrachtet werden – einschließlich Übergaben, Wartezeiten, Rückfragen, Kontrollen und Ausnahmen.

Zeitgewinn ist nicht automatisch Kostenersparnis

Selbst wenn der vollständige Prozess schneller wird, ist noch nicht geklärt, wie daraus ein wirtschaftlicher Nutzen entsteht.

Spart ein Mitarbeiter durch KI fünf Stunden pro Woche, sinken die Personalkosten dadurch nicht unmittelbar. Die frei werdende Zeit erhält erst dann einen bezifferbaren Wert, wenn klar ist, wofür sie genutzt wird. Kann das Unternehmen mehr Aufträge bearbeiten? Verkürzen sich Reaktions- oder Lieferzeiten? Steigt die Qualität? Wird trotz wachsenden Geschäfts keine zusätzliche Stelle benötigt? Werden Überstunden oder externe Leistungen vermieden?

All das kann wirtschaftlich bedeutsam sein. Es muss aber bewusst benannt werden. Eine seriöse Potenzialberechnung unterscheidet deshalb zwischen eingesparter Arbeitszeit, frei werdender Kapazität, vermiedenen Kosten und zusätzlichen Erträgen.

Sie berücksichtigt zugleich den Aufwand, der durch die KI neu entsteht: für Kontrolle, technische Integration, Datenpflege, Schulung, Betrieb und Ausnahmebehandlung. Erst daraus wird ein belastbarer Business Case.

Der wirkliche Prozess steckt häufig in den Köpfen

Offizielle Prozessbeschreibungen und die gelebte Praxis sind selten vollständig identisch. Auf dem Papier wirkt ein Ablauf möglicherweise klar und linear. In der Realität gleichen Mitarbeiter fehlende Informationen aus, führen eigene Listen, korrigieren Daten oder umgehen Teile eines Systems, weil es ihre tatsächliche Arbeit nicht ausreichend unterstützt.

Gerade in mittelständischen Unternehmen hört man dann Sätze wie:

„Das weiß bei uns nur eine Person.“

„Dafür haben wir eine eigene Excel-Liste.“

„Normalerweise läuft es so, aber bei diesem Kunden ist es anders.“

Solche Aussagen beschreiben keine unbedeutenden Abweichungen. Sie beschreiben den wirklichen Prozess.

Die Unternehmensführung kennt Ziele und wirtschaftliche Zusammenhänge. Die Mitarbeiter kennen die tägliche Arbeit, ihre Ausnahmen und die Stellen, an denen sie den vorgesehenen Ablauf regelmäßig selbst auffangen müssen. Für eine tragfähige Lösung werden beide Perspektiven gebraucht.

KI verändert Rollen – und braucht klare Verantwortung

Wenn KI Aufgaben übernimmt, verschwindet menschliche Arbeit nicht zwangsläufig. Sie verändert sich. Aus dem Erstellen wird möglicherweise ein Prüfen. Aus einer Recherche wird eine Bewertung. Aus der Bearbeitung vieler Standardfälle wird die Behandlung anspruchsvoller Ausnahmen.

Deshalb muss bereits in der Konzeption geklärt werden, wer Ergebnisse kontrolliert, welche Fehler auftreten können, wann ein Mensch eingreifen muss und wer in Grenzfällen entscheidet. Möglicherweise entstehen neue Aufgaben: jemand beobachtet die Qualität, verbessert Regeln und Anweisungen oder wertet wiederkehrende Fehler aus. Gleichzeitig brauchen Mitarbeiter die notwendigen Kompetenzen und Klarheit darüber, wie sich ihre eigene Rolle verändert.

Neben den Verantwortlichkeiten innerhalb einzelner Prozesse braucht es eine Stelle, an der die verschiedenen KI-Aktivitäten des Unternehmens zusammenlaufen. Das muss keine neue Abteilung und je nach Unternehmensgröße auch keine Vollzeitposition sein. Aber es braucht eine Person mit einem klaren Auftrag, ausreichendem Überblick und einem Mandat der Unternehmensführung.

