KI im Unternehmen entfaltet ihren Nutzen meist erst auf Prozessebene

Künstliche Intelligenz ist in vielen Unternehmen angekommen, bislang aber vor allem auf der Ebene einzelner Mitarbeiter. Sie lassen Texte schreiben, Analysen erstellen oder Code generieren. Auf der Ebene kompletter Geschäftsprozesse bleibt das Potenzial dagegen häufig ungenutzt. Henrik Wenck, Senior VP bei accompio AI, beschreibt im Gespräch, worauf es bei der Auswahl geeigneter Anwendungsfälle ankommt, welche Fähigkeiten Mitarbeiter dafür brauchen und mit welchen Kennzahlen sich der Nutzen belegen lässt.

Zwei Ebenen der KI-Nutzung im Arbeitsalltag

Wenck unterscheidet zwischen der individuellen Nutzung und dem Einsatz auf Prozessebene. Auf der individuellen Ebene verwenden Mitarbeiter KI, um Texte zu schreiben, Code erzeugen zu lassen oder Inhalte zu analysieren. Diese Form ist in vielen Unternehmen bereits verbreitet. Auf der Ebene der Unternehmensprozesse sieht er dagegen noch Luft nach oben. Ein Prozess besteht aus mehreren Arbeitsschritten, Systemen und Zuständigkeiten. Bearbeitet KI nur einen davon, muss ihr Ergebnis zuverlässig in den nächsten Schritt gelangen. An genau diesen Übergängen entstehen nach seiner Erfahrung Medienbrüche, zusätzlicher Prüfaufwand oder neue Engpässe.

Für die Frage, welche Aufgaben überhaupt in Betracht kommen, lohnt ein Blick auf die Funktionsweise. In der klassischen Softwareentwicklung gibt es eine Eingabe, eine Ausgabe und ein Regelwerk, das beschreibt, wie aus dem einen das andere wird. KI-Modelle lernen diese Regeln anhand von Beispielen. Dadurch werden Aufgaben lösbar, für die sich kein praktikables Regelwerk schreiben lässt, etwa dann, wenn natürliche Sprache oder Dokumente verarbeitet werden müssen.

Welche Aufgaben sich für KI eignen

Drei Beispiele nennt Wenck, die in der Praxis häufig vorkommen. Das erste ist die Klassifikation von Support-Tickets: Der Inhalt eines Tickets wird einer zuständigen Abteilung oder Person zugeordnet. Das setzt voraus, dass Kategorien, Zuständigkeiten und die weitere Bearbeitung sauber definiert sind. Das zweite Beispiel ist die Zuordnung von Wissen. KI verknüpft eine Frage mit internem Wissen und liefert einen ersten Antwortentwurf. Damit das zuverlässig funktioniert, müssen die Wissensquellen aktuell, zugänglich und fachlich eindeutig sein.

Das dritte Beispiel ist die Extraktion von Daten aus Dokumenten. Aus Rechnungen, Formularen oder anderen Unterlagen lassen sich Angaben wie der Betrag, das Datum oder eine Referenznummer herausziehen und in eine strukturierte Form bringen, die operative Systeme weiterverarbeiten können. Allen drei Fällen ist gemeinsam, dass unstrukturierte Daten verarbeitet werden, also Inhalte, die nicht in festen Feldern vorliegen. Für sensible Inhalte braucht es nach Einschätzung des Experten eine kontrollierte Umgebung, in der die Verarbeitung stattfindet.

Der Engpass bestimmt den Startpunkt

Wer einen Ablauf nur an einer Stelle beschleunigt, verlagert das Problem womöglich in den nächsten Arbeitsschritt. Wenck empfiehlt, den Prozess aus der Vogelperspektive zu betrachten und dort anzusetzen, wo es aktuell stockt. Von diesem Punkt aus sind beide Richtungen zu prüfen: Welche Daten fließen ein, und reicht ihre Qualität für den geplanten Schritt? Was passiert danach, lässt sich das Ergebnis direkt weiterverarbeiten oder braucht es eine Freigabe? Fehlende, uneinheitliche oder veraltete Daten senken die Verlässlichkeit jedes noch so gut gewählten Anwendungsfalls.

