KI-gestützte Automatisierung im globalen Geschäftsleben

Das erste KI-Projekt in einem Unternehmen beginnt oft mit etwas, das auf den ersten Blick ganz einfach erscheint. Ein Manager stellt fest, dass fünf Mitarbeiter jeden Montagvormittag damit beschäftigt sind, Zahlen zwischen Tabellenkalkulationen zu kopieren, Kunden-E-Mails zu sortieren oder denselben Wochenbericht zu erstellen. Jemand schlägt vor, dass ein KI-Tool diese Arbeit in wenigen Minuten erledigen könnte. Ein Pilotprojekt wird genehmigt, die erste Vorführung wirkt beeindruckend, und das Team beginnt, darüber zu sprechen, wie viel Zeit dadurch eingespart werden könnte.

Dann holt einen die Realität ein. Die Quelldaten sind inkonsistent. Die Software kann einige häufige Ausnahmen nicht verarbeiten. Die Mitarbeiter korrigieren stillschweigend die Fehler der Software, ohne sie zu protokollieren, während die Führungskräfte mühsam versuchen festzustellen, ob der Prozess tatsächlich schneller ist. Was wie ein Automatisierungsprojekt aussah, entpuppt sich als Lektion darüber, wie das Unternehmen tatsächlich funktioniert.

Das bedeutet nicht, dass die Technologie versagt hat. Es bedeutet vielmehr, dass das Unternehmen mit dem Werkzeug angefangen hat und nicht mit der Arbeit.

KI-gestützte Automatisierung kann sich wiederholende Verwaltungsaufgaben reduzieren, schnellere Entscheidungen ermöglichen und den Mitarbeitern mehr Zeit für Aufgaben verschaffen, die Urteilsvermögen, Verhandlungsgeschick oder Kreativität erfordern. Doch die Unternehmen, die am meisten davon profitieren, sind selten diejenigen, die die meisten Anwendungen anschaffen. Es sind vielmehr jene, die ein konkretes betriebliches Problem identifizieren, den Prozess entsprechend neu gestalten und klar festlegen, wo die Verantwortung beim Menschen verbleiben muss.

Beginnen Sie mit dem „Dienstagmorgen-Problem“

Der beste Ausgangspunkt ist nicht das Unternehmensziel, “KI-gesteuert zu werden”. Es ist eine Aufgabe, die Menschen in Alltagssprache beschreiben können.

Möglicherweise erhält die Finanzabteilung Hunderte von Rechnungen in unterschiedlichen Formaten und gibt dieselben Informationen manuell in ein Buchhaltungssystem ein. Kundendienstmitarbeiter verbringen möglicherweise den ersten Teil jedes Falles damit, das Produkt, die Sprache und die Art der Beschwerde zu ermitteln. Ein Beschaffungsteam muss möglicherweise umfangreiche Lieferantenunterlagen durchlesen, um eine Handvoll relevanter Klauseln zu finden.

Dies sind vielversprechende Kandidaten, da die Arbeit häufig wiederholt wird, auf erkennbaren Informationen basiert und einem relativ stabilen Muster folgt. Auch der potenzielle Nutzen lässt sich messen.

Fragen Sie die Mitarbeiter, welche Aufgaben sie immer wieder ausführen, welche Daten sie von einem System in ein anderes kopieren und wo sie Zeit mit der Suche nach Informationen verlieren. Die hilfreichsten Antworten finden sich oft mehrere Ebenen unterhalb der Geschäftsleitung. Die Führungskräfte wissen, wohin das Unternehmen steuern will; die Mitarbeiter, die die Prozesse ausführen, wissen, wo es hakt.

Fragen Sie nicht gleich zu Beginn, welche Tätigkeiten automatisiert werden können. Unterteilen Sie die Tätigkeiten stattdessen in einzelne Aufgaben. Eine Position im Kundenservice kann beispielsweise die Klassifizierung, die Informationsbeschaffung, Gespräche, Verhandlungen und die Problemlösung umfassen. KI kann die ersten beiden Aufgaben gut bewältigen, während sie für den Rest weiterhin unzuverlässig oder ungeeignet ist.