Diese zentrale Rolle entscheidet nicht alles selbst. Sie sorgt dafür, dass fachliche, technische, wirtschaftliche und organisatorische Fragen miteinander verbunden werden, dass Verantwortlichkeiten nicht zwischen Bereichen verloren gehen und dass aus einzelnen Pilotprojekten eine gemeinsame Richtung entsteht.

Eine solche zentrale KI-Verantwortung ist nicht mit einer pauschalen gesetzlichen Pflicht zu einem „AI Officer“ gleichzusetzen. Die Europäische Kommission weist beispielsweise darauf hin, dass für die KI-Kompetenzpflicht des AI Act keine bestimmte Governance-Struktur vorgeschrieben ist. Organisatorisch sinnvoll kann eine zentrale Steuerung trotzdem sein.

Warum diese Veränderungen weit über die Einführung eines Werkzeugs hinausgehen, beschreibe ich auch im Beitrag „Die Lücke zwischen KI-Strategie und Wirklichkeit“.

Daten, Technik und Governance gehören in dieselbe Betrachtung

In der Bain-Befragung nennen 41 Prozent der Unternehmen Datenzugang und Datenintegration als größtes Hindernis für ihre KI-Fortschritte. Im Mittelstand bedeutet das nicht zwangsläufig, dass zunächst eine vollkommen neue Datenplattform aufgebaut werden muss.

Häufig beginnt die Frage grundlegender: Welche Informationen benötigt der Prozess? Wo entstehen sie? In welchen Systemen befinden sie sich? Wer darf darauf zugreifen? Sind sie aktuell und verständlich? Und welches wichtige Wissen existiert bisher nur in den Köpfen einzelner Mitarbeiter?

Aus dem konkreten Anwendungsfall lässt sich ableiten, welche Daten tatsächlich benötigt werden, welche Schnittstellen fehlen und welche technische Lösung angemessen ist. So wird nicht versucht, zuerst das gesamte Unternehmen auf einen vermeintlich perfekten Datenzustand zu bringen.

Gleichzeitig müssen Datenschutz, Informationssicherheit und die einschlägigen Anforderungen des EU AI Act früh berücksichtigt werden. Das ist keine Aufgabe einer einzelnen Person. Je nach Vorhaben gehören interne Zuständige sowie externe Fachleute für Recht, Datenschutz, Sicherheit oder technische Spezialfragen in die Konzeption.

Was in eine realistische Potenzialberechnung gehört

Eine belastbare Bewertung beginnt mit dem heutigen Prozess und stellt ihm einen realistischen künftigen Ablauf gegenüber. Berücksichtigt werden sollten insbesondere:

  • Häufigkeit und Umfang des Vorgangs,
  • Bearbeitungs-, Warte- und Abstimmungszeiten,
  • der realistisch automatisierbare Anteil,
  • verbleibende menschliche Bearbeitung und Kontrolle,
  • Häufigkeit und Aufwand von Ausnahmen,
  • Qualität, Fehlerfolgen und mögliche Risiken,
  • technische Integration, Daten und Schnittstellen,
  • Lizenzen, Entwicklung und laufender Betrieb,
  • Schulung, Rollenveränderung und Begleitung der Mitarbeiter,
  • frei werdende Kapazität, vermiedene Kosten und mögliche zusätzliche Erträge.

Daraus entsteht nicht immer eine einzige exakte Zahl. Es lassen sich aber nachvollziehbare Szenarien entwickeln, die wesentlich belastbarer sind als eine Hochrechnung der theoretisch eingesparten Bearbeitungszeit.

Manchmal zeigt sich ein erhebliches Potenzial. Manchmal muss zunächst der Prozess vereinfacht oder eine Datenbasis verbessert werden. Und manchmal ist die ehrlichste Erkenntnis, dass ein technisch interessanter Anwendungsfall wirtschaftlich keine Priorität haben sollte. Auch das ist ein wertvolles Ergebnis.

