KI scheitert an der nächsten Übergabe

Kurzfassung: KI im Mittelstand schafft erst dann Produktivität, wenn das Ergebnis im nächsten Arbeitsschritt nutzbar ist. Entscheidend ist nicht der schnellere Entwurf, sondern die belastbare Übergabe: mit Datenbasis, offenen Punkten, Prüflogik und klarer fachlicher Verantwortung.

Viele KI-Projekte starten mit einem plausiblen Ziel: ein vorhandener Arbeitsschritt soll schneller werden. Angebote, Serviceantworten oder Projektzusammenfassungen entstehen früher. Der betriebliche Nutzen bleibt aber begrenzt, wenn der nächste Bereich dieselben Rückfragen stellen, dieselben Daten prüfen und dieselben Annahmen klären muss. Für KMU liegt der entscheidende Prüfpunkt deshalb in der Qualität der Weitergabe zwischen Arbeitsschritten.

Der eigentliche Test beginnt nach dem KI-Ergebnis

In der aktuellen Managementdebatte um KI-native Organisationen steht ein wichtiger Unterschied im Vordergrund: KI kann entweder in alte, hierarchisch geprägte Abläufe eingebaut werden – oder Arbeit wird so neu zugeschnitten, dass KI-Systeme mehrere Schritte sinnvoll vorbereiten können. Für den Mittelstand ist daran vor allem eine praktische Frage relevant: Wird das Ergebnis der KI im nächsten Arbeitsschritt wirklich verwendbar?

OpenAI beschreibt Agenten als Systeme, die Aufgaben über mehrere Schritte hinweg bearbeiten, Werkzeuge nutzen und innerhalb definierter Grenzen handeln können. Anthropic betont in seinen Empfehlungen zu wirksamen Agenten ebenfalls klare Aufgaben, passende Werkzeuge und überprüfbare Zwischenschritte. Microsofts Work Trend Index 2025 beschreibt Unternehmen, in denen Menschen und KI-Systeme stärker arbeitsteilig zusammenarbeiten.

Diese Punkte führen zu einer nüchternen Managementeinsicht: KI im Mittelstand scheitert häufig nicht am ersten Arbeitsergebnis, sondern an der organisatorischen Anschlussfähigkeit danach. Ein Angebotsentwurf, der gut formuliert ist, aber keine verbindliche Datenquelle für Preise, Lieferzeiten und Sondervereinbarungen ausweist, bleibt ein Entwurf. Eine Serviceantwort, die plausibel klingt, aber Gerätedaten, Historie und offene Prüfpunkte nicht trennt, erzeugt zusätzliche Kontrolle statt Entlastung.

Die bessere Messfrage lautet daher nicht: „Hat die KI etwas erzeugt?“ Sondern: „Kann der nächste Bearbeiter damit schneller und sicherer entscheiden?“

Gute Weitergabe enthält mehr als Text

Viele KI-Anwendungen werden nach der Qualität des sichtbaren Dokuments beurteilt. Im Vertrieb ist das der Angebotstext, im Service die Antwortmail, in der Projektabwicklung der Statusbericht. Für die Lieferpraxis zählt jedoch, ob das Ergebnis die nächste fachliche Handlung vorbereitet.

Ein brauchbares KI-Zwischenergebnis zeigt, auf welche Informationen es sich stützt, welche Annahmen enthalten sind, welche Punkte offen bleiben und wo fachliche Prüfung nötig ist. Genau dort unterscheidet sich ein nützliches System von einem zusätzlichen Textgenerator.

Ein Beispiel aus der Angebotserstellung: Wenn eine KI aus Kundennachricht, Produktdaten und früheren Angeboten einen Vorschlag erstellt, ist das erst dann geschäftlich wertvoll, wenn sie zugleich fehlende Kundendaten markiert, abweichende Rabattlogik kenntlich macht und Lieferzeitannahmen sichtbar hält. Dann kann die Kalkulation gezielt prüfen. Ohne diese Struktur beginnt die Prüfung faktisch von vorn.

Ähnlich im Kundendienst: Eine KI kann Störungen vorsortieren und Antwortvorschläge erzeugen. Produktivität entsteht aber erst, wenn der technische Bereich eine verwendbare Übergabe erhält: Kundengerät, Fehlerbild, bisherige Maßnahmen, relevante Dokumentation, wahrscheinliche Ursachen und offene Rückfragen. Dann sinkt nicht nur die Schreibarbeit. Die fachliche Klärung wird präziser.