Zu den Vorbereitungen gehört auch, Schwellenwerte festzulegen. Ein Modell gibt zu seinem Ergebnis eine Confidence an, also einen Wert dafür, wie sicher es sich ist. Unternehmen müssen entscheiden, ab welcher Schwelle ein Ergebnis automatisch weiterläuft und ab wann ein Mensch darauf schauen muss. Ebenso ist zu klären, wer einen Fall übernimmt, wenn wichtige Angaben fehlen. Nicht jeder Prozessschritt benötigt KI: Eindeutige Regeln lassen sich mit klassischer Software oft verlässlicher abbilden. Der größte Nutzen entsteht in der Praxis häufig aus einer Kombination, bei der KI variable Inhalte verarbeitet und deterministische Logik klar definierte Abläufe steuert.

Wie schnell die Rechnung kippen kann, zeigt ein Beispiel von Wenck. Wenn jemand Texte von der KI schreiben lässt und anschließend genauso lange für die Prüfung braucht wie zuvor für das eigene Schreiben, ist nichts gewonnen. Der beschleunigte Schritt allein schafft also noch keinen Vorteil. Für Wenck folgt daraus, dass Prozesse mit KI neu gedacht werden müssen und nicht nur einzelne Arbeitsschritte.

Wo KI an Grenzen stößt

KI arbeitet probabilistisch. Ein Ergebnis kann plausibel klingen und trotzdem fachlich falsch sein. In längeren Prozessketten kommt ein zweiter Effekt hinzu: Besteht ein Ablauf aus zehn Schritten, die jeweils mit 95 Prozent Genauigkeit arbeiten, sinkt die Treffsicherheit über den gesamten Ablauf rechnerisch auf etwa 60 Prozent, weil sich die Abweichungen der einzelnen Schritte multiplizieren. Wenck leitet daraus ab, für klar definierte Teilaufgaben auch klassische Software zu prüfen, die deterministisch arbeitet.

Vor der Umsetzung sind regulatorische Anforderungen zu klären. Einen funktionierenden Anwendungsfall umzusetzen und später festzustellen, dass er so gar nicht hätte umgesetzt werden dürfen, sei besonders ärgerlich. Leitplanken, die festhalten, welche Daten und Werkzeuge erlaubt sind, gehören deshalb in die Planung. Sie geben Mitarbeitern Halt und begrenzen das Risiko von Bußgeldern.

Die Verantwortung bleibt nach Wencks Einschätzung beim Menschen: „KI kann gut Arbeit erledigen, aber schwer Verantwortung tragen.“ Das gilt für interne Entscheidungen wie für den Kontakt mit Kunden. Mitarbeiter müssen Ergebnisse einordnen, fachlich prüfen und die Folgen einer Entscheidung überblicken können. Eine menschliche Kontrolle ist vor allem dann wichtig, wenn die Confidence niedrig ist, sensible Daten betroffen sind oder eine Entscheidung rechtliche, finanzielle oder persönliche Folgen hat.

Was ein wirksames KI-Training vermitteln muss

Viele KI-Trainings sind nach Wencks Beobachtung zu allgemein gehalten. Wer dabei Inhalte mitnimmt, die nicht zur eigenen Tätigkeit passen, wendet sie später selten an. Ein Training sollte deshalb am konkreten Arbeitsalltag ansetzen und drei Dinge vermitteln. Zuerst Prozesswissen: Mitarbeiter müssen verstehen, wie ihre Abläufe funktionieren, wo Zeit verloren geht und an welchen Stellen Fehler entstehen können.

Hinzu kommen übertragbare Prinzipien. Die Werkzeuglandschaft verändert sich schnell, und alle paar Monate kommen neue Anbieter hinzu; Unternehmen fragen sich, auf wen sie sich langfristig festlegen sollen. Wer die zugrunde liegenden Konzepte versteht, kann neue Anwendungen leichter beurteilen, statt nur die Bedienung eines einzelnen Programms zu kennen. Der dritte Punkt ist das kritische Prüfen. Modelle sind sehr gut darin, Ausgaben zu erzeugen, die sich gut anhören, die fachliche Einschätzung, ob ein Ergebnis auch stimmt, bleibt Aufgabe des Mitarbeiters.