Diese Unterscheidung verhindert, dass ein Automatisierungsprogramm zu einer wahllosen Personalreduzierung wird. Außerdem führt sie zu besseren technologischen Entscheidungen.

Erstellen Sie zunächst einen Überblick über die Arbeit, bevor Sie versuchen, sie zu verbessern

Sobald eine Aufgabe festgelegt wurde, begleiten Sie sie von Anfang bis Ende.

Wo gelangen die Informationen in das Unternehmen? Wer überprüft sie? Welche Systeme sind daran beteiligt? Welche Entscheidungen werden getroffen, und was geschieht, wenn der Fall nicht dem üblichen Muster entspricht?

Ein Prozess, der in einer Präsentation einfach erscheint, kann Dutzende informeller Ausweichlösungen beinhalten. Ein Mitarbeiter weiß, dass Bestellungen aus einem bestimmten Markt ein zusätzliches Dokument erfordern. Ein anderer stellt fest, dass ein Lieferant einen veralteten Produktcode verwendet. Diese Details wurden möglicherweise nie schriftlich festgehalten, da erfahrene Mitarbeiter sie im Kopf behalten haben.

Durch Automatisierung wird dieses verborgene Wissen sichtbar. Ein System kann keine Regel anwenden, die niemand formuliert hat.

Erstellen Sie eine einfache Prozessdarstellung, aus der die Eingaben, die einzelnen Schritte, Entscheidungen, Ausnahmen und das Endergebnis hervorgehen. Halten Sie fest, welche Informationen wesentlich sind und welche lediglich übernommen werden, weil das Unternehmen sie schon immer erfasst hat.

Diese Maßnahme führt oft bereits zu Einsparungen, noch bevor KI zum Einsatz kommt. Doppelte Genehmigungsschritte können beseitigt, Vorlagen vereinheitlicht und unnötige Berichte abgeschafft werden. Es macht wenig Sinn, fortschrittliche Technologie einzusetzen, um einen Prozess zu beschleunigen, den das Unternehmen gar nicht mehr benötigt.

Wähle ein erstes Projekt, bei dem ein Fehler keine schwerwiegenden Folgen hat

Der ideale Pilot ist kompetent genug, um eine wichtige Rolle zu spielen, aber gleichzeitig so besonnen, dass ein Fehler keinen ernsthaften Schaden anrichtet.

Das Zusammenfassen interner Dokumente, das Einstufen nicht vertraulicher Anfragen oder das Verfassen von Standard-Produktbeschreibungen können geeignete Einstiegsaufgaben sein. Kreditentscheidungen zu treffen, Bewerber zu prüfen oder medizinische, rechtliche oder finanzielle Beratung zu leisten, birgt hingegen ein wesentlich höheres Risiko.

Berücksichtigen Sie drei Faktoren: Häufigkeit, Vorhersehbarkeit und Folgen.

Eine Aufgabe, die jeden Monat tausende Male ausgeführt wird, bietet mehr potenziellen Nutzen als eine, die nur gelegentlich erledigt wird. Ein Prozess, der klaren Mustern folgt, lässt sich leichter automatisieren als einer, der stark vom Kontext abhängt. Vor allem aber bestimmen die Folgen eines Fehlers, wie viel Aufsicht erforderlich ist.

Eine von einer KI erstellte Zusammenfassung, die von einem Mitarbeiter als erster Entwurf verwendet wird, unterscheidet sich erheblich von einer automatisierten Entscheidung, die darüber entscheidet, ob jemand eine Stelle, eine Zahlung oder eine grundlegende Dienstleistung erhält.

Beginnen Sie dort, wo die Ergebnisse von einer sachkundigen Person schnell überprüft werden können. So kann das Unternehmen erfahren, wie sich die Technologie verhält, bevor man ihr wichtigere Aufgaben anvertraut.

Entscheide, was die Maschine tut und was der Mensch besitzt

Ein erfolgreiches Automatisierungsprojekt erfordert eine klare Abgrenzung zwischen maschinellen Abläufen und menschlicher Verantwortung.

