Ein Experimentieren am Rand der Wertschöpfung
Wer heute in Unternehmen fragt, ob dort mit Künstlicher Intelligenz gearbeitet wird, bekommt fast immer ein Ja. Man lässt sich E-Mails formulieren, Protokolle zusammenfassen, Angebotstexte vorstrukturieren. Man nutzt ein Sprachmodell als Sparringspartner für eine Recherche oder als geduldigen Zuhörer für eine noch unfertige Idee. Das ist nützlich, es spart Zeit, und es ist – das sei ausdrücklich gesagt – ein sinnvoller Einstieg.
Auffällig ist etwas anderes: Diese Nutzung findet fast durchgängig am Rand der Wertschöpfung statt. Sie betrifft die Vor- und Nachbereitung von Arbeit, nicht die Arbeit selbst. Sie ist an einzelne Personen gebunden, nicht an Prozesse. Und sie ist reversibel in dem Sinne, dass ein Unternehmen morgen sämtliche KI-Werkzeuge abschalten könnte, ohne dass sich an seinem Geschäftsmodell, seiner Kostenstruktur oder seinem Leistungsversprechen irgendetwas Wesentliches änderte.
Genau das ist der Punkt, an dem sich eine strategische Frage stellt.
Warum das Kleine klein bleibt
Die naheliegende Erwartung lautet: Wenn viele Mitarbeitende an vielen Stellen ein wenig schneller arbeiten, summiert sich das mit der Zeit zu einem spürbaren Effekt. Diese Erwartung trügt regelmäßig – aus mindestens drei Gründen.
Erstens verpufft individuell eingesparte Zeit, wenn sie nicht organisatorisch aufgefangen wird. Zwanzig Minuten pro Tag und Person sind rechnerisch beeindruckend und praktisch folgenlos, solange kein Prozess anders getaktet, keine Kapazität anders verplant, kein Engpass anders bearbeitet wird.
Zweitens bleibt das Wissen über den produktiven Umgang mit den Werkzeugen personengebunden. Wer geht, nimmt es mit. Organisationales Lernen entsteht so nicht.
Drittens – und das wiegt am schwersten – bearbeitet diese Form der Nutzung nur Probleme, die das Unternehmen ohnehin schon als Probleme erkannt hat und ohnehin schon bearbeitet, nur eben etwas langsamer. Sie erschließt keine neuen Möglichkeitsräume. Sie beschleunigt das Bestehende, statt es zu befragen.
Das ist der Unterschied zwischen Rationalisierung und Innovation. Beides hat seine Berechtigung. Aber wer nur das erste betreibt, sollte nicht das zweite erwarten.
Die Umkehrung der Frage
Der übliche Zugang beginnt bei der Technologie: Was kann KI, und wo könnten wir das brauchen? Das ist die Logik einer Lösung, die sich ein Problem sucht. Sie führt verlässlich zu Pilotprojekten, die niemandem wehtun und niemandem nützen.
Die produktivere Frage steht auf dem Kopf: Auf welches unserer Probleme könnte KI die Antwort sein?
Diese Frage setzt voraus, dass ein Unternehmen seine Probleme kennt – und zwar nicht die operativen Ärgernisse, sondern die strukturellen. Nicht: „Wo könnten wir etwas einsparen?“, sondern: „Was hindert uns daran, das Unternehmen zu sein, das wir sein wollen?“ Erst wenn diese Frage beantwortet ist, lässt sich sinnvoll prüfen, ob eine Technologie zur Antwort taugt. Möglicherweise lautet das Ergebnis: nein. Auch das ist ein strategisches Resultat und keineswegs eine Niederlage.
Grundvoraussetzungen
Drei Bedingungen muss man nüchtern benennen, weil ihre Missachtung der häufigste Grund des Scheiterns ist.
Daten. Ein Modell ist nur so gut wie das, womit es arbeitet. Wo Stammdaten uneinheitlich, Prozessdaten lückenhaft und Dokumentationen unvollständig sind, beginnt die KI-Initiative als Datenprojekt. Das ist unspektakulär und unvermeidlich.
Kompetenz. Seit dem 2. Februar 2025 verpflichtet Artikel 4 der EU-KI-Verordnung Anbieter und Betreiber von KI-Systemen, für ein ausreichendes Maß an KI-Kompetenz ihres Personals zu sorgen. Man kann das als Bürokratie lesen. Man kann darin auch die Beschreibung einer Voraussetzung erkennen, die ohnehin gilt: Wer die Grenzen eines Werkzeugs nicht kennt, kann seinen Ergebnissen nicht angemessen misstrauen.
Urteilskraft. Sie lässt sich nicht delegieren. KI-Modelle liefern Wahrscheinlichkeiten, keine Gründe; sie erzeugen Plausibilität, nicht Wahrheit. Die Entscheidung darüber, was ein Ergebnis bedeutet und was daraus folgt, bleibt eine menschliche – und in Führungsverantwortung stehende – Leistung.
Zukunftsfähigkeit
Die Frage, auf welches Problem KI die Antwort sein könnte, ist am Ende keine technische. Sie zwingt ein Unternehmen dazu, sich über seine eigenen Engpässe, seine Abhängigkeiten und sein Leistungsversprechen Rechenschaft abzulegen. Sie ist damit eine Variante der viel älteren Frage, was ein Unternehmen eigentlich tut und wofür es gebraucht wird.
Wer von der Zukunft her denkt, fragt nicht, wie sich das Heutige effizienter erledigen ließe, sondern was künftig überhaupt zu erledigen sein wird. Künstliche Intelligenz ist für diese Frage kein Ersatz. Sie ist bestenfalls ein Anlass, sie endlich zu stellen.