Warum das Gelernte trotzdem oft nicht im Alltag ankommt, erklärt Wenck mit der Routine. Nach der Schulung warten am nächsten Morgen zahlreiche E-Mails und Termine, und unter Zeitdruck fällt man schnell in die alten Abläufe zurück. Teams brauchen deshalb Zeit und Raum, um neue Arbeitsweisen auszuprobieren. Auch die Unternehmenskultur ist gefordert: Wenn KI-Nutzung vorgelebt und erwartet wird, fällt der Wechsel leichter. In manchen Unternehmen übernehmen Multiplikatoren in den Teams die Rolle von Ansprechpartnern.

Aktivität und Produktivität sind nicht dasselbe

Wenck trennt zwei Begriffe, die häufig vermischt werden. KI-Werkzeuge sind sehr gut darin, Ausgaben zu erzeugen; das ist zunächst nur eine Menge an Output und sagt nichts darüber aus, ob ein Prozess besser läuft. Belegbar wird der Effekt erst im Vergleich: Wie lief der Ablauf vorher, wie läuft er jetzt, gemessen an denselben Kriterien? Ohne diese Vergleichbarkeit bleibt die Einschätzung ein Bauchgefühl.

Als Kennzahlen nennt der Experte die Durchlaufzeit des Prozesses, die Qualität der Ergebnisse, den Aufwand für Nacharbeit und die tatsächliche Nutzung der Lösung. Wie oft müssen Mitarbeiter einen Output korrigieren? Wie viele verwenden die Anwendung überhaupt, und wie regelmäßig? Die Messung sollte nicht nur vor und unmittelbar nach dem Start erfolgen, sondern fortlaufend, weil sich Modelle, Daten und Arbeitsabläufe verändern.

Wie Unternehmen den Einstieg planen

Am Anfang steht eine Bestandsaufnahme. Unternehmen sollten erfassen, welche KI-Werkzeuge Mitarbeiter bereits verwenden, für welche Aufgaben und mit welchem Ziel. Häufig fällt diese Nutzung größer aus als erwartet, Wenck spricht in diesem Zusammenhang von Schatten-KI, also dem Einsatz außerhalb offizieller Vorgaben. Anschließend werden potenzielle Prozesse nach einheitlichen Kriterien bewertet, etwa erwartetem Nutzen, technischer Machbarkeit, Datenlage, Prüfaufwand und Risiken.

Für die Bewertung bietet accompio nach Angaben des Unternehmens unter anderem einen KI-Use-Case-Sprint und ein KI-Assessment an, das die Firma auch als KI-Audit bezeichnet. Dabei werden Interviews mit Mitarbeitern und der Geschäftsführung geführt, um vorhandene Erfahrungen und besonders relevante Prozesse zu ermitteln. Aus dieser Analyse entsteht eine Roadmap mit kurz-, mittel- und langfristigen Maßnahmen. Wer eine Lösung eingeführt hat, muss anschließend die Mitarbeiter befähigen, sie zu nutzen, und den Blick auf weitere Anwendungsfälle richten.

Der häufigste Fehler bleibt ein unstrukturiertes Vorgehen

Ein Werkzeug einkaufen, eine Schulung anbieten und darauf hoffen, dass sich die Nutzung von selbst entwickelt, das beschreibt nach Wencks Erfahrung ein verbreitetes Muster. Auf diese Weise fehlen gemeinsame Ziele, Zuständigkeiten und messbare Kriterien. Hilfreicher ist ein verbindlicher Plan, der festhält, welche Prozesse verändert werden sollen, wie Mitarbeiter langfristig befähigt werden und wie sich die Wirkung der eingesetzten KI laufend messen lässt. Dazu gehören Leitplanken für erlaubte Anwendungen, Daten und Freigaben.

Weiterbildung sieht Wenck nicht als einmalige Veranstaltung, sondern als stetigen Fluss, den Unternehmen ihren Mitarbeitern ermöglichen sollten. Da sich KI-Lösungen schnell verändern, muss auch der Plan regelmäßig überprüft werden; eine Messung direkt nach der Einführung reicht nicht aus. Für Unternehmen, die erst am Anfang stehen, empfiehlt der Experte, sich an den eigenen Prozessen zu orientieren und daraus abzuleiten, wie KI dort konkret unterstützen kann.