Das System kann zwar Daten aus Rechnungen extrahieren, doch sollte ein Mitarbeiter Einträge überprüfen, die unterhalb einer Zuverlässigkeitsschwelle liegen. Es kann zwar eine Antwort an einen Kunden entwerfen, doch entscheidet der Berater, ob der Tonfall und die vorgeschlagene Lösung angemessen sind. Es kann zwar ungewöhnliche Transaktionen identifizieren, doch bestimmt ein geschulter Ermittler, ob diese verdächtig sind.

Der Mensch sollte nicht nur anwesend sein, um den Anschein einer Aufsicht zu erwecken. Der Prüfer benötigt genügend Zeit, Informationen und Befugnisse, um das Ergebnis hinterfragen zu können.

Das ist von Bedeutung, weil Menschen automatisierten Ergebnissen gegenüber übermäßig vertrauensvoll werden können, insbesondere wenn ein System in der Regel gut funktioniert. Nachdem ein Mitarbeiter Dutzende korrekter Empfehlungen genehmigt hat, hört er möglicherweise auf, die nächste Empfehlung sorgfältig zu prüfen.

Gestalten Sie den Überprüfungsprozess entsprechend dem Risiko. Bei Fällen mit geringem Wert, die leicht rückgängig gemacht werden können, reicht möglicherweise eine gelegentliche Stichprobenprüfung aus. Entscheidungen mit erheblichen Auswirkungen erfordern unter Umständen eine individuelle Genehmigung und eine dokumentierte Begründung.

Legen Sie außerdem fest, wer die Verantwortung trägt, wenn etwas schiefgeht. “Das hat die KI erzeugt” ist keine akzeptable Antwort gegenüber einem Kunden, einer Aufsichtsbehörde oder dem Vorstand.

Korrigiere erst die Daten, bevor du dem Modell die Schuld gibst

KI-Systeme sind auf die Informationen angewiesen, die sie erhalten. Wenn Produktbezeichnungen von Abteilung zu Abteilung variieren, Kundendaten unvollständig sind oder Richtlinien sich widersprechen, wird die Automatisierung diese Verwirrung nur noch schneller weiterverbreiten.

Prüfen Sie vor der Umsetzung, ob die betreffenden Daten korrekt, aktuell und für den vorgesehenen Verwendungszweck rechtmäßig verfügbar sind. Stellen Sie fest, wem die Daten gehören und wer für die Korrektur von Fehlern verantwortlich ist.

Ein Kunden-Chatbot, der auf veraltete Informationen zurückgreift, liefert möglicherweise selbstbewusste, aber falsche Antworten. Ein Prognosetool, das auf verzerrte historische Nachfragedaten trainiert wurde, empfiehlt möglicherweise weiterhin falsche Lagerbestände. Ein Rekrutierungssystem, das sich auf vergangene Einstellungsmuster stützt, kann die in diesen Entscheidungen verankerten Vorurteile wiederholen.

Die Datenaufbereitung ist zwar nicht der glamouröseste Teil der KI, aber oft der wirtschaftlich wichtigste. Ein kleineres System, das saubere, relevante Informationen nutzt, kann ein ausgefeilteres Modell, das auf unstrukturierten Datensätzen basiert, an Leistung übertreffen.

Unternehmen sollten zudem die Menge der erhobenen Daten auf ein Minimum beschränken. Ein Automatisierungsprojekt benötigt nicht unbedingt Zugriff auf jedes verfügbare Feld, nur weil die Technologie dies verarbeiten kann. Zusätzliche Daten bringen zusätzliche Verpflichtungen in Bezug auf Datenschutz, Sicherheit und Governance mit sich.

Entwickeln Sie eine Pilotfolge, die auf realen Arbeitsabläufen basiert

Eine vom Anbieter durchgeführte Vorführung findet in der Regel unter idealen Bedingungen statt. Ein aussagekräftiger Pilotversuch sollte repräsentative Fälle aus dem tatsächlichen Arbeitsaufkommen des Unternehmens heranziehen.