Hier liegt auch die Verbindung zu KI-Governance. Sie ist nicht nur eine nachgelagerte Kontrollschicht. Sie entscheidet darüber, ob ein KI-Ergebnis überhaupt arbeitsfähig ist: Welche Daten darf das System nutzen? Welche Aussage braucht fachliche Freigabe? Welche Unsicherheit muss sichtbar bleiben?

Alte Abläufe erzeugen oft schwache Zwischenstände

Viele gewachsene Prozesse im Mittelstand funktionieren über Erfahrung, kurze Wege und informelle Klärung. Das ist im Alltag oft effizient. Für agentische Arbeitsabläufe kann es problematisch sein, weil ein KI-System explizite Informationen, klare Werkzeuge und erkennbare Entscheidungsgrenzen braucht.

Wenn Produktdaten in mehreren Tabellen stehen, Lieferzusagen in E-Mails liegen und Sonderkonditionen nur einzelnen Mitarbeitenden bekannt sind, kann KI zwar schneller Material erzeugen. Sie kann aber nicht verlässlich kenntlich machen, welche Information gilt. Das führt zu einem typischen Muster: Der erste Arbeitsschritt wirkt beschleunigt, der zweite wird vorsichtiger. Mitarbeitende prüfen mehr, weil sie dem Ergebnis nicht ansehen, worauf es beruht.

Das ist kein Argument gegen KI. Es zeigt, wo der Prozesszuschnitt nicht zur angestrebten Nutzung passt. Besonders sichtbar wird das an Übergängen zwischen Vertrieb und Kalkulation, Service und Technik, Projektleitung und Arbeitsvorbereitung oder Einkauf und Lieferantenkommunikation. Dort treffen unterschiedliche Informationsstände, Prioritäten und Verantwortlichkeiten aufeinander.

Für die Prozessauswahl bedeutet das: Geeignet sind Vorgänge mit wiederkehrendem Muster, klarem Geschäftsergebnis und ausreichend geordneter Datenbasis. Weniger geeignet sind Bereiche, in denen schon heute unklar ist, welche Information verbindlich ist oder wer fachlich entscheidet. Dort sollte nicht zuerst skaliert, sondern begrenzt getestet und bereinigt werden.

Wiederverwendbarkeit ist die bessere Kennzahl

Viele Unternehmen messen KI-Nutzung über Aktivität: erzeugte Texte, gesparte Minuten, genutzte Lizenzen oder bearbeitete Anfragen. Diese Zahlen sind nicht wertlos, aber sie können eine Managementillusion erzeugen. Viel KI-Aktivität bedeutet noch nicht bessere Entscheidungsqualität.

Für KMU ist eine stärkere Kennzahl die Wiederverwendbarkeit im nächsten Schritt. Wird ein KI-vorbereiteter Angebotsentwurf schneller kundentauglich? Muss die Technik nach einer Servicevorbereitung weniger Rückfragen stellen? Können Projektbeteiligte auf denselben Stand zugreifen, ohne Informationen erneut zusammenzusuchen? Sinkt die Nacharbeit, nicht nur die Schreibzeit?

Diese Sicht verändert auch die Rolle der Führung. Geschäftsführung und Bereichsleitung müssen nicht jedes technische Detail verstehen. Sie sollten aber erkennen, ob ein Vorhaben nur einen Arbeitsschritt beschleunigt oder eine Übergabe belastbarer macht.

Ein sinnvoller Einstieg ist deshalb eine häufige, kunden- oder kostenrelevante Schnittstelle mit sichtbarer Reibung. Dort lässt sich beobachten, ob KI ein verwertbares Arbeitspaket erzeugt: mit verbindlicher Datenquelle, markierten Unsicherheiten, klarer fachlicher Prüfung und einem Ergebnis, das der nächste Bereich tatsächlich nutzt. Erst wenn diese Weitergabe besser wird, entsteht aus KI-Einsatz ein belastbarer Beitrag zu Produktivität, Kundenzufriedenheit und Steuerbarkeit im Unternehmen.