Über KI zu reden ist einfach geworden. Mit ihr zu arbeiten ist es nicht. Zwischen der Demo und dem Alltag liegt eine Strecke, die in keiner Keynote vorkommt: der Tag, an dem das Werkzeug etwas Falsches sehr überzeugend behauptet. Die Woche, in der ein Prozess halb automatisiert ist und deshalb doppelt so lange dauert. Die Rechnung am Monatsende. Auf dieser Seite steht, was ich in meinen eigenen Unternehmen gelernt habe, mit allen Umwegen.
Wie verbreitet KI wirklich ist
Die Wahrnehmung eilt der Realität voraus. Gut ein Viertel der Unternehmen in Deutschland setzt KI ein, und zwischen groß und klein liegt ein erheblicher Abstand.
Für Gründer ist das eine gute Nachricht. Die Werkzeuge, die ein Konzern einsetzt, sind heute für ein Team von drei Leuten zugänglich, oft am selben Tag und zum Preis eines Mittagessens. Der Vorsprung entsteht also nicht mehr über den Zugang, sondern über die Frage, wer sie sauber in seine Abläufe einbaut. Genau dort entscheidet sich in den nächsten Jahren mehr als über Kapital.
Was im Alltag wirklich funktioniert
Verdichten. Verträge, Studien, Protokolle, der Auftritt eines Wettbewerbers: überall dort, wo aus viel Text wenige belastbare Aussagen werden müssen, ist der Zeitgewinn am größten. Der entscheidende Vorteil ist nicht die Geschwindigkeit, sondern dass das Ergebnis prüfbar bleibt, weil die Quelle danebenliegt.
Erste Fassungen. Angebot, Konzept, Absage, Stellenausschreibung, Blogtext. Eine erste Fassung in fünf Minuten verändert die Arbeit stärker als eine perfekte in zwei Stunden, weil sie das Gespräch früher startet. Fertig wird sie trotzdem von einem Menschen.
Bauen. Kleine Werkzeuge, die es früher nie gegeben hätte, weil sie einen halben Entwicklertag gekostet hätten: ein Auswertungsskript, eine Schnittstelle zwischen zwei Systemen, ein Cockpit. Diese Website ist selbst so ein Fall, sie wird von Agenten gebaut, deployt und gemessen. Wie das entstanden ist, habe ich hier aufgeschrieben.
Routinen. Wiederkehrende Abläufe, die niemand gerne macht: Wettbewerbsbeobachtung, Reporting, Datenpflege, Übersetzungen. Der Gewinn ist nicht die gesparte Stunde, sondern dass die Aufgabe überhaupt zuverlässig stattfindet. Was ein Agent im technischen Sinn ist und was nur so klingt, trenne ich in einem eigenen Beitrag.
Was nicht funktioniert
Alles, wofür jemand geradestehen muss. Ein Modell trägt keine Verantwortung, es erzeugt die wahrscheinlichste Fortsetzung. Das ist bei einer Zusammenfassung nützlich und bei einer Zusage gefährlich.
Konkret unbrauchbar sind Zahlen ohne Quelle. Eine Fassung, die plausibel klingt und falsch ist, kostet mehr Zeit, als sie je gespart hat, und in einer Kundenpräsentation kostet sie mehr als Zeit. Ebenfalls heikel: Kundenbeziehungen. Eine automatisch verschickte persönliche Nachricht ist keine persönliche Nachricht, und der Empfänger merkt das schneller, als man denkt. Und schließlich der halb automatisierte Prozess: Wo ein Mensch jedes Ergebnis nachkontrollieren muss, ohne den Rahmen ändern zu dürfen, entsteht Mehrarbeit statt Entlastung.
Meine Regel dagegen ist schlicht. Ein Agent bekommt einen Auftrag mit einem klaren, prüfbaren Ergebnis und eine Person, die dafür haftet. Alles andere ist Basteln.
Eine Grenze verläuft quer durch alles: die Daten. Bevor etwas in ein Werkzeug geht, muss klar sein, wo es verarbeitet wird, ob es zum Training verwendet wird und ob ein Auftragsverarbeitungsvertrag existiert. Kundendaten, Personaldaten und alles unter Geheimhaltung gehören nur in Werkzeuge, für die diese Fragen beantwortet sind. Das ist keine Formalie, sondern der Unterschied zwischen einem Produktivitätsgewinn und einem meldepflichtigen Vorfall.
Woran ich merke, dass eine Aufgabe reif dafür ist
Bevor ich etwas übergebe, prüfe ich vier Dinge, und diese Prüfung dauert länger als die Einrichtung selbst.