Beziehen Sie einfache Aufgaben ein, aber auch die kniffligen Fälle, mit denen Mitarbeiter in der Praxis konfrontiert sind: unvollständige Formulare, mehrdeutige Kundenmitteilungen, ungewöhnliche Formate und widersprüchliche Anweisungen. Testen Sie mehrere Sprachen, wenn das Unternehmen in verschiedenen Märkten tätig ist.

Führen Sie den neuen Prozess für einen festgelegten Zeitraum parallel zum bestehenden Prozess durch. So lassen sich Geschwindigkeit, Genauigkeit und Kosten vergleichen, ohne sich sofort auf ein ungetestetes System verlassen zu müssen.

Mitarbeiter sollten Eingriffe dokumentieren, anstatt die Ergebnisse stillschweigend zu korrigieren. Wenn jemand die Hälfte jeder generierten Antwort umschreibt, mag die scheinbare Automatisierungsrate zwar beeindruckend wirken, doch die tatsächliche Einsparung ist vernachlässigbar.

Das Pilotprojekt sollte mehrere konkrete Fragen beantworten. Wie oft liefert das System ein verwertbares Ergebnis? Wo treten Fehler auf? Wie viel Zeit wird für die Überprüfung benötigt? Verkürzt es die Gesamtprozessdauer oder verlagert es lediglich die Arbeit von einer Abteilung in eine andere?

Ein Pilotprojekt, das Grenzen aufzeigt, ist kein Misserfolg. Es hat verhindert, dass eine fehlerhafte Idee in größerem Maßstab umgesetzt wurde.

Messen Sie das Ergebnis, auf das es ankommt

Zeitersparnis ist zwar nützlich, aber sie ist nicht der einzige Maßstab für Erfolg.

Ein KI-basiertes Kundendienstsystem beantwortet Anfragen zwar möglicherweise schneller, führt aber gleichzeitig zu mehr Beschwerden, da die Antworten zu allgemein wirken. Eine automatisierte Fertigungsprüfung kann zwar manuelle Kontrollen reduzieren, dabei jedoch einen seltenen und kostspieligen Fehler übersehen. Ein Marketing-Tool kann zwar mehr Inhalte produzieren, schwächt aber durch Wiederholungen und Inkonsistenzen die Marke.

Wählen Sie Kennzahlen aus, die mit dem ursprünglichen Problem in Zusammenhang stehen. Dazu können beispielsweise Bearbeitungszeiten, Fehlerquoten, Kosten pro Transaktion, Kundenzufriedenheit, Konversionsrate, Ausschuss, Ausfallzeiten oder die Anzahl der Fälle gehören, die eine Eskalation erfordern.

Messen Sie den gesamten Prozess und nicht nur den automatisierten Schritt. Wenn die Rechnungserfassung zwar schneller wird, die Mitarbeiter aber später mehr Zeit für die Behebung von Fehlern aufwenden müssen, hat das Projekt den Betriebsablauf nicht verbessert.

Legen Sie vor der Einführung eine Ausgangsbasis fest. Ohne zu wissen, wie lange der Prozess derzeit dauert und wie oft Fehler auftreten, lässt sich fast jedes neue System als Erfolg darstellen.

Die finanzielle Kalkulation sollte Lizenzen, Integration, Datenaufbereitung, Sicherheit, Mitarbeiterschulungen, Überwachung und Wartung umfassen. Hinter einem niedrigen monatlichen Softwarepreis können erhebliche interne Implementierungskosten stecken.

Beziehen Sie die Mitarbeiter ein, bevor Gerüchte aufkommen

Wenn Mitarbeiter erfahren, dass die Unternehmensleitung Automatisierungsmaßnahmen einführt, gehen viele davon aus, dass damit ein Stellenabbau bezweckt wird. Wenn Führungskräfte das Thema vermeiden, neigen die Mitarbeiter dazu, das Schweigen selbst zu füllen.

Erläutern Sie, welche Aufgaben in Betracht gezogen werden, warum sie ausgewählt wurden und wie die dadurch frei werdende Zeit genutzt werden soll. Seien Sie ehrlich, wenn sich Rollen ändern könnten.