Ein Beispiel aus meiner eigenen Arbeit

Bei einem von mir mitentwickelten KI-gestützten Workshop-Tool entstand der Nutzen nicht allein dadurch, dass KI Texte schneller zusammenfassen konnte. Entscheidend war, Durchführung, Zusammenführung der Teilnehmerbeiträge, gemeinsame Auswertung und Nachbereitung als zusammenhängenden Ablauf zu gestalten.

Die KI übernahm dabei klar abgegrenzte Aufgaben. Die Workshop-Leitung und die Teilnehmer blieben für Bewertung, Einordnung und die gemeinsame Weiterarbeit verantwortlich. Über den gesamten Prozess ergab sich gegenüber klassischen analogen Workshops eine Zeitersparnis von rund 80 Prozent.

Das Projekt zeigt für mich beispielhaft: Der Nutzen entsteht nicht an der Stelle, an der die KI etwas Beeindruckendes erzeugt. Er entsteht dann, wenn Technik, Prozess und menschliche Rollen zusammenpassen. Weitere Einzelheiten finden sich bei den Projektbeispielen auf meiner Website.

Genau diese Verbindung kann ich herstellen

Seit 1997 arbeite ich an digitalen Vorhaben und seit mehr als zwei Jahrzehnten an der Schnittstelle zwischen Kunden, Unternehmensführung und technischer Umsetzung. Meine Arbeit lag dabei selten nur in der Technik. Meist ging es darum, unterschiedliche Anforderungen, Systeme, Prozesse und Beteiligte so zusammenzuführen, dass daraus eine tragfähige Lösung entstand.

Bei der Einführung von KI kann ich diese übergreifende Perspektive einbringen:

  • gemeinsam mit der Unternehmensführung Ziele und relevante Prozesse identifizieren,
  • die tatsächlichen Abläufe mit den beteiligten Mitarbeitern untersuchen,
  • geeignete KI-Anwendungen und technische Anforderungen konzipieren,
  • Potenzial und Wirtschaftlichkeit in nachvollziehbaren Szenarien bewerten,
  • veränderte und neu entstehende Rollen gemeinsam ausgestalten,
  • Verantwortlichkeiten und Entscheidungswege klären,
  • eine zentrale KI-Steuerung aufbauen und die Umsetzung koordinieren.

Je nach Vorhaben beziehe ich dafür die notwendigen internen und externen Fachleute ein und sorge dafür, dass ihre Perspektiven in einem gemeinsamen Konzept zusammenlaufen. Die übergreifende Koordination kann ich zunächst selbst übernehmen und gleichzeitig eine geeignete Person im Unternehmen in diese Rolle hineinführen. So wird die Verantwortung dauerhaft im Unternehmen verankert.

Der erste Schritt muss kein großes KI-Projekt sein

Wenn bereits verschiedene KI-Aktivitäten existieren, aber der gemeinsame Überblick fehlt, muss die Antwort nicht sofort ein umfassendes Transformationsprogramm sein.

Ein sinnvoller Einstieg kann ein KI- und Digitalisierungs-Realitätscheck sein: ein strukturierter Blick auf Ziele, Prozesse, Systeme, Daten, Rollen und bestehende Aktivitäten. Daraus lassen sich die wenigen Bereiche auswählen, bei denen eine detaillierte Potenzialanalyse wirklich lohnt.

So beginnt die Beschäftigung mit KI nicht mit einem weiteren Tool und nicht mit einem abstrakten Strategiepapier, sondern mit Klarheit.

Wenn Sie herausfinden möchten, wo KI in Ihrem Unternehmen wirtschaftlich sinnvoll eingesetzt werden kann und welche Voraussetzungen dafür geschaffen werden müssen, lassen Sie uns darüber sprechen.

Denn Unternehmen brauchen nicht möglichst viele KI-Anwendungen. Sie brauchen die richtigen – eingebettet in tragfähige Prozesse, mit geklärten Rollen und einem Nutzen, der nicht nur versprochen, sondern nachvollziehbar bewertet werden kann.

Quellen und Hinweise

© Copyright - Felix Profe-Bracht
Die Lücke zwischen KI-Strategie und Wirklichkeit