Erstens: Gibt es ein prüfbares Ergebnis? „Kümmere dich um das Marketing" ist kein Auftrag. „Erstelle aus diesen Daten eine Wochenübersicht mit fünf Kennzahlen" ist einer, weil man sofort sieht, ob er erfüllt ist. Zweitens: Wiederholt sich die Aufgabe? Einmalige Arbeit übergibt man nicht, man macht sie. Der Aufwand für eine saubere Übergabe rechnet sich erst ab der dritten Wiederholung. Drittens: Was passiert im Fehlerfall? Wenn ein falsches Ergebnis unbemerkt in eine Rechnung, eine Kundenmail oder einen Vertrag läuft, gehört ein Mensch davor, nicht dahinter. Viertens: Habe ich die Aufgabe selbst verstanden? Wer einen Ablauf nicht erklären kann, automatisiert seine eigene Unklarheit und bekommt sie schneller zurück.
Fällt eine Aufgabe bei einem dieser vier Punkte durch, bleibt sie beim Menschen. Nicht aus Vorsicht, sondern weil die Automatisierung sonst teurer wird als die Arbeit.
Was es kostet
Die Software ist der kleinere Posten. Arbeitsplatzlizenzen liegen im Bereich weniger Zehner Euro pro Person und Monat, agentische Nutzung mit vielen Aufrufen liegt darüber und schwankt mit der Nutzung statt mit der Kopfzahl. Wer plant, sollte deshalb nicht in Lizenzen denken, sondern in Aufgaben.
Der größere Posten ist die Einarbeitung: die Wochen, in denen ein Team lernt, welche Aufgabe man wie übergibt, was man mitgeben muss und wo man abbricht. Diese Zeit taucht in keiner Kalkulation auf und ist trotzdem der eigentliche Preis.
Der teuerste Posten steht in gar keiner Rechnung: falsch automatisierte Prozesse, die man später zurückbauen muss. Deshalb fange ich klein an, mit einer Aufgabe, deren Ergebnis messbar ist, und lasse sie zwei Wochen mitlaufen, bevor sie Teil des Betriebs wird.
Wie Entscheidungen anders fallen
Die interessanteste Veränderung ist nicht Geschwindigkeit, sondern Vorbereitung. Eine ordentliche Marktübersicht kostete früher zwei Tage, also gab es sie nur bei den großen Entscheidungen. Heute kostet sie eine Stunde, also gibt es sie auch bei den mittleren. Genau dort, bei den mittleren Entscheidungen, liegt in einem Unternehmen der meiste unsichtbare Schaden.
Zugleich wächst eine Gefahr: Ein sauber formuliertes Ergebnis fühlt sich richtiger an als eine handschriftliche Notiz, ohne es zu sein. Bei jeder Entscheidung, die Geld kostet, verlange ich deshalb zwei Dinge: die Quelle und den Versuch, die eigene These zu widerlegen. Das kostet zehn Minuten und hat mir schon mehr gespart als jedes Werkzeug.
Wie wir es halten
In allen Unternehmen, an denen ich beteiligt bin, gilt dieselbe Reihenfolge: Bevor ein Prozess eine neue Stelle bekommt, prüfen wir, ob ein Agent ihn zuverlässig übernehmen kann. Reporting, Recherche und Routinearbeit laufen dadurch automatisiert, während Teams ihre Zeit auf Strategie und Kundenbeziehungen verwenden. Entschieden wird weiterhin von Menschen, und jede Automatisierung hat einen Verantwortlichen mit Namen.
Was dabei herauskommt, schreibe ich hier auf: nicht als Prognose, sondern als Bericht aus dem Maschinenraum. Die Beiträge unten sind die lange Fassung davon.
Häufige Fragen
Lohnt sich KI für ein kleines Team?
Ja, und dort oft mehr als im Konzern: Ein Team von drei Leuten kann heute Werkzeuge einsetzen, für die früher eine eigene Abteilung nötig war. Entscheidend ist nicht der Zugang, sondern ob die Aufgabe sauber übergeben wird.
Was sollte ich zuerst automatisieren?
Eine wiederkehrende Aufgabe mit messbarem Ergebnis, die niemand gerne macht: Reporting, Recherche, Datenpflege. Nicht den Kundenkontakt und nichts, wofür jemand persönlich geradesteht.
Wie gehe ich mit falschen Antworten um?
Keine Zahl ohne Quelle übernehmen und jedes Ergebnis prüfbar machen. Wo das nicht geht, gehört die Aufgabe nicht an ein Modell. Ein plausibel klingender Fehler kostet mehr Zeit, als die Automatisierung gespart hat.
Was kostet der Einstieg realistisch?
Die Lizenzen sind der kleinere Posten, agentische Nutzung skaliert mit der Nutzung statt mit der Kopfzahl. Der größere Preis ist die Einarbeitung, und der teuerste sind falsch automatisierte Prozesse, die man zurückbauen muss.