Mitarbeiter unterstützen das Projekt eher, wenn dadurch Arbeitsschritte entfallen, die sie als repetitiv oder frustrierend empfinden. Sie sind weniger bereit zur Zusammenarbeit, wenn sie gebeten werden, ein System zu trainieren, das offenbar darauf ausgelegt ist, sie zu ersetzen, ohne dass ihre Zukunft dabei thematisiert wird.

Die Schulung sollte über das reine Vermitteln von Bedienkenntnissen hinausgehen. Die Mitarbeiter müssen die Grenzen des Systems verstehen, unzuverlässige Ergebnisse erkennen und wissen, wann Informationen nicht in ein externes Tool eingegeben werden sollten.

Auch Führungskräfte benötigen Schulungen. Sie müssen lernen, eine überzeugende Demonstration von einem fundierten Geschäftsmodell zu unterscheiden, und dürfen KI-generierte Ergebnisse nicht als von Natur aus objektiv betrachten.

Die sich abzeichnenden Erkenntnisse deuten darauf hin, dass generative KI häufig die Zusammensetzung von Arbeitsplätzen verändert, anstatt ganze Aufgabenbereiche zu ersetzen. Die praktische Aufgabe des Managements besteht daher darin, die Arbeit neu zu gestalten: Maschinen übernehmen die Klassifizierung, die Erstellung von Entwürfen und das Abrufen von Informationen, während Menschen weiterhin die Verantwortung für die Beurteilung, zwischenmenschliche Beziehungen und Ausnahmen behalten.

Erst die Governance etablieren, dann skalieren

Wenn ein einzelner Mitarbeiter mit einem öffentlich zugänglichen KI-Tool experimentiert, mag das harmlos erscheinen. In einem internationalen Unternehmen können jedoch Hunderte von unkoordinierten Experimenten schnell zu Risiken führen, die vertrauliche Informationen, Urheberrechte, die Sicherheit und eine uneinheitliche Kundenbehandlung betreffen.

Erstellen Sie ein Verzeichnis der genehmigten Systeme und aktiven Anwendungsfälle. Für jedes Projekt sollte es einen Geschäftsverantwortlichen, einen technischen Verantwortlichen sowie einen Verantwortlichen für Risiko und Compliance geben.

Erfassen Sie, welche Daten das System verwendet, wo diese Daten verarbeitet werden, welcher Anbieter Zugriff darauf hat und ob Informationen zum Trainieren von Modellen aufbewahrt werden dürfen. Legen Sie Regeln für sensible geschäftliche, personenbezogene und Kundendaten fest.

Das NIST-Rahmenwerk für das KI-Risikomanagement bietet ein nützliches Organisationsprinzip: die Nutzung von KI zu steuern, den Kontext und die Risiken zu erfassen, die Leistung zu messen und identifizierte Probleme über die gesamte Lebensdauer des Systems hinweg zu bewältigen. Governance sollte nicht erst bei der abschließenden Genehmigungssitzung zum Tragen kommen. Sie ist bereits bei der Konzeption des Projekts zu berücksichtigen.

Für in Europa tätige Unternehmen gewinnt die Klassifizierung aufgrund des EU-KI-Gesetzes zunehmend an Bedeutung. Die Verpflichtungen unterscheiden sich je nach Funktion und Risikostufe des Systems, wobei besonderes Augenmerk auf Anwendungsfälle gelegt wird, die erhebliche Auswirkungen auf Menschen haben können, darunter bestimmte Anwendungen in den Bereichen Beschäftigung, systemrelevante Dienste und regulierte Produkte.

Die praktische Lösung besteht nicht darin, Experimente einzustellen, sondern darin, zu wissen, was eingesetzt wird und warum.

Wissen, wann man nicht automatisieren sollte

Einige ineffiziente Prozesse sollten ohne KI neu gestaltet werden. Andere sollten weiterhin von Menschen ausgeführt werden.

Eine herkömmliche Software-Regel ist möglicherweise zuverlässiger für Berechnungen, die festen Bedingungen unterliegen. Eine Suchfunktion kann das Problem möglicherweise kostengünstiger lösen als ein generatives Modell. Ein einfühlsames Gespräch mit einem verunsicherten Kunden erfordert möglicherweise Empathie und Diskretion, die eine Automatisierung nicht glaubwürdig leisten kann.

Automatisieren Sie einen fehlerhaften Prozess nicht einfach nur deshalb, weil er Zeit kostet. Wenn Mitarbeiter immer wieder dieselbe Art von Kundenbeschwerden bearbeiten müssen, sollte möglicherweise das zugrunde liegende Produkt oder die Richtlinie überprüft werden.

Auch sollte Automatisierung nicht dazu genutzt werden, Personalmangel zu verschleiern. Ein Chatbot kann nicht auf Dauer die Lücke füllen, die ein Unternehmen geschaffen hat, indem es seinen Kunden unmöglich gemacht hat, einen menschlichen Ansprechpartner zu erreichen.

Die richtige Frage lautet nicht: “Kann KI das leisten?”, sondern: “Wird die Automatisierung dieser Aufgabe zu einem besseren Ergebnis für das Unternehmen und die davon betroffenen Menschen führen?”

Sinnvolle erste 90 Tage

Identifizieren Sie im ersten Monat drei bis fünf sich wiederholende Prozesse und sprechen Sie direkt mit den Mitarbeitern, die diese ausführen. Erfassen Sie die einzelnen Schritte, berechnen Sie die derzeitigen Kosten und beseitigen Sie offensichtliche Ineffizienzen.

Wählen Sie im zweiten Monat einen Anwendungsfall aus dem Bereich der geschlossenen Verwendung aus und testen Sie diesen mit repräsentativen Daten. Legen Sie vor Beginn des Pilotprojekts den Prozess der manuellen Überprüfung, die Risikokontrollen und die Erfolgskennzahlen fest.

Vergleichen Sie im dritten Monat den neuen Arbeitsablauf mit dem alten. Erfassen Sie Fehler, Eingriffe von Mitarbeitern, Auswirkungen auf die Kunden und die Gesamtkosten der Umsetzung. Erweitern Sie den Einsatz erst dann, wenn die Ergebnisse dies rechtfertigen.

Ein sinnvolles Pilotprojekt spart zunächst vielleicht nur wenige Stunden ein. Sein größter Nutzen besteht jedoch darin, dem Unternehmen zu vermitteln, wie es künftige Automatisierungsmaßnahmen auswählen, steuern und optimieren kann.

Die Branchen, die am ehesten davon profitieren werden

KI-Automatisierung belohnt Eile nicht so zuverlässig wie operative Disziplin. Unternehmen mit klaren Prozessen, verwertbaren Daten und engagierten Mitarbeitern erzielen mit größerer Wahrscheinlichkeit Erfolge als solche, die Tools nur als Reaktion auf die Ängste der Führungskräfte anschaffen.

Das erste Projekt sollte nicht darauf abzielen, die Organisation neu zu erfinden. Es sollte ein konkretes Problem lösen, Belege liefern und eine Methode etablieren, die sich wiederholen lässt.

Mit der Zeit können sich diese kleinen Systeme miteinander vernetzen. Kundenanfragen fließen in die Produktentwicklung ein; Nachfrageprognosen beeinflussen die Beschaffung; Wartungsdaten tragen dazu bei, Betriebsunterbrechungen zu reduzieren. Hier gewinnt die Automatisierung strategische Bedeutung – nicht als Ansammlung isolierter Tools, sondern als reaktionsfähigere Art der Unternehmensführung.

Erfolgreich sein werden nicht jene Unternehmen, die Menschen aus jedem Prozess entfernen. Erfolgreich sein werden jene, die verstehen, welche Arbeitsschritte von Schnelligkeit und Konsistenz profitieren, welche Entscheidungen menschliches Urteilsvermögen erfordern und wie man beides miteinander verbinden kann, ohne die Verantwortlichkeit aus den Augen zu verlieren.